פרס על שם איליה סגלוביץ'. סיפור על מדעי המחשב ופרסומי השקה

היום אנחנו משיקים פרס מדעי על שם איליה סגלוביץ' iseg. הוא יוענק עבור הישגים בתחום מדעי המחשב. סטודנטים לתואר ראשון ושני יכולים להגיש בקשה משלהם לפרס או למנות מפקחים מדעיים. הזוכים ייבחרו על ידי נציגי הקהילה האקדמית ויאנדקס. קריטריוני הבחירה העיקריים: פרסומים ומצגות בכנסים וכן תרומה לפיתוח הקהילה.

טקס הענקת הפרס הראשון יתקיים באפריל. במסגרת הפרס יקבלו מדענים צעירים 350 אלף רובל, ובנוסף הם יוכלו לצאת לכנס בינלאומי, לעבוד עם מנטור ולעבור התמחות במחלקת המחקר של Yandex. מפקחים מדעיים יקבלו 700 אלף רובל.

לרגל השקת הפרס, החלטנו לדבר כאן ב-Habré על הקריטריונים להצלחה בעולם מדעי המחשב. חלק מקוראי הבר כבר מכירים את הקריטריונים הללו, בעוד שאחרים עשויים לקבל רושם מוטעה לגביהם. היום נגשר על הפער הזה - ניגע בכל הנושאים המרכזיים, לרבות מאמרים, כנסים, מערכי נתונים והעברת רעיונות מדעיים לשירותים.

עבור מדענים מתחום מדעי המחשב, הקריטריון העיקרי להצלחה הוא פרסום עבודתם המדעית באחד מהכנסים הבינלאומיים המובילים. זהו ה"מחסום" הראשון לזיהוי עבודתו של החוקר. לדוגמה, בתחום למידת מכונה בכלל, נבדלים הוועידה הבינלאומית על למידת מכונה (ICML) והכנס על מערכות עיבוד מידע עצביות (NeurIPS, לשעבר NIPS). ישנם כנסים רבים בנושאים ספציפיים של ML, כגון ראייה ממוחשבת, אחזור מידע, טכנולוגיית דיבור, תרגום מכונה וכו'.

למה לפרסם את הרעיונות שלך

לאנשים שרחוקים ממדעי המחשב יש אולי תפיסה מוטעית שעדיף לשמור בסוד את הרעיונות היקרים ביותר ולשאוף להרוויח מהייחודיות שלהם. עם זאת, המצב האמיתי בתחום שלנו הוא בדיוק הפוך. סמכותו של מדען נשפטת לפי המשמעות של יצירותיו, לפי התדירות שבה מצוטטים מאמריו על ידי מדענים אחרים (אינדקס ציטוט). זה מאפיין חשוב בקריירה שלו. חוקר עולה במעלה הסולם המקצועי, הופך למכובד יותר בקהילה שלו, רק אם הוא מייצר באופן עקבי עבודה חזקה שמתפרסמת, מתפרסמת ומהווה בסיס לעבודתם של מדענים אחרים.

מאמרים מובילים רבים (אולי רובם) הם תוצאה של שיתוף פעולה בין חוקרים באוניברסיטאות ובחברות שונות ברחבי העולם. רגע חשוב ובעל ערך רב בקריירה של חוקר הוא כאשר הוא מקבל את ההזדמנות למצוא ולסנן רעיונות בעצמו על סמך ניסיונו – אך גם לאחר מכן, עמיתיו ממשיכים להעניק לו עזרה שלא תסולא בפז. מדענים עוזרים זה לזה לפתח רעיונות, כותבים מאמרים בשיתוף פעולה - וככל שתרומתו של המדען למדע גדולה יותר, כך קל לו יותר למצוא אנשים בעלי דעות דומות.

לבסוף, הצפיפות והזמינות של המידע כעת כה גדולות עד שחוקרים שונים מעלים בו זמנית רעיונות מדעיים דומים מאוד (ובעלי ערך באמת). אם לא תפרסם את הרעיון שלך, כמעט בוודאות מישהו אחר יפרסם אותו עבורך. ה"מנצח" הוא לרוב לא זה שהגה את החידוש קצת קודם, אלא זה שפרסם אותו קצת קודם. או - זה שהצליח לחשוף את הרעיון בצורה מלאה, ברורה ומשכנעת ככל האפשר.

מאמרים ומערכי נתונים

אז, מאמר מדעי בנוי סביב הרעיון המרכזי שהחוקר מציע. הרעיון הזה הוא תרומתו למדעי המחשב. המאמר מתחיל בתיאור הרעיון, המנוסח בכמה משפטים. לאחר מכן מבוא המתאר את מגוון הבעיות שנפתרו בעזרת החידוש המוצע. התיאור והמבוא נכתבים בדרך כלל בשפה פשוטה שמובנת לקהל רחב. לאחר ההקדמה, יש צורך להכשיר את הבעיות המוצגות בשפה מתמטית ולהנהיג סימון קפדני. לאחר מכן, באמצעות הסימונים שהוצגו, עליך ליצור הצהרה ברורה ומקיפה של מהות החידוש המוצע, ולזהות את ההבדלים משיטות קודמות דומות. כל ההצהרות התיאורטיות חייבות להיות נתמכות בהפניות לראיות שנאספו בעבר, או להוכיח באופן עצמאי. זה עשוי להיעשות עם כמה הנחות. לדוגמה, אתה יכול לתת הוכחה למקרה כאשר יש כמות אינסופית של נתוני אימון (מצב בלתי מושג בעליל) או שהם בלתי תלויים לחלוטין אחד בשני. לקראת סוף המאמר מדבר המדען על תוצאות הניסוי שהצליח להשיג.

על מנת שלסוקרים שגויסו על ידי מארגני הכנס יהיה סיכוי גבוה יותר לאשר מאמר, עליו להיות בעל תכונה אחת או יותר. גורם מרכזי שמגדיל את סיכויי האישור הוא החידוש המדעי של הרעיון המוצע. לעתים קרובות, החידוש מוערך ביחס לרעיונות שכבר קיימים - ועבודת הערכתו אינה מתבצעת על ידי המבקר, אלא על ידי מחבר המאמר עצמו. באופן אידיאלי, על המחבר לספר בפירוט במאמר על שיטות קיימות ובמידת האפשר להציג אותן כמקרים מיוחדים לשיטתו. לפיכך, המדען מראה שהגישות המקובלות לא תמיד עובדות, שהוא הכליל אותן והציע ניסוח תיאורטי רחב יותר, גמיש יותר ולכן יעיל יותר. אם אין להכחיש את החידוש, אחרת סוקרים מעריכים את המאמר בצורה לא כל כך בררנית - למשל, הם עלולים להעלים עין מאנגלית גרועה.

כדי לחזק את החידוש, כדאי לכלול השוואה עם שיטות קיימות במערך נתונים אחד או יותר. כל אחד מהם צריך להיות פתוח ומקובל בסביבה האקדמית. לדוגמה, ישנו מאגר תמונות ImageNet ומסדי נתונים של מכונים כמו המכון הלאומי לתקנים וטכנולוגיה (MNIST) ו-CIFAR (המכון הקנדי למחקר מתקדם). הקושי הוא שמערך נתונים "אקדמי" שכזה שונה לרוב במבנה התוכן מהנתונים האמיתיים שבהם עוסקת התעשייה. נתונים שונים פירושם תוצאות שונות של השיטה המוצעת. מדענים שעובדים חלקית עבור התעשייה מנסים לקחת זאת בחשבון ולפעמים מכניסים כתבי ויתור כמו "על הנתונים שלנו התוצאה היא כזו וכזו, אבל על מערך הנתונים הציבורי - כזה וכזה".

קורה שהשיטה המוצעת "מותאמת" לחלוטין למסד נתונים פתוח ואינה עובדת על נתונים אמיתיים. אתה יכול להילחם בבעיה הנפוצה הזו על ידי פתיחת מערכי נתונים חדשים ומייצגים יותר, אבל לעתים קרובות אנחנו מדברים על תוכן פרטי שלחברות פשוט אין את הזכות לפתוח. במקרים מסוימים הם מבצעים אנונימיזציה (לעיתים מורכבת וקפדנית) של נתונים - הם מסירים כל שבר שמצביע על אדם ספציפי. לדוגמה, פרצופים ומספרים בתצלומים נמחקים או הופכים לבלתי קריאים. בנוסף, על מנת שמערך הנתונים לא רק יהיה זמין לכולם, אלא יהפוך לסטנדרט בקרב מדענים שעליו נוח להשוות רעיונות, יש צורך לא רק לפרסם אותו, אלא גם לכתוב מאמר מצוטט נפרד על זה והיתרונות שלו.

זה גרוע יותר כאשר אין מערכי נתונים פתוחים בנושא הנחקר. אז המבקר יכול לקבל רק את התוצאות שהוצגו על ידי המחבר על אמונה. תיאורטית, המחבר יכול אפילו להפריז בהערכתם ולהישאר בלתי מזוהה, אבל בסביבה אקדמית זה לא סביר, שכן זה נוגד את הרצון של הרוב המכריע של המדענים לפתח מדע.

במספר תחומים של ML, כולל ראייה ממוחשבת, מקובל גם לצרף קישורים לקוד (בדרך כלל ל-GitHub) עם מאמרים. המאמרים עצמם מכילים מעט מאוד קוד או שהם פסאודוקוד. וכאן שוב מתעוררים קשיים אם המאמר נכתב על ידי חוקר מחברה, ולא מאוניברסיטה. כברירת מחדל, קוד שנכתב בתאגיד או סטארטאפ מסומן NDA. חוקרים ועמיתיהם צריכים לעבוד קשה כדי להפריד בין הקוד הקשור לרעיון המתואר לבין מאגרים פנימיים ובהחלט סגורים.

הסיכוי לפרסום תלוי גם ברלוונטיות של הנושא הנבחר. הרלוונטיות מוכתבת במידה רבה על ידי מוצרים ושירותים: אם תאגיד או סטארטאפ מעוניינים לבנות שירות חדש או לשפר שירות קיים על סמך רעיון ממאמר, זה יתרון.

כפי שכבר הוזכר, עבודות במדעי המחשב נכתבות רק לעתים רחוקות. אבל ככלל, אחד המחברים מבלה הרבה יותר זמן ומאמץ מהאחרים. תרומתו לחידוש המדעי היא הגדולה ביותר. ברשימת המחברים, אדם כזה מצוין תחילה - ובעתיד, כאשר מתייחסים למאמר, הם יכולים רק להזכיר אותו (לדוגמה, "איבנוב ואחרים" - "איבנוב ואחרים" מתורגם מלטינית). עם זאת, תרומתם של אחרים היא גם בעלת ערך רב - אחרת אי אפשר להיות ברשימת המחברים.

תהליך סקירה

מאמרים בדרך כלל מפסיקים להתקבל מספר חודשים לפני הכנס. לאחר הגשת מאמר, לבודקים יש 3-5 שבועות לקרוא, להעריך ולהגיב עליו. זה קורה על פי שיטת הבודקים, כאשר המחברים אינם רואים את שמות הסוקרים, או העיוור הכפול, כאשר הסוקרים עצמם אינם רואים את שמות המחברים. האפשרות השנייה נחשבת ללא משוא פנים: כמה מאמרים מדעיים הראו שהפופולריות של המחבר משפיעה על החלטת המבקר. לדוגמה, הוא עשוי לשקול כי מדען עם מספר רב של מאמרים שכבר פורסמו ראוי אפריורי לדירוג גבוה יותר.

יתרה מכך, גם במקרה של עיוור כפול, המבקר כנראה ינחש את המחבר אם הוא עוסק באותו תחום. בנוסף, בזמן הסקירה, ייתכן שהמאמר כבר יתפרסם במסד הנתונים arXiv, המאגר הגדול ביותר של מאמרים מדעיים. מארגני הכנס אינם אוסרים זאת, אך הם ממליצים להשתמש בכותרת אחרת ובתקציר שונה בפרסומים עבור arXiv. אבל אם המאמר פורסם שם, עדיין לא יהיה קשה למצוא אותו.

תמיד יש כמה סוקרים שמעריכים מאמר. לאחד מהם מוקצה תפקיד של מטא-סוקר, שעליו רק לעיין בפסקי הדין של עמיתיו ולקבל את ההחלטה הסופית. אם הסוקרים לא מסכימים על המאמר, המטא-סוקר יכול גם לקרוא אותו לשלמות.

לפעמים, לאחר סקירת הדירוג וההערות, יש למחבר הזדמנות להיכנס לדיון עם המבקר; יש אפילו סיכוי לשכנע אותו לשנות את החלטתו (עם זאת, מערכת כזו לא עובדת בכל הכנסים, ואפשר עוד פחות להשפיע ברצינות על פסק הדין). בדיון אינך יכול להתייחס לעבודות מדעיות אחרות, למעט אלו שכבר מוזכרות במאמר. אתה יכול רק "לעזור" למבקר להבין טוב יותר את תוכן המאמר.

כנסים וכתבי עת

מאמרים במדעי המחשב מוגשים לעתים קרובות יותר לכנסים מאשר לכתבי עת מדעיים. הסיבה לכך היא שלפרסומים בכתבי עת יש דרישות שקשה יותר לעמוד בהן, ותהליך ביקורת עמיתים יכול להימשך חודשים ואף שנים. מדעי המחשב הוא תחום שזז מהר מאוד, כך שמחברים בדרך כלל לא מוכנים לחכות כל כך הרבה זמן לפרסום. עם זאת, לאחר מכן ניתן להשלים מאמר שכבר התקבל לכנס (למשל על ידי הצגת תוצאות מפורטות יותר) ולפרסם אותו בכתב עת שבו מגבלות המקום אינן כה מחמירות.

אירועים בכנס

מתכונת נוכחותם של מחברי מאמרים מאושרים בכנס נקבעת על ידי הסוקרים. אם המאמר מקבל אור ירוק, אז לרוב מוקצים לך דוכן פוסטרים. פוסטר הוא שקופית סטטית עם תקציר המאמר ואיורים. חלק מחדרי הישיבות מלאים בשורות ארוכות של עמדות פוסטרים. המחבר מבלה חלק ניכר מזמנו ליד הפוסטר שלו, בתקשורת עם מדענים שמתעניינים במאמר.

אפשרות קצת יותר יוקרתית להשתתפות היא שיחת ברק. אם הסוקרים רואים במאמר ראוי לדיווח מהיר, ניתנות למחבר כשלוש דקות לדבר בפני קהל רחב. מצד אחד, שיחת ברק היא הזדמנות טובה לספר על הרעיון שלך לא רק למי שהתעניין בפוסטר מיוזמתם. מצד שני, מבקרי פוסטרים יזומים מוכנים יותר ושקועים יותר בנושא הספציפי שלך מהמאזין הממוצע באולם. לכן, בדיווח מהיר, עדיין צריך להספיק לעדכן אנשים.

בדרך כלל, בסוף שיחת הברקים שלהם, כותבים שם את מספר הפוסטר כדי שהמאזינים יוכלו למצוא אותו ולהבין טוב יותר את המאמר.

האפשרות האחרונה והיוקרתית ביותר היא כרזה בתוספת הצגה מלאה של הרעיון, כשכבר אין צורך למהר לספר את הסיפור.

אבל כמובן, מדענים - כולל מחברי מאמרים מאושרים - מגיעים לכנס הבא לא רק כדי להשוויץ. ראשית, הם נוטים למצוא פוסטרים הקשורים לתחום שלהם מסיבות ברורות. ושנית, חשוב להם להרחיב את רשימת אנשי הקשר שלהם לצורך עבודה אקדמית משותפת בעתיד. זה לא ציד - או, לפחות, השלב הראשון שלו, שלפחות אחריו חילופי רעיונות, פיתוחים ועבודה משותפת על מאמר אחד או יותר מועילים הדדיים.

יחד עם זאת, נטוורקינג פרודוקטיבי בכנס מוביל קשה בגלל המחסור המוחלט בזמן הפנוי. אם אחרי יום שלם שבילה במצגות ובדיונים על פוסטרים, המדען שמר על כוחו וכבר התגבר על הג'ט לג, אז הוא הולך לאחת מהמסיבות הרבות. הם מתארחים על ידי תאגידים - כתוצאה מכך, לצדדים יש לרוב אופי ציד יותר. יחד עם זאת, אורחים רבים משתמשים בהם כלל לא כדי למצוא עבודה חדשה, אלא, שוב, ליצירת נטוורקינג. בערב אין יותר דוחות ופוסטרים - קל יותר "לתפוס" את המומחה שאתה מעוניין בו.

מהרעיון להפקה

מדעי המחשב הם אחד הענפים הבודדים שבהם האינטרסים של תאגידים וסטארטאפים קשורים מאוד לסביבה האקדמית. NIPS, ICML וכנסים דומים אחרים מושכים הרבה אנשים מהתעשייה, לא רק מהאוניברסיטאות. זה אופייני לתחום מדעי המחשב, אבל להיפך לרוב המדעים האחרים.

מצד שני, לא כל הרעיונות המוצגים במאמרים הולכים מיד ליצירה או שיפור שירותים. גם בתוך חברה אחת, חוקר יכול להציע לעמיתים מהשירות רעיון פורץ דרך בסטנדרטים מדעיים ולקבל סירוב ליישם אותו ממספר סיבות. אחד מהם כבר הוזכר כאן - זה ההבדל בין מערך הנתונים ה"אקדמי" עליו נכתב המאמר לבין מערך הנתונים האמיתי. בנוסף, יישום רעיון עשוי להתעכב, לדרוש כמות גדולה של משאבים או לשפר רק אינדיקטור אחד במחיר של הידרדרות מדדים אחרים.

המצב נשמר על ידי העובדה שמפתחים רבים בעצמם הם קצת חוקרים. הם משתתפים בכנסים, מדברים באותה שפה עם אנשי אקדמיה, מציעים רעיונות, לפעמים משתתפים ביצירת מאמרים (למשל, כתיבת קוד), או אפילו פועלים ככותבים בעצמם. אם מפתח שקוע בתהליך האקדמי, עוקב אחר הנעשה במחלקת המחקר, במילה אחת - אם הוא מפגין תנועת נגד כלפי מדענים, אז מתקצר מעגל הפיכת רעיונות מדעיים ליכולות שירות חדשות.

אנו מאחלים לכל החוקרים הצעירים מזל טוב והישגים גדולים בעבודתם. אם הפוסט הזה לא סיפר לך שום דבר חדש, ייתכן שכבר פרסמת בכנס מוביל. להירשם ל פּרֶמיָה את עצמך ולמנות מפקחים מדעיים.

מקור: www.habr.com