word2vec作者曝与Ilya等十年积怨：seq2seq也是我的想法
梦晨 发自 凹非寺 量子位 | 公众号 QbitAI
里程碑式论文word2vec获得NeurIPS时间检验奖，可谓实至名归。
但一作Tomas Mikolov在Facebook上发表的长篇获奖感言，却充满了失望和不满。
论文最初被ICLR拒稿都算小事了，他还暗讽了OpenAI首席科学家Ilya Sutskever（当时两人都在谷歌）：
我们当然生活在激动人心的时代，但不要对那些“想要垄断基于数十上百位科学家辛勤工作的技术、同时声称这一切都是为了人类利益的人”抱有太多信心。
Mikolov话中所指的是word2vec之后又一个里程碑式研究seq2seq，发表于2014年，不出意外的话也将会获得2024年的NeurIPS时间检验奖。
Tomas Mikolov声称seq2seq的想法最初来自于他，在谷歌大脑工作期间与Quoc Le和Ilya有过多次讨论。
但他跳槽到Facebook后，很惊讶看到最终发表的成果中自己没有成为共同作者。
这正是金钱大量流入AI领域的时候，每个想法都价值连城。 看到深度学习社区迅速变成某种权力的游戏，我很悲哀。金钱和权力确实会腐蚀人心……
从word2vec到seq2seq
最初word2vec论文投稿到首届ICLR会议（当时还只是一个workshop），尽管接受率高达70%，但还是被据搞了。
这让Mikolov感慨，审稿人想要预测一篇论文未来的影响是多么困难。
不少研究者都有同感，如今在大模型与AI绘画都大量应用的LoRA作者微软Weizhu Chen透露，当初第一次投稿时也被拒了，因为审稿人认为太简单。
大多数真正有效的事情往往都是简单而优雅的。
Mikolov这些年听到了很多对word2vec的评论，正面负面都有，但并没有真正在网络上回应过。
不知何故，研究界不断被某些人的公关式宣传淹没，他们用这种方式博取引用数和别人的注意力，我不想成为其中一份子。
借着这次获奖加10周年的机会，Mikolov分享了一些这篇经典论文的背后故事。
首先是很多人抱怨word2vec的代码很难理解，甚至有人以为Mikolov是故意让大家看不懂的。
现在他澄清了“不，我还没那么邪恶”，只是在等待被批准发布代码的几个月中试图让它更短、更快，最终代码被过度优化了。
现在回想起来，如果谷歌大脑团队中没有Greg Corrado和Jeff Dean，我怀疑是否会获得批准——我认为word2vec可能是谷歌开源的第一个广为人知的AI项目。
尽管word2vec是Mikolov被引用次数最高的论文，但他却从未认为这是自己最有影响力的项目。
实际上word2vec最初是他的RNNLM项目中一个子集，这个项目很快被人们遗忘了。
在我看来，它至少和AlexNet一样具有颠覆性。
RNNLM开始于2010年，深度学习还处在黑暗时代，Mikolov列举了其中首次展示的想法：
- 循环神经网络的可扩展训练，他提出了梯度裁剪（Gradient Clipping）
- 神经语言模型首次生成文本，他从2007年开始就展示这样的例子
- 动态评估
- 字符和子词级的神经语言建模
- 神经语言模型适应，现在被称为微调
- 第一个公开可用的语言模型评测基准，也就是修改后的Penn Treebank数据集
2012年，Mikolov从捷克布尔诺理工大学博士毕业后加入了谷歌大脑。
他表示自己很幸运，那里有大量神经网络的信徒，允许自己研究word2vec、展示其潜力，但他不想给人们留下一切都很完美的印象。
在word2vec之后，Mikolov想通过改进谷歌翻译来普及神经语言模型。开始与Franz Och的团队合作，期间提出了几个可以补充甚至取代当时机器翻译的模型。
核心想法在他加入谷歌大脑之前就已经提出，也就是在不同语言句子对上训练，然后使用生成模型翻译看到的第一句话。
当时在短句子上效果很好，较长句子效果还不佳。他与谷歌大脑中的其他人（主要是Quoc Le和Ilya Sutskever）多次讨论过这个项目，他们在自己跳槽到Facebook后接手。
当他们最终以现在著名的“seq2seq”发表我的想法时，我感到非常惊讶，不仅没有提到我作为合著者，而且我的老朋友们也忘记在论文致谢部分提到我，他们感谢了谷歌大脑中除了我之外的每一个人。
……
大家看到Mikolov的长篇感言，也是百感交集。
康奈尔大学助理教授Volodymyr Kuleshov借word2vec被拒稿的故事，鼓励大家不要因论文同行评议过程而灰心，“好的想法终会得到应有的认可”。
也有人认为，Mikolov指出的贡献分配、引用数量和影响力等问题，不光是NLP的问题，而是整个AI领域都存在。
参考链接： [1]https://www.facebook.com/tomas.mikolov/posts/pfbid0avhBpB2WULd3KNtAieyiDCFpP9MQggxW1xSh6RXZDjWF6sGzgpYa638KMAyF75JSl [2]https://twitter.com/AravSrinivas/status/1736090919718605169 [3]https://www.fit.vutbr.cz/~imikolov/rnnlm/
— 完 —