Es ist kein Geheimnis, dass Wissenschaftler die Welt sehr gern erkunden. Daher finden immer große Konferenzen in den historischen und kulturellen Hauptstädten der Welt statt. Diese Städte sind praktisch für Besucher aus aller Welt und aus touristischer Sicht interessant. Aber manchmal übernimmt der Wunsch, das Neue und das Unbekannte zu erkunden, und die Stadt der Konferenz wird zum Beispiel zu Anchorage in Alaska. Auch vorher nichts von ihm gehört? Und dieses Jahr fand dort eine der größten Konferenzen KDD'19 statt .
Wir von Antiplagiarism konnten ein solches Ereignis nicht verpassen und machten uns auf den Weg, um Abenteuer auf der anderen Seite der Welt zu erleben . Was bei KDD 2019 passiert ist - lesen Sie unseren Testbericht!
Meine Reise begann mit einem 12-stündigen Flug nach Los Angeles, wo mich der Freund meines Freundes bereits am Flughafen getroffen hatte. Ursprünglich wollte ich alleine durch die Stadt laufen, aber das Argument "Sie werden in LA nichts ohne Auto sehen und niemand hat das Glück, Sie im Stau zum Flughafen zurückzubringen" klang ziemlich überzeugend. Nun, ohne ein Auto in der Stadt der Engel kommt man wirklich nicht weiter - hier gibt es praktisch keine öffentlichen Verkehrsmittel und das ist in einem ziemlich unanständigen Zustand. LA selbst sah aus wie auf einer Liste: riesige Staus, ein stadtweiter Strand, Hollywood Hills, Beverly Hills, Mittagessen in einem klassischen amerikanischen Fast Food und Sonnenuntergang am Strand. Aber alle interessanten Dinge neigen dazu zu enden und der nächste Flug wartete auf mich.
Da ich von der anderen Hemisphäre geflogen bin, hat mein Körper an nichts gedacht, so dass der 5-stündige Nachtflug nach Alaska für mich unbemerkt blieb. Um mich irgendwie zu erholen, ging ich jedoch wie immer 4 Stunden ins Bett.
Der Wechsel der Zeitzonen machte sich später bemerkbar: die ganze Zeit wollte ich schlafen. Um nicht ganz zu fallen, ging ich zur Registrierung. Darüber hinaus konnte der Weg vom Hostel zum Konferenzort ein wenig aufmuntern.
Das Konferenzgerät war in nichts ungewöhnlich: Mehrere Sitzungen in verschiedenen Räumen, in denen Präsentationen und Diskussionen über neue Ansätze des maschinellen Lernens sowie coole Lösungen und Implementierungen stattfinden. Eine Einschränkung: Im Fall von KDD'19 umfasste die gesamte Konferenz zwei riesige Konferenzgebäude mit mehreren Stockwerken, auf denen sich jeweils ein Publikum befand. Wie immer erregten einige Präsentationen ein derartiges Interesse, dass man nicht einmal durch eine Menschenmenge ins Publikum gelangen konnte. Mit einem Wort, jeder Konferenzteilnehmer könnte etwas Interessantes speziell für sich finden. KDD bietet immer viele verschiedene Formate für die Präsentation von Informationen an, daher gab es eine große Auswahl. Dies sind Berichte berühmter Wissenschaftler, die an ein großes "Streaming" -Publikum senden, und Präsentationen von Neulingen der Wissenschaft in kleinen "Seminarräumen". Für diejenigen, die nicht nur zuhören, sondern auch üben möchten, gibt es „praktische Tutorials“, in denen Vertreter verschiedener Bereiche praktische Übungen durchführen. Zum Beispiel war das Tutorial von Amazon zur Verwendung des Cloud-Computing-Dienstes sehr beliebt. Der erste Tag war jedoch ziemlich hell: Er war für die Registrierung reserviert, es gab hier keine ernsthaften Präsentationen, nur Begrüßungsworte und Vortragsvorträge. Also ging ich in mein Zimmer und machte mich bereit für die bevorstehenden Auftritte.
Wo unsere nicht verschwunden sind
B - Sicherheit, aber Sie werden nichts für die Wissenschaft tun. Und im Allgemeinen war es nicht umsonst, dass der PhysTech fertig war.
Der zweite Tag war ganz den Workshops gewidmet. In einfachen Worten, ein Workshop ist ein Treffen, bei dem die Teilnehmer Erfahrungen bei der Lösung von Problemen in einem bestimmten Bereich austauschen. Da sich unsere Abteilung in der Anti-Plagiat-Firma mit dem System der Suche nach sprachübergreifenden Anleihen befasst , passte unsere Arbeit, die ich auf der Konferenz vorstellte, sofort zu den Themen zweier Workshops: Deep Learning für Bildung und Wahrheitsfindung und Faktenprüfung. Vor meinen Berichten konnte ich einige interessante Präsentationen sehen. Es ist erwähnenswert, die Geschichte von Ruslan Salakhutdinov über das XLNet- Modell. Natürlich haben sie vor KDD über dieses Modell geschrieben, aber es war viel interessanter, direkt von einem der Autoren zu hören. Ein Teil des Berichts widmete sich einem neuen Trend beim maschinellen Lernen: Verwenden Sie vorab schwere Modelle, anstatt schwere Modelle zu unterrichten, und passen Sie sie einfach an Ihre Bedürfnisse an. Das ist verständlich: Die meisten Unternehmen, die in ihren Aktivitäten komplexe Architekturen verwenden, verfügen nicht über genügend Rechenleistung, um von Grund auf neu zu lernen. Die Umschulung vorgefertigter Modelle für Ihre Aufgaben ist viel einfacher und schneller. Darüber hinaus ist die Arbeitsqualität solcher Modelle viel höher als die von vereinfachten Analoga.
Die gesamte verbleibende Zeit nach dem Mittagessen wurde damit verbracht, nach ihrem Publikum zu suchen, mit den Leitern der Workshops und anderen organisatorischen Details zu kommunizieren. Mein erster Bericht war auf dem Deep Learning for Education- Workshop. Er war direkt nach der Kaffeepause, also war das Publikum leer. Ich habe erläutert, wie das sprachübergreifende Ausleihsuchmodell und einige Implementierungsdetails funktionieren. Am Ende des Berichts fragten sie, ob dieses System bereits in der Praxis funktioniert, und waren überrascht, eine positive Antwort zu erhalten. Der nächste Workshop, Truth Discovery und Fact Checking , hatte bereits ein volles Publikum. Nach der Rede gab es mehrere Fragen. Zum Beispiel fragte einer der Zuhörer, ob es konkrete Beispiele für solche Anleihen gebe. Meine Antwort, dass dies leider eine ziemlich beliebte Praxis unter Studenten höherer Institutionen Russlands und der GUS-Staaten ist, stürzte ihn in ein leichtes Missverständnis. Im Allgemeinen wurde der Bericht mit Interesse aufgenommen, das Publikum war eindeutig daran interessiert, übergreifende Projekte zur Lösung praktischer Probleme im Bildungsbereich einzusetzen.
Das Themenspektrum ist auch innerhalb eines Workshops sehr breit. Zum Beispiel sprach ein Student der University of California in Berkeley vor mir über ein System , das US-Studenten bei der Auswahl alternativer Kurse hilft. Angesichts des gesamten Kurses eines bestimmten Studenten bietet ihm das System neue Kurse an, die für diesen Studenten am wahrscheinlichsten interessant sind. Eine Datenbank mit Studenten der University of California der letzten 10 Jahre wurde als Trainingsdaten verwendet. Und das sind Informationen über fast 165.000 Studenten während des Trainings! Ein weiterer Bericht befasste sich mit dem System der automatischen Verteilung von Stipendien unter Studenten. An US-amerikanischen Universitäten ist die Ausgabe von Stipendien oft viel komplizierter als in Russland und erfordert die Analyse einer großen Menge an Informationen über den Studenten. Infolgedessen fällt die Entscheidung der Stipendienkommission sehr lange. Es wäre sehr praktisch, ein System zu haben, das Stipendien analysiert und verteilt. Nachdem ich den Rest der Zeit durch den Rest der Workshops gewandert war, ging ich mit einem Gefühl der Leistung nach Hause.
Am nächsten Tag begann die Hauptkonferenz. Gleichzeitig wurde eine Sitzung organisiert, in der die Sponsoren des Unternehmens über ihre neuesten Entwicklungen in der Kommunikationsweise sprachen. Es war sehr interessant, herumzulaufen, Nvidias Titan RTX live zu betrachten, Facebook Research-Entwicklungen im Bereich der Bilderkennung zu hören und viele andere Branchenriesen kennenzulernen, von denen ich einige noch nie zuvor gehört hatte.
Der vierte Tag bestand ebenfalls hauptsächlich aus Berichten. Eine widmete sich beispielsweise dem Problem der Interpretierbarkeit von Modellen des maschinellen Lernens. Genauer gesagt, seine Abwesenheit in vielen Fällen. Moderne Modelle lösen Probleme in verschiedenen Wissensgebieten ziemlich genau, wie sie sagen "out-of-the-box". In vielen Fällen ist es jedoch notwendig zu verstehen, warum das Modell diese oder jene Entscheidung getroffen hat. In diesen Fällen ist die Interpretierbarkeit wichtig. Eine recht beliebte Methode ist die lokale Approximation von Modellen, mit der Sie das Verhalten des Modells anhand eines bestimmten Beispiels und mit einer gewissen Genauigkeit betrachten können, um zu verstehen, was die Entscheidung beeinflusst hat. Die Präsentation war nur ähnlichen Methoden und deren Verbesserungen gewidmet.
Auf der Rückseite der Welt
Berge gibt es nicht nur dort, wo es eine Bucht gibt. Sie können also nicht einfach aus dieser Stadt entkommen.
Am Ende des Tages wartete ein Bankett zum 25-jährigen Jubiläum von KDD auf alle. Ich war wieder einmal davon überzeugt, dass dies eine groß angelegte Konferenz war, aber ein Bankett für alle Teilnehmer gleichzeitig in einem Raum abzuhalten, war natürlich eine kontroverse Entscheidung.
Der nächste Tag war der letzte, und dies war zu spüren: Die Anzahl der Zuhörer nahm stark ab (vielleicht wurde dies durch die Bar beim Bankett erleichtert, aber das ist nicht sicher). Ja, und die Berichte wurden größtenteils überprüft. In vielen Vorträgen wurden aktuelle Probleme und Aufgaben hervorgehoben, die angegangen werden müssen. Datenverarbeitung, die mit unglaublicher Geschwindigkeit wächst, Cybersicherheit, medizinische Aufgaben - kurz gesagt, die Konferenz ist zwar hoch spezialisiert, kann aber nicht für das Spektrum der diskutierten Themen gesagt werden. Aber wieder endet der ganze Spaß früher oder später und es war Zeit für mich, nach Hause zu gehen.
Bevor ich ging, beschloss ich, eine Pause einzulegen und die Umgebung zu erkunden. Während der Fahrt vom Flughafen Anchorage empfahl ein freundlicher Taxifahrer, den Mount Flattop zu besteigen - eine lokale Attraktion mit einer „fantastischen Aussicht“. Gemessen an der Anzahl der Menschen, die sich auf dem Weg nach oben getroffen haben, ist dies wirklich eine lokale Legende, obwohl ich nicht sagen würde, dass der Aufstieg recht einfach ist - auf dem Weg müssen Sie einen steilen Felsen mit einem Bündel bröckelnder Steine überwinden. Aber die Mühe hat sich gelohnt - die Aussicht von oben ist wirklich atemberaubend!
Die Rückreise unterschied sich in nichts Besonderem. Ein Spaziergang durch Los Angeles war nicht mehr vorgesehen, daher verbrachte ich einen Teil der Transferzeit an einem leeren kalifornischen Strand (niemand wird um 8 Uhr morgens dorthin gehen). Eine lange Suche vor dem Flug, weitere 12 Stunden in der Luft, und ich endlich im regnerischen und kalten Moskau. Generell hinterließ die Konferenz nur positive Eindrücke. Es ist wirklich eine enorme Anstrengung wert, Menschen mit unterschiedlichen Interessen, Nationalitäten und Ansichten an einem Ort zu versammeln. Und dies geschieht auch, damit jeder etwas zu hören oder zu erzählen hat, und alles geschieht in einer Atmosphäre, die dies fördert. Ich denke, es hat sich gelohnt, fast auf die andere Seite des Planeten zu fliegen.