Bukan rahasia lagi bahwa para ilmuwan sangat suka menjelajahi dunia. Karena itu, konferensi besar selalu diadakan di ibu kota sejarah dan budaya dunia. Kota-kota ini nyaman untuk dikunjungi oleh orang-orang dari seluruh dunia dan menarik dari sudut pandang wisatawan. Tetapi kadang-kadang keinginan untuk mengeksplorasi yang baru dan yang tidak diketahui mengambil alih, dan kota konferensi menjadi, misalnya, Anchorage di Alaska. Juga tidak mendengar tentang dia sebelumnya? Dan tahun ini salah satu konferensi terbesar yang diadakan KDD'19 di sana .
Kami di Antiplagiarisme tidak dapat melewatkan acara seperti itu dan berangkat untuk menemui petualangan di sisi lain dunia. Apa yang terjadi di KDD 2019 - baca ulasan kami!
Perjalanan saya dimulai dengan penerbangan 12 jam ke Los Angeles, di mana teman lokal teman saya sudah bertemu saya di bandara. Awalnya, saya berencana untuk berjalan di sekitar kota sendiri, tetapi argumen "Anda tidak akan melihat apa pun tanpa mobil di LA, dan tidak ada yang beruntung membawa Anda kembali ke bandara dalam kemacetan lalu lintas" terdengar cukup meyakinkan. Nah, tanpa mobil di kota malaikat Anda benar-benar tidak bisa pergi ke mana pun - praktis tidak ada angkutan umum di sini, dan yang ada dalam kondisi yang sangat tidak senonoh. LA sendiri tampak seperti dalam daftar: kemacetan lalu lintas yang besar, pantai di seluruh kota, perbukitan Hollywood, daerah Beverly Hills, makan siang dalam makanan cepat saji klasik Amerika dan matahari terbenam di pantai. Tapi semua hal menarik cenderung berakhir, dan penerbangan berikutnya menungguku.
Karena saya terbang dari belahan bumi lain, tubuh saya tidak memikirkan apa-apa, sehingga penerbangan 5 jam malam ke Alaska tidak diperhatikan oleh saya. Agar pulih, entah bagaimana, saya pergi tidur selama 4 jam, seperti biasa.
Perubahan zona waktu kemudian membuatnya terasa: sepanjang waktu saya ingin tidur. Agar tidak jatuh sepenuhnya, saya pergi mendaftar. Selain itu, berjalan kaki dari asrama ke tempat konferensi diperbolehkan untuk sedikit menghibur.
Perangkat konferensi itu tidak biasa dalam hal apa pun: beberapa sesi tersebar di ruangan yang berbeda di mana presentasi dan diskusi tentang pendekatan baru untuk pembelajaran mesin dan solusi dan implementasi yang keren terjadi. Satu peringatan: dalam kasus KDD'19, seluruh konferensi menempati dua gedung konferensi besar dengan beberapa lantai dengan banyak penonton. Seperti biasa, beberapa presentasi membangkitkan minat sedemikian rupa sehingga orang bahkan tidak bisa masuk ke audiensi melalui kerumunan orang. Singkatnya, setiap peserta konferensi dapat menemukan sesuatu yang menarik khusus untuk dirinya sendiri. KDD selalu menawarkan banyak format berbeda untuk menyajikan informasi, jadi ada banyak pilihan. Ini adalah laporan dari para ilmuwan terkenal yang disiarkan ke audiens "streaming" besar, dan presentasi dari pendatang baru ke sains di ruang "seminar" kecil. Bagi mereka yang ingin tidak hanya mendengarkan, tetapi juga berlatih, ada "tutorial langsung" di mana perwakilan dari berbagai bidang melakukan latihan praktis. Misalnya, tutorial Amazon tentang cara menggunakan layanan cloud computing mereka cukup populer. Namun, hari pertama cukup ringan: itu disisihkan untuk pendaftaran, tidak ada presentasi serius di sini, hanya ucapan selamat datang dan ulasan kuliah. Jadi saya pergi ke kamar saya, bersiap-siap untuk pertunjukan yang akan datang.
Di mana tempat kami tidak hilang
B - keamanan, tetapi Anda tidak akan melakukan apa pun demi ilmu pengetahuan. Dan secara umum, tidak sia-sia bahwa PhysTech selesai.
Hari kedua sepenuhnya dikhususkan untuk lokakarya. Dengan kata sederhana, lokakarya adalah pertemuan di mana peserta bertukar pengalaman dalam memecahkan masalah di bidang tertentu. Karena departemen kami di perusahaan Anti-Plagiarisme terlibat dalam sistem pencarian pinjaman lintas-bahasa , pekerjaan kami, yang saya presentasikan di konferensi, segera menyesuaikan dengan topik dua lokakarya: Pembelajaran Mendalam untuk Pendidikan dan Penemuan Kebenaran dan Pengecekan Fakta. Sebelum laporan saya, saya berhasil melihat beberapa presentasi yang menarik. Perlu dicatat kisah Ruslan Salakhutdinov tentang model XLNet . Tentu saja, mereka menulis tentang model ini sebelum KDD, tetapi mendengarkan langsung dari salah satu penulis jauh lebih menarik. Bagian dari laporan ini ditujukan untuk tren baru dalam pembelajaran mesin: alih-alih mengajarkan model yang berat, gunakan model yang sudah dilatih sebelumnya dan sesuaikan saja dengan kebutuhan Anda. Ini dapat dimengerti: sebagian besar perusahaan yang entah bagaimana menggunakan arsitektur kompleks dalam aktivitas mereka tidak memiliki kekuatan komputasi yang cukup untuk belajar dari awal. Dan melatih kembali model yang sudah jadi untuk tugas Anda jauh lebih sederhana dan lebih cepat. Selain itu, kualitas kerja model tersebut jauh lebih tinggi daripada analog yang disederhanakan.
Semua waktu yang tersisa setelah makan siang dihabiskan untuk mencari audiens mereka, berkomunikasi dengan para kepala lokakarya dan detail organisasi lainnya. Laporan pertama saya adalah di lokakarya Deep Learning for Education . Dia tepat setelah rehat kopi, jadi penontonnya kosong. Saya menguraikan bagaimana model pencarian pinjaman lintas-bahasa dan beberapa detail implementasi berfungsi. Di akhir laporan, mereka bertanya apakah sistem ini sudah bekerja dalam praktik dan terkejut menerima jawaban yang meyakinkan. Lokakarya berikutnya, Penemuan Kebenaran dan Pengecekan Fakta , telah memiliki audiensi penuh. Setelah pidato, ada beberapa pertanyaan. Sebagai contoh, salah satu pendengar bertanya apakah ada contoh spesifik dari pinjaman tersebut. Jawaban saya bahwa ini, sayangnya, adalah praktik yang cukup populer di kalangan mahasiswa dari lembaga tinggi Rusia dan negara-negara CIS, menjerumuskannya ke dalam sedikit kesalahpahaman. Secara umum, laporan diterima dengan minat, audiens jelas tertarik menggunakan proyek lintas bahasa untuk memecahkan masalah praktis di bidang pendidikan.
Berbagai topik, bahkan di dalam satu bengkel, sangat luas. Misalnya, seorang mahasiswa dari University of California di Berkeley berbicara di depan saya dan berbicara tentang suatu sistem yang membantu siswa AS memilih mata pelajaran alternatif. Mengingat seluruh mata pelajaran yang diambil oleh siswa tertentu, sistem menawarkan kepadanya kursus baru yang paling mungkin menarik bagi siswa ini. Database siswa dari University of California selama 10 tahun terakhir diambil sebagai data pelatihan. Dan ini adalah informasi tentang hampir 165 ribu siswa selama pelatihan! Laporan lain dikhususkan untuk sistem distribusi otomatis beasiswa di kalangan siswa. Di universitas AS, masalah beasiswa seringkali jauh lebih rumit daripada di Rusia, dan memerlukan analisis sejumlah besar informasi tentang siswa. Akibatnya, keputusan komisi beasiswa dibuat untuk waktu yang sangat lama. Akan sangat nyaman memiliki sistem yang menganalisis dan mendistribusikan beasiswa. Setelah berkeliaran di sisa bengkel lainnya, saya pulang dengan perasaan puas.
Hari berikutnya, konferensi utama dimulai. Pada saat yang sama, sebuah sesi diselenggarakan di mana sponsor perusahaan berbicara tentang perkembangan terbaru mereka dalam mode komunikasi. Sangat menarik untuk berkeliling, melihat langsung Titan RTX Nvidia, mendengarkan pencapaian Facebook Research di bidang pengenalan gambar, dan belajar tentang banyak raksasa industri lainnya, beberapa di antaranya belum pernah saya dengar sebelumnya.
Hari keempat juga terutama terdiri dari laporan. Satu, misalnya, dikhususkan untuk masalah interpretabilitas model pembelajaran mesin. Lebih tepatnya, ketidakhadirannya dalam banyak kasus. Model-model modern cukup akurat memecahkan masalah di berbagai bidang pengetahuan, seperti yang mereka katakan, "out-of-the-box". Namun, dalam banyak kasus perlu dipahami mengapa model membuat keputusan ini atau itu. Dalam kasus ini, interpretabilitas penting. Metode yang agak populer adalah pendekatan lokal model, yang memungkinkan Anda untuk mempertimbangkan perilaku model dengan contoh spesifik dan dengan tingkat akurasi tertentu untuk memahami apa yang memengaruhi keputusan. Presentasi itu hanya dikhususkan untuk metode serupa dan perbaikannya.
Di belakang dunia
Pegunungan tidak hanya ada di mana ada teluk. Jadi Anda tidak bisa melarikan diri dari kota ini.
Pada akhir hari, jamuan yang didedikasikan untuk peringatan 25 tahun KDD menunggu semua orang. Sekali lagi saya yakin bahwa ini adalah konferensi berskala besar, tetapi mengadakan perjamuan untuk semua peserta sekaligus dalam satu ruangan, tentu saja, merupakan keputusan yang kontroversial.
Hari berikutnya adalah yang terakhir, dan itu terasa: jumlah pendengar sangat menurun (mungkin ini difasilitasi oleh bar di jamuan makan, tetapi ini tidak pasti). Ya, dan sebagian besar laporannya ditinjau. Banyak kuliah menyoroti masalah dan tugas saat ini yang perlu ditangani. Pemrosesan data, tumbuh dengan kecepatan luar biasa, keamanan siber, tugas medis - dalam kata lain, konferensi, meskipun sangat terspesialisasi, tidak dapat dikatakan dengan pasti tentang berbagai topik yang dibahas. Tetapi, sekali lagi, semua kesenangan berakhir cepat atau lambat, dan sudah waktunya bagi saya untuk pulang.
Sebelum pergi, saya memutuskan untuk beristirahat dan menjelajahi lingkungan sekitar. Saat berkendara dari Bandara Anchorage, seorang pengemudi taksi yang ramah merekomendasikan untuk mendaki Gunung Flattop - objek wisata lokal dengan "pemandangan fantastis". Dilihat oleh jumlah orang yang bertemu di jalan ke puncak, ini benar-benar legenda lokal, meskipun saya tidak akan mengatakan bahwa pendakian cukup sederhana - di sepanjang jalan Anda perlu mengatasi batu curam dengan sekelompok batu yang hancur. Tapi usaha itu sepadan - pemandangan dari atas benar-benar menakjubkan!
Perjalanan kembali tidak berbeda dalam hal yang istimewa. Berjalan di sekitar Los Angeles tidak lagi diramalkan, jadi saya menghabiskan sebagian waktu transfer dengan berbaring di pantai California yang kosong (tidak ada yang akan pergi ke sana pukul 8 pagi). Pencarian pra-penerbangan yang panjang, 12 jam lagi di udara, dan akhirnya saya di Moskow yang hujan dan dingin. Secara umum, konferensi hanya menyisakan kesan positif. Berkumpul di satu tempat orang-orang dari berbagai minat, kebangsaan, pandangan benar-benar bernilai usaha yang sangat besar. Dan ini juga dilakukan agar setiap orang memiliki sesuatu untuk didengarkan atau diceritakan, dan semuanya terjadi dalam suasana yang kondusif untuk ini. Saya pikir layak terbang ke sisi yang berlawanan dari planet ini.