ainews
Создать
Войти
Математик Теренс Тао предупреждает: ИИ уже решает исследовательские задачи за десятки долларов, но угрожает разрушить систему ценностей математики — что считается вкладом, кто автор доказательства, как учить студентов. Это не про способности моделей, а про то, ради чего вообще существует математика как наука.
Разработчик создал сервис honestcsrankings.org, который ранжирует ~540 научных конференций не по престижу (CORE-рейтинг), а по тому, насколько хороша поездка: погода в даты конференции, безопасность, стоимость жизни, доступность города. Есть фильтры по дедлайнам, экспорт в календарь и раздел «Upsets» — престижные конференции в отстойных локациях.
Автор делится опытом публикации на NeurIPS 2024: добросовестно рецензировал чужие работы, но сам получил агрессивные отзывы и молчание от академического редактора. Один рецензент отклонил статью за минорные замечания с оценкой 1 по всем критериям, другой не реагировал на обсуждение. Система peer review на топовых конференциях по AI превратилась в хаотичную лотерею.
Автор утверждает, что главная проблема AI в высшем образовании — не студенческое мошенничество, а трансформация систем научного поиска и карьерных возможностей. Пока СМИ фокусируются на детекторах плагиата, AI незаметно меняет то, кого находят, читают и допускают в науку.
AI-конференции вводят обязательное рецензирование для авторов статей, но качество ревью часто остаётся низким. Критика без обоснований («недостаточная новизна», «нет сравнения») превращается в формальность, которая тратит время и блокирует публикации. Если ревью — обязанность, а не волонтёрство, системе нужен контроль качества, а не просто подсчёт галочек.
Александр Рахлин, ведущий теоретик в машинном обучении и статистике в MIT, стал директором центра SDSC. За 7 лет его программа выпустила 75+ PhD в междисциплинарной статистике. Новый фокус — строгие математические основы для безопасного AI в медицине, энергетике и публичной сфере.
Крупнейшее исследование PNAS показало: к 2025 году 51% академических публикаций имеют следы использования LLM. Нейросети проникли в науку полностью, причём активнее всего их используют в менее престижных вузах и неанглоязычных странах — это создаёт новое цифровое неравенство в академическом мире.
Автор — исследователь, публикующий теоретические ML-статьи, жалуется: его работы отклоняют не за содержание, а за «сложность изложения» и «недостаточные пояснения», хотя страницы ограничены. Ревьюеры требуют объяснять базовые вещи в основном тексте, игнорируя приложения. Проблема: правила конференций говорят «статья должна быть самодостаточной», но не учитывают, что теория требует предварительных знаний.
