传统的关键词检索论文，浩如烟海的结果让你无所适从？试试人工智能检索引擎。根据你的研究兴趣和偏好，便捷而靠谱帮你找论文。

这么多的论文里，你该读哪些？以什么顺序来阅读？

要圆满解决这些问题，你可能需要拥有一张完整的领域知识地图。

image

可惜，人类的阅读速度，都跟不上新论文的发表速度了。几乎没有哪个人能拥有这张知识地图（而且还恰好愿意为你提供咨询服务）。

检索

我为你推荐的这个论文检索引擎，叫做arXiv-sanity。

这是首页的样子。

第一次使用的时候，建议你点击这个链接（https://youtu.be/S2GY3gh6qC8）查看介绍视频。

看着中规中矩，对吧？

而在arXiv-sanity中搜索同样的关键词，结果是这样的：

如果你暂时还没有确立自己的研究方向与兴趣，也没有关系。

这套论文检索系统充分利用了人类用户的群体智慧（crowd wisdom），即观察和分析他人的行为，来帮你找到可能感兴趣的论文。

尝试一下，点击屏幕上方的“top recent”按钮。

系统会根据他人在文献库收藏的情况，为你推荐一周内最受欢迎的论文。

当然你也可以自己选择时间尺度。我们来尝试一下“All Time”（全部时间段）。

你可以试试把鼠标滑动到某个Twitter用户头像上，直接看TA说了什么。

被收藏的文章，存盘按钮变成了蓝色。

进到我们的文献库里看看。

的检索、阅读和保存等动作都在给arXiv-sanity系统传递信号。

依据这些信息，以及其他用户的使用习惯和偏好数据，平台就可以分析你的研究兴趣，并且可以推荐文章给你了。

因为底色原因，可能看不太清楚，这里我给你清晰列出：

Serving last 41211 papers from cs.[CV|CL|LG|AI|NE]/stat.ML

后面那些奇怪的代码，是什么意思呢？

它们其实是arXiv这个预印本平台上的论文分类编号。

具体来说，它们的含义如下：

• cs.CV： Computer Vision and Pattern Recognition 计算机视觉与模式识别；

• cs.CL：Computation and Language 计算语言学；

• cs.LG：Learning 机器学习（计算机科学）；

• cs.AI：Artificial Intelligence 人工智能；

• cs.NE：Neural and Evolutionary Computing 神经与演化计算；

• stat.ML：Machine Learning 机器学习（统计学）。

这样，你大体就能了解arXiv-sanity平台上包含的论文类别了。

本文写作时，该平台检索论文的范围为41211篇。

你可能对这里论文的数量嗤之以鼻——也太少了吧！

确实不多。

但是近年来相关论文数量增长趋势明显。

image

目前人工智能领域的最优秀作者，论文写作后首发平台都是arXiv。这样一来，arXiv-sanity便可以立即检索到这篇文章。

如果你研究相关领域，可以在有鱼的地方钓鱼，不轻易放过好文献。

但这些智慧功能，仅能局限在arXiv人工智能领域文章推荐吗？

不是。

点击首页右上角的“Fork me on Github”按钮，你可以看到arXiv-sanity的Github源代码。

image

作者Andrej Karpathy说得非常清楚：

image

你可以用他提供的源码，对任意的arXiv文章子集进行智能化检索服务。

你可以把服务搭建在自己的电脑上，也可以部署在亚马逊AWS这样的云平台上面。

回过头去，看看arXiv论文都包含哪些学科，我知道你一定很不满足。

image

你的专业，有可能不在arXiv涵盖的范围内。

这样的论文能不能用arXiv-sanity的服务呢？

很遗憾。答案在目前还是否定的。

因为arXiv-sanity的智能，是建立在全文可获取的前提下的。

可是，目前世界上很多的论文版权，还牢牢地掌握在几大出版商手中。

下载论文全文并用来提供公众服务，是挑战他们底线的行为，往往会遭到严厉的打击。

天才少年Aaron Swartz的人生悲剧，就是这样酿成的。

image

但是至少，我们看到了一种未来发展的可能性。

英雄

作为附加内容，我给你介绍一下：我是怎么发现arXiv-sanity这个好用的论文检索服务的。

毕竟授人以鱼，不如授人以渔嘛。

原因很简单，我看到资料介绍，说它的创建者是Andrej Karpathy。

image

我立即确认，这个检索工具一定很靠谱。

因为Andrej Karpathy是个深度学习领域的达人。

Andrew Ng的课程中，有过对他的专访，放在了“深度学习英雄”（Heroes of Deep Learning）系列中。

你可以点击这个链接（http://sina.lt/fn96）查看这段访谈。

image

在我自己的课程中，也曾经介绍过他开发的char-rnn模型（https://github.com/karpathy/char-rnn）。

image

这个模型能干什么呢？

很多。

其中之一是，制作游戏关卡，哄人类玩家玩儿。

在学习了《超级马里奥兄弟》的32个关卡后，机器自动生成了下面这个场景构建：

image

玩儿起来的效果如何？你可以点击这段视频的链接（https://youtu.be/_-Gc6diodcY），自己评判一番。

image

正因为Andrej Karpathy这种超强技术实力，和长期不断的内容输出，人们对他开发的论文智能检索系统，才会有如此高的信任度。

讨论

你之前是如何检索文献的？使用过哪些好工具？有没有查找自己感兴趣论文的小窍门呢？欢迎留言，把你的经验和思考分享给大家，我们一起交流讨论。

转载于：玉树芝兰 简书

也希望大家关注我的博客或者公众号：https://home.cnblogs.com/u/Python1234/

Python学习交流