转载

OpenAI 提取

我们很高兴能够支持今天推出的Distill，这是一种新型期刊，旨在出色地传达机器学习结果（新颖或现有）。

Distill是一个网站和一组相关工具，使人们更容易使用现代Web技术解释机器学习概念。例如，人们已经使用该平台来探索t-SNE算法的细微设置自揭开合成图像中棋盘伪影的神秘面纱，并窥视循环神经网络的幕后生成手写内容.

安德烈将担任该出版物的指导委员会成员，格雷格正在帮助资助Distill Prize for Clarity in Machine Learning，该奖项旨在表彰在机器学习和相关主题中交流思想方面的杰出工作（在任何场所发布！

我们现在处于无限期的中断状态。

网络是分享新思维方式的强大媒介。在过去的几年里，我们看到了许多富有想象力的此类工作的例子。但传统的学术出版仍然专注于PDF，这阻碍了这种交流。

反应式图允许一种在静态介质中不可能实现的通信类型。将鼠标悬停在此图上，查看神经图灵机如何将注意力转移到其旧内存值上以创建新值。

新的符号、可视化和心智模型可以加深我们的理解。通过培育这种新思维方式的发展，Distill将带来新的发现。

机器学习将从根本上改变人类和计算机的交互方式。使这些技术透明非常重要，这样我们才能理解并安全地控制它们的工作方式。Distill将提供一个平台来生动地说明这些想法。

许多研究人员希望做一些不容易包含在PDF中的工作，但无法获得追求它所需的支持。作为研究界，我们没有将这些精彩的非传统研究文物视为“真正的”学术贡献，从而辜负了他们。

当我们匆匆忙忙地把论文赶出门去赶上会议的最后期限时，有些事情会受到影响——通常是我们沟通的可读性和清晰度。这可能会给整个社区带来严重的拖累，因为我们的读者很难理解我们的想法。我们认为这种“研究债务”是可以避免的。