Uważam, że cała przesłanka pytania jest dość dziwna. Po pierwsze, odpowiadając na twoje pytanie: powiedziałbym, że w większości przypadków spotkałem się z odpowiedzią: nie, nie możesz używać artykułów popularnonaukowych jako podstawowego źródła.

To powiedziawszy, poważnie wątpię, czy oni tam są. Google pracuje nad tym problemem: wymyślili to i nikt inny o tym nie słyszał ani nie studiował? Jak popularne media dowiedziały się o tym niesamowitym pomyśle, który w jakiś sposób wymknął się całej społeczności zajmującej się badaniami nad sztuczną inteligencją, z wyjątkiem Google i Twojego doradcy? Wydaje mi się, że albo szukasz niewłaściwych źródeł, albo doradca nie wskazuje właściwego kierunku, albo coś innego jest nie tak.

Ze sposobu, w jaki opisujesz, brzmi to naprawdę dziwnie, zwłaszcza, że ​​jest wiele prawdziwych badań nad sztuczną inteligencją. Nie mogę uwierzyć, że możesz wykorzystać tylko te artykuły. Jednak właściwą osobą, o którą należy zapytać, jest twój przełożony - najprawdopodobniej on sam zadecyduje, czy twoja rozprawa jest wystarczająca.

Odpowiedzi dla każdego, kto zetknie się z tym pytaniem z nauk społecznych itp., ponieważ jest ono nieco inne. Możemy korzystać z popularnych źródeł medialnych, ale tylko do określonych rzeczy.

Jako ktoś, kto wykorzystuje popularne artykuły prasowe jako „źródło” dla moich badań i który doradza studentom, którzy robią to samo, należy dokonać ważnego rozróżnienia, a przed Tobą należy przedstawić sporo metodologicznych wyjaśnień może korzystać z wielu popularnych mediów.

Różnica: możesz wykorzystać popularne media jako źródło informacji : faktów lub być może jako źródło współczesnego publicznego komentarza na dany temat. Nie można używać popularnych mediów jako źródła analizy. Tak więc, na przykład, możesz wykorzystać popularne artykuły w mediach z tamtego okresu, w połączeniu z dokumentami legislacyjnymi, aby zrozumieć szczegóły i popularne opinie na temat zmiany australijskiego prawa podatkowego w 1980 roku. Nie możesz (tylko) użyć postu jako jedyne źródło analizy, dlaczego ta zmiana prawa podatkowego miała znaczenie akademickie.

Wyjaśnienie: musisz wskazać, że jesteś w pełni świadomy wad korzystania z popularnych mediów jako źródła informacji do analizy, że rozważyłeś problemy z robieniem tego. Następnie musisz wykazać, dlaczego z metodologicznego punktu widzenia konieczne jest wykorzystanie źródła mediów. W swoich badaniach korzystam z wielu lokalnych raportów o przestępstwach z Ameryki Łacińskiej, które odsyłam do akt rządowych, do których mam dostęp. Lokalne raporty dodają kontekstu, smaku i nieco więcej szczegółów do dokumentacji rządowej, czasami ujawniając rodzaje informacji, których nie ma w oficjalnych raportach. Źródła medialne podają również nazwiska osób, z którymi mogę się skontaktować. Zauważam to, kiedy wyjaśniam moje metody badawcze.

Wydaje mi się, że istnieje pomyłka między dwiema rzeczami:

• Motywacje badania: imho, całkowicie w porządku jest używać źródeł nieakademickich, aby uzasadnić dlaczego trwają badania, zwłaszcza w przypadku nowej aplikacji / domeny. Ta część może nawet wymagać dokładnej analizy tego, do czego miałaby służyć, przez kogo i jakie są istniejące rozwiązania (np. Dostępne rozwiązania komercyjne). Taka praca może nawet sama w sobie kwalifikować się jako (prawdopodobnie niewielki) wkład, w postaci pewnych prac wstępnych, na przykład w celu wprowadzenia nowej aplikacji.
• Rzeczywisty wkład badawczy, tj. co jest robione i jak : jest mało prawdopodobne, aby źródło nieakademickie zapewniło wszystkie niezbędne informacje (zwłaszcza teoretyczne), na których oparta jest aplikacja. Nawet gdyby tak było, można by kwestionować jego naukową ważność. Dlatego w tej części trudno sobie wyobrazić przypadek, w którym nie polegamy głównie na regularnych źródłach naukowych, zazwyczaj w postaci przeglądu literatury istniejących powiązanych prac. Zwróć uwagę, że powiązane prace nie muszą dotyczyć dokładnie tego samego problemu: o ile mają pewne podobieństwa (np. Podobna metoda dla innego zadania), są istotne. W tej części ważne jest, aby podać szczegółowe informacje o podobieństwach i różnicach między istniejącą pracą a wkładem.

Nie ma nic złego w używaniu popularnych artykułów jako źródła informacji - na przykład gdybym chciał zorientować się w nowej dziedzinie, Wikipedia jest jednym z pierwszych zasobów, z których korzystam. Ale używanie ich jako podstawowych źródeł jest bardzo niepewne. Te popularne artykuły są pisane przez ludzi, którzy czytają prace badawcze, a następnie upraszczają je dla laików. Jeśli pracujesz na poziomie doktoranckim, na pewno potrafisz przeczytać i zrozumieć wyniki badań.

Sytuacja, którą opisujesz, jest dość dziwna. Jeśli szukasz tylko odniesienia do „Google to zrobił”, będzie to działać jako źródło. Jeśli jednak chcesz czegoś bardziej istotnego i jeśli Google przechowuje jakieś prywatne informacje, których nie przekazuje innym, artykuły na poziomie popularnym nie pomogą. Nie będą też zawierały odpowiednich informacji i nie będziesz w stanie powielić ich wyników, korzystając tylko z nich. Co chcesz wtedy z nich wyciągnąć?

W każdym razie Twój doradca jest najlepszą osobą, aby o to zapytać, ponieważ będzie miał lepsze pojęcie o tym, na jakie pytanie badawcze masz nadzieję odpowiedź i jak się na nią zabrać. Jest prawdopodobne, że Twój doradca chce, abyś przeprowadził inżynierię wsteczną produktu Google na podstawie popularnego artykułu, a jeśli to rzeczywiście jest Twój cel, odpowiedź na Twoje pytanie brzmi „tak”.

Pozwólcie, że podam przykład, który może być analogiczny do waszej obecnej sytuacji.

Programowanie GPGPU (GPU ogólnego przeznaczenia) zaczęło rozwijać się w obecnej formie, kiedy NVIDIA wypuściła rodzinę kart graficznych GTX 8800 i Język programowania CUDA w latach 2006-2008.

Stanowiło to skokową zmianę w stosunku do poprzednich technik GPGPU, ponieważ było to pierwsze prawdziwie dedykowane środowisko programistyczne, które nie wymagało połączenia z tradycyjnym potokiem renderowania grafiki.

Szczegóły architektury sprzętowej GPU nie były dobrze zrozumiane, a jedynym dostępnym materiałem na ten temat były materiały marketingowe firmy NVIDIA.

Różne artykuły badawcze zaczęły pojawiać się w czasie, gdy podjął próbę ustalenia szczegółów podstawowej architektury sprzętowej. Zasadniczo próbowali wziąć zastrzeżoną NVIDA R&D, zrozumieć, jak to zostało zrobione i wyjaśnić to społeczności akademickiej. Dobrym przykładem tego jest ten artykuł:

Hong, Sunpyo i Hyesoon Kim. „Model analityczny dla architektury GPU ze świadomością na poziomie pamięci i równoległości na poziomie wątku”. W ACM SIGARCH Computer Architecture News, vol. 37, nie. 3, strony 152-163. ACM, 2009.

Te wczesne dokumenty odwoływały się zwykle do dwóch głównych źródeł informacji:

1. Marketingowe i techniczne publikacje firmy NVIDIA (w twoim przypadku z Produkt / usługa Google)
2. Ogólne materiały techniczne na temat procesorów graficznych, architektur sprzętowych i specjalistycznych języków programowania (w Twoim przypadku ogólnie sztucznej inteligencji oraz matematyki lub innych technik, na których opierają się Twoje konkretne aplikacje AI).

Z całym szacunkiem uważam, że się mylisz. Istnieje wiele opublikowanych badań nad sztuczną inteligencją, w tym prace wykonane w Google. Oczywiście nie publikują każdej pracy, którą kiedykolwiek wykonali, ale jest tam wiele. Na przykład, jeśli byłeś zainteresowany czymś związanym z AlphaGo, powinieneś zajrzeć do

Silver, David i in. „Ogólny algorytm uczenia się ze wzmocnieniem, który pozwala opanować szachy, shogi i przejść przez samo-grę”. Science 362.6419 (2018): 1140-1144.

Mając to na uwadze, widzę wielu ludzi, szczególnie tych nowych w tej dziedzinie, dla których prace są trudne do odczytania lub trudne do śledzenia w kartce, która odpowiada na ich pytanie. Jeśli ktoś chce się dowiedzieć, jak używać konkretnej implementacji określonej metody, wiele razy słyszałem, że o wiele łatwiej jest czytać posty na blogu niż czytać artykuły naukowe.

Jeśli to właśnie robisz, to w porządku; artykuły techniczne nie zawsze są najlepszym miejscem do nauki „Hello World”. W jakiejkolwiek pracy, którą piszesz, generalnie nie cytujesz strony internetowej, która nauczyła Cię, jak używać używanego pakietu, ale raczej dokument związany z używanym pakietem. Na przykład, jeśli korzystasz z TensorFlow, zacytuj

Abadi, Martín i in. „Tensorflow: system do uczenia maszynowego na dużą skalę”. 12th {USENIX} Symposium on Operating Systems Design and Implementation ({OSDI} 16). 2016.

Więcej niż cytowanie

https://www.tensorflow.org/tutorials

, nawet jeśli to tam nauczyłeś się używać kodu.

Mogę zasugerować przypadek, w którym może to być odpowiednie, ale generalnie byłoby to ryzykowne. Jak mówisz, pole podrzędne, które eksplorujesz, jest nowe i niewiele, jeśli cokolwiek, zostało opublikowane.

Załóżmy, że w artykule znajdujesz twierdzenie, na którym możesz oprzeć swoje badania - potwierdzając je lub odrzucając. „Pomysł” na badanie pochodzi z lektury artykułu. Myślę, że badania, które obalają opublikowane twierdzenie, mogą być silniejsze niż ich poparcie. Dzieje się tak, ponieważ osoba (osoby) zgłaszająca roszczenie mogła przeprowadzić niepublikowane badania i mieć jakiś „dowód”, że był on poprawny. Jeśli tylko to potwierdzisz, po prostu podążasz, a nie prowadzisz.

Ale nie mówisz też, jak daleko jesteś w swoich badaniach. Jeśli jesteś na początku, rzeczy mogą się zmienić i inne publikacje mogą mówić o tym samym problemie, zanim skończysz. Więc pytanie może być dyskusyjne. Ale jeśli jesteś blisko, to koniec, zrób, co możesz.

Z pewnością temat „zielonego pola” znajdzie niewiele do przytoczenia poza ogólną literaturą dotyczącą szerszej dziedziny.