論文の概要: Persistence Paradox in Dynamic Science

• arxiv url: http://arxiv.org/abs/2506.22729v1
• Date: Sat, 28 Jun 2025 02:21:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 21:27:53.537393
• Title: Persistence Paradox in Dynamic Science
• Title（参考訳）: 動的科学における永続パラドックス
• Authors: Honglin Bao, Kai Li,
• Abstract要約: 私たちは2012年にAlexNetが触媒としたディープラーニング革命に注目しています。 5000人以上の科学者による20年間のキャリアの軌跡を分析し、彼らの研究の焦点と成果がどのように進化したかを調べた。
• 参考スコア（独自算出の注目度）: 4.641069902222306
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persistence is often regarded as a virtue in science. In this paper, however, we challenge this conventional view by highlighting its contextual nature, particularly how persistence can become a liability during periods of paradigm shift. We focus on the deep learning revolution catalyzed by AlexNet in 2012. Analyzing the 20-year career trajectories of over 5,000 scientists who were active in top machine learning venues during the preceding decade, we examine how their research focus and output evolved. We first uncover a dynamic period in which leading venues increasingly prioritized cutting-edge deep learning developments that displaced relatively traditional statistical learning methods. Scientists responded to these changes in markedly different ways. Those who were previously successful or affiliated with old teams adapted more slowly, experiencing what we term a rigidity penalty - a reluctance to embrace new directions leading to a decline in scientific impact, as measured by citation percentile rank. In contrast, scientists who pursued strategic adaptation - selectively pivoting toward emerging trends while preserving weak connections to prior expertise - reaped the greatest benefits. Taken together, our macro- and micro-level findings show that scientific breakthroughs act as mechanisms that reconfigure power structures within a field.
• Abstract（参考訳）: 永続性はしばしば科学における美徳と見なされる。 しかし,本稿では,その文脈的性質,特にパラダイムシフトの期間における永続性がいかに負債となるかを強調することによって,この従来の考え方に挑戦する。 私たちは2012年にAlexNetが触媒としたディープラーニング革命に注目しています。 過去10年間、トップの機械学習施設で活躍していた5000人以上の科学者の20年間のキャリアの軌跡を分析し、彼らの研究の焦点と成果がどのように進化したかを考察した。 まず,先進的な会場が比較的伝統的な統計的学習方法に置き換わる最先端の深層学習開発を優先する動的な時期を明らかにする。 科学者たちはこれらの変化に対して、明らかに異なる反応をしました。 引用パーセンタイルのランクによって測定されるように、以前は成功したか、古いチームに所属していた人々は、よりゆっくりと適応し、私たちが「厳格なペナルティ」と呼ぶもの、すなわち、科学的影響の減少につながる新たな方向を受け入れることへの寛容さを経験しました。 対照的に、戦略的な適応を追求した科学者は、先進的な傾向を選択的に方向転換し、以前の専門知識との弱いつながりを保ちながら、最大の利益を得た。 まとめると、我々のマクロレベルとマイクロレベルの調査結果は、科学的なブレークスルーが、フィールド内の電力構造を再構成するメカニズムとして機能することを示している。

関連論文リスト

• Scaling Laws in Scientific Discovery with AI and Robot Scientists [72.3420699173245]
  自律的なジェネラリスト科学者(AGS)の概念は、エージェントAIとエンボディロボットを組み合わせて、研究ライフサイクル全体を自動化している。 AGSは科学的発見に必要な時間と資源を大幅に削減することを目指している。 これらの自律的なシステムが研究プロセスにますます統合されるにつれて、科学的な発見が新しいスケーリング法則に従うかもしれないという仮説を立てる。
  論文  参考訳（メタデータ） (2025-03-28T14:00:27Z)
• Contrastive Learning with Adaptive Neighborhoods for Brain Age Prediction on 3D Stiffness Maps [8.14243193774551]
  そこで本研究では,サンプルの局所的な領域に着目して,トレーニングプロセス中に動的に適応する新たなコントラスト損失を提案する。 この研究は、脳の年齢を予測するために、コンパイルされた剛性マップを用いて、脳の機械的特性に対する自己教師あり学習の最初の応用を示す。
  論文  参考訳（メタデータ） (2024-08-01T12:58:19Z)
• From Protoscience to Epistemic Monoculture: How Benchmarking Set the Stage for the Deep Learning Revolution [0.0]
  私たちのAI研究の3つのパートの歴史は、この「画期的なモノカルチャー」の創造を、科学的進歩の急激な再認識に遡る。 我々は,AIのモノカルチャーが科学的進歩に基礎的,探索駆動的な研究が必要であるという信念にどのように挑戦するかを説明する。
  論文  参考訳（メタデータ） (2024-04-09T22:55:06Z)
• Artificial Intelligence for Science in Quantum, Atomistic, and Continuum Systems [268.585904751315]
  科学のためのAI(AI4Science)として知られる新しい研究領域 領域は、物理世界(波動関数と電子密度)、原子(分子、タンパク質、物質、相互作用)、マクロ(流体、気候、地下)まで理解することを目的としている。 主要な課題は、物理第一原理、特に対称性を深層学習法によって自然システムで捉える方法である。
  論文  参考訳（メタデータ） (2023-07-17T12:14:14Z)
• Loss of Plasticity in Continual Deep Reinforcement Learning [14.475963928766134]
  ディープRLエージェントは,Atari 2600の一連のゲームで,優れたポリシーを学習する能力を失っていることを実証する。 我々はこの現象を大規模に研究し、時間とともに重み、勾配、活性化がどのように変化するかを分析する。 解析の結果,ネットワークの活性化フットプリントがスペーサーとなり,勾配が減少することがわかった。
  論文  参考訳（メタデータ） (2023-03-13T22:37:15Z)
• The Introspective Agent: Interdependence of Strategy, Physiology, and Sensing for Embodied Agents [51.94554095091305]
  本論では, 環境の文脈において, 自己能力を考慮した内省的エージェントについて論じる。 自然と同じように、私たちは戦略を1つのツールとして再編成して、環境において成功させたいと考えています。
  論文  参考訳（メタデータ） (2022-01-02T20:14:01Z)
• Attention: to Better Stand on the Shoulders of Giants [34.5017808610466]
  本稿では,長期科学的影響予測のための注意機構を開発する。 実際の大規模引用データセットに基づいて,本手法の検証を行う。
  論文  参考訳（メタデータ） (2020-05-27T00:25:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。