Turing पुरस्कार विजेताओं ने बिना श्रेय दिए प्रमुख तरीकों और विचारों को पुनर्प्रकाशित किया

लेख के लेखक के बारे में धारणाएँ

• कई टिप्पणीकार कहते हैं कि उन्होंने तुरंत अनुमान लगा लिया कि यह लेख किसने लिखा है, जो सार्वजनिक प्राथमिकता-विवादों से उनके गहरे जुड़ाव को दर्शाता है।
• कई लोग उन्हें आत्म-महिमामंडन करने वाला, एक “academic patent troll,” या क्षेत्र में चलने वाला मज़ाक बताते हैं, जिससे उनके ऐतिहासिक रूप से महत्वपूर्ण कार्य और प्रभावशाली लैब के प्रति सम्मान फीका पड़ जाता है।
• अन्य लोग उनका बचाव करते हैं और उन्हें deep learning के एक बड़े प्रारंभिक योगदानकर्ता के रूप में देखते हैं, जिनका काम उन प्रणालियों की नींव है जिन्हें लोग रोज़ इस्तेमाल करते हैं; उनका कहना है कि social media और विवाद के दूसरे पक्ष की हस्तियों ने उनकी प्रतिष्ठा को विकृत कर दिया है।
• कुछ लोग सहानुभूति भी जताते हैं: उनका मानना है कि उन्हें कम आंका गया और उसी के परिणामस्वरूप वे अधिक कड़वे और टकरावपूर्ण होते गए।

प्राथमिकता और साहित्यिक चोरी के आरोप

• लेख में कई मामलों की सूची दी गई है जहाँ लेखक का दावा है कि प्रमुख तरीके (जैसे adversarial training, vanishing gradients analysis, attention mechanisms, metalearning, distillation, gated RNNs, pretraining) उनकी group में बाद की high-profile work से वर्षों पहले प्रकाशित किए गए थे, जो Turing Award प्राप्तकर्ताओं से जुड़ी थीं।
• कुछ टिप्पणीकार कहते हैं कि उन्होंने इनमें से कई मामलों, खासकर “B” और “H” श्रृंखलाओं में, जाँच की और कोई स्पष्ट तथ्यात्मक त्रुटि नहीं पाई।
• अन्य लोगों का तर्क है कि उनके पहले के रूपांकन अस्पष्ट, व्यापक, या केवल कमज़ोर रूप से संबंधित हैं, और बाद के कार्य विशिष्ट models को प्रभावी और व्यापक रूप से लागू बनाने के लिए अलग श्रेय के योग्य हैं।

उद्धरण संस्कृति और अकादमिक ईमानदारी

• कई लोग बताते हैं कि पुराने या अस्पष्ट papers को अक्सर अनदेखा कर दिया जाता है, खासकर जब उस समय compute या tooling ने उन्हें व्यावहारिक नहीं बनाया था। पुनर्खोज आम बात है, कभी-कभी अलग-अलग terminology वाले विषयों में भी।
• citation politics को लेकर व्यापक चिंता है: reviewers का citations ढूँढना, शक्तिशाली व्यक्तियों को “must-cite” मानना, और लोगों को खुश करने के लिए citations जोड़ना, जिससे reference lists का मूल्य घटता है।
• कुछ लोग ज़ोर देते हैं कि, व्यावहारिकता चाहे जैसी भी हो, मूल कार्य को तब cite किया जाना चाहिए जब उसकी प्रासंगिकता ज्ञात हो जाए; बाद में रिकॉर्ड को ठीक न करना एक गंभीर उल्लंघन माना जाता है।

श्रेय किसे मिलना चाहिए? विचार बनाम कार्यान्वयन

• एक पक्ष कहता है कि श्रेय मुख्य रूप से उन लोगों को मिलना चाहिए जो वास्तविक benchmarks और वास्तविक data पर विचारों को कामयाब बनाते हैं; अमूर्त रेखाचित्र “a dime a dozen” हैं।
• दूसरा पक्ष ज़ोर देता है कि inventors और popularizers को अलग-अलग श्रेय मिलना चाहिए: एक को method की उत्पत्ति के लिए, दूसरे को उसे scale करने और प्रदर्शित करने के लिए।
• टिप्पणीकार इस बात पर असहमत हैं कि क्या वर्तमान machine learning norms वास्तव में इस सिद्धांत को दर्शाते हैं।

व्यक्तिगत अनुभव और व्यापक श्रेय-संबंधी मुद्दे

• एक शोधकर्ता याद करता है कि लेख के लेखक ने उन्हें सार्वजनिक रूप से इसलिए आड़े हाथों लिया था क्योंकि उन्होंने कथित तौर पर उन्हें cite नहीं किया, जबकि उनके paper ने पहले, अधिक मौलिक काम को cite किया था जिसे स्वयं लेखक ने ही चूक दिया था।
• एक और अनुभव (किसी बड़े company में हुए deep learning advance से जुड़ा) बताता है कि एक विचार के मूल प्रवर्तक को authorship और acknowledgments से हटा दिया गया, जिससे यह दावा मज़बूत होता है कि क्षेत्र में श्रेय-निर्धारण की एक प्रणालीगत समस्या है, न कि केवल एक विवादास्पद व्यक्ति की।

चर्चा का स्वर

• thread ध्रुवीकृत है: लेख के लेखक पर बहुत से कठोर ad-hominem हमले हैं, साथ ही due process और सावधानीपूर्वक fact-checking पर ज़ोर देने वाले बचाव भी हैं।
• कुछ प्रतिभागी चर्चा को ही असुवैज्ञानिक और भावनात्मक रूप से संचालित बताते हैं, और चेतावनी देते हैं कि plagiarism शिकायतों को केवल इसलिए खारिज नहीं करना चाहिए क्योंकि शिकायतकर्ता अलोकप्रिय है।