多倫多最迷人的夏天還沒打算離開的時候，Bay 街 101 號向南望，風蘸了一些安大略湖的藍，然後掠過湖心島的鬱鬱蔥蔥，穿行在金融區的高樓大廈間，且時不時停下來嘗一口熙熙攘攘的車流和行人——一席流動的盛筵。
把視線收回到辦公室內，「2017 年 1 月份我第一次來機器之心在 Bay 街 101 號的辦公室時，多倫多冬天的風喧囂得讓我覺得是用臉在衝鋒」，我跟正在瀏覽最近原創文章釋出進度的之乎前輩說。「是啊，沒想到一眨眼就快三年了」，之乎前輩喝了口茶，依舊看著螢幕滾動的原創文章。
螢幕背後是機器之心分佈在世界各地的原創分析師們字字斟酌，精心寫作的日與夜。螢幕之前是機器之心數百萬的讀者們，也許是在上班等地鐵的路上，也許是在下課休息的教室裡，也許是在修改完學生論文後愜意的晚上。這一次，我們希望回顧這三年來機器之心原創專案的成長，讓幕後的分析師走到臺前，也讓螢幕前的讀者看到原創專案背後機器之心以及技術分析師們的故事。
三年的故事比一千零一夜長，AI/ML 領域的發展風雲激盪，英雄輩出。親愛的機器之心讀者們，相信你們過去這三年也收穫滿滿。而在這裡，請讓我們和你們分享機器之心原創專案精彩的三年。
資料
至今有 122 位來自世界各地的技術分析師為機器之心貢獻原創文章，從中國，到日本和新加坡，再到紐西蘭；從美國，到加拿大再到歐洲各國。機器之心的技術分析師們擁有著寬闊的視野和敏銳的技術感知力。這 122 位技術分析師中，有 31 位博士（或博士在讀），64 位碩士（或在讀）以及 25 位本科生（或在讀）。
| 國家 | 分析師人數 |
| 中國 | 34 |
| 日本 | 3 |
| 新加坡 | 3 |
| 澳大利亞 | 5 |
| 紐西蘭 | 1 |
| 英國 | 10 |
| 法國 | 1 |
| 德國 | 9 |
| 比利時 | 1 |
| 瑞士 | 1 |
| 加拿大 | 14 |
| 美國 | 40 |
| 總計 | 122 |
我們的技術分析師來自以下大學和研究機構：
圖 2: 機器之心技術分析師畢業大學和工作機構分佈。
在機器之心技術分析師和編輯們努力下，至今已經發布 158 篇原創文章，覆蓋 ML 和 AI 的各個領域（如圖 3）。同時，透過對文章標題進行關鍵字分析，可以看到圖 4 中這一系列文章所關注的技術熱點。
技術原創文章除了在機器之心微信公眾號釋出，還在機器之心官網 (http://jiqizhixin.com)，機器之心英文站（http://syncedreview.com），機器之心 Medium (https://medium.com/@Synced) 等多個渠道釋出。迄今為止從微信公眾號，機器之心英文站，Medium 累計獲得閱讀量 45 萬+的閱讀量。
原創專案的產生來自於一群熱愛機器學習和人工智慧技術，關注前沿進展的愛好者形成的小圈子。大家從一開始在群裡分享論文閱讀心得，討論實驗復現難點，到整理論文集並針對性地撰寫長篇文字進行分析，最後開始透過機器之心公眾號和部落格站點發布文章讓更多的讀者看到。
我自 2017 年初作為技術副主編加入原創專案，協同第一批分析師針對 ML/AI 領域的進展進行英文原創寫作。與此同時，分析師們也參與到機器之心的其他內容創作，比如技術訪談，和熱點跟蹤等工作中。憑藉著大家對技術近乎痴迷的熱情，我們大膽探索也仔細求問。不到兩年時間，我們釋出了一百多篇優秀的英文原創技術解讀，收到大量英文讀者的點贊，同時其中一部分還被國內媒體翻譯成中文轉載釋出。
每兩週一次的線上會議，基本上集齊了來自不同時區的分析師，日本的小夥伴哪怕是早上 6 點也會準時上線。大家討論寫作進展和技術熱點，偶爾也來一些學術八卦和世界各地風土人情的吐槽。隨著交流的深入，我們的技術分析師群體形成了一個小圈子，甚至於參加一些國際學術會議時，還能碰到前兩週線上上會議吐槽論文的小夥伴。
當然，回過頭看，當年慢悠悠的時間也如同流水般飛逝。我們第一批分析師現在有的已經離開學校進入工業界，有的進一步求學開始了博士研究生生涯。不變的是，他們是機器之心的技術分析師，他們貢獻的精彩文章連同他們的署名被機器之心用心收藏。而我也非常慶幸能跟這麼多優秀的人合作，特別是在他們學習和研究最為活躍的一段時間裡。
我們特別邀請了一部分機器之心第一批技術分析師，寫下了他們對原創專案的三週年的回顧和感言：
從 15 年底為機器之心翻譯第一篇文章開始，到現在都已經三年多啦。三年前我還是一名學生，到了現在也已經成為一名演算法工程師，三年期間我也觀察到許多 AI 細分的相關公眾號相繼浮現，但心底對機器之心的那份信任和期待，仍一如既往，維持在當時為它寫第一篇「進化演算法」文章的時候。
16 年左右的深度學習在國內還沒有那麼全民皆知，百度一下 CSDN 也不會跳出上千個 CNN，卷積相關的博文，更多的討論分享還是維持在學界和固定的知識分子圈中，這時的我透過和機器之心一起追蹤學術前沿，讀文章並且翻譯，也許是我機器學習生涯裡進步最陡峭的一段時間了吧，每天都可以在有道雲筆記的共享資料夾看到其他夥伴蒐集的優質演算法博文，每一個演算法對於我都是一扇新視窗，現在想起來都忍不住佩服那時候的狀態。那段時間頻繁地與學術界進行請教學習，最高光的時刻或許是我們有機會跟 Angrew Ng 進行了一次 Quora Session 的交流，難以言述與自己的機器學習啟蒙導師隔著螢幕交流的激動心情。在那段時間內，我透過機器之心這個平臺得以認識和見到許多頂尖的 AI 人才以及新媒體的資深從業者，還和其中幾位成了不錯的朋友。同時我體會到機器之心作為新科技媒體在當時 AI 浪潮早期積極地探索前沿，並且與學界保持良好的合作和溝通，使得平時較少能夠見諸報端的科研工作者有機會分享他們的見解並且得以實現一種從初級到資深，國內國外的思想無縫交流，對於目前公開課氾濫，「知識經濟」的時代或許並不新奇，但是在當時那樣的嘗試，至少對於我來說，是一種非常全新而且舒適的學習體驗。
待到 2018 以後，彷彿一個公司入口網站不寫個「AI+」都不好意思說自己是科技公司的年代，人工智慧的演算法在經歷了一系列「更深」，「更大」，「更準」的攀比後，其難以落地或者說落地成本過於高昂的現實逐漸顯現出來，而我作為一名業界工程師，在經歷了一切都是全新的學習陡峭曲線後，也逐步平緩了下來，開始投入到應用中，也更多的注意到「演算法落地」這個概念的重量以及它會如何深遠地影響一系列依託於 AI 的產業和從業者，此時我注意到機器之心提出了一個機器之能的系列，他分析過諸如安防、自動駕駛，醫療等人工智慧落地場景，給出細緻的企業案例，從上下游到業務模式，都給了非常中肯的評價以及對未來發展的期待，此時業界學界兩開花的人工智慧，雖說本質進步還是應該依託於學界的新興事物帶動一輪輪高潮，但是另一方面在業界的良好產出和高回報率才是支撐高階人才願意持續帶動智慧產業前行的基石。機器之心也看到了這一點，它仍然持續給學界的研究者們提供最前沿的研究進展報告和文章分享，而另一部分它也看到行業實際業務痛點和落地的困難，為技術從業者提供洞見和參考。以後的人工智慧，或許還會有變革，有思考，但是一定也會有一個敞亮的遠景，在變幻的時代中前進，這是我作為一枚工程師，對人工智慧的期待，也是對機器之心一如既往的期待。
我加入機器之心時還是學生，現在在 Hulu 做軟體工程師。
做過 tech analyst 和 industry analyst。加入機器之心最大的收穫是拓寬了視野。對於學生來說，tech analyst 的工作能補充和擴充課堂上的知識，industry analyst 的工作促使我瞭解更多的業界動向，同時也幫助我養成收集、閱讀新聞的習慣。每週 analyst 都會開例會分享和 digest 資訊，認識了一群天南地北的小夥伴，是一段很有趣的工作經歷。
我加入機器之心時在讀德國亞琛工業大學計算機工程碩士，如今是密歇根州立大學電腦科學在讀博士
在機器之心我的主要工作是分析和討論機器視覺/翻譯相關的文獻如何解決：精讀論文，查閱相關文獻，理解論文，分析文章的核心演算法，並提出有可能改進的解決方案有何收穫：更深入的理解了論文的核心思想和具體做法，和小夥伴的交流和探討增進了深入瞭解領域知識的熱情。
我是 2017 年 2 月份加入機器之心兼職分析師團隊，當時正在德國念計算機碩士研究生，那時已經關注機器之心公眾號兩年了。2018 年 8 月畢業後回國就業，目前正從事計算機視覺、圖形學演算法工作。
在機器之心我的主要工作是撰寫人工智慧相關的學術論文、部落格等評論文章。最開始階段我們每週有遠端的 group meeting，及時總結工作發現的問題，在會上也認識了很多不同專業背景、在不同國家工作或學習的老師和同學。收穫最大的時候是當自己的文章初稿寫好後發給 reviewer，reviewer 會結合文章給出針對性的反饋意見，這些意見幫助我加深了對某個領域的認識。而當自己的文章釋出在機器之心的公眾號文章裡時，能收穫滿滿的成就感。如今自己也從事著人工智慧的工作，也繼續關注著機器之心以及機器之能兩個公眾號的文章，衷心希望機器之心越辦越好，為讀者提供更多高質量的文章報導！
技術分析師。有機會接觸到最新的經過精心篩選的文章，可以拓寬視野，瞭解行業內最先進的技術。學習了很多先進的演算法和思想，不僅提高了自身的專業知識，同時也提高了閱讀文獻，分析文獻的能力。受益匪淺。
機器之心的工作：擔任技術分析師，參與了最早的論文解讀，產業分析，以及現在的 AI「知識百科」專案專案。
遇到的困難：因為機器之心是一個媒體，所以困難主要是擔心自己對技術的解讀可能不全面不到位，從而會誤導讀者，弄個大新聞。
如何解決：1. 向團隊的前輩請教學習。機器之心裡有不少大牛研究員和名校博士生，比我不知道高到哪裡去了，和他們交流一下，難點在談笑風生之間就被講明白了。2. 提高自己的知識水平。遇到一知半解的知識點，查資料弄懂之後再呈現給讀者，是最好的。
有何收穫：1. 對技術的理解在廣度和深度方面都有進步，尤其是在審閱團隊成員工作的時候，學習了其他領域的知識，擴充了自己的知識面。2. 怎麼把晦澀的知識點寫的通俗易懂很重要，透過在機器之心工作的這幾年，這方面的寫作能力有了提高，一定程度上也有助於自己平時科研論文的撰寫。
從 Global Team 剛成立招人的時候，我就作為第一批分析師加入了團隊，在機器之心工作了近三年，和團隊一起成長，收穫頗豐。首先，機器之心這個平臺集合了科研論文，技術部落格，業界風向，大牛動態，學會報告等關於 AI 各方面的資訊，透過機器之心的微信公眾號推送，每天都能瞭解到第一手訊息。其次，機器之心會不定期推出深度學習的教程文章，根據文章裡的程式碼自己實踐一遍，節省了自己找資源，找優質程式碼的時間，效率很高。最後，這幾年看著機器之心的團隊不斷擴大，業務越來越成熟化多樣化，成為了國內 AI 領域的第一媒體，自己心裡也有一份自豪感。
機器之心團隊中有很多值得學習交往的朋友，雖然我在日本，和北美以及國內團隊沒有碰過面，但是透過工作和日常的交流，大家成為了淡如水的君子之交。團隊老大之乎，以及 H4O，Qintong，Jake，經常解答我工作中的疑問。研究員的 Joni 和 Haojin 在審閱中給予過我很多指導。另外，從朋友圈中看到 Shawn 等團隊成員追求自己學術夢想的姿態，自己也比較受激勵。非常有幸可以加入機器之心這支年輕優秀的團隊，非常感謝團隊對我工作的幫助和肯定，期待有機會可以和大家見面交流。
加入機器之心時我是德國斯圖加特大學 Electrical Engeering 專業智慧系統研究方向的碩士生。目前在本校訊號處理與系統理論研究所念博士。
在機器之心的工作是 global techinical analyst。我的收穫主要在於視野的擴充。
由於機器之心工作需要，很多時候會研讀一些不是熟悉領域的專業文獻，這個閱讀與寫作的過程中極大地擴充了橫向視野。對後面的發展起到了挺關鍵的作用。透過機器之心的工作，結識了同在歐洲，甚至在德國的一些同事。也期望後面有機會和他們能有進一步的合作。
起初加入機器之心的時候，我正在多大唸研究所。現在在 Qualcomm ML Group 做 inference optimization 相關工作。
我在機器之心的工作為 technical analyst，負責寫 technical paper reviews。在寫 review/讀 paper 的過程，做容易遇到的困難就是對於一個新的領域的不熟悉導致許多疑問。機器之心的同事們都具有在不同領域的專長，也因為如此，每當遇到困難，往往能夠從與同事們的討論中得到答案，並學習許多新知識。在機器之心工作的過程中，我交了些朋友，有些是同樣在多大讀研的學生，有些是遠在不同學校/國家的同事。他們的工作態度以及對這個領域的熱情都是非常值得我學習的，都是他們崗位的 role model，讓我很享受跟他們工作的時間。
在原創專案開展半年多以後，隨著加入機器之心的技術分析師數量增多，我們開始調整專案管理結構, 並且對文章內容根據技術領域做細分。我們邀請一線的研究學者作為顧問編輯加入團隊。每一個顧問編輯帶領一組技術分析師專注一個技術方向進行跟蹤和分析。早期在編輯部沒有對整個 AI/ML 領域進行細分梳理的情況下，依賴分析師本身的專業方向來進行寫作。引入顧問編輯後，我們將技術分析師分為四個小組，分別是理論前沿和交叉學科，智慧機器裝置，應用研究與工程，技術視角下的產業趨勢。顧問編輯參與到原創文章撰寫的各個環節，從選題的制定，角度的選取，到文章結構調整和寫作的潤色。
Frontier & Interdisciplinar
Intelligent Machine
Applied Research & Engineering
Industry Trends with Tech Perspective
顧問編輯的加入，首先對我們的內容生產進行了結構化的升級，提高了對 AI/ML 不同方向的覆蓋率也加強了對不同方向領域研究進展的敏感度。其次，我們的技術分析師可以和顧問編輯及時交流互動，一方面學習到一線研究人員思考問題的方法，另一方面寫作水平有了肉眼可見的提高。
顧問編輯和分析師的密切溝通保證了文章質量，也幫助我們技術分析師進步。
如今，顧問編輯的參與已經是機器之心原創專案密不可分的一部分。我們的顧問編輯受邀回顧了過去三年在機器之心的工作和感悟：
Hasso-Plattner-Institut für Digital Engineering gGmbH (哈索普拉特納數字 工程研究院，Prof.-Dr.-Helmert-Str. 2-3, D-14482 Potsdam, Germany
在機器之心做為顧問技術編輯，工作了大概 2 年多的時間。參與了從英文技術部落格、「知識百科」專案，直到近期的中文技術分析文章專案。我對於之心的貢獻主要是在技術文章選題，大綱撰寫，協助分析師寫作和大量的評審編輯工作。在工作中，我個人雖然就是這個領域的從業者，但還是從專業資訊的獲取速度、渠道和獲取的質量上收益良多。例如在「知識百科」專案中，我作為主要評審之一，review 了 大量相關但不是我個人主要領域的「知識百科」詞條，在整個過程中極大擴充套件了我自己的知識廣 度，進行了有意義的學習。和之心同事之間的合作互動由始至終都非常愉快，我告訴自己，這是一個非常難得的經歷，這個集體充滿了正能量!
記憶深刻的分析師是李媛媛。我 review 了大量的「知識百科」詞條，這其中質量保持的最好的一位分析師就是李媛媛同學，有一段時間她實力霸榜了「知識百科」專案的定期評獎活動。因為我曾經有過 3 位同學也叫這個名字，所以對她的記憶會比較深刻一點。還有記憶比較深刻的是 Chain（之乎）和亞洲工作的時間和強度，Chain 經常由於時差的緣故，要上完加拿大的班再接著上北京的班，異常辛苦，但她總是充滿了活力，還有語速太快了。另外，我曾經幫著亞洲拍攝 ECCV』18 的獲獎名單，那天我在這邊熬夜喝酒狂歡，他在北京熬夜工作寫稿，趕著第二天一早發。雖然當時心疼了他半秒鐘，但是馬上就被來和我碰杯的陌生人打斷了。能這樣近距離感受之心創始團隊們 200% 的努力、激情和才智，是我的幸運，也時常讓我反思在歐洲半養老的工作節奏，默默的可恥了半分鐘，然後太陽照常升起 :-)。
我是 Joni, 目前在英國諾丁漢特倫特大學（Nottingham Trent University）擔任講師和獨立研究員。我加入機器之心是在 2017 年初，開始是擔任海外技術分析師，後來負責顧問編輯工作。我的本職研究是關於智慧機器人、認知科學和機器學習等。在機器之心負責的範圍也是偏向於我的研究的相關內容。我自己對與人工智慧相關的心靈哲學、意識科學研究等也有很大興趣，所以之前也在機器之心寫了一些相關的分析和評論。有時在寫這些分析評論過程中，其實也對我的正職有輔助，可以讓我從現在正在埋頭的課題退後一點點，看看其他人做的東西或者對某個課題有個比較宏觀的分析。我很高興能在這 2 年多中，伴隨著機器之心成長，自己在這個圈子中也逐漸成長。我很幸運可以全身心去從事這個行業。我自己印象深刻的事情是有時可以以兩個身份中的其中一個（研究員和機器之心的作者）參加一些機器學習的會議，和不同背景（學術界或者產業界）的人交流，其實是蠻有意思的事情。
發展到今天，機器之心原創專案流程上已經日趨穩定，原創內容的產出也摸索出了機器之心獨有的風格。其中我們一直堅持的是走高質量的原創路線，用學術論文的標準去呈現內容，滿足讀者對「乾貨」的需求。
在創作解讀文章時，我們採用「顧問編輯+技術分析師」的配置。從我們長期的實踐和運營中，我們發現這一配置既能保證內容創作的質量，也能讓技術分析師在創作過程中得到及時的幫助和長遠的提高。
顧問編輯和技術分析師基於內容創作進行合作溝通。而內容選題覆蓋上，我們以專欄的形式分為以下四個專欄：
學術會議提前看
技術解讀專欄
會議講座筆記
程式碼重現報告
ML/AI 領域的學術會議蓬勃發展，大量論文應接不暇。對於機器之心的讀者，無論是否去參加現場會議，我們希望在會議開始前，對會議論文中不同方向的發展進行綜合性解讀。《學術會議提前看》專欄將告訴讀者哪些文章值得去聽，說服讀者去聽哪些文章會收穫，以及什麼樣的收穫。《學術會議提前看》專欄文章能有大量的分析師主觀見解和個人評價。
NeurIPS 2019 提前看專欄地址：https://www.jiqizhixin.com/columns/NeurIPS-preview
《技術解讀專欄》解讀前沿進展，技術熱點和經典論文。ML/AI 領域的技術更迭日新月異，我們透過新聞去解讀背後的技術，瞭解技術發展的脈絡，以及挖掘技術發展依賴的根本原理。機器之心專業技術編輯將為《技術解讀專欄》提供寫作選題和大綱，幫助分析師迅速找到寫作思路和提高寫作水平。
專欄地址：https://www.jiqizhixin.com/columns/Synced-technical-analyst
機器之心的分析師來自世界各地。我們尋找各地高質量的會議/講座，並邀請分析師參加所在地的會議講座，記錄並整理獲得第一手的筆記，分享給機器之心的讀者。《會議講座筆記》專欄能夠把很多在教科書，論文，部落格上無法獲得的經驗傳播給讀者。除了現場的會議/講座，分析師還可以對會議講座的影片進行整理和總結。記錄會議/講座筆記一方面能幫助分析師提高自己，更能給機器之心的讀者帶來第一手的會議講座記錄。
針對最新論文和程式碼庫，進行探索性的重現和嘗試。用實驗報告記錄整個過程，在幫助讀者在閱讀論文或者選擇程式碼庫時，瞭解到其中可能遇到的困難，以及論文描述與實際實現的差距。
我們邀請了正在為原創專案貢獻稿件的兩位技術分析師談談他們的體會：
至今完成 4 篇文章。根據機器之心編輯的選題，我對機器學習相關的不同方向開展了有針對性的研究，例如 Non-IID 等。一方面，鍛鍊了我的研究能力，包括瞭解選題、文獻搜尋以及文獻閱讀、分析和對比、提煉的能力。另一方面，也使我很好地保持了科研的狀態。對於我來說，不是非常熟悉某些選題，在查詢文獻時會對文獻的重要性、正確性和相關性等把握不太好。一般遇到對文獻把握不好的情況，我都與編輯再進一步溝通，他會給我很清晰地指導，幫助我確定最終的文獻。
每寫一篇文章，就是一次對知識的打磨，同時也讓我學習到了很多新的知識。困難的話，其實我已經寫了三篇文章了，但是寫第一篇的時候對文風把控不是很好，寫的過於娛樂，好在在 H4O 大大和 Haojin 大大的指導下逐漸開始變的學術化了。希望以後能有更多的機會寫更多的文章！
回望過去這三年，我非常榮幸能有機會作為技術副主編和來自全世界的一百多位技術分析師們一起工作，也無比感謝各位技術分析師為機器之心貢獻了深度的思考，激烈的討論和精彩的寫作。對於機器之心和機器之心的讀者們，這些原創文章幫助我們拓寬了視野，提高了效率。在學習，工作和研究陷入困頓和迷霧之時，機器之心技術分析師們寫下來的思考和解讀，可能會成為指明方向的燈塔，抑或是陪伴前行的夥伴。
鐵打的編輯，流水的技術分析師。三年間，不斷有新的技術分析師加入機器之心，也有分析師離開機器之心去往他們理想的學校或公司。不變的是，他們一直是我們最忠實的讀者。螢幕前和螢幕後，可能相隔山海，但是對於 AI/ML 技術同樣的熱愛，這樣的距離不成阻礙也不算遙遠。
至此，我和顧問編輯們代表機器之心感謝螢幕前的讀者們，更感謝螢幕後那群專業，勤勉，認真，可愛的技術分析師們。感謝你們！
機器之心原創技術分析師團隊主要關注 ML/AI 領域的技術進展，並進行有深度有態度的原創解讀。團隊成員主要來自於業內一流研究機構，包括卡耐基梅隆大學、滑鐵盧大學、多倫多大學、清華大學等。迄今為止，技術分析師們已經發布上百篇優秀的技術原創文章。
我們誠邀熱愛 ML/AI 的你加入機器之心原創技術分析師團隊，在這裡你將系統地學習 ML/AI 發展脈絡、領略技術的最前沿方向、感受學術界和工業界的思辯。
機器之心認真對待每一篇原創文章，我們有資深技術編輯提供選題和寫作指導，同時對文章進行審閱和修改。
與機器之心資深技術編輯共同工作，瞭解前沿技術進展，鍛鍊寫作表達能力。
結識世界各地的優秀分析師，交流理論技術與實踐經驗。
原創文章將在機器之心官網、微信公眾號、小程式等平臺上釋出，與機器之心百萬讀者分享你的知識與觀點。
我們也會提供一定稿費以激勵更好的內容創作。
1. 填寫申請表單：點選「閱讀原文」，填寫申請表單。2. 參加線上筆試：我們會在 24 小時內，以郵件形式傳送筆試題目。3. 提交筆試結果：你將有 7 天的時間完成題目，完成後回覆郵件提交結果。4. 等待稽核通知：我們會在 7 天，以郵件形式通知筆試結果。5. 簽約加入專案：筆試透過後，我們將聯絡你簽約，正式加入機器之心原創技術分析師團隊。機器之心技術副主編 H4O
2019 年 9 月於多倫多