机器学习界所抵制的是旧的知识分享方式

　　国际知名期刊《自然》顺应人工智能发展势头，准备发布新子刊《自然·机器智能》，收割一波论文。结果刚刚宣布正式接受投稿不久，就被一纸声明弄得很尴尬：机器学习社群表示，这期刊和自己三观不合，他们决定不投稿、不评审、不。总而言之，就是要公开抵制。

　　俄勒冈州立大学站上的公开信道出了原因：几乎所有重要的机器学习发表平台都不对发表和获取文章收费，《自然》的新期刊沿袭旧制度，是种倒退。在旧制度里，跨国期刊出版商是这么赚钱的：他们从学者处获得知识产品的版权，再将其打包高价出售给科学共同体；他们通过销售科学知识产品攫取高额利润，用商业化运作为学术传播交流筑起高墙。在传统期刊发过论文的学者都经历过这个悖论：既要付费发表，又要付费获取。用句文绉绉的话说，学界苦出版商久矣。

　　有研究者认为，数字学术资源的市场垄断和产品价格的持续攀高之间形成了恶性循环，甚至导致了学术交流危机。最先被危机笼罩的，自然是那些经费较少的机构。简单粗暴一点来讲，越穷的科研机构，买的数据库越不全；在这类科研机构工作的研究人员，想要获取科技信息就越费劲。那些草根科研人员，就被拦在了学术信息的商业屏障之后，这叫科学交流中的“数字鸿沟”。

　　但是，资本要最大限度的追逐利润，出版商自然也就将知识视为商品。学术界轰轰烈烈开展的“开放获取”运动，正是为了挫挫大型出版集团的锐气，也是为了拆掉学术交流的高墙。它倡导知识的公有性理念，认为论文发表可以依托络媒介，人们可以以分享的方式传播自己的作品，科学家论文的版权不应该无偿或廉价转让给出版商。

　　当然，还有不少高影响因子的期刊依然走传统路线，毕竟在这些期刊发表论文，于现行的学术评价机制下是一种“刚需”，它们的地位暂时无可撼动。

　　《自然》的新子刊也准备“走在老路上”，只是机器学习界跳出来，对其当头敲了一棍。因为，机器学习这个领域还比较年轻，本身就拥抱开放共享，受传统期刊“荼毒”甚少，也没什么历史包袱。

　　要知道，早在2001年，《机器学习期刊》的编委会就全体辞职，转而成立了一份零成本开放获取期刊《机器学习研究》。十七年前他们就认为，时代不同了，互联这么便捷，为什么还要人为给知识传播制造障碍？所以，十七年后，机器学习界更没有理由再欢迎一份封闭获取期刊。

　　而且，机器学习界的选择很多。他们有各类国际会议，也有足够数量的开放获取期刊。少了一个自然子刊，他们仍有平台和空间去拓展自己的学术影响，去进行无障碍的学术交流。要让这群在Github社区上进行开源代码分享的人忍受传统期刊的运作风格，想来也确实困难。

　　学界和出版界的关系错综复杂，可以说是“相爱相杀”。这次，机器学习界的科学共同体在用实际行动夺回话语权：在我的地盘，你就得听我的。《自然》会妥协吗？“开放获取”运动会再下一城吗？新的知识共享机制应该如何建立呢？想到后续进展，还真有点小期待呢。