Nisam siguran za razloge, ali mislim da je jedan od razloga sigurno to što na Zapadu postoji ta kultura deljenja rezultata i pomaganja drugima da što brže uđu u materiju, jer na kraju krajeva gleda se uspeh cele grupe (npr. neku laboratoriju vodi neki profesor, koji mora da opravda trošak/grantove za te istraživače). Jeste da će npr. na nekim doktorskim studijama na nekom prestižnom univerzitetu možda samo jedan ili nijedan kandidat ostati tu nakon odbrane doktorske disertacije (ako ništa drugo, praksa je da se postdoc odradi na drugom univerzitetu), ali to ne znači da treba jedni druge da sapliću i da se ne pomažu, pošto će onda na kraju zbog nesaradnje svi dobiti nogu.
Na Istoku je sve suprotno, pošto ih ima ogroman broj, konkurencija je samo takva, a sve se gleda isključivo numerički (prosečna ocena, broj radova, itd.), onda naravno da će se neko, ko prokuži kako da nešto da uradi, praviti blesav kad treba da to objasni nekom drugom, jer taj drugi mu je direktna konkurencija.
Vremenom je to postala kultura i način rada, tako da ne znaju da objasne šta su i kako uradili čak i da žele to da urade.
Ovi koji dođu na Zapad moraju da prihvate takav sistem u akademskim institucijama i istraživačkim institutima pri tehnološkim kompanijama, jer se ocena i procena kandidata ne vrši samo numerički, plus više krugova intervjua, gde se SVE uzima u obzir, pa čak i da li se kandidat bavi nekim sportom, ima li hobije, mobilnost (koliko je institucija promenio), itd.
Dovoljno je uporediti kako izgleda "prijemni ispit" za MIT, Harvard, Stenford i druge non-government univerzitete, kao i jake državne univerzitete tipa Berklija, a kako izgleda prijemni ispit za najjače univerzitete u Indiji i Kini (tu se "kolju" Indian Institutes of Technology Joint Entrance Examination i Gaokao u Kini koji predstavlja neku vrstu zajedničkog prijemnog ispita za sve univerzitete).
Jedan od razloga za takav način rangiranja na Istoku može biti i korupcija i nepotizam, pa je mnogo lakše nekoj komisiji da se sakrije iza rang liste zasnovane na čisto numeričkim podacima. Sa druge strane, Harvard ima kao i drugi univerziteti u SAD taj holistički pristup, ali zato ima i "princip" da može ponovo razmisliti o kandidatu koji je odbijen ako može da donese "donaciju" u vrednosti 2.2 miliona dolara. Bio je i skandal jedne godine sa slučajevima prijema kandidata u čije ime je "treća strana" donirala univerzitetu 10 miliona dolara.
Nego, tražeći neke reference, danas naiđem na listu navodno najznačajnijih radova iz oblasti AI/ML, jedan od njih je:
Yann LeCun, Yoshua Bengio, Geoffrey Hinton, Deep Learning, Nature 521 (2015), pp. 436-444, doi: https://doi.org/10.1038/nature14539
Mislio sam malopre da ovde postavim jedan zanimljiv rad (mislim da nije bio pomenut ranije, a možda i jeste), koji sada ima blizu 200k citiranja (nešto više od 198k), radi se o:
Diederik P. Kingma, Jimmy Ba, Adam: A Method for Stochastic Optimization, arXiv, doi: https://arxiv.org/abs/1412.6980v9
Tek danas vidim u biografiji gde je 2009. i 2012. godine bio Kingma, odnosno kod kog autora ovog prvog rada iznad :)))
https://dpkingma.com/#bio
Na Istoku je sve suprotno, pošto ih ima ogroman broj, konkurencija je samo takva, a sve se gleda isključivo numerički (prosečna ocena, broj radova, itd.), onda naravno da će se neko, ko prokuži kako da nešto da uradi, praviti blesav kad treba da to objasni nekom drugom, jer taj drugi mu je direktna konkurencija.
Vremenom je to postala kultura i način rada, tako da ne znaju da objasne šta su i kako uradili čak i da žele to da urade.
Ovi koji dođu na Zapad moraju da prihvate takav sistem u akademskim institucijama i istraživačkim institutima pri tehnološkim kompanijama, jer se ocena i procena kandidata ne vrši samo numerički, plus više krugova intervjua, gde se SVE uzima u obzir, pa čak i da li se kandidat bavi nekim sportom, ima li hobije, mobilnost (koliko je institucija promenio), itd.
Dovoljno je uporediti kako izgleda "prijemni ispit" za MIT, Harvard, Stenford i druge non-government univerzitete, kao i jake državne univerzitete tipa Berklija, a kako izgleda prijemni ispit za najjače univerzitete u Indiji i Kini (tu se "kolju" Indian Institutes of Technology Joint Entrance Examination i Gaokao u Kini koji predstavlja neku vrstu zajedničkog prijemnog ispita za sve univerzitete).
Jedan od razloga za takav način rangiranja na Istoku može biti i korupcija i nepotizam, pa je mnogo lakše nekoj komisiji da se sakrije iza rang liste zasnovane na čisto numeričkim podacima. Sa druge strane, Harvard ima kao i drugi univerziteti u SAD taj holistički pristup, ali zato ima i "princip" da može ponovo razmisliti o kandidatu koji je odbijen ako može da donese "donaciju" u vrednosti 2.2 miliona dolara. Bio je i skandal jedne godine sa slučajevima prijema kandidata u čije ime je "treća strana" donirala univerzitetu 10 miliona dolara.
Nego, tražeći neke reference, danas naiđem na listu navodno najznačajnijih radova iz oblasti AI/ML, jedan od njih je:
Yann LeCun, Yoshua Bengio, Geoffrey Hinton, Deep Learning, Nature 521 (2015), pp. 436-444, doi: https://doi.org/10.1038/nature14539
Mislio sam malopre da ovde postavim jedan zanimljiv rad (mislim da nije bio pomenut ranije, a možda i jeste), koji sada ima blizu 200k citiranja (nešto više od 198k), radi se o:
Diederik P. Kingma, Jimmy Ba, Adam: A Method for Stochastic Optimization, arXiv, doi: https://arxiv.org/abs/1412.6980v9
Tek danas vidim u biografiji gde je 2009. i 2012. godine bio Kingma, odnosno kod kog autora ovog prvog rada iznad :)))
https://dpkingma.com/#bio
Potpis
Blessed are those who can laugh at themselves, for they shall never cease to be amused.
![starwarsday[1].gif536.06k](https://static.elitesecurity.org/uploads/4/0/4092702/starwarsday%5B1%5D.gif){kind=link}