加入微信洗稿投诉小组1个月后，有三说说为什么坚持只发原创
文/編輯 | 言有三
一個月前，微信官方邀請“有三AI”加入“洗稿投訴合議小組”，我很高興，是擁有公眾號和知乎賬號以來最高興的一件事。
“洗稿投訴合議小組”的要求是公眾平臺堅持原創且無抄襲違規記錄的首批個人作者，官方邀請制，不支持自主申請，這意味著我們的長期優質原創得到了認可，第二天開始就收到“洗稿爭議”文章了。
當然了，今天的這篇文章不是為了說加入之后干了什么，而是為了說我們為什么堅持原創這件事兒。
只有原創
公眾號注冊其實很早了，2015年就有了，中間荒廢了很久。連載差不多就是從2018年2月份開始，到今天差不多一年。有原創標志的文章180+篇，剩下的就是當時微信還沒有原創標志時寫的文章了。
幾乎沒有轉載的文章，只從公眾號“有三工作室”轉載過一兩篇介紹文，所有技術文章全部都是原創。
為什么不轉載其他公眾號文章
其他的公眾號的優秀內容是很多的，為什么在這一年之間，我寫了將近200篇文章，以一種“孤軍奮戰”，“狹隘”，“搏命”式的方式來維持內容的輸出呢。
1、首先，就AI或者說CV方向，我們內容并不比任何一個號單薄，涵蓋10多個專欄（從理論到實戰），詳情可以閱讀這篇介紹：
創業第一天，有三AI扔出了深度學習的150多篇文章和10多個專欄
所以其實自己的內容都更新不過來，哪里還有時間去轉載非原創內容咯。
2、“狹隘封閉”正是為了突破“狹隘”，有三每天都會關注行業最新的方向和進展，對于值得寫的內容，一定會寫。對于別人寫過我還想寫的好內容，并不會直接拿來主義偷懶，而是會認真解讀消化一番，成為自己的知識后，再進行輸出，這不正好突破了狹隘，自己也學到了知識嗎。
3、有三AI不是信息媒體，我們是為大家準備的系統性的學習平臺，因此不會去追逐某一篇最新的論文或者某一個消息，而這正是與其他同類公眾號最大的區別，轉載往往“消化不良”，故此不如退而原創。
有這三個考慮之后，不得不接著深夜爆肝原創去，比如現在是北京時間2點半。
對內容的要求
只有8個字，力爭最新，力保最全。
1、爭最新，是保證在一些綜述文章的總結上是最新的，當然現在在專欄中的創作也要保證最新。
文章都是有時間戳的，大家可以各大平臺留意，模型壓縮，超分辨，自動駕駛，損失函數，網絡架構，GAN綜述，美學等各大文章，我們是否在當時首發的時候做到了全網最新。
另外，像目前正在更新的初識境的文章中，關于深度學習理論的系列文章，雖非綜述，也一定會確保內容更新到寫作前公開學術界和工業界的發展水平。
往期精選
【技術綜述】一文道盡softmax loss及其變種
為了壓榨CNN模型，這幾年大家都干了什么
2016自動駕駛外行裝逼攻略（超長文推薦）
【技術綜述】計算機審美，學的怎么樣了？
【技術綜述】深度學習自動構圖研究報告
【完結】總結12大CNN主流模型架構設計思想
【技術綜述】有三說GANs（上）
2、保最全，又有兩層含義。
第一個，是所寫的綜述文章，在該主題內，一定要是最全的，涵蓋所有值得收錄的內容。另一個就是維護豐富的專欄以及每一個專欄中文章由簡到難進行內容全覆蓋，大家看看我們的專欄就知道了。
往期部分專欄精選
【AI白身境】究竟誰是paper之王，全球前10的計算機科學家
【AI白身境】一文覽盡計算機視覺研究方向
【AI白身境】入行AI需要什么數學基礎：左手矩陣論，右手微積分
【AI白身境】一文覽盡計算機視覺研究方向
【AI白身境】AI+，都加在哪些應用領域了
【AI白身境】只會用Python？g++，CMake和Makefile了解一下
【AI白身境】學深度學習你不得不知的爬蟲基礎
【AI白身境】搞計算機視覺必備的OpenCV入門基礎
【AI白身境】深度學習必備圖像基礎
【AI白身境】學AI必備的python基礎
【AI白身境】Linux干活三板斧，shell、vim和git
【AI白身境】深度學習從棄用windows開始
【AI初識境】從3次人工智能潮起潮落說起
【AI初識境】從頭理解神經網絡-內行與外行的分水嶺
【AI初識境】近20年深度學習在圖像領域的重要進展節點
【AI初識境】激活函數：從人工設計到自動搜索
【AI初識境】什么是深度學習成功的開始？參數初始化
【AI初識境】深度學習模型中的Normalization，你懂了多少？
【AI初識境】為了圍剿SGD大家這些年想過的那十幾招
【AI初識境】如何增加深度學習模型的泛化能力
【AI初識境】深度學習模型評估，從圖像分類到生成模型
【Keras速成】Keras圖像分類從模型自定義到測試
【paddlepaddle速成】paddlepaddle圖像分類從模型自定義到測試
【pytorch速成】Pytorch圖像分類從模型自定義到測試
【tensorflow速成】Tensorflow圖像分類從模型自定義到測試
【caffe速成】caffe圖像分類從模型自定義到測試
【mxnet速成】mxnet圖像分類從模型自定義到測試
【cntk速成】cntk圖像分類從模型自定義到測試
【chainer速成】chainer圖像分類從模型自定義到測試
【模型解讀】從LeNet到VGG，看卷積+池化串聯的網絡結構
【模型解讀】network in network中的1*1卷積，你懂了嗎
【模型解讀】GoogLeNet中的inception結構，你看懂了嗎
【模型解讀】說說移動端基準模型MobileNets
【模型解讀】pooling去哪兒了？
【模型解讀】resnet中的殘差連接，你確定真的看懂了？
【模型解讀】“不正經”的卷積神經網絡
【模型解讀】從“局部連接”回到“全連接”的神經網絡
【模型解讀】深度學習網絡只能有一個輸入嗎
【模型解讀】“全連接”的卷積網絡，有什么好？
【模型解讀】從2D卷積到3D卷積，都有什么不一樣
【模型解讀】淺析RNN到LSTM
【模型解讀】歷數GAN的5大基本結構
【AI-1000問】為什么深度學習圖像分類的輸入多是224*224
【AI-1000問】為什么LeNet5倒數第二個全連接層維度為84？
【AI-1000問】為什么OpenCV讀取的圖像格式是BGR？
【AI-1000問】機器學習和模式識別是什么關系？
【AI-1000問】人臉的4個方向，你還分的清楚嗎？
【AI-1000問】softmax loss和交叉熵有什么關系？
【AI-1000問】你知道為什么GoogLeNet也被稱為InceptionNet嗎？
【AI-1000問】為什么信號有單位而且是dB？
之后的想法
其實我一直在想，公眾號還應不應該維持下去。在未辭職之前，因為要輸出公眾號，幾乎沒有任何生活的時間。如今辭職，為了保證文章質量，每天也要花費不少時間。
因為刻意回避一些運營策略，漲粉和提升閱讀量很慢，意味著想要從公眾號直接獲得收益也很慢。
微信公眾號早些年就在測試付費閱讀，至今仍然不推出實在是個遺憾。免費干貨可能不能比抖機靈獲得更好的傳播，堅持原創的人跑掉了，比如去了知識星球之類的平臺。
而且，只是依靠同步公眾號文章的知乎，漲粉卻比公眾號快多了，確實會讓人產生迷惘，是否多去知乎上面回答問題更好。
目前：為了更好的發展，我們打算培養幾個優秀的作者，如果你有興趣來開設專欄，非常歡迎。只不過，暫時還發不出工資噢。
如果你有興趣，就來聯系我吧，微信Longlongtogo。
2019年有三AI培養計劃已經開始，一個季度一期，系統性進階為深度學習算法工程師，不妨看看。
重新解釋“季”劃 & 為什么我不是在搞培訓
另外本周知乎Live，歡迎來看
往期精選
裸辭，迎接2019年的春天
想要變身”AI專家“，就戳戳手指關注我們吧
別忘了點“好看”支持作者噢? ????
總結
以上是生活随笔為你收集整理的加入微信洗稿投诉小组1个月后，有三说说为什么坚持只发原创的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 【杂谈】来自一个懵懂青年的表白！
- 下一篇： 【技术综述】基于弱监督深度学习的图像分割