王新民 李林 編譯整理
量子位·QbitAI 出品
機器學習研究幾乎每週都有新進展， 不過， 這些新進展變成論文呈現在我們眼前的方式，
昨天， Google Brain的Chris Olah和Shan Carter發佈了一份專注於機器學習研究的新期刊：Distill（http://distill.pub/）。 不同于過去百餘年間的論文， Distill將利用互聯網， 以視覺化、可交互的形式來展示機器學習研究成果。
這份新期刊一經發佈， 創始人發文Olah表示以後一心搞Distill， 不再寫博客， Google Research、DeepMind、YC孵化器、OpenAI紛紛發文章進行介紹， Ian Goodfellow等人在Twitter熱情轉發， Reddit機器學習版也在熱烈討論。
大家的熱情不僅僅是因為它背景強大， Distill也確實戳到了從業者們的痛點。
1987年， 北京大學的錢天白教授向德國發出了第一封電子郵件。 到如今， 互聯網已經存在了將近30年。 然而在這30年間， 學術論文不過是原樣從紙質期刊搬到了PDF上。
舉個栗子：
某篇論文截圖
讀者為了看視頻還得複製連結-粘貼到流覽器-打開。 心疼寫論文和讀論文的科研人員3秒鐘。
一篇（理想的）Distill文章， 能讓用戶能直接與機器學習模型進行交互， 稱他們為“讀者”都顯得不太合適。
在理想的情況下， 這樣一篇文章能夠將解釋， 代碼， 資料和互動式視覺化工具集成到一個環境中。 在這樣的環境中， 使用者可以用傳統靜態媒體不可能實現的方式來探索這篇文章。
Distill會以標準方式被收錄到傳統的學術出版系統， 如ISSN， CrossRef等中。 你可以在Google學術中搜索到Distill的文章， 這也有助於文章的作者獲得學術信譽。 Distill文章使用創作共用署名授權協議（Creative Commons Attribution licenses）授權， 簡單來說就是引用要署作者名。
Distill不僅可以發表學術論文， 也接受高品質的說明性文章。
發佈之初， Distill上已經有了幾篇Google團隊發表的說明性文章， 分別關於神經網路的權值、使用t-SNE方法視覺化高維資料、使用神經網路生成手寫字母等主題。 這些文章就是我們上面提到的“高品質說明性文章”，