文/编辑 | 言有三

一个月前，微信官方邀请“有三AI”加入“洗稿投诉合议小组”，我很高兴，是拥有公众号和知乎账号以来最高兴的一件事。

“洗稿投诉合议小组”的要求是公众平台坚持原创且无抄袭违规记录的首批个人作者，官方邀请制，不支持自主申请，这意味着我们的长期优质原创得到了认可，第二天开始就收到“洗稿争议”文章了。

当然了，今天的这篇文章不是为了说加入之后干了什么，而是为了说我们为什么坚持原创这件事儿。

只有原创

公众号注册其实很早了，2015年就有了，中间荒废了很久。连载差不多就是从2018年2月份开始，到今天差不多一年。有原创标志的文章180+篇，剩下的就是当时微信还没有原创标志时写的文章了。

几乎没有转载的文章，只从公众号“有三工作室”转载过一两篇介绍文，所有技术文章全部都是原创。

为什么不转载其他公众号文章

其他的公众号的优秀内容是很多的，为什么在这一年之间，我写了将近200篇文章，以一种“孤军奋战”，“狭隘”，“搏命”式的方式来维持内容的输出呢。

1、首先，就AI或者说CV方向，我们内容并不比任何一个号单薄，涵盖10多个专栏（从理论到实战），详情可以阅读这篇介绍：

创业第一天，有三AI扔出了深度学习的150多篇文章和10多个专栏

所以其实自己的内容都更新不过来，哪里还有时间去转载非原创内容咯。

2、“狭隘封闭”正是为了突破“狭隘”，有三每天都会关注行业最新的方向和进展，对于值得写的内容，一定会写。对于别人写过我还想写的好内容，并不会直接拿来主义偷懒，而是会认真解读消化一番，成为自己的知识后，再进行输出，这不正好突破了狭隘，自己也学到了知识吗。

3、有三AI不是信息媒体，我们是为大家准备的系统性的学习平台，因此不会去追逐某一篇最新的论文或者某一个消息，而这正是与其他同类公众号最大的区别，转载往往“消化不良”，故此不如退而原创。

有这三个考虑之后，不得不接着深夜爆肝原创去，比如现在是北京时间2点半。

对内容的要求

只有8个字，力争最新，力保最全。

1、争最新，是保证在一些综述文章的总结上是最新的，当然现在在专栏中的创作也要保证最新。

文章都是有时间戳的，大家可以各大平台留意，模型压缩，超分辨，自动驾驶，损失函数，网络架构，GAN综述，美学等各大文章，我们是否在当时首发的时候做到了全网最新。

另外，像目前正在更新的初识境的文章中，关于深度学习理论的系列文章，虽非综述，也一定会确保内容更新到写作前公开学术界和工业界的发展水平。

往期精选

• 【技术综述】一文道尽softmax loss及其变种

• 为了压榨CNN模型，这几年大家都干了什么

• 2016自动驾驶外行装逼攻略（超长文推荐）

• 【技术综述】计算机审美，学的怎么样了？

• 【技术综述】深度学习自动构图研究报告

• 【完结】总结12大CNN主流模型架构设计思想

• 【技术综述】有三说GANs（上）

2、保最全，又有两层含义。

第一个，是所写的综述文章，在该主题内，一定要是最全的，涵盖所有值得收录的内容。另一个就是维护丰富的专栏以及每一个专栏中文章由简到难进行内容全覆盖，大家看看我们的专栏就知道了。

往期部分专栏精选

• 【AI白身境】究竟谁是paper之王，全球前10的计算机科学家

• 【AI白身境】一文览尽计算机视觉研究方向

• 【AI白身境】入行AI需要什么数学基础：左手矩阵论，右手微积分

• 【AI白身境】一文览尽计算机视觉研究方向

• 【AI白身境】AI+，都加在哪些应用领域了

• 【AI白身境】只会用Python？g++，CMake和Makefile了解一下

• 【AI白身境】学深度学习你不得不知的爬虫基础

• 【AI白身境】搞计算机视觉必备的OpenCV入门基础

• 【AI白身境】深度学习必备图像基础

• 【AI白身境】学AI必备的python基础

• 【AI白身境】Linux干活三板斧，shell、vim和git

• 【AI白身境】深度学习从弃用windows开始

• 【AI初识境】从3次人工智能潮起潮落说起

• 【AI初识境】从头理解神经网络-内行与外行的分水岭

• 【AI初识境】近20年深度学习在图像领域的重要进展节点

• 【AI初识境】激活函数：从人工设计到自动搜索

• 【AI初识境】什么是深度学习成功的开始？参数初始化

• 【AI初识境】深度学习模型中的Normalization，你懂了多少？

• 【AI初识境】为了围剿SGD大家这些年想过的那十几招

• 【AI初识境】如何增加深度学习模型的泛化能力

• 【AI初识境】深度学习模型评估，从图像分类到生成模型

• 【Keras速成】Keras图像分类从模型自定义到测试

• 【paddlepaddle速成】paddlepaddle图像分类从模型自定义到测试

• 【pytorch速成】Pytorch图像分类从模型自定义到测试

• 【tensorflow速成】Tensorflow图像分类从模型自定义到测试

• 【caffe速成】caffe图像分类从模型自定义到测试

• 【mxnet速成】mxnet图像分类从模型自定义到测试

• 【cntk速成】cntk图像分类从模型自定义到测试

• 【chainer速成】chainer图像分类从模型自定义到测试

• 【模型解读】从LeNet到VGG，看卷积+池化串联的网络结构

• 【模型解读】network in network中的1*1卷积，你懂了吗

• 【模型解读】GoogLeNet中的inception结构，你看懂了吗

• 【模型解读】说说移动端基准模型MobileNets

• 【模型解读】pooling去哪儿了？

• 【模型解读】resnet中的残差连接，你确定真的看懂了？

• 【模型解读】“不正经”的卷积神经网络

• 【模型解读】从“局部连接”回到“全连接”的神经网络

• 【模型解读】深度学习网络只能有一个输入吗

• 【模型解读】“全连接”的卷积网络，有什么好？

• 【模型解读】从2D卷积到3D卷积，都有什么不一样

• 【模型解读】浅析RNN到LSTM

• 【模型解读】历数GAN的5大基本结构

• 【AI-1000问】为什么深度学习图像分类的输入多是224*224

• 【AI-1000问】为什么LeNet5倒数第二个全连接层维度为84？

• 【AI-1000问】为什么OpenCV读取的图像格式是BGR？

• 【AI-1000问】机器学习和模式识别是什么关系？

• 【AI-1000问】人脸的4个方向，你还分的清楚吗？

• 【AI-1000问】softmax loss和交叉熵有什么关系？

• 【AI-1000问】你知道为什么GoogLeNet也被称为InceptionNet吗？

• 【AI-1000问】为什么信号有单位而且是dB？

之后的想法

其实我一直在想，公众号还应不应该维持下去。在未辞职之前，因为要输出公众号，几乎没有任何生活的时间。如今辞职，为了保证文章质量，每天也要花费不少时间。

因为刻意回避一些运营策略，涨粉和提升阅读量很慢，意味着想要从公众号直接获得收益也很慢。

微信公众号早些年就在测试付费阅读，至今仍然不推出实在是个遗憾。免费干货可能不能比抖机灵获得更好的传播，坚持原创的人跑掉了，比如去了知识星球之类的平台。

而且，只是依靠同步公众号文章的知乎，涨粉却比公众号快多了，确实会让人产生迷惘，是否多去知乎上面回答问题更好。

目前：为了更好的发展，我们打算培养几个优秀的作者，如果你有兴趣来开设专栏，非常欢迎。只不过，暂时还发不出工资噢。

如果你有兴趣，就来联系我吧，微信Longlongtogo。

2019年有三AI培养计划已经开始，一个季度一期，系统性进阶为深度学习算法工程师，不妨看看。

重新解释“季”划 & 为什么我不是在搞培训

另外本周知乎Live，欢迎来看

往期精选

• 裸辞，迎接2019年的春天

想要变身”AI专家“，就戳戳手指关注我们吧

别忘了点“好看”支持作者噢  ???