arXiv asegura más de 15 mil millones de wones para financiar una actualización

• arXiv, la infraestructura de acceso público para artículos de investigación, aseguró más de aproximadamente 10 millones de dólares ($10m) en donaciones y subvenciones a través de Cornell Tech, reforzando su base para operaciones a largo plazo
• Con más de 2 millones de artículos, arXiv impulsará con estos fondos la migración a la nube y la modernización de su código
• La modernización se centra en garantizar confiabilidad, tolerancia a fallos y accesibilidad para que los investigadores puedan seguir dependiendo del servicio
• Los fondos de la NSF también se usarán para que el profesorado de ciencias de la computación de Cornell desarrolle técnicas de búsqueda y recomendación, que podrán probarse y desplegarse en la gran comunidad activa de usuarios de arXiv
• Más allá del acceso centrado en PDF, se ampliará la disponibilidad de versiones HTML para mejorar la accesibilidad de personas con discapacidad visual y reforzar la sostenibilidad como infraestructura de ciencia abierta

---

Transición de infraestructura para un repositorio de 2 millones de artículos

• Cornell Tech aseguró más de 10 millones de dólares para apoyar a arXiv, combinando una donación de la Simons Foundation y subvenciones de la National Science Foundation
• arXiv es un servicio gratuito de distribución de artículos académicos y un archivo de acceso abierto
• Estos fondos se usarán en trabajos de base para operar con mayor estabilidad un repositorio con más de 2 millones de artículos

  • Migración a la nube y modernización del código

    • Se modernizará la base de código y se hará la transición a la nube
    • Se reforzarán la confiabilidad, la tolerancia a fallos y la accesibilidad para investigadores
    • Greg Morrisett, de Cornell Tech, considera que esta inversión es necesaria para ampliar el servicio de arXiv y atender a una base de usuarios más amplia
    • Ramin Zabih, director académico de arXiv, evaluó que la modernización de la base de código y la transición a la nube fortalecen la infraestructura de arXiv

Plan de desarrollo y apoyo a la comunidad de investigación

• La siguiente etapa de desarrollo de arXiv incluye la contratación de varios desarrolladores de software que se encargarán del trabajo de modernización
• Con fondos de la NSF, el profesorado de ciencias de la computación de Cornell desarrollará nuevas técnicas de búsqueda y recomendación
  • Podrán probarse y desplegarse en la comunidad grande y activa de usuarios de arXiv
  • Respaldarán garantías modernas de privacidad
• El contenido se ofrecerá no solo en PDF, sino también en versiones HTML, con lo que se espera mejorar de forma importante la accesibilidad para personas con discapacidad visual
• arXiv fue fundado en 1991 por Paul Ginsparg, entonces físico del Los Alamos National Laboratory
  • Ginsparg creó arXiv antes de regresar a Cornell en 2001
  • Actualmente, arXiv es mantenido y operado por Cornell Tech
• arXiv apoya a investigadores de física, matemáticas, ciencias de la computación, biología cuantitativa, finanzas cuantitativas, estadística, ingeniería eléctrica y ciencia de sistemas, y economía
• La Simons Foundation ha apoyado a arXiv desde 2011, y el apoyo adicional se usará para impulsar la transición hacia una sostenibilidad de largo plazo
• Además del apoyo continuo de la Simons Foundation, arXiv recibe respaldo de bibliotecas académicas y de investigación, universidades, instituciones de investigación, sociedades profesionales y donantes individuales

[GN⁺]

Opiniones de Hacker News

• Me alegra mucho que arXiv reciba más financiamiento. Es infraestructura de investigación esencial.
  Personalmente, me intriga si cambiará el frontend. Sin duda hay margen para mejoras como accesibilidad, herramientas de revisión y soporte para cambios de nombre, pero el sitio web de arXiv se siente casi como un ideal platónico. Como Craigslist: HTML simple, carga rápido, ofrece solo la información y las funciones necesarias y no estorba.
  El equipo de arXiv merece un gran reconocimiento por lo que ha hecho hasta ahora. Es difícil exagerar lo útil y transformador que ha sido un servidor de preprints para la ciencia.

  • “HTML simple, carga rápida, solo la información y funciones necesarias, y nada más que estorbe” es lo clave. Me enfurecería de verdad si lo convierten en una aplicación de una sola página que requiere JavaScript solo por seguir la moda.
    Estaría bien usar el financiamiento para aumentar el ancho de banda o el almacenamiento, pero espero que no lo desperdicien en cambios de UI inútiles y hostiles.
  • Hice una herramienta para explorar papers de ciencias de la computación con la API de arXiv: https://trendingpapers.com/
    Ojalá sigan haciendo un gran trabajo, especialmente en el lado de la API.
  • Los PDF sí cargan bastante lento, así que eso es una excepción a lo de que sea rápido.

• arXiv probablemente sea el repositorio más importante de la ciencia, y hay gente que se enoja con el financiamiento público diciendo que, como las grandes tecnológicas lo usan para subir sus investigaciones, deberían apoyarlo con mucho dinero. Pero hay que pensar en las consecuencias de esa propuesta.
  Cuando financias algo, obtienes cierto grado de autoridad sobre ello. Directa o indirectamente, puedes decir: “si no aceptan nuestra propuesta, reconsideraremos el apoyo financiero”. Me pregunto si realmente queremos poner un espacio que debería ser abierto e independiente, por la ciencia y el interés público, bajo la influencia corporativa de empresas que no siempre tienen los mismos objetivos.

  • El open source es, literalmente, abierto. Aportar dinero a arXiv para ayudar con los costos no es un problema en sí, siempre que ese dinero no venga con amenazas ni condiciones.
    La idea básica es que, si obtienes algún beneficio de un repositorio abierto, ¿por qué no contribuir? Si suficientes personas u organizaciones contribuyen, es bueno para todos; y si la organización detrás del proyecto está al nivel de un pasatiempo personal y le cuesta sostenerlo, puede necesitar apoyo.
    Al final, lugares como arXiv también tienen costos. No es obligatorio contribuir, pero si lo haces, es algo bueno.

• Al leer que “arXiv fue fundado en 1991 por el Dr. Paul Ginsparg, entonces físico del Los Alamos National Laboratory, antes de regresar a Cornell”, me enteré por primera vez de que arXiv era tan antiguo. Sinceramente, lo conocí y empecé a usarlo hace menos de 10 años.

  • Cada área empezó a subir papers regularmente a arXiv en momentos distintos. En términos muy aproximados, el orden fue teoría de altas energías alrededor de 1992, otras teorías de física alrededor de 1994, física experimental alrededor de 1996, matemáticas alrededor de 2000 y ciencias de la computación alrededor de 2008.
    Algunas áreas hicieron la transición casi de la noche a la mañana; otras crecieron lentamente durante años hasta que publicar en arXiv se volvió lo predeterminado.
  • Antes de ser un sitio web era un listserv por correo electrónico.
  • Todavía suelo escribir xxx.lanl.gov. Antes redirigía, pero ahora ya no; una pena.

• Mi predicción: arXiv no necesita este dinero ni necesita mejoras. Este dinero solo atraerá vendedores, y todos ellos propondrán, a cambio de dinero, empeorar arXiv. Puede que alguno lo logre.

  • De acuerdo. El trabajo de arXiv, hablando en serio, es servir como repositorio de PDF. Y ahora lo hace bien.
    No necesita un frontend nuevo y vistoso que dentro de 18 meses vuelva a cambiar porque “ahora lo circular está de moda”. Tampoco necesita mudarse a una “solución de plataforma distribuida, con balanceo de carga, tolerante a fallas y web-scale” que requiera más o menos el doble de mantenimiento y tiempo de ingeniería que lo actual.
    Lo único necesario es servir documentos. Si hay problemas de carga, como el contenido es en su mayoría estático, basta con ponerlo detrás de una CDN. Encaja perfecto con el caso de uso para el que se crearon las CDN.
    Por favor, que no lo cambien.

• “Migración a la nube”, qué bien. Ya podemos esperar un CAPTCHA cada vez que queramos bajar un paper.
  Para que quede claro: confío en que arXiv no tomaría una decisión tan tonta, pero una migración a la nube a menudo significa que las decisiones ya no se toman internamente.

  • También podrían ir directamente a un enfoque híbrido como el que usan muchas empresas. Por ejemplo, “migrar a la nube” podría significar simplemente guardar backups de los papers en S3 y, si falla la descarga inicial, pasar de forma transparente a la ubicación en S3.
    O, por el contrario, podría significar reescribir todo para que corra en Lambda. Es decir, “migrar a la nube” significa cosas distintas según la empresa u organización.
  • Parece bastante probable que este traslado a la nube tenga que ver más con seguridad —es decir, evitar intrusiones externas— que con mejorar el producto. Como dices, muchas decisiones podrían dejar de ser de Cornell. Me parece una señal de corrientes geopolíticas más amplias.

• arXiv es una bendición. Gracias a arXiv y a las personas que han compartido abiertamente sus investigaciones, pude llegar a ser quien soy hoy.
  No me gusta que DeepMind encierre sus investigaciones detrás de publicaciones como Nature. Entiendo que tiene el efecto de entrar a un club elegante, pero no se siente auténtico. Abrir la investigación es lo que hace avanzar a la humanidad.
  arXiv puede decir que dejó una pequeña huella en el mundo, y me alegra que reciba el financiamiento que necesita para ser sostenible. Solo espero que no terminen quemándolo por intentar escalarlo innecesariamente.

• Me encanta arXiv y me alegra que reciba más financiamiento. Ojalá con estos fondos puedan corregir problemas antiguos, en especial la forma en que manejan la identidad y la atribución de autoría.
  Por ejemplo, el sistema actual asume que los nombres de las personas no cambian[1], lo que afecta negativamente en particular a autores trans. Con más margen, parece algo que podrían arreglar, y espero que así sea.
  [1]: https://www.kalzumeus.com/2010/06/17/falsehoods-programmers-...

  • No hay una buena forma de manejar los cambios de nombre. Se pueden cambiar en los metadatos, pero en el cuerpo del artículo queda el nombre anterior.
    Incluso si se permite que el autor lo cambie en el artículo, en las referencias bibliográficas de otras personas seguirá apareciendo el nombre anterior. Las referencias son más difíciles. Haría falta automatización que las encuentre todas y resuelva ambigüedades, y en casos como nombres chinos es especialmente complicado. Además, muchos autores se negarían a que otra persona modifique sus artículos.
  • Esto perjudica mucho más a las mujeres que adoptan el apellido del marido, o que terminan haciéndolo por expectativas sociales.
  • No hay que cambiar la historia. Se puede usar un nombre nuevo, pero debería considerarse una identidad nueva y separada.
  • arXiv parece admitir cambios de nombre, aunque al parecer no en citas y referencias[1].
    Eso me parece bien. Modificar las citas se siente como una alteración extraña de la historia y una intervención de derechos de autor.
    Si alguien citara este comentario y escribiera “bigyikes”, y más tarde Dang cambiara mi nombre, ¿habría que corregir también el comentario que me citó? Yo diría que no, aunque quizá sea una opinión minoritaria.
    [1]: https://blog.arxiv.org/2021/03/11/update-name-change-policy/

• arXiv es un recurso excelente. Al menos en mi campo, lenguajes de programación, y probablemente también en la mayor parte de la informática, parece que la mayoría de los papers están en arXiv.
  No hay razón para no publicar los papers de forma gratuita. La mayoría de las cosas cuestan dinero porque son materiales en sí mismas, o porque producirlas requiere dinero y recursos que hay que recuperar. Pero el costo de distribución de los papers es prácticamente cero, y se producen con subsidios que financian los resultados y descubrimientos de la investigación en sí.

  • Mi filosofía es: si quieren dedicar tiempo a revistas académicas cerradas, adelante.
    En una época en que los campos eran pequeños y de nicho, las agrupaciones por tema podían haber sido útiles. Pero con las búsquedas y herramientas computacionales modernas, me pregunto por qué algo así sigue siendo necesario.
    En la academia no hay nada que se sienta más como un negocio explotador que esta estructura. Creo que todo debería publicarse, y que la discusión natural sobre cada tema debería determinar su importancia.

• ¿De verdad es buena idea mover a la nube algo que tiene un presupuesto tan ajustado?

• Me gustaría que los papers fueran nativos de la web.

  • Parece que ya lo están intentando.
    “Además, arXiv generará su contenido no solo en PDF, sino también en versiones HTML, lo que ofrecerá una accesibilidad mucho mejor para personas con discapacidad visual”.
    Dicho eso, que puedan lograrlo es otra cuestión. Un pipeline que compile a HTML tendría que funcionar con todos los paquetes de LaTeX que usa la gente o, al menos, funcionar con la mayoría y fallar de forma elegante con el resto. Compilar a PDF ya es bastante difícil, al punto de que arXiv tuvo que mantener permanentemente versiones anuales de TeX Live.