如何做研究(节选)

几年的时间阅读本领域已出版的数量众多论文中最本质的那部分

一个有用的小技巧是首先找出那些最本质的论文。此时可以参考一些有用的书目：例如研究生课程表，其他学校（主要是斯坦福大学）

 

研究生录取程序的建议阅读列表，这些可以让你有一些初步的印象。

 

//这个的确是应该最近做的。看一下其他学校研究生的课程，眼界对于一个人非常重要！

 

 

每年都应该去所在学校的计算机科学图书馆（在MIT的Tech Square的一层），翻阅其他院校出版的AI技术报告，并选出自己感兴趣的仔

 

细加以阅读。

阅读论文是需要练习的技能。不可能完整地阅读所有的论文。阅读论文可分为三个阶段：第一阶段是看论文中是否有感兴趣的东西。AI

 

论文含有摘要，其中可能有内容的介绍，但是也有可能没有或者总结得不好，因此需要你跳读，这看一点那看一点，了解作者究竟做了

 

些什么。内容目录（the table of contents）、结论部分（conclusion）和简介（introduction）是三个重点。如果这些方法都不行

 

，就只好顺序快速浏览了。一旦搞清楚了论文的大概和创新点，就可以决定是否需要进行第二阶段了。在第二阶段，要找出论文真正具

 

有内容的部分。很多15页的论文可以重写为一页左右的篇幅；因此需要你寻找那些真正激动人心的地方，这经常隐藏于某个地方。论文

 

作者从其工作中所发现的感兴趣的地方，未必是你感兴趣的，反之亦然。最后，如果觉得该论文确实有价值，返回去通篇精读。

读论文时要牢记一个问题，“我应该如何利用该论文？”“真的像作者宣称的那样么？”“如果……会发生什么？”。理解论文得到了

 

什么结论并不等同于理解了该论文。理解论文，就要了解论文的目的，作者所作的选择（很多都是隐含的），假设和形式化是否可行，

 

论文指出了怎样的方向，论文所涉及领域都有哪些问题，作者的研究中持续出现的难点模式是什么，论文所表达的策略观点是什么，诸

 

如此类。

 

 

 

有很多讨论某个AI子领域（如连接主义或者视觉）的邮件列表，选择自己感兴趣的列表加入。

?当与很熟悉本领域的人讨论自己的思想时，他们很可能不直接评价你的想法，而是说：“你读过某某吗？”这并不是一个设问，而是建

 

议你去阅读某份文献，它很可能与你的想法有关系。如果你还没有读过该文献，从跟你交谈的高手那里得到该文献的详细信息，或者直

 

接从他那里借一份拷贝下来。

 

你保持联系的人越是各式各样，效果就越好。尝试与不同研究组，AI实验室，不同学术领域的人交换论文。使自己成为没有联系的两个

 

科研组交流的桥梁，这样，很快的，你的桌子上就会冒出一大摞相关的论文。

 

//扩展自己的多样性

 

通常的情况，你只能做AI领域的事情，对AI领域之外的事情一无所知，好像有些人现在也仍然这么认为。但是，现在要求好的研究者对

 

几个相关的领域都了解颇深。计算的可行性本身并没有对什么是智能提供足够的约束，其他的领域给出了其他形式的约束，例如心理学

 

获得的经验数据。更重要的是，其他的研究领域给了你思考的新工具，看待智能的新方法。学习其他领域的另外一个原因是AI本身并没

 

有评价研究价值的标准，全是借自于其他领域。数学将定理作为进展；工程会问某个对象是否工作可靠；心理学要求可重复的试验；哲

 

学有严格的思辨；等等。所有这些标准有时都在AI中起作用，熟悉这些标准有助于你评价他人的工作，深入自己的工作以及保护自己的

 

工作。

计算机科学是我们所使用的技术。你需要选修的初级研究生课程肯定不能让你对计算机科学有足够的了解，因此你必须通过阅读学习更

 

多的知识。计算机科学所有的领域——理论体系结构，系统，语言等等——都是必须学习的。

 

 

 

 

数学可能是接下来需要了解的最重要的学科。对于工作在视觉或者机器人学的人来说更关键。对于以系统为中心的工作，表面上看，并

 

不相关，但数学会教你有用的思维方式。你需要能阅读定理，如果具有证明定理的能力将会给本领域的大多数人留下深刻的印象。很少

 

有人能自学数学，光做个听众是不够的，还得做习题集。尽可能早地选修尽可能多的数学课，其他领域的课程以后选也很容易。

 

 

//数学功底很重要！！

 

 

在笔记本上记录下自己的想法。只有你自己才会去读它，因此可以记得比较随意。记录下自己的思索，当前工作中遇到的问题，可能的

 

解决方案。对将来可能用到的参考文献作小结。

定期翻阅你自己的笔记本。有些人会做月度总结，方便将来的引用。

 

//这个的确是一个很重要的方法

 

学术的规则就是要么发表，要么腐烂。在很多领域和学校，这通常开始于你成为一名教授时，但是我们实验室的很多研究生毕业之前就

 

已经开始发表论文了。鼓励发表和分发论文是很好的政策。

 

 

不是所有的AI论文都包含代码，而且本领域的很多重量级人物从来没有写过一个重要的程序。但是为了初步的近似AI工作原理，你必须

 

会程序设计。不仅仅是很多AI研究工作需要编写代码，而且学会程序设计能给你什么是可计算的什么是不可计算的直觉，这是AI对认知

 

科学贡献的主要来源。

 

 

研究是艰苦的工作，很容易对之失去兴趣。一个令人尴尬的事实是在本实验室读博的学生只有很少比例最后获得学位。有些人离开是因

 

为可以在产业界赚到更多的钱，或者由于个人的原因；最主要的原因则是由于论文。

 

 

在你以后的工作生涯中，会经历很多失败。但是每一个失败的项目都代表了你的工作，很多思想，思考方式，甚至编写的代码，在若干

 

年后你发现可用于另外一个完全不同的项目。这种效果只有在你积累了相当程度的失败之后才会显现出来。因此要有最初的失败以后将

 

会起作用的信念。

 

 

 

成功的关键在于使得研究成为你日常生活的一部分。很多突破和灵感都发生在你散步时。如果无时无刻地都潜意识的思考研究，就会发

 

现思如泉涌。成功的AI研究者，坚持的作用一般大于天资。“尝试”也是很重要的，也就是区分浅薄的和重要的思路的能力。

 

人们能够忍受研究的痛苦至少有两个情感原因。一个是驱动，对问题的热情。你做该研究是因为离开它就没法活了，很多伟大的工作都

 

是这样做出来的。虽然这样也有油尽灯枯的可能。另外一个原因是好的研究是充满乐趣的。在大部分时间里，研究是令人痛苦的，但是

 

如果问题恰好适合你，你可以玩一样的解决它，享受整个过程。二者并非不可兼容的，但需要有一个权衡。

 

这个真的很受用，以后要常常看看这个。让自己时刻保持清醒，并好好地做自己的事情