相关|麻省理工学院(MIT)研究生学习指导—— 怎样做研究生(12)


选好题后 , 你必须能够回答下列问题:论文的论点是什么?你想说明什么?你必须分别有一句、一段、五分钟的答案 。 如果你不知道自己在干什么 , 别人也不会严肃对待你的选题 , 更糟糕的是 , 你会陷在选题——再选题的圈子里而不能自拔 。 开始作论文研究后 , 一定要能够用简单的语言解释每一部分的理论和实现是如何为目标服务的 。 记住 , 一旦选好了题目 , 你必须与导师就论文完成的标准达成清晰的一致 。 如果你和他对论文具有不同的期望 , 最后你肯定死得很惨 。 必须定义好“完成”的测试标准 , 像一系列的能够证明你的理论和程序的例子 , 这是必须做的 , 即是你的导师并不这么要求 。 如果环境发生了根本的变化 , 测试也要随之改变 。 用实例检验是最简单的测试方式 。 做论文的过程中 , 有很多浪费时间的方式 , 要避免下列活动(除非确实跟论文相关):语言表达的设计;用户接口或者图形接口上过分讲究;发明新的形式化方法;过分优化代码;创建工具;官僚作风 。 任何与你的论文不是很相关的工作要尽量减少 。 一种众所周知的“论文逃避”现象 , 就是你突然发现改正某个操作系统的BUG是非常吸引人也很重要的工作 , 此时你总是自觉不自觉的偏离了论文的工作 。 要记住自己应该做些什么(本文对于部分作者来说就属于论文逃避现象) 。
十、研究方法论
研究方法学定义了什么是科研活动 , 如何开展研究 , 如何衡量研究的进展 , 以及什么叫做成功 。
不同的方法论定义了不同的研究学派 。 方法是工具 , 使用即可 , 不要让他们来使用你 , 不要把自己陷于口号之中:“在问为什么之前 , 先搞清楚计算的是什么” 。 实际上 , 要在自己研究领域取得成功 , 你必须擅长各种技术方法 , 还必须具备怀疑的态度 。 例如 , 你必须能够证明定理 , 同时你还必须思考该定理是否说明了什么 。
很多优秀的篇章都是巧妙地在几种方法论中取得平衡 。 例如 , 你必须选择一条在太多理论(可能与任何实际问题都无关)和繁琐的实现(把实际的解决方法表达得语无伦次)之间的最佳路线 。
你经常会面临区分“干净”和“肮脏”的研究决策 。 你应该花时间将问题在某种程度上形式化吗?还是保持问题的原始状态 , 此时虽然结构不良但更接近实际?采用前一种方法(如果可行的话)会得到清晰确定的结果 , 但这一过程往往是繁琐的 , 或者至少不会直接解决问题 。 后者则有陷入各种处理的漩涡之中的危险 。 任何工作 , 任何人 , 必须做出明智的平衡 。 有些工作像科学:你观察人们是怎样学习算术的 , 大脑是如何工作的 , 袋鼠是如何跳的 , 然后搞清楚原理 , 形成可检验的理论 。 有些工作像工程:努力创建一个更好的问题解决方法或者算法 。 有些工作像数学:跟形式化打交道 , 要理解属性 , 给出证明 。 有些工作是实例驱动的 , 目标是解释特定的现象 。 最好的工作是以上几种的结合 。 方法具有社会性 , 看看别人是如何攻克类似难题的 , 向别人请教他们是如何处理某种特殊情况的(内容有些难于理解 , 可尽量体会) 。
十一、情感因素
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 。 本节的目标是解释这种情况发生的原因 , 并给出一些有益的建议 。
所有的研究都包含风险 。 如果你的项目不可能失败 , 那是开发 , 不是研究 。 面对项目失败时是多么艰难啊 , 很容易将你负责的项目失败解释为你自己的失败 , 虽然 , 这实际上也证明了你有勇气向困难挑战 。 在人工智能领域很少有人总是一直成功 , 一年年地出论文 。 实际上 , 失败是经常的 。 你会发现他们经常是同时做几个项目 , 只有一些是成功的 。 最终成功的项目也许反复失败过多次 , 经历过很多由于方法错误的失败之后 , 才取得最终的成功 。 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后才会成功的信念 。 研究所花费的实际时间往往比计划的要多得多 , 一个小技巧是给每个子任务分配三倍于预期的时间(有些人加了一句:“…… , 即使考虑了这条原则”) 。

推荐阅读