研究的常见问题
DBOT.i...@gmail.com
译者：柳泉波 北京师范大学信息学院2000级博士生
研究的常见问题
对于第一次做研究的人来说，研究过程中充满了陷阱。了解这些，有助于避开这些陷阱。
1.1 解决大问题
很多学生的选题太大了，特别是人工智能专业的学生。要知道很多对人类来说是很容易的东西，对模型来说却是太难了。很显然，帮助你选择合适论文题目的责任落在你的
导师肩上。此外，你还要阅读文献，跟同行们交流，弄明白最新进展是什么。论文的"进一步的工作"部分是产生思路的绝佳来源。阅读文献要严谨。重新完成原先不成功的工作，也是选题的一个来源。
1.2 天上掉馅饼
选好题后，下一步做什么？在屋子里正襟危坐，手持笔和纸，期待好的思路从天而降，这显然是不现实的。你应该做的是：
a)阅读文献，而且要带着问题读，例如，里面是不是包含着错误，我应如何利用这篇文献，等等。
b)多跟其他人交谈，别一个人闷头傻做。不要觉得自己的思路太丢人了，别人也聪明不到哪儿去。
c)先尝试所选题目的简化问题。
d)以工作论文的形式写下自己的思路。想象自己正在向别人解释自己的思想。你会惊奇地发现原先不甚清楚的思路成型了，缺陷也显露出来了。
e)向一个小组报告你的思路，效果同上。
1.3 整日沉溺于计算机中
计算机是非常吸引人的。一个计算机痴能花数年的时间去调试程序，调整输入/输出例程。当BUG被清除或者输出很漂亮时，计算机痴人们会有一种成就感。这是虚幻的！作
为一名研究者，你的程序必须在比代码更高的级别上具备解释性，这样才能为领域知识做出真正的贡献。在上机实现之前，先从理论上规划好程序。如果有些部分必须经过上机验证
，验证完了后要迅速离开计算机，并继续从理论上进行设计。如果你觉得这样太难了，尝试向其他朋友，以论文的方式或者在研讨会上描述其工作原理。如果人们没办法明白，那
就是你的问题--要加油啊。
1.4 自创一门语言
另外一种"沉溺于计算机中"的表现是想自己写一门计算机程序设计语言。不错，现有的语言肯定不能完全满足你的要求，但这并不成为自创一门语言的理由。你总是能找到合适的替代品，恰好满足你的要求。要编写有用的新语言，不仅需要对AI具有百科全书式的了解，还要有系统程序设计的经验。没有人会使用你写的语言--甚至你也不会！你
的全部精力将花在语言的设计上，自己的项目倒忘得一干二净了。如果你确实觉得现有的语言不能满足要求，就此写一篇论文，详细阐述该语言的缺陷。如果你的意见确实有道理，对现有语言的增强一夜之间就会出现。
1.5 空想主义
收集实验数据的过程充满乐趣，有可能出现各种现象。要确保自己知道想根据实验得到什么样的结果。
a)向别人解释你认为试验将会表现出什么结果。
b)假设试验已经做完，数据就绪了，你想用它来做什么？
c)不仅要先在一两个人身上做试验，而且要分析。别梦想试验自动会呈现出什么东西。
1.6 象牙塔
独立思考是好事，但如果完全与他人封闭就是错误的。只有保持联系才能了解本领域的最新进展。跟别人聊聊他们的研究。有选择地参加讨论会和报告会。每周花些时间来读评论、摘要和选出的论文。
1.7 无人理解的天才
很容易以为别人不理解你的研究的原因是因为你是个天才，别人都是草包。实际上还有其它的可能：
偏爱行话。人工智能领域充斥着很多行话：尝试用普通英文将自己的思路表达出来；尝试用别人的行话重新表达你的思路。试试看，效果是不是不一样了？
如果我能做，那肯定是微不足道的。一旦找到了问题的解决方案，就会觉得微不足道。然后想：这太容易了，我再试试别的吧。这可是没完没了的！你的解决方法对别人
而言可不是微不足道（可能是错误的或者过于复杂了），并可以作为进一步工作的基础。
座右铭：先做容易的，然后逐渐加大难度。
喜欢玩复杂。写个复杂的程序并不是什么美德，相反挺让人烦的。用最简单的方式做事情。Occam原则在这里是完全适用的。
1.8 迷失在抽象中
为了体现价值，你的研究工作必须是为了理解智能的某些属性，例如，搜索的控制，知识表示和学习。但是要想取得成功，就必须在具体的情境下抓住抽象的属性，也就是说你必须构建程序来尝试搜索的控制，知识的表示以及学习到的知识。想在抽象中把握问题，只会一事无成，最终失败。
1.9 目标过高，一事无成
对最终结果有很高的标准是很正确的，但如果一开始就设置高目标就不大现实，很有可能根本开始不了。先做简单的事情，然后再应用你的高标准，使之逐渐精炼为有价值
的成果。
1.10 方法学并不成为一篇论文
由于人工智能是相对比较年轻的学科，因此从某种意义上讲，其本质上属于交叉学科。人工智能还没有一个普遍接受的研究框架，或者是定义良好的方法学。作为一名人工智能专业的学生，你所面临的一个困难就是如何形成适合于所研究问题的研究方法。在形成合适的方法学之前，会遇到很多其他的方法学或者哲学观点，其中很多是令人难以容
忍的或者容易引起误导的。然而，你会发现这些观点的支持者大有人在，或许就坐在你的邻桌。
因此，方法学的形成往往都是在与同行的激烈交锋中形成的。在这种斗争中，你逐渐形成了对人工智能以及相关哲学问题的世界观，体现在你阅读文献，参加研讨会以及其他工作中。在以后的岁月中，这将成为你所信奉的准则，只是偶有些微的改变。但是，当你开始写毕业论文时，或许会感到需要对自己的生活哲学进行扩展。要克制自己--答辩委员会的委员们可不一定全跟你志同道合。对自己所持方法论的假设作简要的总结，对于适当的论点或者框架应给与引用，将自己方法论观点的表达限制在确实有助于理解论文的主旨的范围之内。如果你的观点过于激进，你就可能需要五十页的篇幅来进行阐述，而且总是不那么令人信服。
1.11 发现的过程并不成为理由
在项目实施的过程中，会逐渐对技术问题形成某些看法，有些是新奇的，大多数则是已有概念的复述（或者新的理解）。在论文的描述中，要牢记：支持某个观点、技术的理由，与你是如何相信该观点的过程是不同。读者或答辩委员会的成员很少对后者感兴趣--他们感兴趣的是支持观点的一般论证。如果你开始信服某个观点，很容易认为自己发现的过程就是最好的理由。此时需要你冷静下来，然后对论点给出合理的阐述，特别当你的观点与他人的信仰冲突的时候。
2 心理障碍
如同创作小说、编写戏剧或者绘画这样的创造性劳动一样，从事研究也会碰到心理问题。
2.1 心态
一名研究人员所需要的技能之一就是正确地对待自己的工作。保持心态的一个重要因素是对所做工作的信念。要有一点自豪感！相信自己探讨的问题是重要的，你对问题的解决做出了显著的贡献。否则的话，怎么会有动力伴随你度过漫漫研究之路？获得自信的第一步是选择自己相信的研究题目（详见小节5）。当然，也不能因此目空一切，听不进去任何批评。要做好一旦发现自己的思路有错立马改正的准备。
2.2 研究中的萎靡不振
缺乏研究上的成功，会让研究者觉得萎靡不振，其实这完全是自我暗示的结果。对自身能力的怀疑，会将自己置身于危险的境地：取得研究成果所需的投入和热情消失得无影无踪。摆脱这种境况的方法是认识到研究能力并非依靠某种神秘的存在，它是可以后天习得的技能。按照这本小册子所说的去做，你也可以做原始创新的研究。
2.3 应对批评
接受批评总是很难的，但这不等于就要对批评置之不理。如果想在研究上取得进步，就必须学会征求批评并认真思考，必须学会区分有用和无用的批评。如果自己实在区分不出来，请朋友帮忙出出主意。如果批评是不合理的，或许是由于误解了你的解释，你能对此做出改进吗？你必须学会承受某些打击：投给期刊的论文被拒绝；被怀疑时的痛苦。此时，要学会微笑面对，不要轻言放弃--君不见，多少著名科学家曾经忍受过难以承受的指责和批评。实际上，有些时候批评和指责的出现完全是因为个人之间的矛盾--每一位科学家都想胜过别人一头。你要把这当作对你的全面考验。
2.4 清晨--冷静地开始
几乎所有的人都发现，很难沉下心来开始每天的工作。但一旦开始了，一切就正常了。解决的方法有两个：
1.坚持有规律的工作时间，不一定是朝九晚五，但每天必须有一个固定的开工时间。否则，你会发现自己被没完没了的家务琐事缠身。
2.先做一些吸引人的工作。例如，别一上来就写比较难的部分，可先处理对你来说是小菜的事情或者画个图表什么的。
2.5 定理癖
如果所选择的领域尚无好的研究方法学，你肯定渴望自己创建一个。对于数学家来说，这种渴望就是要证明定理--定理癖。对于工程师来说，就是不停地试来试去。小心！只有那些确实与你的研究相关的定理才是需要证明的。例如，证明某个过程的结果，如果该过程对所做的研究有帮助就是相关的，否则就是不相关的--没什么必要去证明。
2.6 惧怕曝光
有了很好的想法后，需要通过定理证明，编写程序或者解释给朋友听等方法来检验它。但是，有时候不知为什么你停滞不前了，你发现很难开始着手相应的工作。想想看，是不是由于潜意识中对自己的想法可能毫无价值的恐惧所致。艰苦的经验告诉你，问题的解决方法总是在午夜不期而至，黎明时分又消失得无影无踪。拿出点勇气来！研究就是这个样子，向前了十步，又后退了九步。越早地用实验检验自己的想法，就能更早地发现其中的不足和问题。
DBOT.i...@gmail.com
从上下文来看,这是爱丁堡大学的某个人工智能实验室的文章.
同时还有mit的一篇关于获取ai
PhD的文章,同样对初学者研究ai提出了非常好的建议,我将在其余的post里贴出来.