一位博士的五年总结

这位博士的五年总结，或许能解答你许多问题2016-03-03科研圈撰文田渊栋（卡耐基梅隆大学机器人系博士、Facebook人工智能组研究员）（一）这五年最重要的，是渐渐知道了怎么去做一件比较大的事情。说得很大，其实就一点，心要静下来。首先，心静下来才能钻进某个领域里认真做事。现在的社交媒体太多了，各类新闻也太多，每天忙于应付这些广泛却又浅薄的信号，或是忙着去评点别人，是没有办法做成一件事情的。就比如一个人要去旅游，按图索骥地走一圈著名的景点，并不会给自己新的体悟，最多只增些与人的谈资而已。真要体会大自然的美丽，那是一定要涉足别人达不到的地方，要有目标有耐心有毅力，做长久的打算。其次，有毅力有决心不一定能成事，方法也是不可少的。做研究的每个环节都需要方法：如何做基本调查，如何下手，如何分析问题，如何坚持自己的观点，如何给任务定优先级，如何处理细节和局部的关系，如何将直观一点一点地转化成严格的数学语言并且验证。在任何一个地方卡住，都会让自己的研究停步不前。面对这么多要求，要同时都准备好再开始研究是不可能的，只有先定目标，然后一步一步摸索。在摸索的开始，会做很多无用功，调查没有头绪，题目不知道如何选，没有经验就不起效率，没有效率就容易心浮气燥，心浮气燥就会轻言放弃，完全否定已有的成就。只有把自己强按在位置上一点一点地对以往的教训做分析总结，才能打破这个恶性循环，渐渐地积累起经验来，看见以前看不见的方向。要达到这一点，心静是很重要的。再次，研究是会碰到很多困难，老板不给力，数据不给力，公式推不出来，电脑坏了，等等。在博士阶段可以有一千个理由把问题归咎于别人，不过我觉得最好的态度是“不抱怨，不解释”，把自己力所能及的事情做好，把自己的错误搬回家，好好分析，才能有所进步。理想和信念是一定要有的，不然如何在孤独的长跑中奋勇向前？但调子不能放得太高，因为没有实现的理想，对他人而言，一文不值。要做到这些，同样需要静下心来，克服困难的过程中，没人喝彩。举一个我自己的例子。自己的博士论文其最后一部分的理论可算是历经艰辛，2010年借着第一篇ORAL的劲头试过第一次，却根本不知如何下手，花了四五个月完全失败，最后临近论文截止时不得不让老板换题；2011年的时候在MSR实习时又试过一次，因为陷入了诸如“一定要有个目标函数，求目标函数的最优解”的常规思路而再次失败，虽然已经有一点结果，但是总体上路子是走偏的，也没能就这个理论发文章，最后只好做成一篇应用，以给实习一个交代。直到2013年的年初，在投出博士阶段最后一篇ICCV之后，才发现自0己想做的这个理论和自己之前已经做过的研究的极大关联，终于突破了之前思维的瓶颈，才有了现在令人满意的理论。回想过往的思维过程，最早是经常在自设的思维困局中转圈，然后是在推公式、想直观和堆hack中左右摇摆，最后才发现理论和现实的黄金结合点，找到和现实吻合又干脆利落的假设，推出意料之外却情理之中的定理。一旦进入了这个阶段，反应就会一次比一次快，建模速度也一次比一次迅捷，出的文章也会越来越好。从这个意义上来说，这五年的PhD并没有浪费，这样的训练让我有自信去学习任何新东西，合理规划自己的时间，来面对任何一个自己想要做的，具有挑战性的项目。另外，分享一下主要的技巧：第一，要喜欢自己的研究题目。做研究有内心动力（motivation）是非常重要的。研究的本义，是在一个宽松的环境下，由研究者自由探索去寻找未知世界的答案。再牛的导师，尽管有模糊的直觉，如果不参与研究的每个细节，是不能预知精确答案的。精确答案只能由学生来获得，导师直觉的错误只能由学生来推翻，如果学生没有内心动力，那导师只能看见他能看见的，就不需要学生了，研究也就失败了。因此，研究的成败，归根结底是靠研究者永不停息的探索着的内心。如果自觉是个安于现状，听人号令，懒得动脑的人，那博士不是那么适合的；如果家里或是同学的压力大过内心的渴望，那么读博可能是地狱的开始；如果只是为了获取某领域更多的知识，那可能在博士后期承担巨大的论文压力，不如读个硕士方便。如果自己确实喜欢探索，喜欢解难题，但是导师的方向自己不喜欢怎么办？我的答案是，多发挥主观能动性，找一个喜欢的小点慢慢扩大。我刚去cmu的时候，因为口语和交流能力不怎么好，选导师的过程并不顺利，第一选落空，后来听师兄的建议选了现在的导师，可他做的方向和我想做的一点关系也没有，怎么办？解决方案是先找一个两边都能接受的题目，把它做好，我当时是选了图像因为水面的波动而扭曲的题目，既切合导师的物理背景，又突破了他在每个像素上单独求解问题的思路，更像是主流的计算机视觉。等到出了第一篇文章(ICCV09)之后，再慢慢地切入自己想要做的方向，自2010年末开始，出了一系列ORAL，渐渐把握了主动权。在自己喜欢的方向上，导师是永远比不过自己的进度的，因此乘着环境宽松时未雨绸缪相当重要，追着导师走，而不是让导师追着走。若是没有内心动力，等到三年级后老板看情况不对，开始缩小研究领域催论文，自己就会陷入“啊啊，我真的不喜欢这个却被逼不得不做”的状态，那就很难挽回，再怨天尤人也没有用了。第二，牢记本校校训，Myheartisinthework。做研究需要每天都花时间想，沉浸入要解决的问题。这并不是说做研究是24x7全天候，其它什么都不用干，一直干到永久性脑损伤为止，而是需要培养思考的习惯，高思考的效率。为达到这一步，一开始需要大量的投入来找到适合自己的正确方案。可能会很不习惯，想到晚上睡不着，做事吃饭都没心思，生活琐事全都不管，俗话说是“入魔了”。像我经常有做梦做到自己要思考的问题，或者每天一早还没完全醒来，就想着某个问题要怎么解，结果真醒来一看发现全想错了-_-。在这个阶段，挫折感会特别强烈，会有放弃的念头。但是只要坚持下去，大脑会适应，会成习惯，效率会高，会知道一个问题中有哪些地方是关键，会知道思考到什么地步是可以停手的存盘点。然后你就有了一具不论何时何地都能进行后台运行的思考机器，能够积累上每天的边角时间，每时每刻在升进步。正如一句话所说，不疯魔，怎成活。当然开车或者做其它重要的事情时请不要思考，出事的话，本文概不负责。第三，有思路(idea)就写下来。有一句话说得好（出处忘记了），光思考不纪录，人脑是有限自动机；既思考又记录，人脑就是图灵机。其原因在于，一支笔一张纸增强了人脑的记忆力，让思考的空间及范围变大了，能看出本来没看出的联系，能发现本来发现不了的细节。有时候看似很平凡的思路，写着写着就变成了非平凡的阶段性结果，以为是很有前途的想法，一写就发现问题所在。而若只是思考，花几个小时都在原地转圈，头还晕得不行。另外，写下来本身就是一种“我已经完成了什么”的标志，对士气是很鼓舞的，也有利于下一次从中断点恢复思考。第四，多看看别人的工作，但别看太多，抓住主线就好。近年来每年发表的论文数有上升的趋势，文章越来越多，每篇都细细看就是在浪费时间了，事倍功半。我目前认为的最好办法，莫过于在看完几篇本领域最重要的文章后认真总结，猜出大部分人的路数还有各自方法的优缺点，然后在面对新文章时采用跳跃式读法，边看边猜，猜对有奖。这样不仅快，而且能把握大局忽略细节，自己想新思路的时候也能自然而然地避开大部分人的招式，攻击其命门，从而保证自己工作的创新性。这似乎不符合学术严谨性的定义，不过……人生就这么点长，看着办吧。（二）回到刚才的话题，自己刚入cmu的时候，因为种种原因没有选到理想的导师，不知如何是好，就向师兄征询意见。师兄劝我说：“其实这些都不重要，重要的是你可以从他那里学到什么，我认为他人不错，另外演讲和写作技能非常好。”事实证明师兄说的话是对的。选导师，他做什么研究并不是最重要的，比这更重要的，是人品及交流和表达能力。我导师人品相当不错，对学生既严格又负责，也不拖毕业的时间。我从他那里学到最多的，其一是演讲，其二是写作。先来谈谈写作。以我五年的经验来看，其实中国人写作的最大瓶颈并不是英语能力，而是组织。论文的英语水平充其量是高中水准，多看几篇就大致可以掌握词汇和句型，更何况很多论文都不是以英语为第一母语的研究者们写的，照样拿最优论文奖，照样在学术圈产生极大影响力。但在组织上，我们的论文确实问题多多。我就犯过很多错误。其一是挤牙膏，通过堆砌句子来达成长度要求，这个可能和我们从小要求文章有字数下限有关，结果就造成文章空洞，许多句子许多段落翻来覆去同一个意思，让人倒胃口。其二是把文章写成技术报告，先做啥，再做啥，最后做啥，实验结果是啥，没了。至于为什么这样做，原因是什么，是什么激发了这样的思考，这样的方法对什么样的数据会有效，有什么局限，全都不知道。（潜台词是：是老板让我这样做的，我只想毕业，有问题别来找我……）论文是要引人深思的，要给人启发的，要让人受教的，要让读者读完后，觉得这篇文章公正地评价了前人的工作，明白这篇文章的创新意义所在，并且同意作者的出发点，认为这是一个很有前途的方向才行。本质上来说，产生这两个问题的原因是懒得思考。论点挖不深，导致觉得没啥好写只好挤牙膏；方法想不透，于是便罗列若干步骤草草了事。其实只要稍微想下，就能补上很多东西。举个例子，写目标函数是什么，如何用梯度下降优化，数学上就两个公式，但是段落里可以说明如何选初始点，初始点在这个具体应用中的意义何在，如何取步长，为何这样选，收敛速度通常多快，哪里可以加速，哪里可以并行化再加GPU，等等，这样内容就丰富多了。又比如，一个算法的若干步骤，本来是毫无意义的流程图，但在介绍它之前做些解释，阐明设计的一些基本原则，然后在解释每步时充分使用这些原则，那读来就会觉得容易接受得多。克服了这两点，做到开局有理有据，正文言之有物，实验让人信服，那这篇文章基本上可以中稿了。接下来，就可以进入高级模式了。首先，立意要高远。一篇文章规矩着写，说“我们加了新特征，因为新特征针对数据集的某些特性建模，实验效果更好”，虽然基本可被录用，但一般不会出彩；如果说“我们建立了新的框架，统一了以前的诸多方法，在这个框架下，算法能自动分析数据加入新特征，实验效果更好”，那这篇就有戏。为什么呢？工业界看重效果，因为效果和经济利益直接挂钩；而学术界是想要为一个领域找一个简洁明了的理论，是要仰望星空，问天几何的——因此每一篇好文章，都必须建造出自己的一套世界出来，给出自己的世界观和方法论，在这个宏大的图景下，给前人的工作标好地位，给自己的工作定下基调，然后拿着这张画好的地图，去解决实际问题。而所谓的博士研究和博士论文，则是在一套统一自洽的世界观下，含有两至三篇或者更多的文章，以证明这套世界观的合理性。这听起来像是忽悠的游戏。因为像计算机视觉这种实用的领域，哪有那么多理论可挖。是的，在一定程度上确实如此。但是建筑世界观本身，会促使研究者对已有的工作进行排列，得到新的启发，看到新的联系，因此仍然是对研究本身有益的。有些表面上的联系可能被证明是偶然，但有些则会揭示本质，促进人们深化认识，为将来的突破性进展作准备。另一方面，功利地来说，有一个宏大的世界观有利于一位博士生发大量文章，早点毕业:-)其次，故事要流畅。我老板说过，一篇好的文章，就如同带着读者在一个花园里行走，路面平坦舒适，左边有山，右边有水，引人入胜，读者漫步欣赏美景，走过亭台楼阁，一点不费劲，一下子就逛完所有还意犹未尽。迄今为止，我对这种抽象的诗一般的表达还不能完全理解，但是既然他声称读完了所有哈利波特的同人小说，而我只不过写过一部二十五万字的小长篇，我想我还是宁愿相信他比较好-_-。在大的方面来说，一篇文章从开篇开始，就要让人有所期待，各种背景知识交代自然，详略得当，指出前人工作各有缺陷，然后自身的贡献娓娓道来，最后各种证据证明自己所言得当；或是先摆出正反证据，引人思索，指出前人各种问题，再列出自己方案，教人拍案叫绝。细节上，全篇重要的论点要适当重复，每次出现都要和上下文语境相符，无聊冗长的段落适当精简，但必要的实验步骤需要交代；每一段都要有总起有概括，像是花园的指路牌，让读者不至于晕头转向；不设弯路，反复推敲逻辑关系，能用一层逻辑说清的绝不用两层，能用简单故事说明