麻省理工学院我们如何做研究.docx
- 文档编号:10766469
- 上传时间:2023-05-27
- 格式:DOCX
- 页数:38
- 大小:59.50KB
麻省理工学院我们如何做研究.docx
《麻省理工学院我们如何做研究.docx》由会员分享,可在线阅读,更多相关《麻省理工学院我们如何做研究.docx(38页珍藏版)》请在冰点文库上搜索。
麻省理工学院我们如何做研究
麻省理工学院
人工智能实验室
AI工作论文3161988年10月
麻省理工学院人工智能实验室
如何做研究
MITAI实验室在读、毕业及名誉研究生共同编写DavidChapman编辑
1988年9月第1.3版
张陈李明明
许强项汉忠
译
徐六通
审
摘要
本文的主旨在于想说明如何做研究。
我们给出一些启发式方法,可能有助于获得做研究所必须的技能(阅读,写作,编程)和理解并享受研究过程本身所需的技能(方法论,选择课题和导师,心理调整)。
版权归作者所有©1987,1988
AI实验室的工作论文只在内部流通,它们可能包含了一些很粗浅或很琐碎的信息,不适合正式出版。
同时这些论文也不能在文献中被当作参考资料引用。
译注:
由于时间仓促,加之才疏学浅,错误在所难免。
欢迎来函指正:
xliutong@。
2004.9.6–北京
目录
1.引言..................................................................................................1
2.阅读.................................................................................................2
3.入围.................................................................................................5
4.博览................................................................................................8
5.笔记.................................................................................................11
6.写作...............................................................................................12
7.演讲................................................................................................18
8.编程..............................................................................................20
9.导师...............................................................................................22
10.论文................................................................................................26
11.方法学............................................................................................29
12.心理...............................................................................................30
1.引言
本文论述什么?
我们至今还没有发现能确保研究成功的秘诀。
这篇文章收集了许多非正式的行之有效的建议,它们可能会对你有帮助。
本文为谁而作?
这篇论文是为MIT的AI实验室研究生新生而作的。
但它可能对其他学院做AI研究的人也有用,甚至其他领域的人也会发现其中有价值的东西。
怎样阅读本文?
如果一口气将它读完,你会觉得它太长了。
所以最好采用浏览的方式。
大多数人会发现先看一下大概,然后再回过头来查阅一下与你当前的研究问题有关的部分是一种非常好的方法。
本文在内容上大致分为两部分。
前面几节讨论在做研究时所需的一些具体的技能:
如阅读、写作、编程等等。
接下来讨论研究的过程:
研究过程是怎样的,如何来做研究,怎样选择导师和课题,如何调整好心理来处理研究过程中碰到的问题。
大多数读者发现从长远来看后面的章节比前面的更有用、更吸引人。
y第二节是关于怎样通过阅读来对AI有所了解。
介绍一些非常重要的期刊和一些怎样阅读的小窍门。
y第三节告诉你怎样成为AI团体中的一员:
试着去结识一些AI领域的人,他们可能会让你了解领域的最新进展,告诉你哪些文章是值得你阅读的。
y第四节指导你如何学习AI相关的其他领域的知识。
你需要对这些领域有基本的了解,并且可能要对其中的一两个做更为深入的理解。
y第五节关于坚持做研究笔记。
y第六节关于怎样写论文和学位论文,包括怎样写作和怎样在草稿中用注释,以及怎样发表论文。
y第七节介绍了怎样做演讲。
y第八节是有关编程方面的。
AI编程可能与以前你接触过的其他编程有所不同。
y第九节是关于你在研究生生涯中面临的最重要的选择:
选择你的导师。
不同的导师
有不同的风格,这一节告诉你如何找到适合自己的导师。
导师是你必须知道如何去利用的资源,这一节将会告诉你如何去利用。
y第十节是关于学位论文。
你的学位论文将会占用你研究生生涯的大部分时间。
这一节将给你一些如何选择课题以及如何避免浪费时间的忠告。
y第十一节介绍研究方法学。
这一节的大部分还没有完成。
y第十二节可能是整篇文章中极其核心的一部分,它是关于研究过程中的心理调整。
它教你在研究过程中如何面对失败,如何设定目标,如何摆脱困境,如何避免不安全感,如何保持自尊,以及如何寻找乐趣。
本文还有待进一步完善,我们欢迎您的贡献和评论。
有些章节很不完整(括号中的注解和楷体字标明了部分主要的不完整性)。
我们感谢你的贡献,请将你的想法和评论发送至Zvona@ai.ai.mit.edu。
2.阅读
许多研究人员有一多半的时间都花在阅读上。
与从自己的工作中学习相比,从别人的工作中学习要更快一些。
这一节讨论怎样阅读AI相关的资料。
第四节说明怎样阅读其他方面的资料。
开始阅读的时间就是现在。
一旦你开始认真准备自己的学位论文,你将不会有太多的时间,并且你的阅读将更加集中在一些与课题有关的资料上。
在最初的两年里,你通常做一些课堂上的作业,并开始加快接触AI方面的知识。
在这段时间,阅读教科书和杂志期刊上的文章已经足够了。
(以后你会阅读一些论文草稿,见第三节)
为了在AI领域打下坚实的基础,你必须要阅读的资料数量是多得惊人的,但因为AI还是一个很小的领域,所以你能够花一两年的时间来阅读已经出版的大部分重要论文。
找出哪些资料是值得阅读的是有一些技巧的。
有些参考文献是非常有用的,比如AI研究生
课程的教学大纲就很有用。
其他大学——特别是斯坦福大学——的AI资格考试的阅读清
单也是非常有价值的,它可以开阔你的视野。
如果你对其中某个领域感兴趣,你可以求助于这个领域高年级的同学,向他打听这个领域里有哪些重要的论文,并且问问他是否愿意将这些论文借给你复印一下。
最近发表了大量的AI子领域编辑得很出色的论文集,特别是由Morgan-Kauffman出版的。
AI实验室有三个内部出版物系列,按其正式程度递增为:
工作论文,备忘录和技术报告。
你可以在八层活动室的书架上找到它们。
翻翻过去几年里出版的论文,剔除那些看起来不太有趣的。
你会发现这些论文除了很重要外,对你了解你们实验室其他人正在做的事情也是非常有意义的。
我们有大量与AI有关的期刊,要阅读全部这些可能要花费你毕生的时间。
值得庆幸的是其中只有少数是值得一看的。
有关系统构造为中心的主要期刊是《人工智能》
(ArtificialIntelligence),也称为《人工智能期刊》或是《AIJ》(JournalofArtificialIntelligence)。
AI领域中大多数真正重要的论文最终会出现在《AIJ》这本期刊中,所以大约每年翻一下以前几期期刊是很有必要的,当然这本期刊中有些文章确实也很乏味。
《计算智能》(ComputationalIntelligence)是《AIJ》新的竞争者,值得一读。
《认知科学》
(CognitiveScience)也出版大量重要的AI相关论文。
《机器学习》(MachineLearning)是机器学习的主要来源。
《IEEEPAMI》可能是目前已出版的最好的一本视觉期刊,每期会发表两三篇很有意思的文章。
《国际计算视觉期刊》(TheInternationalJournalofComputerVision,IJCV)是一本新出版的迄今为止很引人注意的期刊。
《机器人学研究》
(RoboticsResearch)中的论文大多是关于动力学方面的,有时候也会发表一些里程碑式的人工智能机器人方面的论文。
IEEE的《机器人学与自动化》(RoboticsandAutomation)偶尔也会出版几篇不错的文章。
每年都值得去一趟计算机科学阅览室(MIT的阅览室是在科技广场的一层),看一下去年其他大学的一些有价值的AI方面的技术报告,并阅读其中感兴趣的文章。
阅读论文是一种需要练习的技能。
你不可能去读完你所看到的所有论文的全文。
阅读一篇论文可分为三个步骤。
首先看看论文中是否有令你感兴趣的部分。
AI论文有摘要,它
会告诉你论文的内容。
但是有时候也不一定,所以你得随便翻翻,把论文的各处都读一下,
明白作者实际上做了什么。
论文的目录,结论和引言部分也是可以发现文章是否吸引人的好地方。
如果所有这些方法都失败了,你可能就得在整篇论文中找了。
当你确定了论文论述的内容和论文的贡献是什么之后,你可以决定是否要进行第二个阶段阅读,即找出论文中有好东西的那部分。
大多数论文可以由15页改写成1页,你需要找出那有用的一页。
这通常会隐藏在一些看起来不太可能的地方。
作者在文中认为有意义的东西你可能不感兴趣,反之亦然。
最后,如果你觉得这篇论文确实值得一读,就可以从头阅读整篇论文。
一定要带着问题来阅读论文。
“我怎么使用这篇论文?
”“它真的像作者所说的那样?
”“如果...会如何?
”。
了解论文陈述的结论和读懂一篇论文是不同的。
我们在理解论文时会考虑:
论文的写作动机是什么?
作者的选择(很多都是隐含的)是什么?
论文中的假设和形式化是否现实?
论文建议了哪些指导性内容?
能够洞察到的问题有哪些?
作者的研究计划中持续出现的难题有什么特征?
论文主旨是什么等等。
把阅读和编程结合起来是一个很好的方法。
如果你对某个方面感兴趣并且阅读了一些这方面的论文,试着去编一些论文中描述的小程序,这将有助于你对它有更具体的了解。
不幸的是,大多数AI实验室都相对独立且近亲繁殖,人们一般只阅读和引用各自院校的研究成果。
其他学院的人们有着不同的思考问题方式,即使你认为他们所做的研究是有些错误的,试着去阅读、重视、并引用他们的成果也是很值得的。
经常会有人递给你一本书或者一篇文章,认为你应该读一下,因为
(1)它是现有最有价值的好东西,并且
(2)对你正在进行的研究也正好适用。
但通常当你真正读它的时候,你将会发现它并没有像所说的那样出色,并且适用性也成了问题。
这可能会让人觉得迷惑。
“是我出了问题还是我没有留意到一些有价值的东西?
”事实上大多数的情况是:
当你的朋友阅读一本相关的书或者文章的时候,他脑海中固有的想法或多或少地会使他觉得某些东西会有助于你的课题研究。
3.入围
最初的一两年后,你会对将要从事的那个子领域有一定的想法。
这时或者更早的时候,你需要加入到非公开论文传递网(SecretPaperPassingNetwork)中。
这个非正式的组织涉及了AI研究领域的所有部分。
前瞻性的工作最终将形成公开发表的论文,但那是在那些睿智的人们已经了解了至少一年之后的事情了。
这就意味着那些睿智的人将要领先一年的时间开始研究新的想法。
睿智的人怎样发现一个新的想法呢?
他们可能是在一次会议中听到,但是更可能是从非公开论文传递网中得到的。
下面是一个例子。
JoCool发现了一个好的想法。
她拼凑出一些不太成熟的方法,在做了一定的研究后完成了论文的草稿。
她想知道她的想法是否有价值,于是她将论文分发给十来个朋友,请他们提意见。
她的朋友觉得这想法不错,同时也会告诉JoCool其中有哪些错误,并将这篇文章再分发给他们的朋友。
他们的朋友又会继续分发送给自己的朋友......。
Jo花费好几个月时间来修改这篇文章,并将它投到AAAI会议。
六个月以后,它第一次被发表成铅字,但这是只有5页的压缩版本(这是AAAI会议录所允许的)。
最后Jo开始整理程序,在AAAI版及反馈意见的基础上完成了更长的修订版本,并将它投到《AIJ》。
《AIJ》在论文的评审、修订和发表的延迟大约会有两年的周期,所以当Jo的想法最终在期刊上发表已经是三年后的事了—
—这已经远远落在睿智的人首次发现这个想法以后了。
所以睿智的人很少有从公开发表的期刊文章中学到与他们领域相关的内容,因为这些文章出现得太晚了。
你也可以成为一个睿智的人。
下面的方法会给你一些启示,帮你踏入AI圈子:
y有许多讨论AI子领域(如连通论和视觉)的电子邮件列表。
你可以从中选择并加入你所感兴趣的邮件列表。
y当你和某领域的行家交流你的一个想法时,他们可能不会对你的想法直接做出评价,而会说“你读过某某文章吗?
”这不是在考你,而是建议你读一下这篇文章,因为它可能跟你的想法相关。
如果你没有读过这篇文章,一定要从对方那里了解一下那篇文章的内容,或者干脆向他索借这篇文章来复印一份。
y当你读到一篇令人振奋的文章时,拷贝5份并将它送给你觉得可能会感兴趣的人。
他们将会有回报给你。
y实验室有许多正在进行的各领域的非正式的论文讨论小组。
这些小组的成员每隔一两周会对一篇大家都读过的论文进行讨论。
y有些人不会介意你翻阅他们桌子上的论文。
也就是说,可以去看一看他们正打算阅读而堆放在桌上的论文,并经常地去翻阅一下。
可以粗略地翻翻看是否有你感兴趣的东西。
因为有些人可能会介意,所以在做之前最好问一下。
你可以试着去找那些看起来比较友善或比较容易接触的人。
y同样的,有些人也不会介意你看他们的书柜。
实验室中有很多有学识的人,他们的书柜中的收藏也特别的丰富。
与学校图书馆比起来,这里通常能更快更可靠地发现所需的论文。
y当你自己在写些东西的时候,将它分发给可能会感兴趣的人。
(这样会出现一个潜在的问题:
抄袭很少在AI界发生,但是它确实发生过。
你可以在论文的封面写上“请不要影印和引用”之类的字眼。
)多数的人都不会读完分发给他的大部分论文,所以当只有一部分你所分发的论文有反馈意见回来时,你不必太介意。
对于准备在期刊上发表的论文,你会几易其稿,但很少有人会读完其中的一稿以上。
你的导师应该是个例外。
y当你完成一篇论文的时候,将它发送给你认为可能对它感兴趣的所有人。
不要认为他们自然会在期刊或会议录中看到。
内部发行的丛书(备忘录和技术报告)更不大可能被别人读到。
y多结识些不同类型的人对你会有帮助。
试着去和不同的研究小组、不同的AI实验室、不同的学术领域的人去交换论文。
对相关问题感兴趣的某两个小组的人可能没有机会相互交谈,但你可以使自己成为他们的桥梁,那样你会突然发现大量有趣的论文在你手中流动。
y当你发现一篇论文引用了有趣的文献时,一定要记下来。
把感兴趣的参考文献记录下来。
经常去图书馆查阅一下。
当你热衷于追踪一个有趣的课题时,你能够反向构
造出一个论文引用关系的参考文献图谱。
一个参考文献图谱就像是带有超链接的网
页:
论文A引用了论文B和C,B引用了C和D,C引用了D.......。
注意经常被引用的论文往往都是值得一读的。
这个参考文献图谱会有一些奇特的属性。
首先经常会发现两个互相不认识的小组在研究同一课题。
你发现自己在搜索资料时进入是一个循环,或者你会突然发现又跳到了另一个领域。
在不同的学校或者使用不同方法研究时,通常会出现这样的情况。
因此,尽可能了解更多的研究方法是极具价值的——通常这比比深入理解一种方法更为重要。
y走出去与人们交流。
告诉他们你正在研究什么并询问他们正在干什么。
(如果你羞于与别的同学讨论你自己的想法,或是因为你还没有自己的想法,你可以与他们讨论你所读到的不错的——或者很糟糕的——东西。
这样将会很自然地进入你所期望的下一个主题。
)在七层的活动室每天中午都有一个非正式的午餐聚会。
我们实验室的人都习惯于晚上工作,所以大家都在午餐时间一起轻松交流。
邀请你自己一起去吧!
y如果你经常外出演示或参加会议,就准备一张名片。
这将会让大家记住你的名字。
y从某个时候开始,你会开始参加一些科技会议。
当你参加这些会议的时候,你会发现事实上几乎各种会议上所有的论文都是很乏味并且无聊的。
(对于这个现象有一些有趣的理由,但与我们的主题无关。
)那你为什么还要参加这些会议呢?
原因是可以接触一些你们实验室以外的人。
这些人可以帮你传播有关你的研究工作的消息,邀请你作演讲,告诉你某个地方的氛围和人文环境,把你介绍给别人,帮你找到一个暑假打工的机会,等等。
那么怎样去结识这些人呢?
走到你感兴趣的论文作者面前对他说:
“我非常欣赏你的论文”,并且向他提些问题。
y到其他实验室做暑假兼职。
这会让你认识许多新的同学,他们可能与你有着不同的看待问题的方式。
你可以向高年级同学打听怎样得到暑假兼职。
他们那儿可能会有你想要的位子,或者也可能会帮你联系一下。
4.博览
我们的AI研究人员通常对AI以外的知识一无所知,却依旧进行研究。
但是你会逐渐发现想要做好研究必须通晓许多相关领域的知识。
计算可行性本身并不能充分给出智能的约束条件。
而其它相关领域的知识,比如从心理学中获取的实验数据,却能够提供其它形式的约束条件。
更重要的是,其它领域的知识能提供给你新的工具和新的方法来思考和观察智能所涉及的内容。
我们之所以需要学习其他领域知识,也是因为AI并没有衡量自身研究价值的标准,其目前的标准也是从其他领域借鉴过来的。
数学的进展体现在一系列新的定理,工程学关注一个物体能否可靠地运行,心理学要求试验的可重复性,哲学追求极为严谨的思辨,等等。
所有这些标准有时在AI研究中也非常适用,如果你能够精通这些标准,对于评价他人的工作成果和深化及维护自己的研究成果也是颇有价值的。
在MIT通过六年左右时间的努力学习是能够顺利取得博士学位的,与此同时你还能在一两个非AI领域打下扎实的基础,通过广泛阅读其他领域的书籍,至少能理解其中的某些部分。
下列方法有助于了解你所知甚少的领域:
y选修研究生课程。
这种方法最可靠,但不是最有效的途径。
y阅读教材。
这样做也不赖,只是教材大多过时了,而且通常废话太多。
y你可以从和他人交流中了解该领域内最棒的期刊杂志。
然后略读最近几年的论文,并追踪参考文献的引用树。
这通常是了解这个领域发展动向的最快途径,但同时也有可能会左右你的观点。
y阅读该领域最著名学者的著作。
y和该领域以毕业校友保持联系。
y去听听讲座。
学院的布告栏会公布这些学术交流活动。
y查看其他高校学院的课程安排,不要仅局限于MIT。
例如在语言学和心理学方面,MIT的课程设置会使你的知识过于局限。
可以对比一下哈佛大学的课程目录。
拜访一下哈佛大学的研究生办公室,阅读他们的布告版,获取一些免费的资料。
下面提及的学科都是和AI相关的,同时也是我们很有必要了解的。
y计算机科学是我们研究需要用到的技术。
研究生必修的入门课程未必能让你充分了解这一学科,因此你有必要做大量的阅读,以便学到这门学科更多的知识。
计算机科学的所有分支——理论、体系结构、系统、语言、等等——都是必须学的。
y接下来最重要的学科大概就是数学了。
学习数学对于研究图像和机器人学的人们来说是必不可少的;对于以做系统为中心的工作虽然并无直接联系,但是你能从中学到有用的思维方式。
你首先要能够读懂定理,而具备证明数学定理的能力会给人留下深刻影响。
很少有人主动学习数学,通常都是以课程的形式强制学习的,而且只做听众也是不够的,还需要做大量习题。
因此应该在有精力的时候,尽早重视数学的学习,以后学习其它领域的知识就会容易很多。
计算机科学的基础是离散数学,包括:
代数、图论等。
如果你要研究推理,逻辑学对你来说就非常重要的。
逻辑学在MIT用得不是很多,但在斯坦福大学及其他的地方却是主导的思维方法,所以你需要深入学习逻辑学,从而能够提出自己的观点并为之辩护。
修一两门MIT数学系的研究生课程也许就足够了。
若你要研究感知和机器人学,则不仅需要连续数学,还要离散数学。
数学分析,微分几何和拓扑学方面的扎实基础能够提供常用的必要技巧。
另外,还会经常用到一些统计和概率方面的知识。
y认知心理学看问题的方式和AI大致相同,但是研究人员的目标却不尽相同,他们做实验而非写程序。
每个人都必须对这个学科有所了解。
MollyPotter在MIT开设了一门很好的研究生入门课程。
y发展心理学对做有关学习的研究工作是至关重要的。
这门学科也是非常有用的,你能从中了解到就人类智力而言,做哪些事情是困难的或是容易的。
运用发展心理学的知识,能够针对认知的体系结构建模。
例如,有关幼儿如何获取语言方面的研究会对语言处理理论产生很大影响。
SusanCarcey在MIT讲授一门研究生入门课程。
y心理学中“软性的”一类诸如心理分析和社会心理学对AI的影响较小,但潜在的
影响是很大的。
你能学会从完全不同的角度去思考人类到底是什么样的。
诸如社会
学和人类学的社会科学也起着同样的作用,了解许多不同观点是非常有用。
这类学科完全可以自学。
不幸的是,没有资深专业人士的帮助,在这些领域很难判别你的想法正确与否。
上哈佛大学去看看:
MIT的学生跨校选修哈佛大学课程还是很方便的。
y神经系统科学主要是关于人类计算硬件的。
伴随着近年来计算神经系统科学和连接学的兴起,他们对AI的影响颇多。
MIT的大脑和行为科学系在视觉(由Hildreth,Poggio,Richards,Ullman讲授)、动力控制(由Hollerbach,Bizzi讲授)、和普通神经系统学(9.015,由多名专家讲授)方面开设了许多不错的课程。
y语言学对自然语言的研究是至关重要的。
除此之外,语言学还在认知方面有着深刻影响。
Chomsky学派在MIT的语言学研究中占据统治地位。
这可能对也可能不对你的胃口。
去看看GeorgeLakoff的新作《女人,火和危险品》(Women,Fire,andDangerousThings),可
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 麻省理工学院 我们 如何 研究