[转载]MIT人工智能实验室：如何作研究 分类： 杂文 2014-10-07 15:14 107人阅读 评论(0) 收藏

麻省理工学院人工智能实验室AI Working Paper 316
  做者：人工智能实验室全体研究生
  编辑：David Chapman      版本：1.3  1988年9月
  译者：柳泉波 北京师范大学信息学院2000级博士生
 
 摘要  本文的主旨是解释如何作研究。咱们提供的这些建议，对作研究自己（阅读 、写做和程序设计），理解研究过程以及开始热爱研究（方法论、选题、选导师和情感因素），都是极具价值的。
 
 备注  人工智能实验室的Working Papers用于内部交流，包含的信息因为过于初步或者过于详细而没法发表。不像正式论文那样，会列出全部的参考文献。
 
1  简介

1.1 这是什么？
并无什么灵丹妙药能够保证在研究中取得成功，本文只是列举了一些可能会有所帮助的非正式意见。
 
1.2 目标读者是谁？
本文档主要是为MIT人工智能实验室新入学的研究生而写，但对于其余机构的人工
智能研究者也颇有价值。即便不是人工智能领域的研究者，也能够从中发现对本身
有价值的部分。
 
1.3 如何使用？
要精读完本文，太长了一些，最好是采用浏览的方式。不少人以为下面的方法颇有
效：先快速通读一遍，而后选取其中与本身当前研究项目有关的部分仔细研究。
（1）本文档被粗略地分为两部分。第一部分涉及研究者所需具有的各类技能：阅
读、写做和程序设计等。第二部分讨论研究过程自己：研究到底是怎么回事，如何
作研究，如何选题和选导师，如何考虑研究中的情感因素。不少读者反映，从长远
看，第二部分比第一部分更有价值，也更让人感兴趣。
（2）如何经过阅读打好AI研究的基础。列举了重要的AI期刊，并给出了一些阅读
的诀窍。
（3）如何成为AI研究领域的一员。与相关人员保持联系，他们能够使你保持对研
究前沿的跟踪，知道应该读什么材料。
（4）学习AI相关领域的知识。对几个领域都用有基本的理解，对于一个或者两个
领域要精通。
（5）如何作研究笔记。
（6）如何写期刊论文和毕业论文。如何为草稿写评审意见，如何利用别人的评审
意见。如何发表论文。
（7）如何作研究报告。
（8）关于程序设计。AI程序设计与日常你们习惯的程序设计有什么不一样。
（9）如何选导师。这是研究生生涯的最重要的问题，不一样的导师具备不一样的风格
，本节的意见有助于你找到合适的导师。导师是你必须了解如何利用的资源。
（10）关于毕业论文。毕业论文将占据研究生生涯的大部分时间，本部分涉及如何
选题，以及如何避免浪费时间。
（11）有关研究方法论。本节的内容较少，尚不完善。
（12）研究过程当中的情感因素。这或许是最重要的一节，包括如何面对失败、如何
设定目标、如何避免不安全感、如何保持自信和享受快乐等。
 
2  阅读
 
    不少研究人员要花一半的时间阅读文献。其实从别人的工做中也能够很快地学到不少东西。本节讨论的是AI中的阅读，在第4节将论述其余相关主题的阅读。阅读文献要始于刚刚入学的今日。一旦你开始写做论文，就没有多少时间了，那时的阅读主要集中于与论文主题相关的文献。在研究生的头两年，大部分的时间要用于作课程做业和打基础。此时，阅读课本和出版的期刊文章就能够了。（之后，你将主要阅读文章的草稿，参看第节）。
    在本领域打下坚实的基础所须要的阅读量，是使人望而却步的。但既然AI只是一个很小的研究领域，所以你仍然能够花几年的时间阅读本领域已出版的数量众多论文中最基本的那部分。一个有用的小技巧是首先找出那些最基本的论文。此时能够参考一些有用的书目：例如研究生课程表，其余学校（主要是斯坦福大学）研究生录
取程序的建议阅读列表，这些可让你有一些初步的印象。若是你对AI的某个子领域感兴趣，向该领域的高年级研究生请教本领域最重要的十篇论文是什么，若是能够，借过来复印。最近，出现 了不少精心编辑的有关某个子领域的论文集，尤为是Morgan-Kauffman出版的。
AI实验室有三种内部出版物系列：Working Papers，Memos和Technical Reports，正式的程度依次增长，在八层的架子上能够找到它们。回顾最近几年的出版物，那些很是感兴趣的复制下来。这不只是因为其中不少都是意义重大的论文，对于了解实验室成员的工做进展也是很重要的。
    有关AI的期刊有不少，幸运的是，只有一部分是值得看的。最核心的期刊是Artificial Intelligence（也有写做"the Journal of ArtificialIntelligence"或者"AIJ"的）。AI领域真正具有价值的论文最终都会投往AIJ，所以值得浏览每年每一期的内容；可是该期刊也有不少论文让人心烦。

Computational Intelligence是另一本值得一看的期刊。

Cognitive Science也出版不少意义重大的AI论文。

Machine Learning是机器学习领域最重要的资源。
IEEE PAMI（Pattern Analysis and Machine Intelligence）是最好的有关视觉的期刊，每期都有两三篇有价值的论文。

International Journal of ComputerVision（IJCV）是最新创办的，到目前为止仍是有价值的。Robotics Research的文章主要是关于动力学的，有时候也有划时代的智能机器人论文。

IEEERobotics and Automation偶尔有好文章。     每一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），翻阅其余院校出版的AI技术报告，并选出本身感兴趣的仔细加以阅读。      阅读论文是须要练习的技能。不可能完整地阅读全部的论文。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，可是也有可能没有或者总结得很差，所以须要你跳读，这看一点那看一点，了解做者究竟作了些什么。内容目录（the table of contents）、结论部分 （conclusion）和简介（introduction）是三个重点。若是这些方法都不行，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，就能够决定是否须要进行第二阶段了。在第二阶段，要找出论文真正具备内容的部分。不少15页的论文能够重写为一页左右的篇幅；所以须要你寻找那些真正激动人心的地方，这常常隐藏于某个地方。论文做者从其工做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，若是以为该论文确实有价值，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？""真的像做者宣称的那样么？""若是……会发生什么？"。理解论文获得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，做者所做的选择（不少都是隐含的），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，做者的 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。       将阅读与程序设计联系在一块儿是颇有帮助的。若是你对某个领域感兴趣，在阅读了一些论文后，试试实现论文中所描述的程序的"玩具"版本。这无疑会加深理解。可悲的是，不少AI实验室天生就是孤僻的，里面的成员主要阅读和引用本身学校实验室的工做。要知道，其余的机构具备不一样的思考问题的方式，值得去阅读，严肃 对待，并引用它们的工做，即便你认为本身明晓他们的错误所在。常常会有人递给你一本书或者一篇论文并告诉你应该读读，由于其中有很闪光的地方且/或能够应用到你的研究工做中。但等你阅读完了，你发现没什么特别闪光的地方，仅仅是勉强可用而已。因而，困惑就来了，"我哪不对啊？我漏掉什么了吗？"。实际上，这是由于你的朋友在阅读书或论文时，在头脑中早已造成的一些想法的催化下，看出了其中对你的研究课题有价值的地方。   3  创建关系       一两年后，对本身准备从事的子领域已经有了一些想法。此时--或者再早一点--加入Secret Paper Passing Network是很重要的。这个非正式的组织是人工智能 真正在作什么的反映。引导潮流的工做最终会变成正式发表的论文，可是至少在牛 人彻底明白一年以后，也就是说，牛人对新思想的工做至少领先一年。 牛人如何发现新思路的？多是听自于某次会议，可是最可能来自于Secret Paper  Passing Network。下面是该网络工做的大体状况。Jo Cool有了一个好想法。她 将尚不完整的实现与其余一些工做融合在一块儿，写了一份草稿论文。她想知道这个 想法究竟怎么样，所以她将论文的拷贝发送给十位朋友并请他们进行评论。朋友们 以为这个想法很棒，同时也指出了其中的错误之处，而后这些朋友又把论文拷贝给 他们各自的一些朋友，如此继续。几个月后，Jo对之进行了大量修订，并送交给 AAAI。六个月后，该论文以五页的篇幅正式发表（这是AAAI会议录容许的篇幅）。 最后Jo开始整理相关的程序，并写了一个更长的论文（基于在AAAI发表论文获得的 反馈）。而后送交给AI期刊。AI期刊要花大约两年的时间，对论文评审，包括做者 对论文修改所花费的时间，以及相应的出版延迟。所以，理想状况下，Jo的思想最 终发表在期刊上须要大约三年时间。因此牛人不多能从本领域出版的期刊文章中学 到什么东西，来得太迟了。 你，也能够成为一个牛人。下面是创建学术关系网的一些诀窍： （1）有不少讨论某个AI子领域（如链接主义或者视觉）的邮件列表，选择本身感 兴趣的列表加入。 （2）当与很熟悉本领域的人讨论本身的思想时，他们极可能不直接评价你的想法 ，而是说："你读过某某吗？"这并非一个设问，而是建议你去阅读某份文献，它 极可能与你的想法有关系。若是你尚未读过该文献，从跟你交谈的高手那里获得 该文献的详细信息，或者直接从他那里借一份拷贝下来。 （3）当你读到某份让你感到很兴奋的论文，复印五份送交给对之感兴趣的其余五 我的。他们可能会反馈回来很好的建议。 （4）本实验室有不少针对不一样子领域的非正式（持续发展的）论文讨论组，他们 每星期或每两星期聚会一次，对你们阅读完的论文进行讨论。 （5）有些人并不介意别人去翻看他们的书桌，也就是说，去翻阅他们堆在书桌上 的不久要阅读或者常常翻阅的论文。你能够去翻翻看，有没有本身感兴趣的。固然 了，首先要获得主人的许可，要知道有些人确实反感别人翻本身的东西。去试试那 些平易近人的人。 （6）一样，有些人也并不介意你翻看他们的文件柜。实验室中但是有不少学问精 深的人，他们的文件柜里也有好多宝贝。与利用学校图书馆相比，这一般是更快更 可靠的寻找论文的方式。 （7）只要本身写下了些东西，将草稿的拷贝分发给那些可能感兴趣的人。（这也 有一个潜在的问题：虽然AI领域的剽窃不多，但也确实有。你能够在第一页写上" 请不要影印或者引用"的字样以作部分防范。）大部分人并不会阅读本身收到的大 部分论文，所以若是只有少数人返回评论给你，也不用太在乎。你能够如此反复几 次--这是期刊论文所必需的。注意，除了本身的导师，通常不多将两次以上的草稿 送给同一我的。 （8）当你写完一篇论文后，将论文的拷贝送给那些可能感兴趣的人。别觉得人家 天然而然地就会去阅读发表论文的期刊或者会议录。若是是内部的出版物（备忘录 和技术报告）就更不容易读到了。 （9）你保持联系的人越是各式各样，效果就越好。尝试与不一样研究组，AI实验室 ，不一样学术领域的人交换论文。使本身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。 （10）若是某篇论文引用了本身感兴趣的某些东西，作好笔记。维护一份本身感兴 趣参考文献的日志。到图书馆去看看能不能找到这些论文。若是要了解某个主题的 发展轨迹，能够有意地去作一张引用的"参考文献"图。所谓的参考文献图，是指引 用组成的网：论文A引用B和C，B引用C和D，C引用D，等等。注意那些被常常引用的 论文，这一般是值得阅读的。参考文献图有奇妙的性质。一个是常常有研究同一主 题的研究组相互不了解。你搜索该图，忽然发现了进入另外一部分的方式，这一般出 现于不一样学校或者不一样方法存在的地方。尽量了解多种方法是颇有价值的，这总 比很是深刻的了解某一种方法更好。 （11）暂时搁置。跟别人交谈，告诉他们你在作什么，并询问人家在作什么。（如 果你对与别的学生讨论本身的想法感到害羞，也要坚持交谈，即便本身没有什么想 法，与他们讨论本身认为确实优秀的论文。这将很天然地引导到下一步作什么的讨 论。）天天中午在活动楼七层有一个非正式的午饭讨论会。在咱们实验室，人们都 习惯于晚上工做，因此午饭的时候能够跟别人组成松散的小组进行讨论。 （12）若是你与外界的交流不少--作演示或者参加会议--去印张事务名片，主要要 使本身的名字容易记住。 （13）从某个时间开始，你将会开始参加学术会议。若是你确实参加了，你会发现 一个事实，几乎全部的会议论文都使人生厌或者愚蠢透顶。（这其中的理由颇有意 思，但与本文无关，不作讨论）。那还去参加会议干嘛？主要是为告终识实验室之 外的人。外面的人会传播有关你的工做的新闻，邀请你做报告，告知你某地的学术 风气和研究者的特色，把你介绍给其余人，帮助你找到一份暑期工做，诸如此类。 如何与别人结识呢？若是以为某人的论文有价值，跑上去，说："我很是欣赏您的 论文"，并提问一个问题。 （14）得到到别的实验室进行暑期工做的机会。这样你会结识另一群人，或许还 会学到另一种看待事物的方式。能够去问高年级同窗如何获取这样的机会，他们 或许已经在你想去的地方工做过了，能帮你联系。   4  学习其余领域   一般的状况，你只能作AI领域的事情，对AI领域以外的事情一无所知，好像有些人 如今也仍然这么认为。可是，如今要求好的研究者对几个相关的领域都了解颇深。 计算的可行性自己并无对什么是智能提供足够的约束，其余的领域给出了其余形 式的约束，例如心理学得到的经验数据。更重要的是，其余的研究领域给了你思考 的新工具，看待智能的新方法。学习其余领域的另一个缘由是AI自己并无评价 研究价值的标准，全是借自于其余领域。数学将定理做为进展；工程会问某个对象 是否工做可靠；心理学要求可重复的试验；哲学有严格的思辨；等等。全部这些标 准有时都在AI中起做用，熟悉这些标准有助于你评价他人的工做，深刻本身的工做 以及保护本身的工做。 通过六年左右的研究方可得到MIT的PhD，你能够在一到两个非AI领域里打下坚实的 基础，在更多的领域内具备阅读水平，而且必须对大部份内容具备必定程度的理解 。 下面是如何学习本身所知甚少领域的一些方法： （1）选修一门研究生课程，这很牢靠，但一般不是最有效的方法。 （2）阅读课本。这方法还算不错，不过课本的知识常常是过期的，通常还有很高 比例的与内容无关的修辞。 （3）找出该领域最棒的期刊是什么，向该领域的高人请教。而后找出最近几年值 得阅读的文章，并跟踪相关参考文献。这是最快的感觉该领域的方法，但有时候你 也许会有错误的理解。 （4）找出该领域最著名的学者，阅读他们所著的书籍。 （5）跟该领域的研究生泡在一块儿。 （6）参看外校研究该领域的系的课程表。拜访那里的研究院办公室，挑选有用的 的文献。 下面是一些须要了解的与AI有关的科目： （1）计算机科学是咱们所使用的技术。你须要选修的初级研究生课程确定不能让 你对计算机科学有足够的了解，所以你必须经过阅读学习更多的知识。计算机科学 全部的领域--理论体系结构，系统，语言等等--都是必须学习的。 （2）数学多是接下来须要了解的最重要的学科。对于工做在视觉或者机器人学 的人来讲更关键。对于以系统为中心的工做，表面上看，并不相关，但数学会教你 有用的思惟方式。你须要能阅读定理，若是具备证实定理的能力将会给本领域的大 多数人留下深入的印象。不多有人能自学数学，光作个听众是不够的，还得作习题 集。尽量早地选修尽量多的数学课，其余领域的课程之后选也很容易。 计算机科学是以离散数学为基础的：代数，图论，等等。若是你要从事推理方面的 工做，逻辑是很重要的。逻辑在MIT用得很少，可是在斯坦福以及其余地方，这是 认识思惟的主流方法。因此你必须具有足够的逻辑知识，这样你才能保护本身的观 点。在MIT数学系选修一两门课程就足够了。要是研究兴趣在感知和机器人，那么 不只须要离散数学，还须要连续数学。在分析，微分几何和拓扑学具备扎实的基础 将会给你提供最常使用的技巧。统计和几率只是通常有用。 （3）认知心理学与AI共享几乎彻底相同的观点，可是实践者确实具备不一样的目标 ，他们主要是作实验而不是写程序。每个人都须要知道认知心理学的某些知识。 在MIT，Molly Potter开了一门很好的有关认知心理学的初级研究生课程。 （4）若是你想作有关学习的工做，那么发展心理学是很重要的。发展心理学从一 般意义上讲也是颇有用的，它能告诉你对于人类智能来讲，哪些事情难哪些容易。 它还给出了有关认知体系结构的认知模型。例如，有关儿童语言习得的工做就对语 言处理理论施加了坚实的约束。在MIT，Susan Carey开了一门很好的有关发展心理 学的初级研究生课程。 （5）心理学中更"软"的部分，例如心理分析和社会心理学，对AI的影响看似很小 ，但具备潜在的重大意义。它们会给你很是不一样的理解人是什么的方式。象社会学 和人类学这样的社会科学能够起类似的做用。具备多种观点是颇有用的。上述学科 你须要自学。不幸的是，很难区分出这些领域哪些是优秀的成果哪些是垃圾。到哈 佛去学习：对于MIT的学生来讲，很容易交叉注册哈佛的课程。 （6）神经科学告诉咱们有关人体可计算硬件的知识。随着最近可计算神经科学和 联结主义的兴起，对AI具备很是大的影响。MIT的脑和行为科学系提供了很是好的 课程，视觉（Hildreth, Poggio, Richards, Ullman），移动控制（Hollerbach,  Bizzi）和普通神经科学（9.015，由专家组讲授）。 （7）若是你想研究天然语言处理，语言学是很重要的。不只如此，它还包含了很 多有关人类认知的约束。在MIT，语言学主要由Chomsky学院负责。你能够去看看是 不是符合本身的兴趣。George Lakoff最近出版的书《Women, Fire, and Dangerous Things》可做为另一种研究程序的例子。 （8）工程，特别是电机工程，已经被不少AI研究机构做为一个研究领域。咱们实 验室在培养程序中加入了不少须要确实作一些东西的要求，例如分析电路。了解 EE也有助于建造定制的芯片或者调试本身的Lisp机器上的电源。 （9）物理学对于那些对感知和机器人感兴趣的人具备强大的影响。 （10）哲学是全部AI领域看不见的框架。不少AI工做都有蕴含着哲学的影响。学习 哲学也能帮助你运用或者读懂不少AI论文中用到的观点。哲学可沿着至少两个正交 的轴分解。哲学一般是某种东西的哲学；有关思惟和语言的哲学与AI更相关。而后 存在着多种哲学学派，从比较大的范围来分，哲学可分为分析哲学和大陆哲学。分 析哲学有关思惟的观点与AI领域大多数研究者一致。大陆哲学则对咱们习觉得常的 不少东西有很是不一样的看待方式。它曾经被Dreyfus用于证实AI是不可能的。就在 不久前，有几位研究者认为大陆哲学与AI是相容的，提供了另一种解决问题的方 法。MIT的哲学属于分析哲学，哲学学院深深地受到Chomsky在语言学方面工做的影 响。 看起来要学习太多的东西，是否是？确实如此。要当心一个陷阱：认为对于全部的 X，"只有我对X了解的更多，这个问题才会变得容易"。要知道，与之相关须要进一 步了解的东西是永远没完的，但最终你仍是要坐下来，解决问题的。   5  笔记   不少科学家都有作科研笔记的习惯，你也应该这样。可能你曾被告知从五年级开始 ，对于每一门科学课都应该记笔记，确实如此。不一样的记笔记方式适用于不一样的人 ，能够作在线笔记，记在笔记本或者便笺簿上。可能须要在实验室有一个，家里还 有一个。在笔记本上记录下本身的想法。只有你本身才会去读它，所以能够记得比 较随意。记录下本身的思索，当前工做中遇到的问题，可能的解决方案。对未来可 能用到的参考文献做小结。 按期翻阅你本身的笔记本。有些人会作月度总结，方便未来的引用。 笔记中记录中的东西常常能够做为一篇论文的骨干。这会使生活变得轻松些。相反 ，你会发现写粗略的论文--标题，摘要，分标题，以及正文的片断--是一种记录自 己当前工做的有效方式，即便你并不许备把它变成一篇真正的论文。（过一段时间 你或许会改变想法）。 你或许会发现Vera Johnson-Steiner的书《Notebooks of the Mind》颇有用，该 书并非描写如何作笔记的文献，它描述了随着思想片段的积累，创新思想是如何 出现的。   6  写做   写做的理由有不少。 （1）在整个读研的过程当中，你须要写一到两篇（这取决于你所在系的规定）毕业 论文，以得到PhD或者MS。 （2）勤于写做不只仅给你练习的机会。 （3）学术的规则就是要么发表，要么腐烂。在不少领域和学校，这一般开始于你 成为一名教授时，可是咱们实验室的不少研究生毕业以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。 （4）写下本身的想法是很好的调整思路的方式。你会常常地发现自觉得很完美的 想法一旦写下来就显得语无伦次。 （5）若是你工做的目的是不只为本身还要为他人服务，就必须把它发表。这也是 研究的基本责任。若是你写得精彩，会有更多的人来了解你的工做。 （6）AI但凭单打独斗是很难作的，你须要常常地从他人那里得到反馈。对你的论 文做评论就是最重要的一种形式。任何事情，要作就要作到最好。 （7）阅读有关如何写做的书籍。Strunk和White的《Elements of Style》对基本 的应该如何不该该如何作了介绍。Claire的《The MLA's Line By Line》（ Houghton Mifflin）是有关在句子级别如何编辑的书籍。Jacques Barzun的《 Simple and Direct: A Rhetoric for Writers》（Harper and Row, 1985）是有 关如何做文的。 （8）写论文时，读读那些写做高超的书，并思考做者的句法运用。你会发现不知 不觉地，你已经吸取了做者的风格。 （9）要成为写做高手，须要付出颇多，历经数年，期间还要忍受和认真对待他人 的批评。除此以外，并没有捷径可走。 （10）写做有时候是很痛苦的，看起来好像是从"实际的"工做中分心了。但若是你 已经掌握了写做技巧，写起来会很快。并且若是你把写做看成一门艺术的话，你能 从中获得不少乐趣。 （11）你确定会遇到思路阻塞的状况，这有不少的可能缘由，没有必定能够避免的 方法。追求完美可能致使思路阻塞：不管开始写什么，总以为不够好。要理解写做 是一个调试的过程。先写一个草稿，而后返回修订。写草稿有助于理顺思路，若是 写不出来正文，那就写个大纲。逐步对之细化，直到已经很容易写出子部分的内容 。若是连草稿也写不出来，隐藏掉正在写做的全部窗口，而后随便输入本身脑壳里 想到的东西，即便看起来好像是垃圾。当你已经写出了不少文本后，从新打开窗口 ，将刚才写的东西编辑进去。另一个错误是觉得能够将全部的内容依次写出。通 常你应该将论文的核心内容写出来，最后才是介绍部分。引发做者思路阻塞的另外一 个缘由是不切实际的觉得写做是很容易的事情。写做是耗时耗力的，若是发现本身 天天只能写一页，也不要放弃。 （12）完美主义可能会致使对原本已经足够好的论文还在不停地打磨。这是浪费时 间。（这也是一种有意无心之间逃避作研究的表现）。将论文看做你与本领域其余 人交谈时的一句话。在交谈中，并非每一句话都是完美的。不多有人会期待本身 的某次谈话就是所有的故事，是与对方的最后一次交流。 （13）写信是一种很好的练习。不少技术论文，若是其风格更相似于给朋友的信， 那么会有很大的提升。坚持记日记也是练习写做的方法（也会使你试验更多的文体 ，不只仅是技术论文）。这两种方法还有其它的实质做用。 （14）一个常见的陷阱是花不少时间去追求修辞而不是内容。要避免这样。LaTeX 并不是完美，可是它有不少你所需的修饰语。若是这还不够，还可从其余从事这一研 究的人那里借用一些词语用法。不少站点（例如MIT）维护了一个写做修辞的库。  （15）清楚本身要表达什么。这是清楚的写做中最难最重要的因素。若是你写了拙 劣的东西，且不知道如何修改，这颇有多是由于你不知道本身要说什么。一旦搞 清楚了本身要说什么，说就好了。 （16）论文的写做要有利于读者查找到你所作的工做。不管是段落的组织仍是通篇 的组织，都要将最核心的部分放在前面。要精心写做摘要。确保摘要已经反映出你 的好思路是什么。确保本身明白本身的创新点是什么，而后用几句话表达出来。太 多的论文摘要只是通常性地介绍论文，说是有一个好思路，却不说是什么。 （17）不要用大话来贩卖你的工做。你的读者都是很优秀的人，正直且自尊。与之 相反，也不要为本身的工做道歉或者进行消减。 （18）有时候你意识到某个子句、句子或者段落不够好，殊不知道如何修改。这是 由于你钻到死胡同里出不来了。你须要返回重写这一部分。现实中这种状况不多发 生。 （19）确保本身的论文中有中心思想。若是你的程序在10毫秒内解决了问题X，告 诉读者你是如何办到的。不要只是解释你的系统是如何构建的，是作什么的，还要 解释其工做原理和价值所在。 （20）写做是给人看的，而不是机器。所以光观点正确是不行的，还要易懂。不要 靠读者本身去推理，除非是最明显的推论。若是你在第七页的脚注上解释了某个小 玩意的工做原理，接着在第二十三页没有进一步解释就引用了它，此时若是读者感 到困惑一点都不值得奇怪。正式的论文要写清楚是很难的。不要模仿数学领域的文 献，它们的标准是尽量少的解释，使读者感到越困难越好。这并不适用于AI。 （21）写完一篇论文后，删掉第一段或者头几句话。你会发现那是与内容无关的一 般性话语，更好的介绍语句在第一段最后或者第二段的开头。 若是你等作完全部的工做后才开始写做，会失去不少。一旦开始了某个科研项目， 要养成这样的习惯：写做解释当前工做进展或者每几个月学习所得的非正式论文。 从你的研究笔记中的记载开始。花两天的时间写下来--若是你花的时间更长，说明 你是一个完美主义者。 将论文与你的朋友分享。写的是草稿--不是为了被引用的那种。将论文复制数十份 ，送给那些感兴趣的人（包括你的导师）。与写正式论文相比，这样作具备不少相 同的好处（评论，理清思路，写做练习等等），并且从某种意义上讲，付出无需那 么多。常常地，若是你作得不错，这些非正式论文之后能够做为正式论文的骨干内 容，也就是从AI实验室的Working Paper成为一篇期刊文章。 一旦你成为Secret Paper Passing Network的成员，会有不少人给你寄论文拷贝要 求评论。得到他人对本身的论文的评论是颇有价值的。所以你评论的论文越多，你 得到支持就越多，也会收到更多人对你论文的评论。不只如此，学习评价别人的论 文也有助你的选择。 为论文写有用的评论是一门艺术。 （1）要写出有用的评论，须要读两遍论文。第一遍了解其思想，第二遍开始做评 论。 （2）若是某人在论文中多次犯同一错误，不要每次都标记出来。而是要弄清楚模 式是什么，他为何这样作，对此还能够作什么，而后在第一页清晰地指出或者私 下交流。 （3）论文的做者在合并你的评论时，将会遵循最小修改的原则。若是能够，就只 修改一个词，不行再修改一个词组，再不行才修改整个句子。若是他的论文中某些 拙劣之处使得他必须修改整个段落，整个小节甚至整篇论文的组织，要用大字体的 字母指出来，这样他才不会忽视。 （4）不要在论文写毁灭性的批评如"垃圾"。这对于做者毫无帮助。花时间提出建 设性的建议。要设身处地地为做者着想。 评论有不少种。有对表达的评论，有对内容的评论。对表达的评论也能够很不一样， 能够是校对打字稿，标点，拼写错误，字词丢失等。应该学一些标准的编辑符号。 还能够是校订语法，修辞，以及混乱不清楚的段落。一般人们会持续地犯同一语法 错误，所以须要花时间明确地指出。接下来是对组织结构的评论：不一样程度（子句 ，句子，段落，小节乃至一章）的次序混乱，冗余，无关的内容，以及丢失论点。  很难描述对内容进行评论的特征。你可能建议做者扩展本身的想法，考虑某个问题 ，错误，潜在的问题，表达赞美等。"由于Y，你应该读X"是一种老是有用的评论。 当被要求对论文做评论时，你首先想弄清楚哪一种评论更有用。对于早期的论文草稿 ，须要你主要对内容和论文的组织结构做评论；对于最终的草稿，须要你主要评论 表达的细节。 注意，做为一种礼貌，在要求别人评论以前，应首先用拼写检查器对本身的论文进 行检查。 你无须接受全部的意见，可是必须都认真对待。将论文的部份内容裁掉是挺使人痛 心的，但每每也提升了论文的水平。你常常会发现某个意见确实指出了问题，可是 解决方法你以为不可接受，那么就去寻找第三条道路。 要多发表论文，这其实比想象中的容易。基本上，AI出版物评审者评审论文的标准 是：(a)有新意；(b)在某些方面，符合标准。看看IJCAI的会议录，你会发现论文 录取的标准至关低。这种状况因为评审过程自己固有的随机性而变得更糟糕了。 因此一个发表论文的诀窍是不停地试。 （1）确保论文可读性比较好。论文被拒绝的缘由，除了没有意义以外，就是没法 理解或者组织糟糕。 （2）论文在投往期刊以前，应该交流一段时间，并根据反馈的评论进行适当的修 订。要抵制那种急匆匆地把结果投往期刊的作法。在AI领域，没有竞赛，并且无论 怎么说，出版周期的延迟要大大超过对草稿进行评论的时间。 （3）读一读你想投稿的期刊或者会议的过刊，确保本身论文的风格和内容是适合 的。 （4）不少出版物都有一页左右的"做者投稿须知"，仔细看看。 （5）主要的会议都会在被接收的论文中评出内容和表达俱佳的获奖论文，仔细研 究研究。 （6）一般是向会议投交一篇篇幅比较短的有关部分工做内容的早期报告，而后再 往期刊投交一份篇幅长的最终的正式论文。 （7）论文被拒绝了--千万不要沮丧灰心。 （8）期刊和会议的论文评审过程存在很大的不一样。为了节省时间，会议论文的评 审必须迅速，没有时间细究或者交流。若是你被拒绝了，你就失败了。但期刊论文 则不一样，你能够常常地与编辑争辩，经过编辑与评审人争辩。 （9）评审人通常都会对你有帮助。若是你收到了使人生厌的评审报告，应该向大 会的程序主席或者编辑投诉。不能指望能够从会议论文评审人的报告那里获得多少 反馈。但对于期刊论文，每每能够获得很是棒的建议。你没必要彻底按照评审报告的 建议去作，可是，若是你不按照报告去作，那么就必须解释缘由，而且要意识到这 可能会致使进一步的负面评价。无论怎么样，不管是哪一种的评审，做为评审者都要 有礼貌。由于在余下的职业生涯中，你将会与被评审者在一个学术圈子里。 （10）MIT AI Lab Memos大致上是或者接近发表的水平。实际上，Technical Reports基本上都是这些Memos的修订版本。Working Papers则更不正式，这是很好 的将本身的论文分发给同事们的方法。要出版这些内部文件，只需到Publications  Office（在活动楼八层）领一份表格，并有两位教员签字便可。 就像其它的科研活动同样，论文写做所花的时间老是比指望的要高。论文的发表在 耗费时间这个问题上则更严重。当你完成了一篇论文，投出去，等待发表。数月后 ，论文以及评论被返回来。你不得不对论文进行修改。而后又是几个月，才返回对 你的修改的确认。若是你同时发表了该论文的不一样形式，若有一篇短的投会议，一 篇长的投期刊，这样的过程将反复数个回合。结果有多是当你已经厌倦了，研究 主题也已经使人生厌后数年，你仍然在修改那篇论文。这启示咱们：不要去作那些 须要热情投入可是很难发表论文的研究--苦不堪言。   7  讲演   与同行交流的另一种方式就是讲演，上面提到的有关论文写做的问题，一样适用 于讲演。站在听众面前从容讲演而不会使听众恹恹欲睡的能力，对于你成功地得到 别人的认可、尊敬乃至最终的求职都是很关键的。 讲演的能力不是天生的，下面是一些学习和练习讲演的方法： （1）Patrick Winston有一篇很好的有关如何做讲演的小论文。每一年的一月，他都 会就此做讲演，演示和描述它的演讲技巧。 （2）若是你以为本身是一个糟糕的演讲者，或者想成为一名优秀的演讲者，选一 门公共演讲课。初级的表演课也颇有用。 （3）若是你的导师有按期的研究讨论会，自愿去做演讲。 （4）MIT AI实验室有一系列的半正式座谈会，叫作Revolving Seminar。若是你觉 本身的某些观点值得写进AI Memo或者会议论文中，挺身而出去做一场报告。 （5）深刻了解实验室的不一样机器人项目，当你外地的亲朋好友来的时候，你能够 领着他们逛一圈，并就机器人作60分钟的报告。 （6）因为修改演讲远比修改论文容易，有些人会以为这是很好的寻找如何表达思 想的方式。（Nike Brady有一次曾说，他全部最好的论文都来自于演讲）。 （7）在一间空屋子里练习，最好就是你立刻要作的报告。这有助于调整报告的技 巧：每一张幻灯讲些什么；转换的延迟以及保持平滑；保持解释和幻灯的同步；估 计报告的时间长度。你花在调整设备上的时间越少，留下来的与人交流的时间就越 长。 （8）用镜子，录音机或者录像机练习是另一种方法。实验室有这三种设备。这 也有助于调整本身的发音和肢体语言。 （9）对于比较正式的报告--特别是你的答辩--应该在几个朋友面前练习一遍，请 他们批评指正。 （10）观察别人是如何作报告的。有不少访问MIT的人会作报告。参加这样的报告 会可以感觉本身不熟悉的领域，而且若是报告使人提不起兴趣，你能够暗中分析报 告者错在哪里。 （11）找一位朋友，将你最近的想法说给他听。这既能够提升的交际技巧，又能调 试本身的思路。   8  程序设计   并非全部的AI论文都包含代码，并且本领域的不少重量级人物历来没有写过一个 重要的程序。可是为了深刻掌握AI工做原理，你必须会程序设计。不只仅是不少 AI研究工做须要编写代码，并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。 在MIT，基本上全部的AI程序设计都使用Common Lisp。若是还不知道，赶快学吧。 固然，学习一门语言并不能等同于学习程序设计；AI程序设计包含的一些技术与那 些在系统程序设计或者应用程序设计中用到的大不相同。开始学的时候，能够先看 看Abelson和Sussman的《Structure and Interpretation of Computer Programs 》，并作一些练习。这本书与AI程序设计本质上并不相干，可是包含了一些相同的 技术。而后读Winston和Horn写的Lisp书第三版，书里有不少优雅的AI程序。最后 ，进行实际的程序设计，而不是阅读，才是最好的学习程序的方法。 学习Lisp程序设计有不少传统。有些人习惯一块儿写代码，这取决于个性。还有的人 寻找机会直接向有经验的程序员学习，或者请他对你的代码进行评价。阅读别人的 代码也是颇有效的方法。若是能够向高年级同窗要他们的源代码。他们可能会有些 抱怨，说本身的编程风格差极了，程序实际上并不能工做云云。无论怎么样，最后 你得到了源代码。而后你要仔细地通篇阅读，这很费时间。一般阅读并彻底理解别 人代码所花的时间与你本身编程完成的时间是同样多的，所以要计划好在你的头一 个或者头两个学期用数周的时间去阅读别人的代码。你将从中学到不少之前未曾想 到在课本中也没有的技巧。若是你读到了大段大段不可理解没有注释的程序，你就 会明白应该如何写代码了。 在软件工程课里学习到的那些知识在AI程序设计中依然有用。要给代码加注释。使 用正确的数据抽象。将图和你的代码隔离开，因为你使用的语言基本上是Common Lisp，所以可移植性很好。诸如此类。 通过头几年的学习后，应该写一些本身的标准AI模块，如： （1）真值维护系统 （2）规划器 （3）规则系统 （4）不一样风格的解释器 （5）具备流程分析的优化编译器 （6）具备继承特性的框架系统 （7）几种搜索方法 （8）基于解释的学习器 任何你感兴趣的东西均可以尝试用程序实现。你能够抓住问题的实质，在几天以内 完成一个功能版本。修改已有的程序是另一种有效的方法，前提是你已经写过这 样的东西，而且确实了解其工做原理，优缺点以及效率等问题。 不象其余一般的程序员，AI程序员之间不多相互借阅代码（演示代码例外）。这部 分因为AI程序不多有真正起做用的（不少著名的AI程序只在做者论文所提到的那三 个例子上起做用，虽然最近这种状况已经有所改善）。另一个缘由是AI程序一般 是匆忙凑成，并无考虑通常化的问题。使用Foobar的"标准"规则解释器，开始时 颇有效，不久就会发现缺乏一些你须要的功能，或者不够有效率。虽然能够对代码 进行修改知足本身的须要，但记住理解别人的代码是很耗时的，有时候还不如本身 写一个。有时候构建一个标准包的工做自己就能够成为一篇论文。 像论文同样，程序也有可能过于追求完美了。不停重写代码以求完美，最大化的抽 象全部的东西，编写宏和库，与操做系统内核打交道，这都使得不少人偏离了本身 的论文，偏离了本身的领域（从另一方面，或许这正是你须要未来谋生的手段） 。   9  导师   在MIT，有两种类型的导师，教学导师和论文导师。 教学导师的工做比较简单。每一位研究生都被分配了系里的一位老师做为教学导师 。教学导师的做用是做为系方表明，告诉你对你的正式要求是什么，若是你的进度 慢了敦促你，批准你的课程计划等。若是一切顺利的话，你每一年只须要见教学导师 两次，在注册日那天。从另外一方面讲，若是你遇到了困难，教学导师替你向系里反 映或者提供指导。 论文导师是监督你研究的人。选择论文导师是你读研期间最重要的选择，比选题都 重要得多。从更广的意义上讲，AI是经过师傅带徒弟的方式学习的。有不少领域的 技术方面或者研究过程方面的非正式知识，只能从导师那里学到，在任何教科书上 都找不到。 不少AI教员都是行为古怪的人，毕业生也如此。导师与研究生的关系是很是个性化 的，你的我的特色必须与导师的配合得很好，这样大家才能合做成功。 不一样的导师具备不一样的风格。下面是一些须要值得考虑的因素： （1）你须要多大程度的指导？有些导师会给你一个定义良好的适合作论文的问题 ，对解决方法进行解释，并告诉你如何开展工做。若是你陷在某个地方了，他们会 告诉你如何开展下去。其余的导师属于甩手型，他们可能对你的选题毫无帮助，但 是一旦你选好题目，他们对于引导你的思路具备很是大的做用。你须要考虑清楚自 己适合独立工做仍是须要指导。 （2）你须要多大程度的联系？有的导师要求每周与你见面，听取你工做进展的汇 报。他们会告诉你应该读的论文，并给你实际的练习和项目作。其余的导师每学期 与你的谈话不会超过两次。 （3）你能承受的压力有多大？有些导师施加的压力是很大的。 （4）须要多少情感支持？ （5）听取导师意见的认真程度如何？大多数导师会至关正式的建议你的论文题目 。有些导师是值得信赖的，他们给出的建议，若是按照执行，几乎确定会作出一篇 可接受程度的论文，若是不是使人兴奋的论文的话。其余的则一会儿抛出不少思路 ，大部分是不切实际的，可是有一些，或许会致使重大突破。若是选了这样的一位 导师，你首先得把本身看成一个过滤器。 （6）导师提供了什么类型的研究组？有些教授会创造环境，把全部的学生汇集在 一块儿，即便他们作的不是同一个项目。不少教授每周或者每两周与本身的学生们会 面。这对你有用么？你能与教授的学生和气相处么？有些学生发现他们更能与其余 教研组的学生创建良好的工做关系。 （7）你想参与大的项目么？有些教授将大系统分解，每一个学生负责一部分。这给 了你与一组人讨论问题的机会。 （8）你想被共同监督么？有些论文项目包含了多个AI领域，须要你与两个以上的 教授创建密切的工做关系。虽然你正式的论文导师只有一位，可是有时候这并不反 映实际状况。 （9）导师愿意指导其研究领域以外的论文题目么？你是否能与导师一块儿工做，比 你作什么自己更重要。MIT的机器人系就曾指导过量子物理学和认知建模方面的论 文；推理方面的教员指导过视觉方面的论文。可是有些教员只愿意指导本身研究兴 趣领域内的论文。这对于那些欲得到终身职位的年轻教员来讲尤为如此。 （10）导师会为了你跟体制做斗争吗？有些导师会为了你跟系里或者某些有敌意的 实体做斗争。有时候体制对某些类型的学生不利（特别是对于女学生和怪癖的学生 ），所以这一点很重要。 （11）导师愿意而且可以在会议上推荐你的工做吗？这是导师工做的一部分，对你 未来工做意义重大。 上述这些因素，不一样学校的状况很不相同。与大部分学校相比，MIT提供了多得多 的自由。 找论文导师是你研究生一年级最主要的任务。研一结束时，或者研二学年开始阶段 ，你必须有一个论文导师。下面是一些诀窍： （1）查阅实验室的研究总结。其中有一页左右的篇幅描述了每一个教师以及不少研 究生目前在作什么。 （2）若是你对某些教师的研究工做感兴趣，查阅其最近的论文。 （3）在第一学期，与尽量多的教师交谈。去感觉他们喜欢作什么，他们的研究 和指导风格是什么。 （4）与预期导师的研究生交谈。要保证与导师的多个学生交流，由于每位导师在 与不一样的学生交流时有不一样的工做方式和交流效果。不能被一个学生的见解所左右 。 （5）不少教师所在研究组的会议对新同窗都是公开的。这是很是好的了解导师工 做方式的途径。 做为一门学科，AI不一样寻常的一点是不少有用的工做是由研究生完成的，而不是博 士--他们忙着作管理去了。这有几个后果。一是某个教师的声望，是否会得到终身 聘用，在很大程度上取决于学生的工做。这意味着教授有很强烈的动机吸引最好的 学生为本身工做，并给与有效的指导和足够的支持。另一个后果是，因为大部分 学生的论文方向是由导师造成的，所以整个领域的方向和发展很大程度上取决于导 师选择什么样的研究生。 当选定了导师，决定了本身对导师的要求后，要确保导师知道。不要因为交流很差 ，浪费时间于本身并不想作的项目上。 不要彻底依赖你的导师，要创建本身的网络。找一些能按期评审你的工做的人是很 重要的，由于研究时很容易走火入魔。网络中的人能够包括本身实验室或者外单位 的研究生和老师。 在与其余学生、老师甚至本身的导师的关系中，极可能会碰到种族主义者、性别歧 视、同性恋或者其余使人尴尬的事情。若是你不幸碰到了，去寻求帮助。MIT的 ODSA出版了一本叫作"STOP Harrassment"的小册子，里面有不少建议。《Computer  Science Women's Report》，可在LCS文档室找到，也与之相关。 实验室中有些同窗只是名义上由导师指导，这对于那些独立性很强的人来讲很好。 可是若是你已经完成了某项导师指导的工做，除非你确保没有导师也行且本身有牢 靠的支持网络，不然就不要这么干。   10  论文   作毕业论文将占据研究生生活的大部分时间，主要是去作研究，包括选题，这比实 际的写做耗时更多。 硕士论文的目的是为作博士论文练兵。博士水平的研究若是没有准备好的话，是很 难进行的。硕士论文最基本的要求是展现本身的掌握程度：你已经彻底理解了本领 域最新进展，并具有相应的操做水平。并不须要你对本领域的最新知识有所拓展， 也不要求发表你的论文。然而咱们实验室的论文老是比较大气的，所以不少硕士论 文实际上都对本领域的发展做出了显著的贡献，大约有一半都出版了。这并不必定 是好事情。不少人精力都集中于硕士的工做，因此MIT有这样的名声：硕士论文的 质量每每比博士论文高。这有悖于硕士工做原本是为博士研究做准备的原有目的。 另一个因素是所作研究要对领域有所贡献，至少须要两年，这使得研究生学习时 间之长使人难以忍受。如今或许你感觉不到匆忙，但当你已经在实验室呆了七年后 ，你确定火烧眉毛地想逃出去。硕士从入学到毕业平均时间是两年半，可是，计算 机系强烈鼓励学生提早毕业。若是某个硕士生的题目过于庞大，可将之分解，一部 分来作硕士论文，另外一部分给博士生做博士论文。 想要了解硕士论文研究是什么样的，读几本最新的硕士论文。记住比较好的论文是 那些出版的或者成为技术报告的，由于这标志着该论文被认为是扩展了领域的最新 知识--换句话说，他们的论文远远超出了硕士论文的水平。还要读一些经过的可是 没有出版的论文，全部经过的论文均可以在MIT图书馆中找到。博士论文必须对最 新知识有所拓展，博士论文的研究必须具有可出版的质量。MIT的泱泱气质又表现 出来了，不少博士论文在几年内都是某个子领域的权威工做。对于MIT的博士论文 来讲，开创一个新领域，或者提出并解决一个新问题，并非什么了不得的事情。 虽然，这并非必需的。 通常来讲，须要两到三年的时间来作博士论文。不少人花一到两年的时间跟硕士生 活说再见，以及选题。这段时间能够去尝试一些别的事情，例如作助教或者在某个 非AI领域打下坚实的基础或者组织个乐队。博士论文的实际写做时间大约是一年。  选题是论文工做中最重要最困难的部分： （1）好的论文题目不只可以表达我的观点，并且可与同行交流。 （2）选择题目必须是本身愿意倾注热情的。我的远景观点是你做为一个科学家的 理由，是你最为关切的意象、原则、思路或者目标。有多种形式。或许你想造一台 可与之交谈的计算机，或许你想把人类从计算机的愚蠢使用中拯救出来，或许你想 展现万物都是统一的，或许你想在太空发现新生命。远景观点老是比较大的，你的 论文并不能实现你的远景，可是能够朝着那个方向努力。 （3）作论文时，最困难的就是如何将问题消减至可解决的水平，同时规模又足以 作一篇论文。"解决AI的宽度优先"是常见毛病的一个例子，题目太大太虚了。你会 发现须要不断的缩小题目的范围。选题是一个渐进的过程，不是一个离散的事件， 会持续到你宣布论文已经完成那一刻为止。实际上，解决问题一般比精确地描述问 题要容易得多。若是你的目标是一个五十年的工程，那么合理的十年工程是什么， 一年的呢？若是目标的结构庞大，那么最核心的部件是什么，如何最大程度的了解 核心部件？ （4）一个重要的因素是你能够忍受多大程度的风险。在最终的成功和风险之间需 要权衡。这也并不老是对的，AI中有不少研究者还没有涉及的想法。 （5）好的论文选题有一个中心部分，你确信确定能够完成，而且你和你的导师都 赞成这已经知足毕业要求了。除此以外，论文中还有多种扩展，有失败的可能，但 若是成功了，会增长论文的精彩程度。虽然不是每个论文选题都符合这个模式， 但值得一试。 （6）有些人以为同时在多个项目中工做能够在选题的时候选择能够完成的那个。 这确实下降了风险。另一些人则愿意在作任何工做以前，选一个单独的题目。 （7）可能你只对某个领域感兴趣，这样你的选题范围就狭窄得多。有时候，你会 发现系里的老师没有一我的可以指导你选择的领域。可能还会发现好像那个领域没 什么很天然的选题，反而对别的领域有好想法。 （8）硕士选题比博士选题更难，由于硕士论文必须在你所知很少没有足够自信时 就完成。 （9）博士选题须要考虑的一个因素是是否继续硕士阶段所研究的领域，可能拓展 或者做为基础，或者干脆转到另一个领域。待在同一个领域事情就简单了，可能 只须要一到两年就毕业了，特别是若是在硕士阶段的工做中已经发现了适合作博士 论文的题目。不足之处在于容易定型，改换领域则能增长知识的宽度。 （10）有的论文题目很新奇，有的则很普通。前者开创了新领域，探索了之前不曾 研究过的现象，或者为很难描述的问题提供了有效的解决方法；后者则完美地解决 了定义良好的问题。两种论文都是有价值的。选择哪种论文，取决于我的风格。  (11）论文的"未来的工做"部分，是很好的论文题目来源。 （12）不管选什么样的题目，必须是前人不曾作过的。即便是同时有人作的工做， 也很差。有不少东西可做，根本无需竞争。还有一种常见的状况，读了别人的论文 后感受很惊慌，好像它已经把你的问题解决了。这一般发生在肯定论文题目过程当中 。实际上每每只是表面相似，所以将论文送给某个了解你的工做的高人看看，看他 怎么说。 （13）MIT AI实验室的论文并不是全是有关人工智能的；有些是有关硬件或者程序设 计语言的，也行。 选好题后，即便有点虚，你必须可以回答下列问题：论文的论点是什么？你想说明 什么？你必须有一句，一段，五分钟的答案。若是你不知道本身在干什么，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 。开始做论文研究后，必定要可以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。若是你 和他对论文具备不一样的指望，最后你确定死得很惨。必须定义好"完成测试"的标准 ，像一系列的可以证实你的理论和程序的例子。这是必须作的，便是你的导师并不 这么要求。若是环境发生了根本的变化，测试也要随之改变。 首先尝试论文问题的简化版本。用实例检验。在造成理论抽象以前，要完整的探究 具备表明性的例子。作论文的过程当中，有不少浪费时间的方式。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度讲究；发 明新的形式化方法；过度优化代码；建立工具；官僚做风。任何与你的论文不是很 相关的工做要尽可能减小。一种众所周知的现象"论文逃避"，就是你忽然发现改正某 个操做系统的BUG是很是吸引人也很重要的工做。此时你老是自觉不自觉的偏离了 论文的工做。要记住本身应该作些什么（本文对于部分做者来讲就属于论文逃避现 象）。   11  研究方法论   [本部份内容比较少，尚不完善，请添加] 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 么叫作成功。AI的研究方法学是个大杂烩。不一样的方法论定义了不一样的研究学派。 方法是工具。使用便可，不要让他们来使用你。不要把本身陷于口号之中："AI研 究须要牢靠的基础"，"哲学家只会高谈阔论，人工智能则须要拼搏"，"在问为何 以前，先搞清楚计算的是什么"。实际上，要在人工智能领域取得成功，你必须擅 长各类技术方法，还必须具有怀疑的态度。例如，你必须可以证实定理，同时你还 必须思考该定理是否说明了什么。不少优秀的AI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。你常常会面临区分 "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？仍是保 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（若是可行 的话）会获得清晰肯定的结果，但这一过程每每是繁琐的，或者至少不会直接解决 问题。后者则有陷入各类处理的漩涡之中的危险。任何工做，任何人，必须做出明 智的平衡。 有些工做象科学。你观察人们是怎样学习算术的，大脑是如何工做的，袋鼠是如何 跳的，而后搞清楚原理，造成可检验的理论。有些工做象工程：努力建立一个更好 的问题解决器或者算法。有些工做象数学：跟形式化打交道，要理解属性，给出证 明。有些工做是实例驱动的，目标是解释特定的现象。最好的工做是以上几种的结 合。 方法具备社会性，看看别人是如何攻克相似难题的，向别人请教他们是如何处理某 种特殊状况的。 12  情感因素 研究是艰苦的工做，很容易对之失去兴趣。一个使人尴尬的事实是在本实验室读博 的学生只有不多比例最后得到学位。有些人离开是由于能够在产业界赚到更多的钱 ，或者因为我的的缘由；最主要的缘由则是因为论文。本节的目标是解释这种状况 发生的缘由，并给出一些有益的建议。 有的研究都包含风险。若是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本身的失败。虽然，这 实际上也证实了你有勇气向困难挑战。在人工智能领域不多有人老是一直成功，一 年年地出论文。实际上，失败是常常的。你会发现他们常常是同时作几个项目，只 有一些是成功的。最终成功的项目也许反复失败过屡次。经历过不少因为方法错误 的失败以后，才取得最终的成功。在你之后的工做生涯中，会经历不少失败。可是 每个失败的项目都表明了你的工做，不少思想，思考方式，甚至编写的代码，在 若干年后你发现可用于另一个彻底不一样的项目。这种效果只有在你积累了至关程 度的失败以后才会显现出来。所以要有最初的失败之后将会起做用的信念。 研究所花费的实际时间每每比计划的要多得多。一个小技巧是给每一个子任务分配三 倍于预期的时间（有些人加了一句："……，即便考虑了这条原则"）。 成功的关键在于使得研究成为你平常生活的一部分。不少突破和灵感都发生在你散 步时。若是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 ，坚持的做用通常大于天资。"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。你会发现本身成功的比例是很随机的。有时候，一个星期就作完了之前 须要三个月才能完成的工做。这是使人欣喜的，使得你更愿意在本领域工做下去。 其余一些时候，你彻底陷在那里，感受什么也作不了。这种状况很难处理。你会觉 得本身永远不会作出任何有价值的东西了，或者以为本身再也不具有研究者的素质了 。这些感受几乎确定是错误的。若是你是MIT录取的学生，你就是绝对合格的。你 须要的是暂停一下，对糟糕的结果保持高度的容忍。 经过按期设置中短时间的目标，例如每周的或者每个月的，你有不少工做要作。增长达 到这些目标的可能性有两种方法，你能够把目标记在笔记本中，并告诉另一我的 。你能够与某个朋友商定交换每周的目标并看谁最终实现了本身的目标。或者告诉 你的导师。 有时你会彻底陷在那里，相似于写做过程的思路阻塞，这有不少可能的缘由，却并 无必定的解决方法。 （1）范围过于宽泛了，可尝试去解决流程中的子问题。 （2）有时候对你研究能力的怀疑会消磨掉你全部的热情而使得你一事无成。要牢 记研究能力是学习而得的技能，而不是天生的。 （3）若是发现本身陷入严重的困境，一个多星期都毫无进展，尝试天天只工做一 小时。几天后，你可能就会发现一切又回到了正轨。 （4）惧怕失败会使得研究工做更加困难。若是发现本身没法完成工做，问问本身 是不是因为在逃避用实验检验本身的思路。发现本身最近几个月的工做彻底是白费 的这种可能，会阻止你进一步开展工做。没有办法避免这种状况，只要认识到失败 和浪费也是研究过程的一部分。 （5）看看Alan Lakien的书《How to Get Control of Your Time and Your Life 》，其中包含不少能使你进入充满创造力的状态的无价方法。 不少人发现本身的我的生活和作研究的能力是相互影响的。对于有些人来讲，当生 活中一切都不如意时，工做是避难所。其余的人若是生活陷入混乱时就没法工做了 。若是你以为本身确实悲痛得难以自拔，去看看心理医生。一份非正式的调查代表 ，咱们实验室大约有一半的学生在读研期间看过一次心理医生。 使得人工智能那么难的一个缘由是没有被广泛接受的成功标准。在数学中，若是你 证实了某个定理，你就确实作了某些事情；若是该定理别人都证不出来，那么你的 工做是使人兴奋的。人工智能从相关的学科中借来了一些标准，还有本身的一些标 准。不一样的实践者，子领域和学校会强调不一样的标准。MIT比其余的学校更强调实 现的质量，可是实验室内部也存在很大的不一样。这样的一个后果就是你不可能令所 有的人都满意。另一个后果就是你没法肯定本身是否取得了进展，这会让你以为 很不安全。对你工做的评价从"我所见过最伟大的"到"空虚，多余，不明因此"不一 而足，这都是很正常的，根据别人的反馈修订本身的工做。 有几种方法有助于克服研究过程当中的不安全感。被认可的感受：包括毕业论文的接 受，发表论文等。更重要的是，与尽量多的人交流你的思路，并听取反馈。首先 ，他们能贡献有用的思路；其次，确定有一些人会喜欢你的工做，这会使得你感受 不错。因为评价进展的标准是如此不肯定，若是不与其余的研究者充分的交流，很 容易盲目。特别当你感受不太好时，应该就你的工做进行交流。此时，得到反馈和 支持是很是重要的。很容易看不到本身的贡献，老是想："若是我能作，确定是微 不足道的。个人全部思想都太明显了"。实际上，当你回头看时，这些虽然对你是 很明显的，对别人并不必定是明显的。将你的工做解释给不少门外汉听，你会发现 如今对你来讲是平淡无奇的东西原来那么难！写下来。 一项对诺贝尔获奖者实施的有关怀疑本身问题（在你研究的过程当中，你一直以为自 己是在作震惊世界的工做吗？）的调查代表：获奖者们一致回答他们常常怀疑本身 工做的价值和正确性，都经历过以为本身的工做是无关的，太明显了或者是错误的 时期。任何科学过程的常见和重要的部分就是常常严格的评价，不少时候不能肯定 工做的价值也是科学过程不可避免的一部分。 有些研究者发现与别人协做比单打独斗工做效果更好。虽然人工智能研究常常是相 当我的主义的，可是也有一部分人一块儿工做，建立系统，联合发表论文。咱们实验 室至少已经有一个联合作毕业论文的先例。缺点是很难与协做者区分对论文的贡献 。与实验室以外的人合做，例如暑期工做时，问题就会少一些。 不少来到MIT AI实验室的学生都是之前所在学校最厉害的人。来到这里以后，会发 现不少更聪明的人。这对于不少一年级左右学生的自尊造成了打击。但周围都是聪 明人也有一个好处：在你把本身不怎么样的（但本身又没有觉察到）想法发表以前 就被其余人给打倒在地了。更现实的讲，现实世界中可没有这么多聪明人。所以到 外面找一份顾问的工做有利于保持心理平衡。首先，有人会为你的才能付费，这说 明你确实有些东西。其次，你发现他们确实太须要你的帮助了，工做良好带来了满 足感。 反之，实验室的每个学生都是从四百多个申请者挑选出来的，所以咱们不少学生 都很自大。很容易认为只有我才能解决这个问题。这并没什么错，并且有助于推动 领域的发展。潜在的问题是你会发现全部的问题都比你想象的要复杂得多，研究花 的时间比原先计划的多得多，彻底依靠本身还作不了。这些都使得咱们中的不少人 陷入了严重的自信危机。你必须面对一个事实：你所作的只能对某个子领域的一小 部分有所贡献，你的论文也不可能解决一个重大的问题。这须要激烈的自我从新评 价，充满了痛苦，有时候须要一年左右的时间才能完成。但这一切都是值得的，不 自视太高有助于以一种游戏的精神去做研究。 人们可以忍受研究的痛苦至少有两个情感缘由。一个是驱动，对问题的热情。你作 该研究是由于离开它就无法活了，不少伟大的工做都是这样作出来的。虽然这样也 有油尽灯枯的可能。另一个缘由是好的研究是充满乐趣的。在大部分时间里，研 究是使人痛苦的，可是若是问题刚好适合你，你能够玩同样的解决它，享受整个过 程。两者并不是不可兼容的，但须要有一个权衡。 要想了解研究是怎么样的，遭到怀疑的时候应该如何安慰本身，读一些当代人的自 传会有些做用。Gregory Bateson's Advice to a Young Scientist, Freeman Dyson's Disturbing the Universe, Richard Feynmann's Surely You Are Joking, Mr. Feynmann!, George Hardy's A Mathematician's Apology, 和Jim Watson's The Double Helix. 当你完成了一个项目--例如论文--一两个月后，你可能会以为这一切是那么不值。 这种后冲效果是因为长时间被压抑在该问题上，并且以为本能够作得更好。老是这 样的，别太认真。等再过了一两年，回头看看，你会以为：嘿，真棒！多棒的工做 ！   尾注   Anton, Alan Bawden, Danny Bobrow, Kaaren Bock, Jennifer Brooks, Rod Brooks, David Chapman, Jim Davis, Bruce Donald, Ken Forbus, Eric Grimson, Ken Haase, Dan Huttenlocher, Leslie Kaelbling, Mike Lowry, Patrick Sobalvarro, Jeff Shrager, Daniel Weise, and Ramin Zabih。咱们要 感谢那些对本文做出贡献的人（对咱们的论文做出贡献的人，顺便一并致谢），特 别是咱们的导师。 上面所列举的一些思想来自于John Backus的《On Being a Researcher》和Alan Bundy,