科研不是比赛，而是一种对未知和完美的自我追求——跟邢波（Eric Xing）面对面聊科研

时间 2019-11-18

标签科研不是比赛而是一种未知完美自我追求 eric xing 面对面繁體版

原文原文链接

编者按：6月26日，2014年国际机器学习大会（ICML）在北京国际会议中心完美落幕。做为机器学习领域两大顶尖年会之一，这是 ICML大会30多年来首次来到中国和远东，在国内的机器学习界震动不小。身为本次大会主席的卡耐基梅隆大学计算机系教授邢波（Eric Xing）为此作了诸多努力。做为在美国机器学习领域前沿为数很少的华人学者，许多国内计算机专业学生渴望投身其门下。借着这次大会的举办，咱们也有幸和Eric坐下来，面对面的聊一聊他对科研的态度以及对后辈们的建议。html

问：从生物学博士到计算机科学博士，再到机器学习领域的佼佼者，这样的转变是如何发生的？程序员

Eric：“为何会选择进入一个新的专业？由于兴趣。当时对手头作的研究项目兴趣不够，而同时又有其余的东西让本身很着迷，因此在完成前项工做后就选择了转变。如今回头看，这样的转变在个人生活中并很多见，好比，我最近开始在作计算机系统相关的研究。操做系统跟机器学习是很不同的领域，这种转变的距离和我以前的转变同样远，但兴趣使然。15年前，人工智能和机器学习在美国学术圈很冷门，中国人很少、美国人也很少，当时基于兴趣选择转专业，如今也同样。当选择改变时，不要把它当个大事，要把生理和心理障碍压到最低。”算法

问：很多人认为，作科研极为枯燥。你认为这里面有误解吗？数据库

Eric：“确实有人以为科研枯燥、与产品的结合不够紧密，像是对将来的虚幻想象。这其中有一些误解。不少人基于片面的理解或有限的经验，简单的把理论研究和应用研究对立起来，并由此产生一种肤浅的排他思想；好比有些“基础研究”学者瞧不起“应用研究”学者，认为后者不严格正统，或者有些业界的工程师程序员也鄙视大学里的研究者，认为后者不实用。抱有这种想法的人很难成为领先的学者和工程师。其实计算机科研是最不枯燥的研究，优秀的计算机研究每每体现着理论和现实问题的紧密结合。它不是纯粹推导公式、设计模型，证实定理；也不是埋头编程，调参，试错。严谨的计算机科研须要跟数学打交道，这可能对于某些人来讲，有些枯燥；但对于另外一些人来讲，这仍然颇有趣并使人兴奋。事实上，谷歌的搜索引擎、微软的Kinect等都是由基础研究衍生出来的产品——当你把研究跟实际应用结合起来，兴趣是很容易产生的。或许研究过程当中会比较理论，但咱们是基于现实应用问题来提出研究问题。当你但愿用一个漂亮的方法（正规、严密，普适，可独立重复的方法）解决问题时，你天然会使用数学手段；可是最后的实现、评估、证实等是从理论和实际应用两个方面来出发，这样就会颇有意思。编程

问：有传闻说您天天只睡4-5个小时，作科研这么忙吗？网络

Eric：“我不是为了忙而忙，而是顺其天然。就好像弹琴有的地方弹得快了后，慢了本身都很差意思，快反而是一种天然的节奏。有时候会更慢一些、有时候会更快一些，也没有刻意去保持。固然，其实从生活质量来讲，也没有那么可怕。我也有进行规律的健身锻炼，业余爱好，跟家人一块儿玩，等等，我不提倡把本身弄得很憔悴、不顾家庭或不跟朋友交往。如何作到呢？不要浪费时间。睡几个小时是我的生理特征，可是在不睡觉的时间里，要怎么用？大部分人在大部分时间处于什么都没作的状态，他们既没有作公事，也没有作私事，但我基本上不存在这样的时间，我要不就作一些跟工做有关的事，要不就抽空锻炼、弹琴，听音乐，看书，，或跟家人一块儿活动。虽然没有一个明显的工做到生活的某个切换点，但找准了工做和生活的节奏，仍是很天然。对于我来讲，研究、健身等事情不是要‘坚持’才能作到的事儿，而是我火烧眉毛要去作，这些都不是很难受的事儿。”架构

问：国内很多学生都想当您的学生，那您是如何挑选学生的呢？框架

Eric：“首先我要经过你向同窗们对咱们工做的兴趣表示感谢！我很但愿能知足同窗们的愿望。有时候，这不只仅是学生的问题，也是我本身的精力和资金的问题。在美国，招学生是一个至关昂贵的事情，每人每一年要资助近十万美圆。个人组如今有将近20个学生，再大的话，钱也不够，个人精力也不够。我带学生仍是比较认真的，好比每星期至少有一次讨论，20个学生就有20次，一星期排下来也差很少了。在挑选学生的时候，我比较注重文化，风格，兴趣的多样性和平衡，而非单纯的高产，不会偏重某个国家人特别多，也力求性别的平衡。机器学习

除了这些缘由，还须要一些研究兴趣的匹配，以及研究以外的东西。我招学生的时候，可能会注重一我的的我的修养或人品——就是他/她做为一个普通人的价值，而不只仅是做为研究者所拥有的能力。研究方面的能力是能够培养的，不管是跟着我仍是其余老师，学生的能力都必定会有提升。研究的起点不见得非要高，可是对学生的我的性格或修养有要求，我我的比较喜欢学生在个人组里产生正能量。更细致地话，我比较看重这四点：分布式

1、有独立精神以及独立思考的能力。不是说我师兄师姐在作什么选题、最近最热是什么选题，我都去问问而后遵从。勇于卓尔不群，坚持本身的观点；但同时也谦虚理性，而非顽固不化。

2、要有一些理想主义。不是作每一件事都有一个精准的投资回报率，要有一些纯粹为了兴趣和爱好而努力、为了尽善尽美而下功夫的追求。享受过程，而不是苛求结果，把结果当成过程的副产品，有了很好、没有也不沮丧，这样才能真正享受过程。

3、诚实而豁达。有一种简单、率真的性格，不能工于心计。

4、知书达理，有良好教养，礼貌，易于也乐于和别人共事。

我相信拥有以上四点的同窗能够成为我组里很好的团队成员。

问：每次您来微软亚洲研究院作讲座，老是座无虚席，人特多。您和微软亚洲研究院有什么渊源？

Eric：“微软研究院一直以来都和CMU（卡耐基梅隆大学）有众多的交流与合做。对于我我的而言，微软亚洲研究院至今都是国内为数很少的顶级计算机研究机构，培养的学生大都很是优秀。加上我在这里有不少的朋友，他们也常常邀请我过来和同事学生们交流交流，我也都十分乐意，也学到不少东西。

问：最近在线教育（MOOC）比较火，不知道您有没有打算在网上开机器学习相关课程？

Eric：“如今MOOC很火，也颇具争议。从普及知识的角度，Coursera作了一件大好事。但做为想对某个领域有深度了解的同窗来讲，也必须对本身有一个清楚的定位。若是你的终极目标是对某个话题有必定了解，经过MOOC来学习是个还不错的选择。但若是你要以学习的某个方向为职业的话，就须要更多考量。如今的年轻人比较容易从众，可能会出现的一种状况是，从极度自卑到极度膨胀的距离可能会变得很是短。我我的认为，MOOC更重要的一个做用是普及教育，是扫盲用的。

然而做为一个博士研究生，你是须要普及知识，仍是更高级的知识？我如今尚未加入在线教育，将来可能会，具体视CMU的政策而定。MOOC在普及知识的方面已经作得很是好了，但不见得是我最须要作的事情了。我尝试提供一些更高端、更适合专业研究须要，听众少一点、技术含量更高一点的课，因此我最近把几率图模型这门课录像、并经过CMU放到网上。Daphne Koller教授也开过这门课，在MOOC上有，但个人课教得比较前沿、更难，内容更多些，进度也可能也快些，提供给已经有扎实基础，须要深刻研究机器学习的学生。从此我还会公开一门高级机器学习课。“

问：机器学习、人工智能，如今火得不行。您以为是由于它到时候该火起来了，仍是炒做的成分居多？

Eric：“两者兼有吧。如今的确是到了机器学习的时代——计算机应用的需求超过了原来普通的编程、普通的数据库所能提供的解决方案。数据很大，人确定处理不过来，数据库不懂得提供一个足够智能的处理服务。机器学习虽然也没能提供解决方法，但它提供了一个大的思路、有意思的思路。有些人可能对机器学习存在一些比较庸俗的想法看法。好比说停留在‘机器学习究竟是不是经典意义的人工智能的问题上，贬低一些如今在机器学习、深度学习领域的工做，认为这些不是真正的人工智能，哲学或物理意义上不深入。还有一种观点认定机器学习，甚至只是深度学习已经能够解决一切的问题，只不过是缺少一步一步去实现。这两种观点都不够成熟客观。咱们须要更冷静一些，平台是对的、大方向是对的，可是仍是有不少空白须要去填补、不少突破尚未实现。不要急着去摘一些果子，或者闪开就算过了，其实能够扎进去作一些有深度、有份量的东西。”

问：做为华人，在美国作科研，会有民族的包袱吗？

Eric：“我我的在文化上是很是东西兼容的，对东西方文化都有认真学习和较普遍的了解和心得。在文化层面，我可能较不少国内朋友更接近中国传统知识份子——对中国传统文化很是了解和欣赏，爱古文，诗词，历史；欣赏秦汉，魏晋之风。但说到学术研究，我不但愿它被包装成民族之间的比赛。作科研，不能作成比赛，而是一种对未知和完美的自我追求。当成比赛本质上是功利性的，是作不出来一流成果的，更须要对问题有一种本质性的好奇，但愿去理解、解决这个问题。比别人快、击败别人只是副产品。我老跟个人学生说一个例子，写论文与作研究就像花样滑冰、体操比赛同样，若是老想着个人动做能得10分、满分、对手怎么样，你的动做确定走形、作很差。若是你想着——我要在舞台上享受表演，你确定会作得很好。”

问：在您的研究领域中，数学重要吗？扮演着怎样的角色？

Eric：“重要！数学从方法论上提供解决方法，从思惟上来说它能够培养一种严谨的态度，从而为问题寻找一个比较严格的、普适的、甚至更好的解决方法。可是我不太建议单独强调数学或物理某一个学科知识的做用。就像在战场上，我身边有武器，什么合适我就抓起来用，而不是说我必定要从始到终用某一种武器。在研究的时候，我须要寻求一个经得起考验的解决方案，它是从数学来、从工程来、从物理来都不重要。只是，当你在寻求解决方案时，你会发现数学是一个避不开的因素，它天然而然地影响你的选择。

问：最后，可否给有志于从事计算机科学研究的学生提些您的我的建议？

Eric：其实以前了分享过不少次了，但都是以英文的方式。今天借着这个机会，但愿也能让更多的中国学生们看到：

1、清楚地认识到什么是你的目标以及什么是你在技术能力和心智上的优点和不足，这两点对于你的成功同等重要。根据这些分析，再来设定本身的目标，规划本身的行动。

2、当你发觉有必要作出改变时不要犹豫。改变本身的职业方向永远不嫌太晚，只要这个改变是严肃的，且你可以保证在新的方向上尽心尽力。那些浪费在犹豫、等待上的时间常常会比你去适应新生活的时间更长。我曾经处于本身新职业方向的谷底，由于在我更换专业的时候，我对机器学习（machine learning）一无所知。但我知道，我会爱上它，由于这个领域的美与力量。从机器学习方向的入门者到成为CMU的教授，我花了五年时间。

3、你须要很是努力地工做。在个人研究生和以后的职业生涯中，一周7天，我天天平均工做12小时，并保持着高度集中的注意力和高效率。（固然，我其实并不把我作的这些看作工做，我以为它们和娱乐活动一样甚至更为有趣。）

4、你努力工做的动力不该该来自你的上司给予的压力，而是由于你受到工做的启发与触动，并爱上了工做。我常常告诉个人学生和朋友，个人研究就是个人生活，而不是仅仅把它看作工做。相比于看电视和玩纸牌，我更享受从事研究。

5、与此同时，你仍然能够拥有一个多彩的、充满活力的生活。我是体育迷和音乐迷，也喜欢作其余许多事情，享受和家人、朋友在一块儿的时光。因此我从不消磨时间。当我不在工做时，我尽情地娱乐或锻炼身体（好比去健身房，弹钢琴……），并花时间和家人、朋友们相处。

6、你须要让本身变得很是有创造力，很是独立。实话说，我研究生阶段的不少研究点子并不来自于个人导师，而是我本身想出来的。我从Berkeley的导师那里得到的，更多的是研究上的精神和资金支持、研究方式和研究品味上的启发、诚实的品质和自豪感，以及他们的友谊。

7、要了解你研究领域中最新的进展。每一年读一千篇论文并非一件耸人听闻的事。事实上若是想成为领域内的顶尖学者，你要了解一切，不只在本领域，还有许多的相关领域。

8、当你作出突破性成果的同时，你也应该尊重领域内权威们的成果。不要认为他们愚蠢而本身更聪明，而且要去问本身为何多年之前他们没有像你这样作。另外一方面，当你确信你确实得到了权威们没有的洞见时，你也要有超越他们的勇气。

9、要变得学识广博而灵活。许多问题和技术都是相关的，不要在一棵树上吊死。

10、在研究中作一个完美主义者或理想主义者历来不是一件坏事。拥有一个乐观的性格和强健的体魄是很是重要的。不要愚蠢地假设本身由于比别人更聪明，因此能不那么努力。事实上，大多数我认识的顶尖科学家都是既绝顶聪明，又会长时间工做并保持高效。因此你须要健康的身体来与他们竞争。我本身在大学时代就是一个半专业的运动员。比起那些比我年轻10－20岁以上的学生们，我至今仍能更高强度、更长时间地连续工做和娱乐。

11、学会沟通的艺术。乐意去与同事和竞争者讨论、分享你的观点。不只向同事学习，也要向竞争者学习。

12、最重要的是，请保持诚实、开放、耐心、快乐和富于远见，而不是变得卑鄙、封闭、急躁、苦涩和短视。

人物简介

邢波（Eric Xing）博士现任卡耐基梅隆大学计算机科学系教授。他的主要研究兴趣集中在机器学习和统计方法论的发展及大规模计算系统和架构，但愿可以解决在复杂系统中的高维、多峰和动态的潜在世界中的自动化学习、推理以及决策问题。邢波教授拥有美国罗格斯大学分子生物学博士学位和美国加州大学伯克利分校计算机科学博士学位。

邢波教授目前正在进行的研究工做包括：1. 统计学习基础，包括针对估测时间或空间变化系数模型的理论和算法，稀疏的结构化输入/输出模型和非参数贝叶斯模型的理论和算法；2.在分布式系统或云端，搭建基于大模型和大数据规模的并行机器学习的框架；3. 针对基因调节、遗传变异和疾病相关性的计算和统计分析；4. 将统计学习应用到社交网络，数据挖掘和计算机视觉中。

邢波教授至今已发表了超过200篇受同行审议的论文。他是美国统计协会杂志（JASA）、应用统计年鉴（AOAS）、IEEE模式分析与机器智能学报（PAMI）和PLoS计算生物学杂志（the PLoS Journal of Computational Biology）的副主编，机器学习杂志（MLJ）和机器学习研究杂志（JMLR）的执行主编。他是美国国防部高级研究计划局（DARPA）信息科学与技术顾问组的成员，美国国家科学基金会（NSF）事业奖、Alfred P. Sloan学者奖、美国空军青年学者奖、以及IBM开放协做研究学者奖得到者。

____________________________________________________________________________________