[轉載]MIT人工智能實驗室：如何作研究 分類： 雜文 2014-10-07 15:14 107人閱讀 評論(0) 收藏

麻省理工學院人工智能實驗室AI Working Paper 316
  做者：人工智能實驗室全體研究生
  編輯：David Chapman      版本：1.3  1988年9月
  譯者：柳泉波 北京師範大學信息學院2000級博士生
 
 摘要  本文的主旨是解釋如何作研究。咱們提供的這些建議，對作研究自己（閱讀 、寫做和程序設計），理解研究過程以及開始熱愛研究（方法論、選題、選導師和情感因素），都是極具價值的。
 
 備註  人工智能實驗室的Working Papers用於內部交流，包含的信息因爲過於初步或者過於詳細而沒法發表。不像正式論文那樣，會列出全部的參考文獻。
 
1  簡介

1.1 這是什麼？
並無什麼靈丹妙藥能夠保證在研究中取得成功，本文只是列舉了一些可能會有所幫助的非正式意見。
 
1.2 目標讀者是誰？
本文檔主要是爲MIT人工智能實驗室新入學的研究生而寫，但對於其餘機構的人工
智能研究者也頗有價值。即便不是人工智能領域的研究者，也能夠從中發現對本身
有價值的部分。
 
1.3 如何使用？
要精讀完本文，太長了一些，最好是採用瀏覽的方式。不少人以爲下面的方法頗有
效：先快速通讀一遍，而後選取其中與本身當前研究項目有關的部分仔細研究。
（1）本文檔被粗略地分爲兩部分。第一部分涉及研究者所需具有的各類技能：閱
讀、寫做和程序設計等。第二部分討論研究過程自己：研究到底是怎麼回事，如何
作研究，如何選題和選導師，如何考慮研究中的情感因素。不少讀者反映，從長遠
看，第二部分比第一部分更有價值，也更讓人感興趣。
（2）如何經過閱讀打好AI研究的基礎。列舉了重要的AI期刊，並給出了一些閱讀
的訣竅。
（3）如何成爲AI研究領域的一員。與相關人員保持聯繫，他們能夠使你保持對研
究前沿的跟蹤，知道應該讀什麼材料。
（4）學習AI相關領域的知識。對幾個領域都用有基本的理解，對於一個或者兩個
領域要精通。
（5）如何作研究筆記。
（6）如何寫期刊論文和畢業論文。如何爲草稿寫評審意見，如何利用別人的評審
意見。如何發表論文。
（7）如何作研究報告。
（8）關於程序設計。AI程序設計與日常你們習慣的程序設計有什麼不一樣。
（9）如何選導師。這是研究生生涯的最重要的問題，不一樣的導師具備不一樣的風格
，本節的意見有助於你找到合適的導師。導師是你必須瞭解如何利用的資源。
（10）關於畢業論文。畢業論文將佔據研究生生涯的大部分時間，本部分涉及如何
選題，以及如何避免浪費時間。
（11）有關研究方法論。本節的內容較少，尚不完善。
（12）研究過程當中的情感因素。這或許是最重要的一節，包括如何面對失敗、如何
設定目標、如何避免不安全感、如何保持自信和享受快樂等。
 
2  閱讀
 
    不少研究人員要花一半的時間閱讀文獻。其實從別人的工做中也能夠很快地學到不少東西。本節討論的是AI中的閱讀，在第4節將論述其餘相關主題的閱讀。閱讀文獻要始於剛剛入學的今日。一旦你開始寫做論文，就沒有多少時間了，那時的閱讀主要集中於與論文主題相關的文獻。在研究生的頭兩年，大部分的時間要用於作課程做業和打基礎。此時，閱讀課本和出版的期刊文章就能夠了。（之後，你將主要閱讀文章的草稿，參看第節）。
    在本領域打下堅實的基礎所須要的閱讀量，是使人望而卻步的。但既然AI只是一個很小的研究領域，所以你仍然能夠花幾年的時間閱讀本領域已出版的數量衆多論文中最基本的那部分。一個有用的小技巧是首先找出那些最基本的論文。此時能夠參考一些有用的書目：例如研究生課程表，其餘學校（主要是斯坦福大學）研究生錄
取程序的建議閱讀列表，這些可讓你有一些初步的印象。若是你對AI的某個子領域感興趣，向該領域的高年級研究生請教本領域最重要的十篇論文是什麼，若是能夠，借過來複印。最近，出現 了不少精心編輯的有關某個子領域的論文集，尤爲是Morgan-Kauffman出版的。
AI實驗室有三種內部出版物系列：Working Papers，Memos和Technical Reports，正式的程度依次增長，在八層的架子上能夠找到它們。回顧最近幾年的出版物，那些很是感興趣的複製下來。這不只是因爲其中不少都是意義重大的論文，對於瞭解實驗室成員的工做進展也是很重要的。
    有關AI的期刊有不少，幸運的是，只有一部分是值得看的。最核心的期刊是Artificial Intelligence（也有寫做"the Journal of ArtificialIntelligence"或者"AIJ"的）。AI領域真正具有價值的論文最終都會投往AIJ，所以值得瀏覽每年每一期的內容；可是該期刊也有不少論文讓人心煩。

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

Cognitive Science也出版不少意義重大的AI論文。

Machine Learning是機器學習領域最重要的資源。
IEEE PAMI（Pattern Analysis and Machine Intelligence）是最好的有關視覺的期刊，每期都有兩三篇有價值的論文。

International Journal of ComputerVision（IJCV）是最新創辦的，到目前爲止仍是有價值的。Robotics Research的文章主要是關於動力學的，有時候也有劃時代的智能機器人論文。

IEEERobotics and Automation偶爾有好文章。     每一年都應該去所在學校的計算機科學圖書館（在MIT的Tech Square的一層），翻閱其餘院校出版的AI技術報告，並選出本身感興趣的仔細加以閱讀。      閱讀論文是須要練習的技能。不可能完整地閱讀全部的論文。閱讀論文可分爲三個階段：第一階段是看論文中是否有感興趣的東西。AI論文含有摘要，其中可能有內容的介紹，可是也有可能沒有或者總結得很差，所以須要你跳讀，這看一點那看一點，瞭解做者究竟作了些什麼。內容目錄（the table of contents）、結論部分 （conclusion）和簡介（introduction）是三個重點。若是這些方法都不行，就只好順序快速瀏覽了。一旦搞清楚了論文的大概和創新點，就能夠決定是否須要進行第二階段了。在第二階段，要找出論文真正具備內容的部分。不少15頁的論文能夠重寫爲一頁左右的篇幅；所以須要你尋找那些真正激動人心的地方，這常常隱藏於某個地方。論文做者從其工做中所發現的感興趣的地方，未必是你感興趣的，反之亦然。最後，若是以爲該論文確實有價值，返回去通篇精讀。      讀論文時要牢記一個問題，"我應該如何利用該論文？""真的像做者宣稱的那樣麼？""若是……會發生什麼？"。理解論文獲得了什麼結論並不等同於理解了該論文。理解論文，就要了解論文的目的，做者所做的選擇（不少都是隱含的），假設和形式化是否可行，論文指出了怎樣的方向，論文所涉及領域都有哪些問題，做者的 研究中持續出現的難點模式是什麼，論文所表達的策略觀點是什麼，諸如此類。       將閱讀與程序設計聯繫在一塊兒是頗有幫助的。若是你對某個領域感興趣，在閱讀了一些論文後，試試實現論文中所描述的程序的"玩具"版本。這無疑會加深理解。可悲的是，不少AI實驗室天生就是孤僻的，裏面的成員主要閱讀和引用本身學校實驗室的工做。要知道，其餘的機構具備不一樣的思考問題的方式，值得去閱讀，嚴肅 對待，並引用它們的工做，即便你認爲本身明曉他們的錯誤所在。常常會有人遞給你一本書或者一篇論文並告訴你應該讀讀，由於其中有很閃光的地方且/或能夠應用到你的研究工做中。但等你閱讀完了，你發現沒什麼特別閃光的地方，僅僅是勉強可用而已。因而，困惑就來了，"我哪不對啊？我漏掉什麼了嗎？"。實際上，這是由於你的朋友在閱讀書或論文時，在頭腦中早已造成的一些想法的催化下，看出了其中對你的研究課題有價值的地方。   3  創建關係       一兩年後，對本身準備從事的子領域已經有了一些想法。此時--或者再早一點--加入Secret Paper Passing Network是很重要的。這個非正式的組織是人工智能 真正在作什麼的反映。引導潮流的工做最終會變成正式發表的論文，可是至少在牛 人徹底明白一年以後，也就是說，牛人對新思想的工做至少領先一年。 牛人如何發現新思路的？多是聽自於某次會議，可是最可能來自於Secret Paper  Passing Network。下面是該網絡工做的大體狀況。Jo Cool有了一個好想法。她 將尚不完整的實現與其餘一些工做融合在一塊兒，寫了一份草稿論文。她想知道這個 想法究竟怎麼樣，所以她將論文的拷貝發送給十位朋友並請他們進行評論。朋友們 以爲這個想法很棒，同時也指出了其中的錯誤之處，而後這些朋友又把論文拷貝給 他們各自的一些朋友，如此繼續。幾個月後，Jo對之進行了大量修訂，並送交給 AAAI。六個月後，該論文以五頁的篇幅正式發表（這是AAAI會議錄容許的篇幅）。 最後Jo開始整理相關的程序，並寫了一個更長的論文（基於在AAAI發表論文獲得的 反饋）。而後送交給AI期刊。AI期刊要花大約兩年的時間，對論文評審，包括做者 對論文修改所花費的時間，以及相應的出版延遲。所以，理想狀況下，Jo的思想最 終發表在期刊上須要大約三年時間。因此牛人不多能從本領域出版的期刊文章中學 到什麼東西，來得太遲了。 你，也能夠成爲一個牛人。下面是創建學術關係網的一些訣竅： （1）有不少討論某個AI子領域（如鏈接主義或者視覺）的郵件列表，選擇本身感 興趣的列表加入。 （2）當與很熟悉本領域的人討論本身的思想時，他們極可能不直接評價你的想法 ，而是說："你讀過某某嗎？"這並非一個設問，而是建議你去閱讀某份文獻，它 極可能與你的想法有關係。若是你尚未讀過該文獻，從跟你交談的高手那裏獲得 該文獻的詳細信息，或者直接從他那裏借一份拷貝下來。 （3）當你讀到某份讓你感到很興奮的論文，複印五份送交給對之感興趣的其餘五 我的。他們可能會反饋回來很好的建議。 （4）本實驗室有不少針對不一樣子領域的非正式（持續發展的）論文討論組，他們 每星期或每兩星期聚會一次，對你們閱讀完的論文進行討論。 （5）有些人並不介意別人去翻看他們的書桌，也就是說，去翻閱他們堆在書桌上 的不久要閱讀或者常常翻閱的論文。你能夠去翻翻看，有沒有本身感興趣的。固然 了，首先要獲得主人的許可，要知道有些人確實反感別人翻本身的東西。去試試那 些平易近人的人。 （6）一樣，有些人也並不介意你翻看他們的文件櫃。實驗室中但是有不少學問精 深的人，他們的文件櫃裏也有好多寶貝。與利用學校圖書館相比，這一般是更快更 可靠的尋找論文的方式。 （7）只要本身寫下了些東西，將草稿的拷貝分發給那些可能感興趣的人。（這也 有一個潛在的問題：雖然AI領域的剽竊不多，但也確實有。你能夠在第一頁寫上" 請不要影印或者引用"的字樣以作部分防範。）大部分人並不會閱讀本身收到的大 部分論文，所以若是隻有少數人返回評論給你，也不用太在乎。你能夠如此反覆幾 次--這是期刊論文所必需的。注意，除了本身的導師，通常不多將兩次以上的草稿 送給同一我的。 （8）當你寫完一篇論文後，將論文的拷貝送給那些可能感興趣的人。別覺得人家 天然而然地就會去閱讀發表論文的期刊或者會議錄。若是是內部的出版物（備忘錄 和技術報告）就更不容易讀到了。 （9）你保持聯繫的人越是各式各樣，效果就越好。嘗試與不一樣研究組，AI實驗室 ，不一樣學術領域的人交換論文。使本身成爲沒有聯繫的兩個科研組交流的橋樑，這 樣，很快的，你的桌子上就會冒出一大摞相關的論文。 （10）若是某篇論文引用了本身感興趣的某些東西，作好筆記。維護一份本身感興 趣參考文獻的日誌。到圖書館去看看能不能找到這些論文。若是要了解某個主題的 發展軌跡，能夠有意地去作一張引用的"參考文獻"圖。所謂的參考文獻圖，是指引 用組成的網：論文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 論文，這一般是值得閱讀的。參考文獻圖有奇妙的性質。一個是常常有研究同一主 題的研究組相互不瞭解。你搜索該圖，忽然發現了進入另外一部分的方式，這一般出 現於不一樣學校或者不一樣方法存在的地方。儘量瞭解多種方法是頗有價值的，這總 比很是深刻的瞭解某一種方法更好。 （11）暫時擱置。跟別人交談，告訴他們你在作什麼，並詢問人家在作什麼。（如 果你對與別的學生討論本身的想法感到害羞，也要堅持交談，即便本身沒有什麼想 法，與他們討論本身認爲確實優秀的論文。這將很天然地引導到下一步作什麼的討 論。）天天中午在活動樓七層有一個非正式的午飯討論會。在咱們實驗室，人們都 習慣於晚上工做，因此午飯的時候能夠跟別人組成鬆散的小組進行討論。 （12）若是你與外界的交流不少--作演示或者參加會議--去印張事務名片，主要要 使本身的名字容易記住。 （13）從某個時間開始，你將會開始參加學術會議。若是你確實參加了，你會發現 一個事實，幾乎全部的會議論文都使人生厭或者愚蠢透頂。（這其中的理由頗有意 思，但與本文無關，不作討論）。那還去參加會議幹嘛？主要是爲告終識實驗室之 外的人。外面的人會傳播有關你的工做的新聞，邀請你做報告，告知你某地的學術 風氣和研究者的特色，把你介紹給其餘人，幫助你找到一份暑期工做，諸如此類。 如何與別人結識呢？若是以爲某人的論文有價值，跑上去，說："我很是欣賞您的 論文"，並提問一個問題。 （14）得到到別的實驗室進行暑期工做的機會。這樣你會結識另一羣人，或許還 會學到另一種看待事物的方式。能夠去問高年級同窗如何獲取這樣的機會，他們 或許已經在你想去的地方工做過了，能幫你聯繫。   4  學習其餘領域   一般的狀況，你只能作AI領域的事情，對AI領域以外的事情一無所知，好像有些人 如今也仍然這麼認爲。可是，如今要求好的研究者對幾個相關的領域都瞭解頗深。 計算的可行性自己並無對什麼是智能提供足夠的約束，其餘的領域給出了其餘形 式的約束，例如心理學得到的經驗數據。更重要的是，其餘的研究領域給了你思考 的新工具，看待智能的新方法。學習其餘領域的另一個緣由是AI自己並無評價 研究價值的標準，全是借自於其餘領域。數學將定理做爲進展；工程會問某個對象 是否工做可靠；心理學要求可重複的試驗；哲學有嚴格的思辨；等等。全部這些標 準有時都在AI中起做用，熟悉這些標準有助於你評價他人的工做，深刻本身的工做 以及保護本身的工做。 通過六年左右的研究方可得到MIT的PhD，你能夠在一到兩個非AI領域裏打下堅實的 基礎，在更多的領域內具備閱讀水平，而且必須對大部份內容具備必定程度的理解 。 下面是如何學習本身所知甚少領域的一些方法： （1）選修一門研究生課程，這很牢靠，但一般不是最有效的方法。 （2）閱讀課本。這方法還算不錯，不過課本的知識常常是過期的，通常還有很高 比例的與內容無關的修辭。 （3）找出該領域最棒的期刊是什麼，向該領域的高人請教。而後找出最近幾年值 得閱讀的文章，並跟蹤相關參考文獻。這是最快的感覺該領域的方法，但有時候你 也許會有錯誤的理解。 （4）找出該領域最著名的學者，閱讀他們所著的書籍。 （5）跟該領域的研究生泡在一塊兒。 （6）參看外校研究該領域的系的課程表。拜訪那裏的研究院辦公室，挑選有用的 的文獻。 下面是一些須要瞭解的與AI有關的科目： （1）計算機科學是咱們所使用的技術。你須要選修的初級研究生課程確定不能讓 你對計算機科學有足夠的瞭解，所以你必須經過閱讀學習更多的知識。計算機科學 全部的領域--理論體系結構，系統，語言等等--都是必須學習的。 （2）數學多是接下來須要瞭解的最重要的學科。對於工做在視覺或者機器人學 的人來講更關鍵。對於以系統爲中心的工做，表面上看，並不相關，但數學會教你 有用的思惟方式。你須要能閱讀定理，若是具備證實定理的能力將會給本領域的大 多數人留下深入的印象。不多有人能自學數學，光作個聽衆是不夠的，還得作習題 集。儘量早地選修儘量多的數學課，其餘領域的課程之後選也很容易。 計算機科學是以離散數學爲基礎的：代數，圖論，等等。若是你要從事推理方面的 工做，邏輯是很重要的。邏輯在MIT用得很少，可是在斯坦福以及其餘地方，這是 認識思惟的主流方法。因此你必須具有足夠的邏輯知識，這樣你才能保護本身的觀 點。在MIT數學系選修一兩門課程就足夠了。要是研究興趣在感知和機器人，那麼 不只須要離散數學，還須要連續數學。在分析，微分幾何和拓撲學具備紮實的基礎 將會給你提供最常使用的技巧。統計和機率只是通常有用。 （3）認知心理學與AI共享幾乎徹底相同的觀點，可是實踐者確實具備不一樣的目標 ，他們主要是作實驗而不是寫程序。每個人都須要知道認知心理學的某些知識。 在MIT，Molly Potter開了一門很好的有關認知心理學的初級研究生課程。 （4）若是你想作有關學習的工做，那麼發展心理學是很重要的。發展心理學從一 般意義上講也是頗有用的，它能告訴你對於人類智能來講，哪些事情難哪些容易。 它還給出了有關認知體系結構的認知模型。例如，有關兒童語言習得的工做就對語 言處理理論施加了堅實的約束。在MIT，Susan Carey開了一門很好的有關發展心理 學的初級研究生課程。 （5）心理學中更"軟"的部分，例如心理分析和社會心理學，對AI的影響看似很小 ，但具備潛在的重大意義。它們會給你很是不一樣的理解人是什麼的方式。象社會學 和人類學這樣的社會科學能夠起類似的做用。具備多種觀點是頗有用的。上述學科 你須要自學。不幸的是，很難區分出這些領域哪些是優秀的成果哪些是垃圾。到哈 佛去學習：對於MIT的學生來講，很容易交叉註冊哈佛的課程。 （6）神經科學告訴咱們有關人體可計算硬件的知識。隨着最近可計算神經科學和 聯結主義的興起，對AI具備很是大的影響。MIT的腦和行爲科學系提供了很是好的 課程，視覺（Hildreth, Poggio, Richards, Ullman），移動控制（Hollerbach,  Bizzi）和普通神經科學（9.015，由專家組講授）。 （7）若是你想研究天然語言處理，語言學是很重要的。不只如此，它還包含了很 多有關人類認知的約束。在MIT，語言學主要由Chomsky學院負責。你能夠去看看是 不是符合本身的興趣。George Lakoff最近出版的書《Women, Fire, and Dangerous Things》可做爲另一種研究程序的例子。 （8）工程，特別是電機工程，已經被不少AI研究機構做爲一個研究領域。咱們實 驗室在培養程序中加入了不少須要確實作一些東西的要求，例如分析電路。瞭解 EE也有助於建造定製的芯片或者調試本身的Lisp機器上的電源。 （9）物理學對於那些對感知和機器人感興趣的人具備強大的影響。 （10）哲學是全部AI領域看不見的框架。不少AI工做都有蘊含着哲學的影響。學習 哲學也能幫助你運用或者讀懂不少AI論文中用到的觀點。哲學可沿着至少兩個正交 的軸分解。哲學一般是某種東西的哲學；有關思惟和語言的哲學與AI更相關。而後 存在着多種哲學學派，從比較大的範圍來分，哲學可分爲分析哲學和大陸哲學。分 析哲學有關思惟的觀點與AI領域大多數研究者一致。大陸哲學則對咱們習覺得常的 不少東西有很是不一樣的看待方式。它曾經被Dreyfus用於證實AI是不可能的。就在 不久前，有幾位研究者認爲大陸哲學與AI是相容的，提供了另一種解決問題的方 法。MIT的哲學屬於分析哲學，哲學學院深深地受到Chomsky在語言學方面工做的影 響。 看起來要學習太多的東西，是否是？確實如此。要當心一個陷阱：認爲對於全部的 X，"只有我對X瞭解的更多，這個問題纔會變得容易"。要知道，與之相關須要進一 步瞭解的東西是永遠沒完的，但最終你仍是要坐下來，解決問題的。   5  筆記   不少科學家都有作科研筆記的習慣，你也應該這樣。可能你曾被告知從五年級開始 ，對於每一門科學課都應該記筆記，確實如此。不一樣的記筆記方式適用於不一樣的人 ，能夠作在線筆記，記在筆記本或者便箋簿上。可能須要在實驗室有一個，家裏還 有一個。在筆記本上記錄下本身的想法。只有你本身才會去讀它，所以能夠記得比 較隨意。記錄下本身的思索，當前工做中遇到的問題，可能的解決方案。對未來可 能用到的參考文獻做小結。 按期翻閱你本身的筆記本。有些人會作月度總結，方便未來的引用。 筆記中記錄中的東西常常能夠做爲一篇論文的骨幹。這會使生活變得輕鬆些。相反 ，你會發現寫粗略的論文--標題，摘要，分標題，以及正文的片斷--是一種記錄自 己當前工做的有效方式，即便你並不許備把它變成一篇真正的論文。（過一段時間 你或許會改變想法）。 你或許會發現Vera Johnson-Steiner的書《Notebooks of the Mind》頗有用，該 書並非描寫如何作筆記的文獻，它描述了隨着思想片段的積累，創新思想是如何 出現的。   6  寫做   寫做的理由有不少。 （1）在整個讀研的過程當中，你須要寫一到兩篇（這取決於你所在系的規定）畢業 論文，以得到PhD或者MS。 （2）勤於寫做不只僅給你練習的機會。 （3）學術的規則就是要麼發表，要麼腐爛。在不少領域和學校，這一般開始於你 成爲一名教授時，可是咱們實驗室的不少研究生畢業以前就已經開始發表論文了。 鼓勵發表和分發論文是很好的政策。 （4）寫下本身的想法是很好的調整思路的方式。你會常常地發現自覺得很完美的 想法一旦寫下來就顯得語無倫次。 （5）若是你工做的目的是不只爲本身還要爲他人服務，就必須把它發表。這也是 研究的基本責任。若是你寫得精彩，會有更多的人來了解你的工做。 （6）AI但憑單打獨鬥是很難作的，你須要常常地從他人那裏得到反饋。對你的論 文做評論就是最重要的一種形式。任何事情，要作就要作到最好。 （7）閱讀有關如何寫做的書籍。Strunk和White的《Elements of Style》對基本 的應該如何不該該如何作了介紹。Claire的《The MLA's Line By Line》（ Houghton Mifflin）是有關在句子級別如何編輯的書籍。Jacques Barzun的《 Simple and Direct: A Rhetoric for Writers》（Harper and Row, 1985）是有 關如何做文的。 （8）寫論文時，讀讀那些寫做高超的書，並思考做者的句法運用。你會發現不知 不覺地，你已經吸取了做者的風格。 （9）要成爲寫做高手，須要付出頗多，歷經數年，期間還要忍受和認真對待他人 的批評。除此以外，並沒有捷徑可走。 （10）寫做有時候是很痛苦的，看起來好像是從"實際的"工做中分心了。但若是你 已經掌握了寫做技巧，寫起來會很快。並且若是你把寫做看成一門藝術的話，你能 從中獲得不少樂趣。 （11）你確定會遇到思路阻塞的狀況，這有不少的可能緣由，沒有必定能夠避免的 方法。追求完美可能致使思路阻塞：不管開始寫什麼，總以爲不夠好。要理解寫做 是一個調試的過程。先寫一個草稿，而後返回修訂。寫草稿有助於理順思路，若是 寫不出來正文，那就寫個大綱。逐步對之細化，直到已經很容易寫出子部分的內容 。若是連草稿也寫不出來，隱藏掉正在寫做的全部窗口，而後隨便輸入本身腦殼裏 想到的東西，即便看起來好像是垃圾。當你已經寫出了不少文本後，從新打開窗口 ，將剛纔寫的東西編輯進去。另一個錯誤是覺得能夠將全部的內容依次寫出。通 常你應該將論文的核心內容寫出來，最後纔是介紹部分。引發做者思路阻塞的另外一 個緣由是不切實際的覺得寫做是很容易的事情。寫做是耗時耗力的，若是發現本身 天天只能寫一頁，也不要放棄。 （12）完美主義可能會致使對原本已經足夠好的論文還在不停地打磨。這是浪費時 間。（這也是一種有意無心之間逃避作研究的表現）。將論文看做你與本領域其餘 人交談時的一句話。在交談中，並非每一句話都是完美的。不多有人會期待本身 的某次談話就是所有的故事，是與對方的最後一次交流。 （13）寫信是一種很好的練習。不少技術論文，若是其風格更相似於給朋友的信， 那麼會有很大的提升。堅持記日記也是練習寫做的方法（也會使你試驗更多的文體 ，不只僅是技術論文）。這兩種方法還有其它的實質做用。 （14）一個常見的陷阱是花不少時間去追求修辭而不是內容。要避免這樣。LaTeX 並不是完美，可是它有不少你所需的修飾語。若是這還不夠，還可從其餘從事這一研 究的人那裏借用一些詞語用法。不少站點（例如MIT）維護了一個寫做修辭的庫。  （15）清楚本身要表達什麼。這是清楚的寫做中最難最重要的因素。若是你寫了拙 劣的東西，且不知道如何修改，這頗有多是由於你不知道本身要說什麼。一旦搞 清楚了本身要說什麼，說就好了。 （16）論文的寫做要有利於讀者查找到你所作的工做。不管是段落的組織仍是通篇 的組織，都要將最核心的部分放在前面。要精心寫做摘要。確保摘要已經反映出你 的好思路是什麼。確保本身明白本身的創新點是什麼，而後用幾句話表達出來。太 多的論文摘要只是通常性地介紹論文，說是有一個好思路，卻不說是什麼。 （17）不要用大話來販賣你的工做。你的讀者都是很優秀的人，正直且自尊。與之 相反，也不要爲本身的工做道歉或者進行消減。 （18）有時候你意識到某個子句、句子或者段落不夠好，殊不知道如何修改。這是 由於你鑽到死衚衕裏出不來了。你須要返回重寫這一部分。現實中這種狀況不多發 生。 （19）確保本身的論文中有中心思想。若是你的程序在10毫秒內解決了問題X，告 訴讀者你是如何辦到的。不要只是解釋你的系統是如何構建的，是作什麼的，還要 解釋其工做原理和價值所在。 （20）寫做是給人看的，而不是機器。所以光觀點正確是不行的，還要易懂。不要 靠讀者本身去推理，除非是最明顯的推論。若是你在第七頁的腳註上解釋了某個小 玩意的工做原理，接着在第二十三頁沒有進一步解釋就引用了它，此時若是讀者感 到困惑一點都不值得奇怪。正式的論文要寫清楚是很難的。不要模仿數學領域的文 獻，它們的標準是儘量少的解釋，使讀者感到越困難越好。這並不適用於AI。 （21）寫完一篇論文後，刪掉第一段或者頭幾句話。你會發現那是與內容無關的一 般性話語，更好的介紹語句在第一段最後或者第二段的開頭。 若是你等作完全部的工做後纔開始寫做，會失去不少。一旦開始了某個科研項目， 要養成這樣的習慣：寫做解釋當前工做進展或者每幾個月學習所得的非正式論文。 從你的研究筆記中的記載開始。花兩天的時間寫下來--若是你花的時間更長，說明 你是一個完美主義者。 將論文與你的朋友分享。寫的是草稿--不是爲了被引用的那種。將論文複製數十份 ，送給那些感興趣的人（包括你的導師）。與寫正式論文相比，這樣作具備不少相 同的好處（評論，理清思路，寫做練習等等），並且從某種意義上講，付出無需那 麼多。常常地，若是你作得不錯，這些非正式論文之後能夠做爲正式論文的骨幹內 容，也就是從AI實驗室的Working Paper成爲一篇期刊文章。 一旦你成爲Secret Paper Passing Network的成員，會有不少人給你寄論文拷貝要 求評論。得到他人對本身的論文的評論是頗有價值的。所以你評論的論文越多，你 得到支持就越多，也會收到更多人對你論文的評論。不只如此，學習評價別人的論 文也有助你的選擇。 爲論文寫有用的評論是一門藝術。 （1）要寫出有用的評論，須要讀兩遍論文。第一遍瞭解其思想，第二遍開始做評 論。 （2）若是某人在論文中多次犯同一錯誤，不要每次都標記出來。而是要弄清楚模 式是什麼，他爲何這樣作，對此還能夠作什麼，而後在第一頁清晰地指出或者私 下交流。 （3）論文的做者在合併你的評論時，將會遵循最小修改的原則。若是能夠，就只 修改一個詞，不行再修改一個詞組，再不行才修改整個句子。若是他的論文中某些 拙劣之處使得他必須修改整個段落，整個小節甚至整篇論文的組織，要用大字體的 字母指出來，這樣他纔不會忽視。 （4）不要在論文寫毀滅性的批評如"垃圾"。這對於做者毫無幫助。花時間提出建 設性的建議。要設身處地地爲做者着想。 評論有不少種。有對錶達的評論，有對內容的評論。對錶達的評論也能夠很不一樣， 能夠是校對打字稿，標點，拼寫錯誤，字詞丟失等。應該學一些標準的編輯符號。 還能夠是校訂語法，修辭，以及混亂不清楚的段落。一般人們會持續地犯同一語法 錯誤，所以須要花時間明確地指出。接下來是對組織結構的評論：不一樣程度（子句 ，句子，段落，小節乃至一章）的次序混亂，冗餘，無關的內容，以及丟失論點。  很難描述對內容進行評論的特徵。你可能建議做者擴展本身的想法，考慮某個問題 ，錯誤，潛在的問題，表達讚美等。"由於Y，你應該讀X"是一種老是有用的評論。 當被要求對論文做評論時，你首先想弄清楚哪一種評論更有用。對於早期的論文草稿 ，須要你主要對內容和論文的組織結構做評論；對於最終的草稿，須要你主要評論 表達的細節。 注意，做爲一種禮貌，在要求別人評論以前，應首先用拼寫檢查器對本身的論文進 行檢查。 你無須接受全部的意見，可是必須都認真對待。將論文的部份內容裁掉是挺使人痛 心的，但每每也提升了論文的水平。你常常會發現某個意見確實指出了問題，可是 解決方法你以爲不可接受，那麼就去尋找第三條道路。 要多發表論文，這其實比想象中的容易。基本上，AI出版物評審者評審論文的標準 是：(a)有新意；(b)在某些方面，符合標準。看看IJCAI的會議錄，你會發現論文 錄取的標準至關低。這種狀況因爲評審過程自己固有的隨機性而變得更糟糕了。 因此一個發表論文的訣竅是不停地試。 （1）確保論文可讀性比較好。論文被拒絕的緣由，除了沒有意義以外，就是沒法 理解或者組織糟糕。 （2）論文在投往期刊以前，應該交流一段時間，並根據反饋的評論進行適當的修 訂。要抵制那種急匆匆地把結果投往期刊的作法。在AI領域，沒有競賽，並且無論 怎麼說，出版週期的延遲要大大超過對草稿進行評論的時間。 （3）讀一讀你想投稿的期刊或者會議的過刊，確保本身論文的風格和內容是適合 的。 （4）不少出版物都有一頁左右的"做者投稿須知"，仔細看看。 （5）主要的會議都會在被接收的論文中評出內容和表達俱佳的獲獎論文，仔細研 究研究。 （6）一般是向會議投交一篇篇幅比較短的有關部分工做內容的早期報告，而後再 往期刊投交一份篇幅長的最終的正式論文。 （7）論文被拒絕了--千萬不要沮喪灰心。 （8）期刊和會議的論文評審過程存在很大的不一樣。爲了節省時間，會議論文的評 審必須迅速，沒有時間細究或者交流。若是你被拒絕了，你就失敗了。但期刊論文 則不一樣，你能夠常常地與編輯爭辯，經過編輯與評審人爭辯。 （9）評審人通常都會對你有幫助。若是你收到了使人生厭的評審報告，應該向大 會的程序主席或者編輯投訴。不能指望能夠從會議論文評審人的報告那裏獲得多少 反饋。但對於期刊論文，每每能夠獲得很是棒的建議。你沒必要徹底按照評審報告的 建議去作，可是，若是你不按照報告去作，那麼就必須解釋緣由，而且要意識到這 可能會致使進一步的負面評價。無論怎麼樣，不管是哪一種的評審，做爲評審者都要 有禮貌。由於在餘下的職業生涯中，你將會與被評審者在一個學術圈子裏。 （10）MIT AI Lab Memos大致上是或者接近發表的水平。實際上，Technical Reports基本上都是這些Memos的修訂版本。Working Papers則更不正式，這是很好 的將本身的論文分發給同事們的方法。要出版這些內部文件，只需到Publications  Office（在活動樓八層）領一份表格，並有兩位教員簽字便可。 就像其它的科研活動同樣，論文寫做所花的時間老是比指望的要高。論文的發表在 耗費時間這個問題上則更嚴重。當你完成了一篇論文，投出去，等待發表。數月後 ，論文以及評論被返回來。你不得不對論文進行修改。而後又是幾個月，才返回對 你的修改的確認。若是你同時發表了該論文的不一樣形式，若有一篇短的投會議，一 篇長的投期刊，這樣的過程將反覆數個回合。結果有多是當你已經厭倦了，研究 主題也已經使人生厭後數年，你仍然在修改那篇論文。這啓示咱們：不要去作那些 須要熱情投入可是很難發表論文的研究--苦不堪言。   7  講演   與同行交流的另一種方式就是講演，上面提到的有關論文寫做的問題，一樣適用 於講演。站在聽衆面前從容講演而不會使聽衆懨懨欲睡的能力，對於你成功地得到 別人的認可、尊敬乃至最終的求職都是很關鍵的。 講演的能力不是天生的，下面是一些學習和練習講演的方法： （1）Patrick Winston有一篇很好的有關如何做講演的小論文。每一年的一月，他都 會就此做講演，演示和描述它的演講技巧。 （2）若是你以爲本身是一個糟糕的演講者，或者想成爲一名優秀的演講者，選一 門公共演講課。初級的表演課也頗有用。 （3）若是你的導師有按期的研究討論會，自願去做演講。 （4）MIT AI實驗室有一系列的半正式座談會，叫作Revolving Seminar。若是你覺 本身的某些觀點值得寫進AI Memo或者會議論文中，挺身而出去做一場報告。 （5）深刻了解實驗室的不一樣機器人項目，當你外地的親朋好友來的時候，你能夠 領着他們逛一圈，並就機器人作60分鐘的報告。 （6）因爲修改演講遠比修改論文容易，有些人會以爲這是很好的尋找如何表達思 想的方式。（Nike Brady有一次曾說，他全部最好的論文都來自於演講）。 （7）在一間空屋子裏練習，最好就是你立刻要作的報告。這有助於調整報告的技 巧：每一張幻燈講些什麼；轉換的延遲以及保持平滑；保持解釋和幻燈的同步；估 計報告的時間長度。你花在調整設備上的時間越少，留下來的與人交流的時間就越 長。 （8）用鏡子，錄音機或者錄像機練習是另一種方法。實驗室有這三種設備。這 也有助於調整本身的發音和肢體語言。 （9）對於比較正式的報告--特別是你的答辯--應該在幾個朋友面前練習一遍，請 他們批評指正。 （10）觀察別人是如何作報告的。有不少訪問MIT的人會作報告。參加這樣的報告 會可以感覺本身不熟悉的領域，而且若是報告使人提不起興趣，你能夠暗中分析報 告者錯在哪裏。 （11）找一位朋友，將你最近的想法說給他聽。這既能夠提升的交際技巧，又能調 試本身的思路。   8  程序設計   並非全部的AI論文都包含代碼，並且本領域的不少重量級人物歷來沒有寫過一個 重要的程序。可是爲了深刻掌握AI工做原理，你必須會程序設計。不只僅是不少 AI研究工做須要編寫代碼，並且學會程序設計能給你什麼是可計算的什麼是不可計 算的直覺，這是AI對認知科學貢獻的主要來源。 在MIT，基本上全部的AI程序設計都使用Common Lisp。若是還不知道，趕快學吧。 固然，學習一門語言並不能等同於學習程序設計；AI程序設計包含的一些技術與那 些在系統程序設計或者應用程序設計中用到的大不相同。開始學的時候，能夠先看 看Abelson和Sussman的《Structure and Interpretation of Computer Programs 》，並作一些練習。這本書與AI程序設計本質上並不相干，可是包含了一些相同的 技術。而後讀Winston和Horn寫的Lisp書第三版，書裏有不少優雅的AI程序。最後 ，進行實際的程序設計，而不是閱讀，纔是最好的學習程序的方法。 學習Lisp程序設計有不少傳統。有些人習慣一塊兒寫代碼，這取決於個性。還有的人 尋找機會直接向有經驗的程序員學習，或者請他對你的代碼進行評價。閱讀別人的 代碼也是頗有效的方法。若是能夠向高年級同窗要他們的源代碼。他們可能會有些 抱怨，說本身的編程風格差極了，程序實際上並不能工做云云。無論怎麼樣，最後 你得到了源代碼。而後你要仔細地通篇閱讀，這很費時間。一般閱讀並徹底理解別 人代碼所花的時間與你本身編程完成的時間是同樣多的，所以要計劃好在你的頭一 個或者頭兩個學期用數週的時間去閱讀別人的代碼。你將從中學到不少之前未曾想 到在課本中也沒有的技巧。若是你讀到了大段大段不可理解沒有註釋的程序，你就 會明白應該如何寫代碼了。 在軟件工程課裏學習到的那些知識在AI程序設計中依然有用。要給代碼加註釋。使 用正確的數據抽象。將圖和你的代碼隔離開，因爲你使用的語言基本上是Common Lisp，所以可移植性很好。諸如此類。 通過頭幾年的學習後，應該寫一些本身的標準AI模塊，如： （1）真值維護系統 （2）規劃器 （3）規則系統 （4）不一樣風格的解釋器 （5）具備流程分析的優化編譯器 （6）具備繼承特性的框架系統 （7）幾種搜索方法 （8）基於解釋的學習器 任何你感興趣的東西均可以嘗試用程序實現。你能夠抓住問題的實質，在幾天以內 完成一個功能版本。修改已有的程序是另一種有效的方法，前提是你已經寫過這 樣的東西，而且確實瞭解其工做原理，優缺點以及效率等問題。 不象其餘一般的程序員，AI程序員之間不多相互借閱代碼（演示代碼例外）。這部 分因爲AI程序不多有真正起做用的（不少著名的AI程序只在做者論文所提到的那三 個例子上起做用，雖然最近這種狀況已經有所改善）。另一個緣由是AI程序一般 是匆忙湊成，並無考慮通常化的問題。使用Foobar的"標準"規則解釋器，開始時 頗有效，不久就會發現缺乏一些你須要的功能，或者不夠有效率。雖然能夠對代碼 進行修改知足本身的須要，但記住理解別人的代碼是很耗時的，有時候還不如本身 寫一個。有時候構建一個標準包的工做自己就能夠成爲一篇論文。 像論文同樣，程序也有可能過於追求完美了。不停重寫代碼以求完美，最大化的抽 象全部的東西，編寫宏和庫，與操做系統內核打交道，這都使得不少人偏離了本身 的論文，偏離了本身的領域（從另一方面，或許這正是你須要未來謀生的手段） 。   9  導師   在MIT，有兩種類型的導師，教學導師和論文導師。 教學導師的工做比較簡單。每一位研究生都被分配了系裏的一位老師做爲教學導師 。教學導師的做用是做爲系方表明，告訴你對你的正式要求是什麼，若是你的進度 慢了敦促你，批准你的課程計劃等。若是一切順利的話，你每一年只須要見教學導師 兩次，在註冊日那天。從另外一方面講，若是你遇到了困難，教學導師替你向系裏反 映或者提供指導。 論文導師是監督你研究的人。選擇論文導師是你讀研期間最重要的選擇，比選題都 重要得多。從更廣的意義上講，AI是經過師傅帶徒弟的方式學習的。有不少領域的 技術方面或者研究過程方面的非正式知識，只能從導師那裏學到，在任何教科書上 都找不到。 不少AI教員都是行爲古怪的人，畢業生也如此。導師與研究生的關係是很是個性化 的，你的我的特色必須與導師的配合得很好，這樣大家才能合做成功。 不一樣的導師具備不一樣的風格。下面是一些須要值得考慮的因素： （1）你須要多大程度的指導？有些導師會給你一個定義良好的適合作論文的問題 ，對解決方法進行解釋，並告訴你如何開展工做。若是你陷在某個地方了，他們會 告訴你如何開展下去。其餘的導師屬於甩手型，他們可能對你的選題毫無幫助，但 是一旦你選好題目，他們對於引導你的思路具備很是大的做用。你須要考慮清楚自 己適合獨立工做仍是須要指導。 （2）你須要多大程度的聯繫？有的導師要求每週與你見面，聽取你工做進展的匯 報。他們會告訴你應該讀的論文，並給你實際的練習和項目作。其餘的導師每學期 與你的談話不會超過兩次。 （3）你能承受的壓力有多大？有些導師施加的壓力是很大的。 （4）須要多少情感支持？ （5）聽取導師意見的認真程度如何？大多數導師會至關正式的建議你的論文題目 。有些導師是值得信賴的，他們給出的建議，若是按照執行，幾乎確定會作出一篇 可接受程度的論文，若是不是使人興奮的論文的話。其餘的則一會兒拋出不少思路 ，大部分是不切實際的，可是有一些，或許會致使重大突破。若是選了這樣的一位 導師，你首先得把本身看成一個過濾器。 （6）導師提供了什麼類型的研究組？有些教授會創造環境，把全部的學生彙集在 一塊兒，即便他們作的不是同一個項目。不少教授每週或者每兩週與本身的學生們會 面。這對你有用麼？你能與教授的學生和氣相處麼？有些學生髮現他們更能與其餘 教研組的學生創建良好的工做關係。 （7）你想參與大的項目麼？有些教授將大系統分解，每一個學生負責一部分。這給 了你與一組人討論問題的機會。 （8）你想被共同監督麼？有些論文項目包含了多個AI領域，須要你與兩個以上的 教授創建密切的工做關係。雖然你正式的論文導師只有一位，可是有時候這並不反 映實際狀況。 （9）導師願意指導其研究領域以外的論文題目麼？你是否能與導師一塊兒工做，比 你作什麼自己更重要。MIT的機器人系就曾指導過量子物理學和認知建模方面的論 文；推理方面的教員指導過視覺方面的論文。可是有些教員只願意指導本身研究興 趣領域內的論文。這對於那些欲得到終身職位的年輕教員來講尤爲如此。 （10）導師會爲了你跟體制做鬥爭嗎？有些導師會爲了你跟系裏或者某些有敵意的 實體做鬥爭。有時候體制對某些類型的學生不利（特別是對於女學生和怪癖的學生 ），所以這一點很重要。 （11）導師願意而且可以在會議上推薦你的工做嗎？這是導師工做的一部分，對你 未來工做意義重大。 上述這些因素，不一樣學校的狀況很不相同。與大部分學校相比，MIT提供了多得多 的自由。 找論文導師是你研究生一年級最主要的任務。研一結束時，或者研二學年開始階段 ，你必須有一個論文導師。下面是一些訣竅： （1）查閱實驗室的研究總結。其中有一頁左右的篇幅描述了每一個教師以及不少研 究生目前在作什麼。 （2）若是你對某些教師的研究工做感興趣，查閱其最近的論文。 （3）在第一學期，與儘量多的教師交談。去感覺他們喜歡作什麼，他們的研究 和指導風格是什麼。 （4）與預期導師的研究生交談。要保證與導師的多個學生交流，由於每位導師在 與不一樣的學生交流時有不一樣的工做方式和交流效果。不能被一個學生的見解所左右 。 （5）不少教師所在研究組的會議對新同窗都是公開的。這是很是好的瞭解導師工 做方式的途徑。 做爲一門學科，AI不一樣尋常的一點是不少有用的工做是由研究生完成的，而不是博 士--他們忙着作管理去了。這有幾個後果。一是某個教師的聲望，是否會得到終身 聘用，在很大程度上取決於學生的工做。這意味着教授有很強烈的動機吸引最好的 學生爲本身工做，並給與有效的指導和足夠的支持。另一個後果是，因爲大部分 學生的論文方向是由導師造成的，所以整個領域的方向和發展很大程度上取決於導 師選擇什麼樣的研究生。 當選定了導師，決定了本身對導師的要求後，要確保導師知道。不要因爲交流很差 ，浪費時間於本身並不想作的項目上。 不要徹底依賴你的導師，要創建本身的網絡。找一些能按期評審你的工做的人是很 重要的，由於研究時很容易走火入魔。網絡中的人能夠包括本身實驗室或者外單位 的研究生和老師。 在與其餘學生、老師甚至本身的導師的關係中，極可能會碰到種族主義者、性別歧 視、同性戀或者其餘使人尷尬的事情。若是你不幸碰到了，去尋求幫助。MIT的 ODSA出版了一本叫作"STOP Harrassment"的小冊子，裏面有不少建議。《Computer  Science Women's Report》，可在LCS文檔室找到，也與之相關。 實驗室中有些同窗只是名義上由導師指導，這對於那些獨立性很強的人來講很好。 可是若是你已經完成了某項導師指導的工做，除非你確保沒有導師也行且本身有牢 靠的支持網絡，不然就不要這麼幹。   10  論文   作畢業論文將佔據研究生生活的大部分時間，主要是去作研究，包括選題，這比實 際的寫做耗時更多。 碩士論文的目的是爲作博士論文練兵。博士水平的研究若是沒有準備好的話，是很 難進行的。碩士論文最基本的要求是展現本身的掌握程度：你已經徹底理解了本領 域最新進展，並具有相應的操做水平。並不須要你對本領域的最新知識有所拓展， 也不要求發表你的論文。然而咱們實驗室的論文老是比較大氣的，所以不少碩士論 文實際上都對本領域的發展做出了顯著的貢獻，大約有一半都出版了。這並不必定 是好事情。不少人精力都集中於碩士的工做，因此MIT有這樣的名聲：碩士論文的 質量每每比博士論文高。這有悖於碩士工做原本是爲博士研究做準備的原有目的。 另一個因素是所作研究要對領域有所貢獻，至少須要兩年，這使得研究生學習時 間之長使人難以忍受。如今或許你感覺不到匆忙，但當你已經在實驗室呆了七年後 ，你確定火燒眉毛地想逃出去。碩士從入學到畢業平均時間是兩年半，可是，計算 機系強烈鼓勵學生提早畢業。若是某個碩士生的題目過於龐大，可將之分解，一部 分來作碩士論文，另外一部分給博士生做博士論文。 想要了解碩士論文研究是什麼樣的，讀幾本最新的碩士論文。記住比較好的論文是 那些出版的或者成爲技術報告的，由於這標誌着該論文被認爲是擴展了領域的最新 知識--換句話說，他們的論文遠遠超出了碩士論文的水平。還要讀一些經過的可是 沒有出版的論文，全部經過的論文均可以在MIT圖書館中找到。博士論文必須對最 新知識有所拓展，博士論文的研究必須具有可出版的質量。MIT的泱泱氣質又表現 出來了，不少博士論文在幾年內都是某個子領域的權威工做。對於MIT的博士論文 來講，開創一個新領域，或者提出並解決一個新問題，並非什麼了不得的事情。 雖然，這並非必需的。 通常來講，須要兩到三年的時間來作博士論文。不少人花一到兩年的時間跟碩士生 活說再見，以及選題。這段時間能夠去嘗試一些別的事情，例如作助教或者在某個 非AI領域打下堅實的基礎或者組織個樂隊。博士論文的實際寫做時間大約是一年。  選題是論文工做中最重要最困難的部分： （1）好的論文題目不只可以表達我的觀點，並且可與同行交流。 （2）選擇題目必須是本身願意傾注熱情的。我的遠景觀點是你做爲一個科學家的 理由，是你最爲關切的意象、原則、思路或者目標。有多種形式。或許你想造一臺 可與之交談的計算機，或許你想把人類從計算機的愚蠢使用中拯救出來，或許你想 展現萬物都是統一的，或許你想在太空發現新生命。遠景觀點老是比較大的，你的 論文並不能實現你的遠景，可是能夠朝着那個方向努力。 （3）作論文時，最困難的就是如何將問題消減至可解決的水平，同時規模又足以 作一篇論文。"解決AI的寬度優先"是常見毛病的一個例子，題目太大太虛了。你會 發現須要不斷的縮小題目的範圍。選題是一個漸進的過程，不是一個離散的事件， 會持續到你宣佈論文已經完成那一刻爲止。實際上，解決問題一般比精確地描述問 題要容易得多。若是你的目標是一個五十年的工程，那麼合理的十年工程是什麼， 一年的呢？若是目標的結構龐大，那麼最核心的部件是什麼，如何最大程度的瞭解 核心部件？ （4）一個重要的因素是你能夠忍受多大程度的風險。在最終的成功和風險之間需 要權衡。這也並不老是對的，AI中有不少研究者還沒有涉及的想法。 （5）好的論文選題有一箇中心部分，你確信確定能夠完成，而且你和你的導師都 贊成這已經知足畢業要求了。除此以外，論文中還有多種擴展，有失敗的可能，但 若是成功了，會增長論文的精彩程度。雖然不是每個論文選題都符合這個模式， 但值得一試。 （6）有些人以爲同時在多個項目中工做能夠在選題的時候選擇能夠完成的那個。 這確實下降了風險。另一些人則願意在作任何工做以前，選一個單獨的題目。 （7）可能你只對某個領域感興趣，這樣你的選題範圍就狹窄得多。有時候，你會 發現系裏的老師沒有一我的可以指導你選擇的領域。可能還會發現好像那個領域沒 什麼很天然的選題，反而對別的領域有好想法。 （8）碩士選題比博士選題更難，由於碩士論文必須在你所知很少沒有足夠自信時 就完成。 （9）博士選題須要考慮的一個因素是是否繼續碩士階段所研究的領域，可能拓展 或者做爲基礎，或者乾脆轉到另一個領域。待在同一個領域事情就簡單了，可能 只須要一到兩年就畢業了，特別是若是在碩士階段的工做中已經發現了適合作博士 論文的題目。不足之處在於容易定型，改換領域則能增長知識的寬度。 （10）有的論文題目很新奇，有的則很普通。前者開創了新領域，探索了之前不曾 研究過的現象，或者爲很難描述的問題提供了有效的解決方法；後者則完美地解決 了定義良好的問題。兩種論文都是有價值的。選擇哪種論文，取決於我的風格。  (11）論文的"未來的工做"部分，是很好的論文題目來源。 （12）不管選什麼樣的題目，必須是前人不曾作過的。即便是同時有人作的工做， 也很差。有不少東西可做，根本無需競爭。還有一種常見的狀況，讀了別人的論文 後感受很驚慌，好像它已經把你的問題解決了。這一般發生在肯定論文題目過程當中 。實際上每每只是表面相似，所以將論文送給某個瞭解你的工做的高人看看，看他 怎麼說。 （13）MIT AI實驗室的論文並不是全是有關人工智能的；有些是有關硬件或者程序設 計語言的，也行。 選好題後，即便有點虛，你必須可以回答下列問題：論文的論點是什麼？你想說明 什麼？你必須有一句，一段，五分鐘的答案。若是你不知道本身在幹什麼，別人也 不會嚴肅對待你的選題，更糟糕的是，你會陷在選題--再選題的圈子裏而不能自拔 。開始做論文研究後，必定要可以用簡單的語言解釋每一部分的理論和實現是如何 爲目標服務的。 記住，一旦選好了題目，你必須與導師就論文完成的標準達成清晰的一致。若是你 和他對論文具備不一樣的指望，最後你確定死得很慘。必須定義好"完成測試"的標準 ，像一系列的可以證實你的理論和程序的例子。這是必須作的，便是你的導師並不 這麼要求。若是環境發生了根本的變化，測試也要隨之改變。 首先嚐試論文問題的簡化版本。用實例檢驗。在造成理論抽象以前，要完整的探究 具備表明性的例子。作論文的過程當中，有不少浪費時間的方式。要避免下列活動（ 除非確實跟論文相關）：語言表達的設計；用戶接口或者圖形接口上過度講究；發 明新的形式化方法；過度優化代碼；建立工具；官僚做風。任何與你的論文不是很 相關的工做要儘可能減小。一種衆所周知的現象"論文逃避"，就是你忽然發現改正某 個操做系統的BUG是很是吸引人也很重要的工做。此時你老是自覺不自覺的偏離了 論文的工做。要記住本身應該作些什麼（本文對於部分做者來講就屬於論文逃避現 象）。   11  研究方法論   [本部份內容比較少，尚不完善，請添加] 研究方法學定義了什麼是科研活動，如何開展研究，如何衡量研究的進展，以及什 麼叫作成功。AI的研究方法學是個大雜燴。不一樣的方法論定義了不一樣的研究學派。 方法是工具。使用便可，不要讓他們來使用你。不要把本身陷於口號之中："AI研 究須要牢靠的基礎"，"哲學家只會高談闊論，人工智能則須要拼搏"，"在問爲何 以前，先搞清楚計算的是什麼"。實際上，要在人工智能領域取得成功，你必須擅 長各類技術方法，還必須具有懷疑的態度。例如，你必須可以證實定理，同時你還 必須思考該定理是否說明了什麼。不少優秀的AI篇章都是巧妙地在幾種方法論中取 得平衡。例如，你必須選擇一條在太多理論（可能與任何實際問題都無關）和繁瑣 的實現（把實際的解決方法表達得語無倫次）之間的最佳路線。你常常會面臨區分 "乾淨"和"骯髒"的研究決策。你應該花時間將問題在某種程度上形式化嗎？仍是保 持問題的原始狀態，此時雖然結構不良但更接近實際？採用前一種方法（若是可行 的話）會獲得清晰肯定的結果，但這一過程每每是繁瑣的，或者至少不會直接解決 問題。後者則有陷入各類處理的漩渦之中的危險。任何工做，任何人，必須做出明 智的平衡。 有些工做象科學。你觀察人們是怎樣學習算術的，大腦是如何工做的，袋鼠是如何 跳的，而後搞清楚原理，造成可檢驗的理論。有些工做象工程：努力建立一個更好 的問題解決器或者算法。有些工做象數學：跟形式化打交道，要理解屬性，給出證 明。有些工做是實例驅動的，目標是解釋特定的現象。最好的工做是以上幾種的結 合。 方法具備社會性，看看別人是如何攻克相似難題的，向別人請教他們是如何處理某 種特殊狀況的。 12  情感因素 研究是艱苦的工做，很容易對之失去興趣。一個使人尷尬的事實是在本實驗室讀博 的學生只有不多比例最後得到學位。有些人離開是由於能夠在產業界賺到更多的錢 ，或者因爲我的的緣由；最主要的緣由則是因爲論文。本節的目標是解釋這種狀況 發生的緣由，並給出一些有益的建議。 有的研究都包含風險。若是你的項目不可能失敗，那是開發，不是研究。面對項目 失敗時是多麼艱難啊，很容易將你負責的項目失敗解釋爲你本身的失敗。雖然，這 實際上也證實了你有勇氣向困難挑戰。在人工智能領域不多有人老是一直成功，一 年年地出論文。實際上，失敗是常常的。你會發現他們常常是同時作幾個項目，只 有一些是成功的。最終成功的項目也許反覆失敗過屢次。經歷過不少因爲方法錯誤 的失敗以後，才取得最終的成功。在你之後的工做生涯中，會經歷不少失敗。可是 每個失敗的項目都表明了你的工做，不少思想，思考方式，甚至編寫的代碼，在 若干年後你發現可用於另一個徹底不一樣的項目。這種效果只有在你積累了至關程 度的失敗以後纔會顯現出來。所以要有最初的失敗之後將會起做用的信念。 研究所花費的實際時間每每比計劃的要多得多。一個小技巧是給每一個子任務分配三 倍於預期的時間（有些人加了一句："……，即便考慮了這條原則"）。 成功的關鍵在於使得研究成爲你平常生活的一部分。不少突破和靈感都發生在你散 步時。若是無時無刻地都潛意識的思考研究，就會發現思如泉涌。成功的AI研究者 ，堅持的做用通常大於天資。"嘗試"也是很重要的，也就是區分淺薄的和重要的思 路的能力。你會發現本身成功的比例是很隨機的。有時候，一個星期就作完了之前 須要三個月才能完成的工做。這是使人欣喜的，使得你更願意在本領域工做下去。 其餘一些時候，你徹底陷在那裏，感受什麼也作不了。這種狀況很難處理。你會覺 得本身永遠不會作出任何有價值的東西了，或者以爲本身再也不具有研究者的素質了 。這些感受幾乎確定是錯誤的。若是你是MIT錄取的學生，你就是絕對合格的。你 須要的是暫停一下，對糟糕的結果保持高度的容忍。 經過按期設置中短時間的目標，例如每週的或者每個月的，你有不少工做要作。增長達 到這些目標的可能性有兩種方法，你能夠把目標記在筆記本中，並告訴另一我的 。你能夠與某個朋友商定交換每週的目標並看誰最終實現了本身的目標。或者告訴 你的導師。 有時你會徹底陷在那裏，相似於寫做過程的思路阻塞，這有不少可能的緣由，卻並 無必定的解決方法。 （1）範圍過於寬泛了，可嘗試去解決流程中的子問題。 （2）有時候對你研究能力的懷疑會消磨掉你全部的熱情而使得你一事無成。要牢 記研究能力是學習而得的技能，而不是天生的。 （3）若是發現本身陷入嚴重的困境，一個多星期都毫無進展，嘗試天天只工做一 小時。幾天後，你可能就會發現一切又回到了正軌。 （4）懼怕失敗會使得研究工做更加困難。若是發現本身沒法完成工做，問問本身 是不是因爲在逃避用實驗檢驗本身的思路。發現本身最近幾個月的工做徹底是白費 的這種可能，會阻止你進一步開展工做。沒有辦法避免這種狀況，只要認識到失敗 和浪費也是研究過程的一部分。 （5）看看Alan Lakien的書《How to Get Control of Your Time and Your Life 》，其中包含不少能使你進入充滿創造力的狀態的無價方法。 不少人發現本身的我的生活和作研究的能力是相互影響的。對於有些人來講，當生 活中一切都不如意時，工做是避難所。其餘的人若是生活陷入混亂時就沒法工做了 。若是你以爲本身確實悲痛得難以自拔，去看看心理醫生。一份非正式的調查代表 ，咱們實驗室大約有一半的學生在讀研期間看過一次心理醫生。 使得人工智能那麼難的一個緣由是沒有被廣泛接受的成功標準。在數學中，若是你 證實了某個定理，你就確實作了某些事情；若是該定理別人都證不出來，那麼你的 工做是使人興奮的。人工智能從相關的學科中借來了一些標準，還有本身的一些標 準。不一樣的實踐者，子領域和學校會強調不一樣的標準。MIT比其餘的學校更強調實 現的質量，可是實驗室內部也存在很大的不一樣。這樣的一個後果就是你不可能令所 有的人都滿意。另一個後果就是你沒法肯定本身是否取得了進展，這會讓你以爲 很不安全。對你工做的評價從"我所見過最偉大的"到"空虛，多餘，不明因此"不一 而足，這都是很正常的，根據別人的反饋修訂本身的工做。 有幾種方法有助於克服研究過程當中的不安全感。被認可的感受：包括畢業論文的接 受，發表論文等。更重要的是，與儘量多的人交流你的思路，並聽取反饋。首先 ，他們能貢獻有用的思路；其次，確定有一些人會喜歡你的工做，這會使得你感受 不錯。因爲評價進展的標準是如此不肯定，若是不與其餘的研究者充分的交流，很 容易盲目。特別當你感受不太好時，應該就你的工做進行交流。此時，得到反饋和 支持是很是重要的。很容易看不到本身的貢獻，老是想："若是我能作，確定是微 不足道的。個人全部思想都太明顯了"。實際上，當你回頭看時，這些雖然對你是 很明顯的，對別人並不必定是明顯的。將你的工做解釋給不少門外漢聽，你會發現 如今對你來講是平淡無奇的東西原來那麼難！寫下來。 一項對諾貝爾獲獎者實施的有關懷疑本身問題（在你研究的過程當中，你一直以爲自 己是在作震驚世界的工做嗎？）的調查代表：獲獎者們一致回答他們常常懷疑本身 工做的價值和正確性，都經歷過以爲本身的工做是無關的，太明顯了或者是錯誤的 時期。任何科學過程的常見和重要的部分就是常常嚴格的評價，不少時候不能肯定 工做的價值也是科學過程不可避免的一部分。 有些研究者發現與別人協做比單打獨鬥工做效果更好。雖然人工智能研究常常是相 當我的主義的，可是也有一部分人一塊兒工做，建立系統，聯合發表論文。咱們實驗 室至少已經有一個聯合作畢業論文的先例。缺點是很難與協做者區分對論文的貢獻 。與實驗室以外的人合做，例如暑期工做時，問題就會少一些。 不少來到MIT AI實驗室的學生都是之前所在學校最厲害的人。來到這裏以後，會發 現不少更聰明的人。這對於不少一年級左右學生的自尊造成了打擊。但周圍都是聰 明人也有一個好處：在你把本身不怎麼樣的（但本身又沒有覺察到）想法發表以前 就被其餘人給打倒在地了。更現實的講，現實世界中可沒有這麼多聰明人。所以到 外面找一份顧問的工做有利於保持心理平衡。首先，有人會爲你的才能付費，這說 明你確實有些東西。其次，你發現他們確實太須要你的幫助了，工做良好帶來了滿 足感。 反之，實驗室的每個學生都是從四百多個申請者挑選出來的，所以咱們不少學生 都很自大。很容易認爲只有我才能解決這個問題。這並沒什麼錯，並且有助於推動 領域的發展。潛在的問題是你會發現全部的問題都比你想象的要複雜得多，研究花 的時間比原先計劃的多得多，徹底依靠本身還作不了。這些都使得咱們中的不少人 陷入了嚴重的自信危機。你必須面對一個事實：你所作的只能對某個子領域的一小 部分有所貢獻，你的論文也不可能解決一個重大的問題。這須要激烈的自我從新評 價，充滿了痛苦，有時候須要一年左右的時間才能完成。但這一切都是值得的，不 自視太高有助於以一種遊戲的精神去做研究。 人們可以忍受研究的痛苦至少有兩個情感緣由。一個是驅動，對問題的熱情。你作 該研究是由於離開它就無法活了，不少偉大的工做都是這樣作出來的。雖然這樣也 有油盡燈枯的可能。另一個緣由是好的研究是充滿樂趣的。在大部分時間裏，研 究是使人痛苦的，可是若是問題剛好適合你，你能夠玩同樣的解決它，享受整個過 程。兩者並不是不可兼容的，但須要有一個權衡。 要想了解研究是怎麼樣的，遭到懷疑的時候應該如何安慰本身，讀一些當代人的自 傳會有些做用。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. 當你完成了一個項目--例如論文--一兩個月後，你可能會以爲這一切是那麼不值。 這種後衝效果是因爲長時間被壓抑在該問題上，並且以爲本能夠作得更好。老是這 樣的，別太認真。等再過了一兩年，回頭看看，你會以爲：嘿，真棒！多棒的工做 ！   尾註   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。咱們要 感謝那些對本文做出貢獻的人（對咱們的論文做出貢獻的人，順便一併致謝），特 別是咱們的導師。 上面所列舉的一些思想來自於John Backus的《On Being a Researcher》和Alan Bundy,