成为VIP会员查看完整内容
VIP会员码认证
首页
主题
发现
会员
服务
注册
·
登录
0
科学匠人丨童欣:研究之味
2020 年 1 月 14 日
新智元
新智元推荐
来源:微软研究院AI头条
整理:元子
【新智元导读】
做研究就像做菜。
走进微软亚洲研究院首席研究员童欣的办公室,一纸“MSRA 最受欢迎美食”奖状映入眼帘。生活中的童欣是一个热爱下厨之人,在他看来,做研究的感受与下厨烹饪有诸多相似之处。在这篇手记中,他将20年做科研的个中滋味与心得体悟一一道来。
「福利:
1月16日,腾讯微信人工智能高级研究员钱桥手把手教你“推荐系统与数据思维”,
戳右边链接上
新智元We站公开课
了解更多!
」
编者按:走进微软亚洲研究院首席研究员童欣的办公室,一纸“MSRA 最受欢迎美食”奖状映入眼帘。生活中的童欣是一个热爱下厨之人,在他看来,做研究的感受与下厨烹饪有诸多相似之处。在这篇手记中,他将20年做科研的个中滋味与心得体悟一一道来。
我们做计算机应用和工程研究的人,本质上离科学家稍远,倒是更接近匠人,也喜欢以工兵自称自嘲。在生活中我是个懒人和吃货,唯一一个爱好能和匠人相关的,是下厨做饭。回想自己过去二十年做研究的经历,正如我做的饭菜一般,也是五味杂陈,一点感受写下来供大家哂之。
微软亚洲研究院首席研究员童欣
我的家人除了对我做的饭菜比较认可,经常开玩笑说我每天对着屏幕上的三维茶壶、兔子甘之如饴自 High 不已,但是看起来我做的事情大不能改变世界局势,小不能提高百姓生活,实在不明白我的成就感来自哪里。这真的是一个挺难一句话说清楚的问题。回顾自己过去的经历,自己在研究中的乐趣和成就感其实也在不断地变化。
三维茶壶(左)和兔子(右)
在刚刚进入研究院的时候,自己还是个小白,而研究院的图形学研究也刚刚起步。那个时候,大家心里都憋着一股劲,就是别人行的我们也行,甚至能做的更好!而且不仅仅是和同行比,也在和研究院里其他组出色的研究员们比,看看谁能在自己的领域率先取得突破。那个时候,我自己研究乐趣和成就感的关键词是“胜利”。没有什么比自己的研究工作被 SIGGRAPH 录取,得到 Reviewer 的高分更令人自豪和有成就感的了。
在经历过很多次的成功失败之后,一篇论文被录取带给我的喜悦和乐趣会逐渐降低。我慢慢明白了研究其实是一个战胜自己的过程,慢慢的会开始审视和专注于所在的研究领域到底有什么基础的、具有挑战性的问题。这个时期,能够给我带来最大乐趣的关键词是“顿悟”,就是那些盘踞在脑子里很久,甚至是几年的问题忽然得到了突破,捅破了一层窗户纸,所有的事情和联系忽然变的无比清晰简单的时刻。这一时刻有时发生在大家讨论的时候,有时发生在早晨自己洗澡的时候。这种乐趣和成就感会让我觉得所有的辛苦都不值一提,会情不自禁得想把这些想法分享给每个认识的人,至于论文最后是否被接收,被哪个会议接收,都变得不是那么重要了。
在最近的这几年,随着自己研究经验和资历的增长,我慢慢的发现,很多自己熟悉领域的问题,如果沿着自己原有的研究思路和方法可以得到解决,那么这些研究给我带来的成就感和乐趣就会少很多。给我带来乐趣和成就感的,更多是“成长和学习”,拓展自己的研究,破除领域的界限,尝试从更高更根源的视角去发现问题,解决问题。这个时候,每当自己跳进一个新的研究领域,学到一个别的研究领域的新方法,或者读到一篇观点深刻的论文,都会给我带来非常大的喜悦和成就感。虽然做出出色的成果、解决问题仍然是研究的目标,但研究的最大成就感已经不来自研究的突破和成果,而是学习和成长的乐趣本身。
我相信很多人和我一样,在自己人生不同的阶段,所享受的研究乐趣和成就感也是不同的。研究院里,既有始终在一个领域深耕不缀的学者,也有不满足于已有成就,不断继续开拓新领域的同僚。也正是从这些榜样身上,我学会了从向比自己强大的对手“亮剑”,到向更难的问题“亮剑”,最后到向自己的习惯和固有的研究定势“亮剑”。不断地突破自我,可能才是每个人研究中真正永恒的乐趣。
研究中的创新性,是每个研究中最令人兴奋的核心。每个曾经在沈向洋(Harry)手下的研究员,相信都和我一样不会忘记 Harry 经典的灵魂之问:“What’s New? 三大贡献是什么?” 。创新性就像一道菜里的辣,是点睛之笔,刺激着人们的味蕾。然而如何找到有创新性的想法,却是一个非常艰难的过程,也应验了“辛”这个字的另一个含义。
如何产生创新,其实也一直是困扰我的问题。在上学的时候,我一直被很多同学和家人认为缺乏创造性,他们觉得我学习很认真,但是缺乏灵气和勇气去做一些突破。当我告诉我家人我准备去读博士的时候,我父亲非常认真地和我谈了一次,觉得我不适合做研究,也许应该去工作。事实上,读博期间和刚进研究院的几年也确实是我非常痛苦、倍感压力的时候。看完文献,你会发现好像自己进入的领域已经被研究的差不多了,或者感觉自己在走路追赶骑着马的大神们。回顾自己这一阶段的经历,别人给我的最有用的建议是“找到自己领域中你认为最好的一个工作,实现它,发现问题,然后改进它”。我常开玩笑,借用牛顿“站在巨人肩膀上”这句名言来比喻这个过程——“找到一个巨人,从它的脚下爬到肩膀上,站起来”。只有亲手实现了别人的论文,才有可能发现论文没有描述的问题和不足。而增量式的改进让你学会创新,同时对读过的其他论文有新、更深的认识。
当然做研究不能止步于爬上一个又一个巨人的肩膀。而是站在巨人肩膀上,能够帮助我们看清脚下的这个领域的山头和头顶的目标,这样才能够理清这个领域的发展方向和研究问题。这样,研究就可以针对问题展开,我们也可以和别人站在同一起跑线上了。发现问题既依赖于文献的阅读与理解,也依赖于通过实践理解问题里的关键步骤和思路,以及问题背后的应用。我所在的计算机图形学是一个计算机应用学科,所有的研究问题并不是凭空产生的理论问题,而是由实际需要、新设备、新数据的出现产生的问题。如果不了解研究问题背后的这些起源和推动力,研究也就只能跟风,或者脱离实际,变成了研究人员自娱自乐的学术游戏。那么所谓的创新性也就无从谈起。
随着自己对研究领域理解的加深和研究方法和技能的掌握,你会慢慢发现可以做的问题会超出你的时间和精力。这个时候,选择不做什么变得比做什么更重要了。而自己的研究品味,以及对整个行业的判断理解会成为主导这一选择的准则。这一阶段,自己在常年研究中形成的思维定势,其实会变成创新的主要绊脚石。问题已经不在是做什么怎么做,更多的可能是你相信什么。这个时候,破除自己的“知见障”,可能是帮助自己找到真正的好的 idea 最重要的步骤。
另外我有一个观察,就是很多学生对研究方法的提高和规范缺乏重视,总是幻想着创新就像武打小说里的武功秘籍,只有大牛掌握,一旦传给自己了就可以横扫天下。但是很多人没有意识到的是,无迹可寻的创新过程与高度程式化的研究方法其实是一个硬币的两面。严谨的研究方法和思维习惯,恰恰是让人能够从实践和学习中发现异常的蛛丝马迹,从而最后做出创新的一个必要基础。如果缺乏好的研究方法和实现能力,即使偶尔有了一个好的想法,也会由于没有能力做出实现和好的评估分析而失败,变成“小姐的身子丫鬟的命”。如果大家观察身边成功的研究人员,不一定每一个都具有天马行空、快如闪电的思维,但是无一不具有优秀的研究习惯和严谨的逻辑思维。
翻开一本中餐的菜谱,没有什么比用盐之道更神秘的描述了:少许、适量。真可谓:运用之妙,存乎一心。在研究中,于此相似的可能只有“研究的品味”了。
研究品味就像一个指南针,决定了每个研究员的研究选题,做什么,不做什么。它也像一把研究员心里的尺子,衡量着每个人“武功”的高下。虽然就像人们的口味无法统一一样,我们也无法强求每个人研究品味的一致,但是相信大家都同意研究品味的不可缺少。近几年很多人喜欢把发表论文自嘲为“灌水”。然而如果这些论文背后缺少了好的研究品味,这些成果可能会真的变成没有“盐分”的一朵小浪花,终究会在退潮后什么都没剩下。从我个人来讲,我虽然也很欣赏一些想法非常巧妙的工作,但是最近这几年我更欣赏那些能够给大家新的理解和启发的基础工作,和那些能够把一个研究方向推到极致,扎实落地的研究人员。
作为一名研究管理者,我也在不断思考到底如何培养学生和研究员的良好研究品味,并保持大家研究品味的多样性。回顾我个人的经历,下面的三条路也许有所助益。一个是阅读。通过阅读一些科学家的传记,和一些重要的科学发现的历史记录,我们会学会从一个更全局、更长远的眼光观看每个研究方向,看到每个科学家面对研究题目时的眼光和面对成果和荣誉时的个人选择。有了这些,回到自身,我想我们就很难会因为自己一点小小的研究成果而沾沾自喜,也不会耽于整日对一些所谓的荣誉患得患失了。另外一个,是在做研究过程中,大家平等激烈地讨论,通过这个“怯魅”过程,学生可以去除掉老师和其他“大牛”身上神圣的光环,学会在学习的同时平等客观地看待别人的研究成果,不人云亦云,培养自己的研究品味。最后一个,可能也是最重要的,就是同学同事之间的“卧谈会”。在刚来研究院的几年,我和其他同事(包括老板)经常整天泡在研究院里。每天吃完午饭晚饭,大家就坐在一起闲聊吹牛,指点江山,臧否最近看到的论文和其他研究人员的研究成果、研究思路。正是在这种无所顾忌的争论中,大家各抒己见,激扬文字,让我学会了从不同的视点看待衡量每项研究工作,也慢慢学会了如何评价自己和其他人的研究工作。我至今还记得当年宏江和 Harry 和我们说的研究要“Aim High”;Harry 和我们讲的“一流高手提问题,二流高手解问题,三流就只能跟在别人屁股后面修修补补了”。研究院最了不起的地方就是给大家提供了一个平等的交流环境和一批高手,通过交流碰撞潜移默化地培养了大家的研究品味。
就像做饭对我是个享受的过程,对很多人却是难以忍受的家务劳动一样,研究也不是一个适合所有人的职业。抛去偶尔的高光时刻,研究在外人看来是个充满失败,不断重复的枯燥过程。但是如果你乐于从中体会每一份微小的学习和领悟的乐趣,研究就是一个会带给你成就感的职业。
童欣做的红烧大虾(左)和腌笃鲜(右)
对我来说,研究和做饭都是我生活的一部分,他们就像我生活的两极。当我站在炉灶前,将准备好的原料放入锅中,我感觉自己像指挥千军万马而游刃有余的将军,而家人吃着饭菜享受的样子,就是我大获全胜,鸣金收兵的幸福时刻。而当我坐在屏幕前,为了一个研究问题苦思冥想的时候,我感觉自己更像古代侠客,在通往武林圣地的路上独自艰难前行。而学生学有所成,自己有所顿悟的时刻,就是旅途中那一眼美丽的风景和甜蜜的小憩。做饭带给我幸福感,研究带给我成就感,人生如此,夫复何求?
文章授权转载自公众号:微软研究院AI头条
扫描下方海报二维码即刻报名「新智元We站公开课」
:
腾
讯
微信人工智能高级研
究员钱桥手把手教你“推荐系统与数据思维”
。
登录查看更多
点赞并收藏
0
暂时没有读者
0
权益说明
本文档仅做收录索引使用,若发现您的权益受到侵害,请立即联系客服(微信: zhuanzhi02,邮箱:bd@zhuanzhi.ai),我们会尽快为您处理
相关内容
研究员
关注
0
【DeepMind硬核课】深度学习自然语言处理前沿进展,附103页ppt
专知会员服务
133+阅读 · 2020年6月28日
深度学习可解释性研究进展
专知会员服务
98+阅读 · 2020年6月26日
清华大学《人工智能之机器学习》报告,8个篇章203页pdf,附下载
专知会员服务
148+阅读 · 2020年5月31日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
【经典】《上海交通大学生存手册》,一本让你在大学活出精彩的秘籍
专知会员服务
196+阅读 · 2020年4月18日
你的毕业论文过了吗?宗老师这份《如何撰写毕业论文? 》27页ppt帮你把把关,中科院自动化所模式国重宗成庆研究员
专知会员服务
146+阅读 · 2020年4月3日
【干货书】深度学习生命科学:基因组学、药物发现,238页pdf
专知会员服务
195+阅读 · 2020年3月18日
30篇「CVPR2020」高赞论文抢先看!看计算机视觉2020在研究什么?
专知会员服务
49+阅读 · 2020年2月28日
【2019机器学习大总结】机器学习和机器人:我的2019年领域状态
专知会员服务
52+阅读 · 2019年12月31日
周志华教授:如何做研究与写论文?
专知会员服务
154+阅读 · 2019年10月9日
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
清华张敏教授:个性化推荐研究进展(可解释性、鲁棒性和公平性
数据分析
16+阅读 · 2019年6月5日
「科学」27岁天才院士2拒诺奖,32岁神秘消失,让世界多等了70年
ZEALER订阅号
18+阅读 · 2019年5月5日
吴恩达的课上完了?如何科学开启你的深度学习论文阅读生涯
大数据文摘
17+阅读 · 2018年8月27日
中国3个阶层孩子的10年人生轨迹,结果令人震惊!读书虽苦,请让孩子对教育抱有希望!
德先生
10+阅读 · 2018年7月22日
12岁上中科大,17岁哈佛博士,31岁成哈佛教授,学神认识一下?
德先生
9+阅读 · 2018年5月27日
陈平原教授谈博士论文写作经验:讲得太好了!
德先生
15+阅读 · 2018年4月21日
5年发51篇SCI论文的川大博士,数量上超过很多教授一辈子的发文
德先生
7+阅读 · 2018年2月25日
【机器视觉】如何做好计算机视觉的研究?
产业智能官
7+阅读 · 2017年10月19日
马云世界物联网博览会最新演讲:整个物联网,整个大计算,整个大数据将成为社会的基础设施!
物联网智库
4+阅读 · 2017年9月10日
Modeling question asking using neural program generation
Arxiv
4+阅读 · 2019年9月26日
Semantics-aware BERT for Language Understanding
Arxiv
4+阅读 · 2019年9月5日
Knowledge-Embedded Routing Network for Scene Graph Generation
Arxiv
5+阅读 · 2019年3月8日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
13+阅读 · 2019年1月17日
Neural-Symbolic VQA: Disentangling Reasoning from Vision and Language Understanding
Arxiv
4+阅读 · 2018年10月4日
Think Visually: Question Answering through Virtual Imagery
Arxiv
3+阅读 · 2018年5月25日
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Arxiv
4+阅读 · 2018年5月21日
DVQA: Understanding Data Visualizations via Question Answering
Arxiv
4+阅读 · 2018年3月29日
Eigenoption Discovery through the Deep Successor Representation
Arxiv
3+阅读 · 2018年1月30日
Big Data: Understanding Big Data
Arxiv
6+阅读 · 2016年1月15日
VIP会员
自助开通(推荐)
客服开通
详情
相关主题
研究员
微软亚洲研究院深度与强化学习组
微软亚洲研究院
微软
计算机应用
Microsoft Research
相关VIP内容
【DeepMind硬核课】深度学习自然语言处理前沿进展,附103页ppt
专知会员服务
133+阅读 · 2020年6月28日
深度学习可解释性研究进展
专知会员服务
98+阅读 · 2020年6月26日
清华大学《人工智能之机器学习》报告,8个篇章203页pdf,附下载
专知会员服务
148+阅读 · 2020年5月31日
【纽约大学】最新《离散数学》笔记,451页pdf
专知会员服务
128+阅读 · 2020年5月26日
【经典】《上海交通大学生存手册》,一本让你在大学活出精彩的秘籍
专知会员服务
196+阅读 · 2020年4月18日
你的毕业论文过了吗?宗老师这份《如何撰写毕业论文? 》27页ppt帮你把把关,中科院自动化所模式国重宗成庆研究员
专知会员服务
146+阅读 · 2020年4月3日
【干货书】深度学习生命科学:基因组学、药物发现,238页pdf
专知会员服务
195+阅读 · 2020年3月18日
30篇「CVPR2020」高赞论文抢先看!看计算机视觉2020在研究什么?
专知会员服务
49+阅读 · 2020年2月28日
【2019机器学习大总结】机器学习和机器人:我的2019年领域状态
专知会员服务
52+阅读 · 2019年12月31日
周志华教授:如何做研究与写论文?
专知会员服务
154+阅读 · 2019年10月9日
热门VIP内容
开通专知VIP会员 享更多权益服务
乌克兰首次完全依靠UGV 和 FPV 无人机全自动攻击俄罗斯部队
《中高度长航时遥控无人机自动定位和跟踪》190页
【伯克利博士论文】高效深度学习推理的全栈方法
《优化联合作战准备:日本视角》最新21页
相关资讯
清华大学两名博士生被开除:你不吃学习的苦,就要吃生活的苦
机器学习算法与Python学习
25+阅读 · 2019年9月16日
清华张敏教授:个性化推荐研究进展(可解释性、鲁棒性和公平性
数据分析
16+阅读 · 2019年6月5日
「科学」27岁天才院士2拒诺奖,32岁神秘消失,让世界多等了70年
ZEALER订阅号
18+阅读 · 2019年5月5日
吴恩达的课上完了?如何科学开启你的深度学习论文阅读生涯
大数据文摘
17+阅读 · 2018年8月27日
中国3个阶层孩子的10年人生轨迹,结果令人震惊!读书虽苦,请让孩子对教育抱有希望!
德先生
10+阅读 · 2018年7月22日
12岁上中科大,17岁哈佛博士,31岁成哈佛教授,学神认识一下?
德先生
9+阅读 · 2018年5月27日
陈平原教授谈博士论文写作经验:讲得太好了!
德先生
15+阅读 · 2018年4月21日
5年发51篇SCI论文的川大博士,数量上超过很多教授一辈子的发文
德先生
7+阅读 · 2018年2月25日
【机器视觉】如何做好计算机视觉的研究?
产业智能官
7+阅读 · 2017年10月19日
马云世界物联网博览会最新演讲:整个物联网,整个大计算,整个大数据将成为社会的基础设施!
物联网智库
4+阅读 · 2017年9月10日
相关论文
Modeling question asking using neural program generation
Arxiv
4+阅读 · 2019年9月26日
Semantics-aware BERT for Language Understanding
Arxiv
4+阅读 · 2019年9月5日
Knowledge-Embedded Routing Network for Scene Graph Generation
Arxiv
5+阅读 · 2019年3月8日
Taking Human out of Learning Applications: A Survey on Automated Machine Learning
Arxiv
13+阅读 · 2019年1月17日
Neural-Symbolic VQA: Disentangling Reasoning from Vision and Language Understanding
Arxiv
4+阅读 · 2018年10月4日
Think Visually: Question Answering through Virtual Imagery
Arxiv
3+阅读 · 2018年5月25日
Reproducibility Report for "Learning To Count Objects In Natural Images For Visual Question Answering"
Arxiv
4+阅读 · 2018年5月21日
DVQA: Understanding Data Visualizations via Question Answering
Arxiv
4+阅读 · 2018年3月29日
Eigenoption Discovery through the Deep Successor Representation
Arxiv
3+阅读 · 2018年1月30日
Big Data: Understanding Big Data
Arxiv
6+阅读 · 2016年1月15日
大家都在搜
palantir
自主可控
大型语言模型
CMU博士论文
生成式人工智能
无人艇
洛克菲勒
数字孪生
CSIG
出海产品从 0 到 1 该怎么做
Top
提示
微信扫码
咨询专知VIP会员与技术项目合作
(加微信请备注: "专知")
微信扫码咨询专知VIP会员
Top