论文|中国人民大学赵鑫：AI 科研入坑指南( 三 ) 中国人民大学|指南|初学者|赵

文章插图
总结一下，怎么样才算是一名合格的硕士生：
1、首先要熟练掌握一门编程语言，能够在较短时间内实现一个基础模型的开发；
2、熟悉基本的机器学习基础，可以在白板上推导公式；
3、能够快速解决本领域的之前自己未做过的任务：容易上手自己之前未做过的任务，保持开放心态；
4、能够独立发表一篇相关论文：研究生的精髓贵在“独立科研”，如果能做到独立，那么研究生2~3年的时间没有白费；
5、最后，能够带领低年级同学做科研：带领别人做科研是自己能力强悍的综合体现。
在最后一个阶段，需要帮助一名初学者提升数学基础，提升代码能力，然后解决一些问题，“帮助”他写出一篇论文。如果能够做到，说明你的能力已经很强了。
上面的标准虽然有点高，但却是我们努力向往的目标。
当前在人工智能领域，深度学习为主流。建议大家在学习深度学习的时候，一定要系统地去上一门公开课，精髓在“系统”二字。不能今天学习这门课，明天学习那门课，一定从一而终。另外，推荐大家阅读一些技术帖子、模型解析文章，多使用一个开源的软件框架。国外网站也有很多文章很有深度，细读之后，会发现里面的内容非常有“弹性”。
4
从零起步：打好基础

文章插图
强调一下如何从“零”起步，首先确保基础打好。建议完整修完一门国外经典课程（从课程视频、作业到项目），然后完整阅读一本机器学习或者深度学习教科书，熟练掌握一门基本的编程语言以及深度学习框架。
鼓励多读经典论文，看文章的源代码。建议大家读论文时候配置源代码，否则论文不一定能看懂。还可以从感兴趣的研究领域去入手，比如自然语言处理，当你的研究已经有一些起色的时候，建议关注非常顶级的研究机构的工作。
顶级不一定是国外，国内有些研究机构也非常优秀。关注他们的报告，关注他们的演讲。

文章插图
正如前面提到的，开始阅读论文的时候，要大量的浏览标题，如果能读懂，然后看看摘要。
当然你锁定某一个方向之后，要确保在这个方向最近5年的论文都找到并做成列表。如果这个方向很火，那么可能有人已经帮你做成列表。反复阅读列表的论文时，如果能做到基本一半的论文都能大概了解意思，那么就可以开启找idea的过程。
在这一步的过程中，同样要多阅读论文，只不过多一些分析的色彩。了解每一篇文章的动机，比较研究工作之间的差异，最终聚焦到你非常熟悉的领域。将自己代入写作者的角色，要考虑如果你来写这篇文章，你所呈现的和他们有什么不一样。
也可以从数据出发，运行应用模型发现问题。试图将他们存在的问题进行建模或者定义，仔细琢磨是否有科学意义。
在建立模型的时候，初学者要善于做到模仿和迁移，可以聚焦某一类模型的解决方案。杜绝启发式规则的方法，但是可以看看如何将规则数学化、通用化。

文章插图
在开始设计实验的时候，要坚持实验部分有章可循的原则，不要“拍脑袋”决定，重点验证所提出想法的新颖性，可以适当用辅助定性的例子进行说明。实验过程要认真、要严谨，敢于把代码和数据都公开。
投稿会议的时候，选择适合水平的会议论文，明白不被录取是常态，积极倾听评审的修改建议。对于一些比较扎实、但是新颖性略逊的工作可以选择期刊进行投稿。多投才能多中，即使被拒也能不断改进。
最后讲一些可能有用的“老生常谈”，科研是自己的事，不是老师的事。网络将教育资源逐步平均化，因此，勤奋是任何科研工作的基础。可以一直没有论文，但是确保一直处于进步状态。拒绝纸上谈兵、拒绝眼高手低，需要维持积极的心态和坚毅的态度利用好一切机会学习，不耻下问，重复是熟练的唯一途径。