就我个人而言 ， 我同意第一条 ， 但不同意第二条 。 我认为应该尽可能地阅读大量论文 ， 只要还有时间进行原创研究就没问题 。 如果我不太清楚其他人尝试过哪些方法 ， 也不知道哪些方法很好 ， 而哪些行不通 ， 那么为了提出新颖、卓越的方法 ， 我就需要阅读大量的论文武装自己 。 当然 ， 从全新的视角审视问题也非常关键 ， 业余爱好者跳出固有思维而解决长期挑战的故事确实很鼓舞人心 ， 但是 ， 职业研究人员不能靠这样的运气来解决问题 。 绝大多数时候 ， 我们需要有耐心 ， 慢慢地、有条不紊地解决问题 。 此外 ， 为了弄清楚我们目前处于何处 ， 以及接下来应该尝试什么 ， 阅读相关论文是一种更有效的方式 。
关于阅读论文 ， 还有一点需要注意：你需要花时间慢慢消化论文 。 拿几张纸 ， 认真做笔记 ， 然后认真思考 ， 好过囫囵吞枣似的一篇接一篇地阅读论文 。
交谈 >> 视频 > 论文> 会议演讲
在理解某个陌生的研究思想时 ， 论文是最容易获得的信息来源 。 但是究竟哪种渠道最有效？对于这个问题 ， 不同的人可能有不同的看法 。 对于我来说 ， 我认为交谈（与熟练掌握相关思想的人）是最快、最有效的途径 。 如果你找不到这样的人 ， 则该主题的视频可以提供很好的见解 ， 比如论文作者发表的演讲 。 当演讲者向现场观众讲话时 ， 他们会比较注重清晰易懂 。 而在写论文时 ， 作者比较注重简练 ， 因为他们需要考虑篇幅 ， 而且过多的背景介绍甚至会被认为作者对该领域的了解不够深入 。 最后 ， 简短的会议演讲大多比较正式 ， 并不是太好的学习机会 。 当然 ， 能与作者的交谈则十分珍贵 。
小心炒作
成功的 AI 研究会引起公众的关注 ， 从而将更多的人带入该领域 ， 从而让 AI 的研究更成功 。 这种循环大多是良性的 ， 但一个有害的副作用是炒作 。 采访人员为了获得点击次数、公司为了争夺投资者和新员工、研究人员为了提高论文的知名度 ， 这些都是扩大炒作泡沫的罪魁祸首 。 在评估标题、新闻稿或论文时 ， 请注意这些人的动机 。
在 NIPS 2017 上 ， 一篇论文的问答环节在一间数百名观众的房间里进行 ， 一位著名的教授拿着麦克风告诫作者在论文的题目中使用了“想象”这个词 。 对于这种公开对抗 ， 我的感觉很复杂 ， 因为那碰巧是一篇我非常喜欢的论文 ， 但我也非常理解教授的心情 。 在人工智能研究中 ， 最常见和最严重的炒作之一就是给一些旧思想冠上华丽的新术语 。 因此 ， 我们应该小心这些流行语 ， 并根据实验和结果来判断一篇论文 。
研究马拉松
可衡量的进步
在早期寻找研究项目时 ， 我花了很多时间进行头脑风暴 。 在当时 ， 所谓的头脑风暴其实就是在办公桌前冥思苦想 ， 希望一些模糊的思路能够凝聚成具体的观点 。 结束一天的头脑风暴后 ， 我经常感到疲倦和气馁 。 心中直犯嘀咕 ， 这是研究吗？
当然 ， 研究的推进没有秘诀 ， 很大一部分就是在黑暗中摸索 。 然而 ， 现在我发现围绕某个可衡量的目标来组织我的工作要容易得多 ， 也更有成就感 。 如果我对下一步要做什么一无所知 ， 那么目标可以是：尽可能详细地写下一个模糊的想法；如果在写这个想法的过程中 ， 我选择放弃 ， 那么就写下放弃的原因 。 如果没有任何想法 ， 那么就可以阅读论文或与同事交谈 。 每天结束之际 ， 我都会整理当天的工作 。 即使有些想法最终未能成行 ， 也可以大大提高我的斗志 ， 而且不必担心将来在同一个想法上浪费时间 。