7. 講演
與同行交流的另外一種方式就是講演，上面提到的有關論文寫作的問題，
同樣適用於講演。站在聽眾面前從容講演而不會使聽眾懨懨欲睡的能力，對於
你成功地獲得別人的承認、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：
Patrick Winston有一篇很好的有關如何作講演的小論文。每年的一月，他
都會就此作講演，演示和描述它的演講技巧。
如果你覺得自己是一個糟糕的演講者，或者想成為一名優秀的演講者，選
一門公共演講課。初級的表演課也很有用。
如果你的導師有定期的研究討論會，自願去作演講。
MIT AI實驗室有一系列的半正式座談會，叫做Revolving Seminar。如果你
覺自己的某些觀點值得寫進AI Memo或者會議論文中，自告奮勇去作一場報告。
深入了解實驗室的不同機器人項目，當你外地的親朋好友來的時候，你可
以領着他們逛一圈，並就機器人做60分鐘的報告。
由於修改演講遠比修改論文容易，有些人會覺得這是很好的尋找如何表達
思想的方式。（Nike Brady有一次曾說，他所有最好的論文都來自於演講）。
在一間空屋子裡練習，最好就是你馬上要做的報告。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
用鏡子，錄音機或者錄像機練習是另外一種方法。實驗室有這三種設備。
這也有助於調整自己的發音和肢體語言。
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。
觀察別人是如何做報告的。有很多訪問MIT的人會做報告。參加這樣的報告
會能夠感受自己不熟悉的領域，並且如果報告令人提不起興趣，你可以暗中分析報告
者錯在哪裡。
找一位朋友，將你最近的想法說給他聽。這既可以提高的交際技巧，又能
調試自己的思路。
8. 程序設計
並不是所有的AI論文都包含代碼，而且本領域的很多重量級人物從來沒有寫過一
個重要的程序。但是為了初步的近似AI工作原理，你必須會程序設計。不僅僅是很多
AI研究工作需要編寫代碼，而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，本質上所有的AI程序設計都使用Common Lisp。如果還不知道，趕快學吧
。當然，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，可以先看看
Abelson和Sussman的《Structure and Interpretation of Computer Programs》，
並做一些練習。這本書與AI程序設計本質上並不相干，但是包含了一些相同的技術。
然後讀Winston和Horn寫的Lisp書第三版，書裡有很多優雅的AI程序。最後，進行實際
的程序設計，而不是閱讀，才是最好的學習程序的方法。
學習Lisp程序設計有很多傳統。有些人習慣一起寫代碼，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
代碼也是很有效的方法。如果可以向高年級同學要他們的源代碼。他們可能會有些抱怨，
說自己的編程風格差極了，程序實際上並不能工作云云。不管怎麼樣，最後你獲得了
源代碼。然後你要仔細地通篇閱讀，這很費時間。通常閱讀並完全理解別人代碼所花
的時間與你自己編程完成的時間是一樣多的，因此要計劃好在你的頭一個或者頭兩個
學期用數周的時間去閱讀別人的代碼。你將從中學到很多以前不曾想到在課本中也沒
有的技巧。如果你讀到了大段大段不可理解沒有注釋的程序，你就會明白不應該如何
寫代碼了。
在軟件工程課里學習到的那些知識在AI程序設計中依然有用。要給代碼加注釋。
使用正確的數據抽象。將圖和你的代碼隔離開，由於你使用的語言基本上是
Common Lisp，因此可移植性很好。諸如此類。
經過頭幾年的學習後，應該寫一些自己的標準AI模塊，如：
真值維護系統
規劃器
規則系統
不同風格的解釋器
具有流程分析的優化編譯器
具有繼承特性的框架系統
幾種搜索方法
基於解釋的學習器
任何你感興趣的東西都可以嘗試用程序實現。你可以抓住問題的實質，在幾天之
內完成一個功能版本。修改已有的程序是另外一種有效的方法，前提是你已經寫過這
樣的東西，並且確實了解其工作原理，優缺點以及效率等問題。
不象其他通常的程序員，AI程序員之間很少相互借閱代碼。（演示代碼例外）。
這部分由於AI程序很少有真正起作用的。（很多著名的AI程序只在作者論文所提到的
那三個例子上起作用，雖然最近這種情況已經有所改善）。另外一個原因是AI程序通
常是匆忙湊成，並沒有考慮一般化的問題。使用Foobar的“標準”規則解釋器，開始
時很有效，不久就會發現缺少一些你需要的功能，或者不夠有效率。雖然可以對代碼
進行修改滿足自己的需要，但記住理解別人的代碼是很耗時的，有時候還不如自己寫
一個。有時候構建一個標準包的工作本身就可以成為一篇論文。
像論文一樣，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
抽象所有的東西，編寫宏和庫，與操作系統內核打交道，這都使得很多人偏離了自己
的論文，偏離了自己的領域。（從另外一方面，或許這正是你需要將來謀生的手段）。
9. 導師
在MIT，有兩種類型的導師，教學導師和論文導師。
教學導師的工作比較簡單。每一位研究生都被分配了系裡的一位老師作為教學導
師。教學導師的作用是作為系方代表，告訴你對你的正式要求是什麼，如果你的進度
慢了敦促你，批准你的課程計劃等。如果一切順利的話，你每年只需要見教學導師兩
次，在註冊日那天。從另一方面講，如果你遇到了困難，教學導師替你向系裡反映或
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是通過師傅帶徒弟的方式學習的。有很多領域的
技術方面或者研究過程方面的非正式知識，只能從導師那裡學到，在任何教科書上都
找不到。
很多AI教員都是行為古怪的人，畢業生也如此。導師與研究生的關係是非常個性
化的，你的個人特點必須與導師的配合得很好，這樣你們才能合作成功。
不同的導師具有不同的風格。下面是一些需要值得考慮的因素：
你需要多大程度的指導？有些導師會給你一個定義良好的適合做論文的問
題，對解決方法進行解釋，並告訴你如何開展工作。如果你陷在某個地方了，他們會
告訴你如何開展下去。其他的導師屬於甩手型，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有非常大的作用。你需要考慮清楚自己適
合獨立工作還是需要指導。
你需要多大程度的聯繫？有的導師要求每周與你見面，聽取你工作進展的
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做。其他的導師每學期
與你的談話不會超過兩次。
你能承受的壓力有多大？有些導師施加的壓力是很大的。
需要多少情感支持？
聽取導師意見的認真程度如何？大多數導師會相當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，如果按照執行，幾乎肯定會做出一篇
可接受程度的論文，如果不是令人興奮的論文的話。其他的則一下子拋出很多思路，
大部分是不切實際的，但是有一些，或許會導致重大突破。如果選了這樣的一位導師
，你首先得把自己當作一個過濾器。
導師提供了什麼類型的研究組？有些教授會創造環境，把所有的學生聚集
在一起，即使他們做的不是同一個項目。很多教授每周或者每兩周與自己的學生們會
面。這對你有用麼？你能與教授的學生和睦相處麼？有些學生發現他們更能與其他教
研組的學生建立良好的工作關係。
你想參與大的項目麼？有些教授將大系統分解，每個學生負責一部分。這
給了你與一組人討論問題的機會。
你想被共同監督麼？有些論文項目包含了多個AI領域，需要你與兩個以上
的教授建立密切的工作關係。雖然你正式的論文導師只有一位，但是有時候這並不反
映實際情況。
導師願意指導其研究領域之外的論文題目麼？你是否能與導師一起工作，
比你做什麼本身更重要。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。但是有些教員只願意指導自己研究興趣
領域內的論文。這對於那些欲獲得終身職位的年輕教員來說尤其如此。
導師會為了你跟體製作鬥爭嗎？有些導師會為了你跟系裡或者某些有敵意
的實體作鬥爭。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
），因此這一點很重要。
導師願意並且能夠在會議上推薦你的工作嗎？這是導師工作的一部分，對
你將來工作意義重大。
上述這些因素，不同學校的情況很不相同。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：
查閱實驗室的研究總結。其中有一頁左右的篇幅描述了每個教師以及很多
研究生目前在做什麼。
如果你對某些教師的研究工作感興趣，查閱其最近的論文。
在第一學期，與儘可能多的教師交談。去感受他們喜歡做什麼，他們的研
究和指導風格是什麼。
與預期導師的研究生交談。要保證與導師的多個學生交流，因為每位導師
在與不同的學生交流時有不同的工作方式和交流效果。不能被一個學生的看法所左右
。
很多教師所在研究組的會議對新同學都是公開的。這是非常好的了解導師
工作方式的途徑。
作為一門學科，AI不同尋常的一點是很多有用的工作是由研究生完成的，而不是
博士——他們忙着做管理去了。這有幾個後果。一是某個教師的聲望，是否會獲得終
身聘用，在很大程度上取決於學生的工作。這意味着教授有很強烈的動機吸引最好的
學生為自己工作，並給與有效的指導和足夠的支持。另外一個後果是，由於大部分學
生的論文方向是由導師形成的，因此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，決定了自己對導師的要求後，要確保導師知道。不要由於交流不好，
浪費時間於自己並不想做的項目上。
不要完全依賴你的導師，要建立自己的網絡。找一些能定期評審你的工作的人是很重
要的，因為研究時很容易走火入魔。網絡中的人可以包括自己實驗室或者外單位的研
究生和老師。
在與其他學生、老師甚至自己的導師的關係中，很可能會碰到種族主義者，性別歧視
，同性戀或者其他令人尷尬的事情。如果你不幸碰到了，去尋求幫助。MIT的ODSA出
版了一本叫做“STOP Harrassment”的小冊子，裡面有很多建議。《Computer Science
Women's Report》，可在LCS文檔室找到，也與之相關。
實驗室中有些同學只是名義上由導師指導。這對於那些獨立性很強的人來說很好。但
是如果你已經完成了某項導師指導的工作，除非你確保沒有導師也行且自己有牢靠的
支持網絡，否則就不要這麼幹。
10. 論文
做畢業論文將占據研究生生活的大部分時間，主要是去做研究，包括選題，這比實際
的寫作耗時更多。
碩士論文的目的是為做博士論文練兵。博士水平的研究如果沒有準備好的話，是很難
進行的。碩士論文最本質的要求是展示自己的掌握程度：你已經完全理解了本領域最
新進展，並具備相應的操作水平。並不需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。然而我們實驗室的論文總是比較大氣的，因此很多碩士論文實際上
都對本領域的發展作出了顯著的貢獻，大約有一半都出版了。這並不一定是好事情。
很多人精力都集中於碩士的工作，所以MIT有這樣的名聲：碩士論文的質量往往比博
士論文高。這有悖於碩士工作本來是為博士研究作準備的原有目的。另外一個因素是
所做研究要對領域有所貢獻，至少需要兩年，這使得研究生學習時間之長令人難以忍
受。現在或許你感受不到匆忙，但當你已經在實驗室呆了七年後，你肯定迫不及待地
想逃出去。碩士從入學到畢業平均時間是兩年半，但是，計算機系強烈鼓勵學生提前
畢業。如果某個碩士生的題目過於龐大，可將之分解，一部分來做碩士論文，另一部
分給博士生作博士論文。
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
些出版的或者成為技術報告的，因為這標誌着該論文被認為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。還要讀一些通過的但是沒有
出版的論文，所有通過的論文都可以在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備可出版的質量。MIT的泱泱氣質又表現出來了，
很多博士論文在幾年內都是某個子領域的權威工作。對於MIT的博士論文來說，開創
一個新領域，或者提出並解決一個新問題，並不是什麼了不起的事情。雖然，這並不
是必需的。
一般來說，需要兩到三年的時間來做博士論文。很多人花一到兩年的時間跟碩士生活
說再見，以及選題。這段時間可以去嘗試一些別的事情，例如做助教或者在某個非AI
領域打下堅實的基礎或者組織個樂隊。博士論文的實際寫作時間大約是一年。
選題是論文工作中最重要最困難的部分：
好的論文題目不僅能夠表達個人觀點，而且可與同行交流。
選擇題目必須是自己願意傾注熱情的。個人遠景觀點是你作為一個科學家
的理由，是你最為關切的意象，原則，思路或者目標。有多種形式。或許你想造一台
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
示萬物都是統一的，或許你想在太空發現新生命。遠景觀點總是比較大的，你的論文
並不能實現你的遠景，但是可以朝着那個方向努力。
做論文時，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
以做一篇論文。“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
會發現需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，
會持續到你宣布論文已經完成那一刻為止。實際上，解決問題通常比精確地描述問題
要容易得多。如果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？如果目標的結構龐大，那麼最核心的部件是什麼，如何最大程度的了解核心部
件？
一個重要的因素是你可以忍受多大程度的風險。在最終的成功和風險之間
需要權衡。這也並不總是對的，AI中有很多研究者尚未涉及的想法。
好的論文選題有一個中心部分，你確信肯定可以完成，並且你和你的導師
都同意這已經滿足畢業要求了。除此之外，論文中還有多種擴展，有失敗的可能，但
如果成功了，會增加論文的精彩程度。雖然不是每一個論文選題都符合這個模式，但
值得一試。
有些人覺得同時在多個項目中工作可以在選題的時候選擇可以完成的那個
。這確實降低了風險。另外一些人則願意在做任何工作之前，選一個單獨的題目。
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
會發現系裡的老師沒有一個人能夠指導你選擇的領域。可能還會發現好像那個領域沒
什麼很自然的選題，反而對別的領域有好想法。
碩士選題比博士選題更難，因為碩士論文必須在你所知不多沒有足夠自信
時就完成。
博士選題需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
展或者作為基礎，或者乾脆轉到另外一個領域。待在同一個領域事情就簡單了，可能
只需要一到兩年就畢業了，特別是如果在碩士階段的工作中已經發現了適合做博士論
文的題目。不足之處在於容易定型，改換領域則能增加知識的寬度。
有的論文題目很新奇，有的則很普通。前者開創了新領域，探索了以前未
曾研究過的現象，或者為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。選擇哪一種論文，取決於個人風格。
論文的“將來的工作”部分，是很好的論文題目來源。
無論選什麼樣的題目，必須是前人未曾做過的。即使是同時有人做的工作
，也不好。有很多東西可作，根本無需競爭。還有一種常見的情況，讀了別人的論文
後感覺很驚慌，好像它已經把你的問題解決了。這通常發生在確定論文題目過程中。
實際上往往只是表面類似，因此將論文送給某個了解你的工作的高人看看，看他怎麼
說。
MIT AI實驗室的論文並非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，即使有點虛，你必須能夠回答下列問題：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。如果你不知道自己在幹什麼，別人也不會
嚴肅對待你的選題，更糟糕的是，你會陷在選題——再選題的圈子裡而不能自拔。
開始作論文研究後，一定要能夠用簡單的語言解釋每一部分的理論和實現是如何為目
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。如果你和
他對論文具有不同的期望，最後你肯定死得很慘。必須定義好“完成測試”的標準，
像一系列的能夠證明你的理論和程序的例子。這是必須做的，即是你的導師並不這麼
要求。如果環境發生了根本的變化，測試也要隨之改變。
首先嘗試論文問題的簡化版本。用實例檢驗。在形成理論抽象之前，要完整的探究具
有代表性的例子。
做論文的過程中，有很多浪費時間的方式。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分講究；發明新的形式化方法；過分
優化代碼；創建工具；官僚作風。任何與你的論文不是很相關的工作要儘量減少。
一種眾所周知的現象“論文逃避”，就是你突然發現改正某個操作系統的BUG是非常
吸引人也很重要的工作。此時你總是自覺不自覺的偏離了論文的工作。要記住自己應
該做些什麼。（本文對於部分作者來說就屬於論文逃避現象）。
11. 研究方法論
[本部分內容比較少，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
叫做成功。AI的研究方法學是個大雜燴。不同的方法論定義了不同的研究學派。
方法是工具。使用即可，不要讓他們來使用你。不要把自己陷於口號之中：“AI研究
需要牢靠的基礎”，“哲學家只會高談闊論，人工智能則需要拼搏”，“在問為什麼
之前，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
各種技術方法，還必須具備懷疑的態度。例如，你必須能夠證明定理，同時你還必須
思考該定理是否說明了什麼。
很多優秀的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。你經常會面臨區分“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？還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（如果可行的話）會得到清晰確定的結果，但這一過
程往往是繁瑣的，或者至少不會直接解決問題。後者則有陷入各種處理的漩渦之中的
危險。任何工作，任何人，必須作出明智的平衡。
有些工作象科學。你觀察人們是怎樣學習算術的，大腦是如何工作的，袋鼠是如何跳
的，然後搞清楚原理，形成可檢驗的理論。有些工作象工程：努力創建一個更好的問
題解決器或者算法。有些工作象數學：跟形式化打交道，要理解屬性，給出證明。有
些工作是實例驅動的，目標是解釋特定的現象。最好的工作是以上幾種的結合。
方法具有社會性，看看別人是如何攻克類似難題的，向別人請教他們是如何處理某種
特殊情況的。
12. 情感因素
研究是艱苦的工作，很容易對之失去興趣。一個令人尷尬的事實是在本實驗室讀博的
學生只有很少比例最後獲得學位。有些人離開是因為可以在產業界賺到更多的錢，或
者由於個人的原因；最主要的原因則是由於論文。本節的目標是解釋這種情況發生的
原因，並給出一些有益的建議。
所有的研究都包含風險。如果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為你自己的失敗。雖然，這實
際上也證明了你有勇氣向困難挑戰。
在人工智能領域很少有人總是一直成功，一年年地出論文。實際上，失敗是經常的。
你會發現他們經常是同時做幾個項目，只有一些是成功的。最終成功的項目也許反覆
失敗過多次。經歷過很多由於方法錯誤的失敗之後，才取得最終的成功。
在你以後的工作生涯中，會經歷很多失敗。但是每一個失敗的項目都代表了你的工作
，很多思想，思考方式，甚至編寫的代碼，在若干年後你發現可用於另外一個完全不
同的項目。這種效果只有在你積累了相當程度的失敗之後才會顯現出來。因此要有最
初的失敗以後將會起作用的信念。
研究所花費的實際時間往往比計劃的要多得多。一個小技巧是給每個子任務分配三倍
於預期的時間（有些人加了一句：“……，即使考慮了這條原則”）。
成功的關鍵在於使得研究成為你日常生活的一部分。很多突破和靈感都發生在你散步
時。如果無時無刻地都潛意識的思考研究，就會發現思如泉湧。成功的AI研究者，堅
持的作用一般大於天資。“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。
你會發現自己成功的比例是很隨機的。有時候，一個星期就做完了以前需要三個月才
能完成的工作。這是令人欣喜的，使得你更願意在本領域工作下去。其他一些時候，
你完全陷在那裡，感覺什麼也做不了。這種情況很難處理。你會覺得自己永遠不會做
出任何有價值的東西了，或者覺得自己不再具備研究者的素質了。這些感覺幾乎肯定
是錯誤的。如果你是MIT錄取的學生，你就是絕對合格的。你需要的是暫停一下，對
糟糕的結果保持高度的容忍。
通過定期設置中短期的目標，例如每周的或者每月的，你有很多工作要做。增加達到
這些目標的可能性有兩種方法，你可以把目標記在筆記本中，並告訴另外一個人。你
可以與某個朋友商定交換每周的目標並看誰最終實現了自己的目標。或者告訴你的導
師。
有時你會完全陷在那裡，類似於寫作過程的思路阻塞，這有很多可能的原因，卻並無
一定的解決方法。
範圍過於寬泛了，可嘗試去解決流程中的子問題。
有時候對你研究能力的懷疑會消磨掉你所有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。
如果發現自己陷入嚴重的困境，一個多星期都毫無進展，嘗試每天只工作
一小時。幾天后，你可能就會發現一切又回到了正軌。
害怕失敗會使得研究工作更加困難。如果發現自己無法完成工作，問問自
己是否是由於在逃避用實驗檢驗自己的思路。發現自己最近幾個月的工作完全是白費
的這種可能，會阻止你進一步開展工作。沒有辦法避免這種情況，只要認識到失敗和
浪費也是研究過程的一部分。
看看Alan Lakien的書《How to Get Control of Your Time and Your Life
》，其中包含很多能使你進入充滿創造力的狀態的無價方法。
很多人發現自己的個人生活和做研究的能力是相互影響的。對於有些人來說，當生活
中一切都不如意時，工作是避難所。其他的人如果生活陷入混亂時就無法工作了。如
果你覺得自己確實悲痛得難以自拔，去看看心理醫生。一份非正式的調查表明，我們
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原因是沒有被普遍接受的成功標準。在數學中，如果你證
明了某個定理，你就確實做了某些事情；如果該定理別人都證不出來，那麼你的工作
是令人興奮的。人工智能從相關的學科中借來了一些標準，還有自己的一些標準。不
同的實踐者，子領域和學校會強調不同的標準。MIT比其他的學校更強調實現的質量
，但是實驗室內部也存在很大的不同。這樣的一個後果就是你不可能令所有的人都滿
意。另外一個後果就是你無法確定自己是否取得了進展，這會讓你覺得很不安全。對
你工作的評價從“我所見過最偉大的”到“空虛，多餘，不明所以”不一而足，這都
是很正常的，根據別人的反饋修訂自己的工作。
有幾種方法有助於克服研究過程中的不安全感。被承認的感覺：包括畢業論文的接受
，發表論文等。更重要的是，與儘可能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，肯定有一些人會喜歡你的工作，這會使得你感覺不錯。
由於評價進展的標準是如此不確定，如果不與其他的研究者充分的交流，很容易盲目
。特別當你感覺不太好時，應該就你的工作進行交流。此時，獲得反饋和支持是非常
重要的。
很容易看不到自己的貢獻，總是想：“如果我能做，肯定是微不足道的。我的所有思
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，對別人並不一
定是明顯的。將你的工作解釋給很多門外漢聽，你會發現現在對你來說是平淡無奇的
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自己問題（在你研究的過程中，你一直覺得自己
是在做震驚世界的工作嗎？）的調查表明：獲獎者們一致回答他們經常懷疑自己工作
的價值和正確性，都經歷過覺得自己的工作是無關的，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經常嚴格的評價，很多時候不能確定工作的價
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作比單打獨鬥工作效果更好。雖然人工智能研究經常是相當
個人主義的，但是也有一部分人一起工作，創建系統，聯合發表論文。我們實驗室至
少已經有一個聯合做畢業論文的先例。缺點是很難與協作者區分對論文的貢獻。與實
驗室之外的人合作，例如暑期工作時，問題就會少一些。
很多來到MIT AI實驗室的學生都是以前所在學校最厲害的人。來到這裡之後，會發現
很多更聰明的人。這對於很多一年級左右學生的自尊形成了打擊。但周圍都是聰明人
也有一個好處：在你把自己不怎麼樣的（但自己又沒有覺察到）想法發表之前就被其
他人給打倒在地了。更現實的講，現實世界中可沒有這麼多聰明人。因此到外面找一
份顧問的工作有利於保持心理平衡。首先，有人會為你的才能付費，這說明你確實有
些東西。其次，你發現他們確實太需要你的幫助了，工作良好帶來了滿足感。
反之，實驗室的每一個學生都是從四百多個申請者挑選出來的，因此我們很多學生都
很自大。很容易認為只有我才能解決這個問題。這並沒什麼錯，而且有助於推進領域
的發展。潛在的問題是你會發現所有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，完全依靠自己還做不了。這些都使得我們中的很多人陷入了嚴
重的自信危機。你必須面對一個事實：你所做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。這需要激烈的自我重新評價，充滿了痛
苦，有時候需要一年左右的時間才能完成。但這一切都是值得的，不自視過高有助於
以一種遊戲的精神去作研究。
人們能夠忍受研究的痛苦至少有兩個情感原因。一個是驅動，對問題的熱情。你做該
研究是因為離開它就沒法活了，很多偉大的工作都是這樣做出來的。雖然這樣也有油
盡燈枯的可能。另外一個原因是好的研究是充滿樂趣的。在大部分時間裡，研究是令
人痛苦的，但是如果問題恰好適合你，你可以玩一樣的解決它，享受整個過程。二者
並非不可兼容的，但需要有一個權衡。
要想了解研究是怎麼樣的，遭到懷疑的時候應該如何安慰自己，讀一些當代人的自傳
會有些作用。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 Doubl
e
Helix.
當你完成了一個項目——例如論文——一兩個月後，你可能會覺得這一切是那麼不值
。這種後沖效果是由於長時間被壓抑在該問題上，而且覺得本可以做得更好。總是這
樣的，別太認真。等再過了一兩年，回頭看看，你會覺得：嘿，真棒！多棒的工作！
尾注
本文包含的思想，文本以及評論來自於Phil Agre, Jonathan Amsterdam, Jeff 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。我們要感謝那些對本文作出貢獻的人（對我們
的論文作出貢獻的人，順便一併致謝），特別是我們的導師。
上面所列舉的一些思想來自於John Backus的《On Being a Researcher》和Alan Bundy
, Ben du Boulay, Jim Howe和Gordon Plotkin的《How to Get a PhD in AI》。
譯者備註
由於時間關係，在翻譯的過程中略有刪減，以意譯為主，經過粗粗校對。錯誤之處，
在所難免。歡迎來信：liuqb@elec.bnu.edu.cn。
2002年3月4日晚 於電子樓313•志大才疏閣
