科研活动可以分为4个境界

2018 年 6 月 26 日 科学网

科研四境界


王国维在《人间词话》指出:“古今之成大事业、大学问者,必须经过三种境界:“昨夜西风凋碧树,独上高楼,望尽天涯路”此第一境界也;“衣带渐宽终不悔,为伊消得人憔悴”,此第二境也;“众人寻他千百度,蓦然回首,那人却在灯火阑珊处”,此第三境也”。

王国维是国学大师,他提出的研究三境界主要指的是文科方面的研究,主要以查文献,阅读文献,然后提出新见解。



文科研究有时辅之以考据,这有点类似于今天的科研实验,胡适研究《红楼梦》就是一个很好的例子。


在考证曹雪芹的生平之后,胡适得出结论:贾宝玉的原型就是曹雪芹,《红楼梦》就是曹雪芹家族生活的描述。


当然,古代文科考据与今天科研实验还是有一些差距。


在今天,科研活动日益复杂与分工精细,科研阶段历时不断增长。


在宋代,苏东坡21岁就中进士了,在文科研究方面已经历时多年,卓有建树。


而今天约22岁读研究生才刚刚开始从事科学研究,要出一流的研究成果,还得需多年的磨练。


因此,王国维提出的做学问的三境界已经难以全面概括和反映今天的科研活动了。



结合我自身的科研经历和人工智能算法的发展,我认为科研活动可以分为四个境界,分别与人工智能的四大算法相对应。

首先,第一境界为监督科研,对应于人工智能的监督学习算法(Supervised Learning)。


第一境界基本发生在我们的研究生阶段,以硕士生阶段为主,也经常发生在博士生的前半阶段。


我们有导师指导,在导师的监督下开展科研。如何做由导师指导,做的效果好坏有导师评价。


导师根据我们做的效果与他期望的结果之间的偏差,进行指导,以尽可能减少误差,这与监督学习算法的工作模式类似。

第二境界为半监督科研,对应于人工智能的半监督学习算法(Semi-Supervised Learning)。


该境界主要发生在博士后阶段,也有时发生在博士生阶段的后半段。


随着我们研究问题的深入和研究能力的提高,导师不必要也没法给予太精细全面的指导,只能指导部分环节,这与半监督学习的工作方式比较类似。

第三境界就是强化科研,对应于人工智能的强化学习算法(Reinforcement Learning)。


该境界主要发生在博士(博士后)毕业参加工作后较长的时间,一般从讲师到教授阶段,也包括为了获得各类学术帽子的科研阶段。


在该阶段,科研主要为职称、帽子等奖励目标去搞项目,表现好业绩突出的会得到这些奖励。


奖励刺激大家不断努力搞科研,最终达成一个又一个目标。


这类似强化学习的奖励刺激原理,算法的目标就是最大化奖励函数。

第四境界就是深度科研,对应人工智能的深度学习算法(Deep Learning)。


该境界主要发生在正教授职称拿到之后,或者是带上了各类学者、杰青的帽子之后,具体要看各人的设定的目标。


一般来说,该阶段在该实现的目标都实现之后,更难的目标(比如院士或诺贝尔奖等)已经不可能获得的情况下。


俗话说:“曲高和寡”、“高处不胜寒”,很多科研人员很难到达这个境界。

在该境界,科研已经不是获取名利的工具,而是一种爱好和生活。


随着研究的不断深入,将获得更多的成就感,研究功力日益深厚,思考深度不断深入,能解决复杂的科研难题。


这类似与深度学习的网络层次不断加深,能更好地解决复杂的人工智能问题。


国外的终身教授大都处于深度科研这个境界,而国内的年度考核等制度使得深度科研较难实现,大家都忙于搞项目写论文应对年度考核,出短平快的成果较多,科研的深度和有深度的科研则很少。


如今炙手可热的深度学习算法的发明人之一的Hinton教授执着于多层神经网络的深度研究20年,终于想出来了深度学习算法。


他于2006年在Science上发布有关深度学习的标志性论文,一文成名天下知,从而引发深度学习热潮。


转载本文请联系原作者获取授权,同时请注明本文来自陈德旺科学网博客。
链接地址:http://blog.sciencenet.cn/blog-57940-1120897.html

关注我们

微信号sciencenet-cas (←长按复制) 或长按下方二维码


登录查看更多
1

相关内容

监督学习是指:利用一组已知类别的样本调整分类器的参数,使其达到所要求性能的过程,也称为监督训练或有教师学习。 监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中,每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据,并产生一个推断的功能,其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。
专知会员服务
123+阅读 · 2020年3月26日
基于深度学习的行人重识别研究进展,自动化学报
专知会员服务
38+阅读 · 2019年12月5日
【CCL 2019】刘康、韩先培:做失败科研的10个方法
专知会员服务
25+阅读 · 2019年11月12日
自动机器学习:最新进展综述
专知会员服务
117+阅读 · 2019年10月13日
哈工大SCIR2019级研究生开学典礼成功举办
哈工大SCIR
11+阅读 · 2019年9月2日
【深度学习】深度学习的问题究竟在哪?
产业智能官
4+阅读 · 2019年8月30日
SFFAI分享 | 王少楠:博士生活杂谈【附PPT与视频资料】
人工智能前沿讲习班
24+阅读 · 2019年3月24日
干货 | 从零开始入门机器学习算法实践
雷锋网
9+阅读 · 2017年11月30日
【回顾】从零开始入门机器学习算法实践
AI研习社
5+阅读 · 2017年11月28日
【回顾】迁移学习的发展和现状
AI研习社
8+阅读 · 2017年11月17日
Arxiv
26+阅读 · 2020年2月21日
Arxiv
15+阅读 · 2019年6月25日
Arxiv
9+阅读 · 2019年4月19日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Paraphrase Generation with Deep Reinforcement Learning
Arxiv
7+阅读 · 2018年5月23日
VIP会员
相关VIP内容
相关资讯
哈工大SCIR2019级研究生开学典礼成功举办
哈工大SCIR
11+阅读 · 2019年9月2日
【深度学习】深度学习的问题究竟在哪?
产业智能官
4+阅读 · 2019年8月30日
SFFAI分享 | 王少楠:博士生活杂谈【附PPT与视频资料】
人工智能前沿讲习班
24+阅读 · 2019年3月24日
干货 | 从零开始入门机器学习算法实践
雷锋网
9+阅读 · 2017年11月30日
【回顾】从零开始入门机器学习算法实践
AI研习社
5+阅读 · 2017年11月28日
【回顾】迁移学习的发展和现状
AI研习社
8+阅读 · 2017年11月17日
相关论文
Top
微信扫码咨询专知VIP会员