谷歌首席科学家:搞研究的痛苦,搞工程的人不懂

大数据
谷歌首席科学家、谷歌大脑技术负责人Vincent Vanhoucke(万努克)最近发出的一篇“劝退文”,引发海外科研学者的热议。

谷歌首席科学家、谷歌大脑技术负责人Vincent Vanhoucke(万努克)最近发出的一篇“劝退文”,引发海外科研学者的热议。

在这博客中,万努克直言以研究为业,固然令人羡慕,但会面临着各种各样的“痛苦”。而且,有许多学生都曾被从事研究工作的前景所吸引,却在很短的时间内,退缩到相对舒适的工程领域。

为什么?

万努克说这背后这从来都不是个人价值或天赋的问题,而是因为做研究需要一种不同的范式,这种范式与作为一名工程师相比,截然不同。

面临这些问题该怎么办?怎么调整自己的心态?怎样才能成为一名好的研究者?

万努克列举了从事研究的九大“痛苦”。比如,整个职业生涯都会“浪费”在无用的事情上,研究成果在发表的那一刻就可能过时了等等。他把这些描述为,那些学校里没有教你的事情。

他还给出相应的忠告,这些都获得同行的一致点赞,Yann LeCun等学术界大牛,纷纷在Twitter上转发评价称,这是一篇研究人员必读的入门文章。

以下,是万努克的“劝退文”: 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/1fb1f86555633c20260fbe278fd01a01.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/1fb1f86555633c20260fbe278fd01a01.jpeg" width="684" height="195">

一、研究是有多个答案、甚至没有答案的不适定问题

在大学接受的训练,只是在很大程度上教会了你如何用独特的方法去解决问题。但是,将研究看作是一个考试问题,必然会通向失败。

在研究中所做的大部分工作,并不会让你更接近答案,而是会让你更好地理解这个问题。

以学习作为单位衡量进步,而不是以解决问题为单位。是研究者必须要经历的重要范式转变之一。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/868e781ce7212359793f9d0a92d19a08.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/868e781ce7212359793f9d0a92d19a08.jpeg" width="532" height="338">

二、整个职业生涯都会“浪费”在无用的事情上

几乎可以肯定的是,一旦某样东西能够起作用,就不再是研究了。最好的情况下,你的职业生涯的基本上都是由进步来定义的。

但是,这些进步并没有真正解决任何问题,因为它们只是从概念到落地的过程中的一步,甚至是一小步,这会让人深感焦虑。

2004年,因为没法理解和拥抱这个简单的事实,我几乎放弃了我的研究事业。

当时,我研究的是语音识别,它正处于一种奇怪的状态,它基本上是无用的,但为了降低成本,却被强行“塞进用户的喉咙”。

我能清晰感受到那些使用了相关系统的“小白鼠”沉重而充满怨恨的目光。在学术会议上,我也注意到了一个令人不安的趋势:越来越多的关于“情感识别”的论文发表出来。

现在,我离开这个领域有几年了,但这个经历,给了我更多看待问题的视角。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/f34037615c69d8386c6a19e6d189cbc0.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/f34037615c69d8386c6a19e6d189cbc0.jpeg" width="640" height="510">

三、研究成果在发表的那一刻就可能过时了

在我的研究生涯中,我所取得的成果,没有一件是当今最先进的。经历了漫长的出版过程后,仍然保持最高水平的作品也寥寥无几。进步是无情的。

我们一般会用研究引用的次数量来衡量影响,但通常会忽略了这样一个事实:许多引用都是作为一个背景,来说明它已经不再具有竞争力。

这会带来严重的错失恐惧症(FOMO),在这种情况下,害怕别人抢先出版,对我的许多同事来说是一个巨大的压力。

对于他们,我经常给出的建议是:如果你担心被人抢先,你的研究可能在一开始就错了。

如果,你认为这是一个学界很快就会解决的问题。那么,这可能不是一个值得花时间研究的领域。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s4.51cto.com/oss/201910/18/8492843ee07bc1bda6eb978330fd9de8.jpeg" _fcksavedurl="https://s4.51cto.com/oss/201910/18/8492843ee07bc1bda6eb978330fd9de8.jpeg" width="661" height="206">

四、拥有无限的自由,但也有无限的责任

作为研究者,一个好消息是有很多规范来控制你自己。但也有坏消息,你需要自己去控制局面。很多研究中,都没有规范,也没有蓝图。你可能在探索一条完全错误的道路,这也没关系。因为你可以接受,对吧?

作为一名研究管理者,我的大部分工作就是充当研究人员的治疗师,为他们思考无限的可能性。

我经常给研究议程划定界限,并不是界限究竟在哪里很重要,而仅仅是因为,它们的存在有助于减轻未知带来的压力。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s1.51cto.com/oss/201910/18/6dcca7ed78051200f26184944e513fad.jpeg" _fcksavedurl="https://s1.51cto.com/oss/201910/18/6dcca7ed78051200f26184944e513fad.jpeg" width="640" height="348">

五、大多数研究,都关乎风险管理

研究本身就有风险。把风险堆积在风险之上,你肯定会遇到灾难。

你必须要无情地消除这个等式中的其他风险:首先,在与人一起进行研究之前,确保自己信任合作者,并已经赢得了合作者的信任。大多数失败不是因为技术,而是人。

避免引入政治和体制风险。确保你的资金安全。但是,千万不要在研究风险本身上妥协,例如,只是为了让你的机构单位更容易接受这个项目而去降低目标。

这就是你研究水平不高的原因所在。

想要充满风险的研究,是研究人员自欺欺人:我们都比我们想象的更加厌恶风险,你给项目增加的每一点安全保障,都会直接影响你的研究。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s2.51cto.com/oss/201910/18/abb6bde620446ad6f9fa499971326172.jpeg" _fcksavedurl="https://s2.51cto.com/oss/201910/18/abb6bde620446ad6f9fa499971326172.jpeg" width="523" height="333">

六、范式转变很正常,你需要经常更换工具

在一个职业生涯的时间尺度上,范式转换以某种规律性发生。你花了十多年时间辛辛苦苦积累的专业知识,很可能在一个更好工具的面前一文不值。

你的能力,或者更重要的是,你仅有的意愿,能够跟随问题到什么地方,往往可以成就或者毁掉一个人的研究生涯。我在博士论文中使用的工具包在今天可能没有人关心的。

通常情况下,重大突破来自于两个假设不同的研究方向结合在一起,这意味着要学习和吸收一个全新领域的观点和工具,以便在最短时间内开始评估两者可能的联系。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s5.51cto.com/oss/201910/18/0fabbdc6286686bd17e364d1a5016bec.jpeg" _fcksavedurl="https://s5.51cto.com/oss/201910/18/0fabbdc6286686bd17e364d1a5016bec.jpeg" width="546" height="413">

七、必须让自己接受严格的审查

没有什么比一篇只有一位作者的论文更可疑的了。如果我的研究结果,没有经过同行的审查与认可,我肯定不会相信它的价值与意义。

研究合作是使科学产品变得有价值的部分原因。原因在于,研究的行为非常容易产生狭隘的视野和自我强化的反馈。

愿意变得脆弱,充满自我怀疑,是成为一个好的研究者的决定性特征。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s1.51cto.com/oss/201910/18/d10df6b5eb2f2f0a0182344ebd6533e2.jpeg" _fcksavedurl="https://s1.51cto.com/oss/201910/18/d10df6b5eb2f2f0a0182344ebd6533e2.jpeg" width="535" height="363">

八、整个职业生涯在很大程度上将由一个数字来衡量

这个数字将被公之于众。是的,唯“h-index”是一个问题,你不能轻易选择退出,因为你不公开它,也会引发问题。

人们很容易忘记,这是一个相对较新的现象。这个衡量标准是在2005年提出的。

尽管它有种种局限性,但我发现它非常稳健 ,而且我也经常用它平阿基研究人员。与你从学术网站上获得的信息相比,它的方差要小得多。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/3ed9bbf06de0604775d28de46c4e5993.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/3ed9bbf06de0604775d28de46c4e5993.jpeg" width="536" height="331">

九、研究是一种生活,而不是工作

有时,有人会问我如何与著名的“天才”共事,他们有什么不同,他们成功的关键在哪里。

我想回答的是,这些人唯一的共同点就是他们都非常努力。尽管这不是全部,但这是事实。

他们中的每一个人都绝对比你(当然还有我)更努力工作,一个共同的特点是他们的注意力和奉献精神非常敏锐。

他们中很少有人会将研究称为工作:根本原因在于,他们绝对热爱自己所做的事情,愿意全身心地投入其中,其他很多事情,都源于此。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s5.51cto.com/oss/201910/18/bbccdd82c3fd49b3d881685a773986da.jpeg" _fcksavedurl="https://s5.51cto.com/oss/201910/18/bbccdd82c3fd49b3d881685a773986da.jpeg" width="534" height="274">

要不要以研究为业?

根据我作为研究者和工程师管理者的经验,一名研究者能否成功,往往与一个人如何应对研究产生的压力有关,而不是与天生的聪明才智或勤奋工作有关。

在一个不断变化的环境中,在公众的监督下,没有指引,做一些可能行不通的事情,需要一定的勇气或愚蠢。

与此同时,坐在你旁边的座位上,你的工程师同事们实际上正在构开发一些能够持久的东西,解决定义明确的问题。

创造那些必须要成功、或者被期望成功的东西,需要另一种勇气和献身精神,才能到达终点,还需要一种健康的自我批评。但他们不能用那种“不要紧,这只是研究……”的批评来自开脱了。

想要知道,什么样的挑战更适合自己,可能需要很长的时间,并且会随着你在职业生涯和生活中的位置而改变。

对大多数从事工业研究的人来说,有一个好消息:我们没必要把这当作一个永久性的职业选择。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/4b7bc718e661505e056d8317bbba6b73.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/4b7bc718e661505e056d8317bbba6b73.jpeg" width="434" height="303">

点赞热潮与一些冷思考

这篇文章发表出来之后,在社交媒体上掀起了一阵点赞热潮。Yann LeCun等学术界大牛,都纷纷转发。

LeCun评价称,这是一个非常好、非常真实的文章,是研究人员必读的入门文章。不过,Yann LeCun也给出了一点补充,他认为,研究首先要找到一个好问题。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/cf6ea19307f1dc4eebb7422e2831f076.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/cf6ea19307f1dc4eebb7422e2831f076.jpeg" width="666" height="144">

在Reddit上的讨论中,有不少网友给出了冷思考。

昵称为“rlstudent”的网友的评论引发了很多认同,他/她认为,研究只是生活中的一部分,不认同那种将生活所有精力都集中在一个事情上,才能取得成功的说法。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s5.51cto.com/oss/201910/18/596c4f600c49b37e417ee5213684e88c.jpeg" _fcksavedurl="https://s5.51cto.com/oss/201910/18/596c4f600c49b37e417ee5213684e88c.jpeg" width="707" height="146">

这个评论也引发了不少网友回应,“nellllson”评论道,“一直工作”有点像美国神话。你能认真研究多久?

此外,也有网友指出,与数据科学相比,创造力在研究中是极其重要的,也非常值得单独讨论。研究需要大量的创造性思维。这就是我热爱(也讨厌)研究的原因,因为总有更多的可能性可以探索。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s2.51cto.com/oss/201910/18/380569b73e776f9b0466159adbc7d194.jpeg" _fcksavedurl="https://s2.51cto.com/oss/201910/18/380569b73e776f9b0466159adbc7d194.jpeg" width="545" height="124">

One More Thing

有趣的是,最近《Nature》在Twitter上也发表了一个关于研究的推文称:一项研究报告表明,满世界搬家的研究者比不搬家的研究者,有更大的科学影响力。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s1.51cto.com/oss/201910/18/db93dac413d0b6a9ab1aeab1ae92d069.jpeg" _fcksavedurl="https://s1.51cto.com/oss/201910/18/db93dac413d0b6a9ab1aeab1ae92d069.jpeg" width="640" height="464">

推文发布后,遭到了大量的反对与质疑。

其中,转发最多的评论来自于英国皇家化学会会士Jerzy J. Langer的评论。

“与没有移动的研究者相比,移动的研究者获得的引用增加了17%…”

这是一个很冷的笑话。

不要为此牺牲你的家人。真正的科学影响,不是通过任何文献计量因子来衡量的,而是取决于你的发现的科学意义。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/edaf88075c54e4e6dca506d68c7b40c9.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/edaf88075c54e4e6dca506d68c7b40c9.jpeg" width="553" height="408">

点赞最高的评论来自于麦克马斯特大学的副教授David Feinberg。

是的,因为当你搬家时,你没有家人,没有朋友,没有支持,所以唯一要做的就是深入了解你的工作。请不要鼓励这个。你正在撕裂人们的生活。 

谷歌<span><span><span><i style=首席科学家:搞研究的痛苦,搞工程的人不懂" src="https://s3.51cto.com/oss/201910/18/928e0223aab26aeff04787fc58895e3f.jpeg" _fcksavedurl="https://s3.51cto.com/oss/201910/18/928e0223aab26aeff04787fc58895e3f.jpeg" width="544" height="128">

你怎么看?

 

责任编辑:未丽燕 来源: 量子位
相关推荐

2021-05-31 08:13:39

亚马逊职场面试

2012-12-06 15:36:55

CIO

2017-08-04 15:53:10

大数据真伪数据科学家

2023-07-26 14:00:47

模型研究

2020-08-11 06:51:58

Python编程语言

2009-03-27 09:09:03

GoogleAndroid移动OS

2023-12-28 15:18:37

MetaOpenAI

2017-06-29 15:53:43

5Gsdnnfv

2024-11-11 15:05:44

2017-03-22 20:18:04

百度人工智能吴恩达

2021-02-19 11:15:47

ML机器学习人工智能

2022-11-03 14:13:24

腾讯科学家

2012-12-31 13:54:00

大数据google数据科学家

2018-12-24 08:37:44

数据科学家数据模型

2022-08-24 10:57:38

深度学习人工智能

2020-05-14 15:46:38

数字认证

2021-01-08 15:41:43

谷歌研究技术

2020-04-03 18:27:21

戴尔

2013-03-08 09:57:59

2012-12-26 10:51:20

数据科学家
点赞
收藏

51CTO技术栈公众号