高效的机器学习研究者，应该具备这 6 个习惯！

正文

请到「今天看啥」查看全文

而第一点从第三点的重要性，想必可以从“几乎所有带有冲击性的、有影响力的工作都是由一小部分的研究团队和机构做出来的”这一事实得到验证。这并不是因为这些研究团队或机构的研究者比其他研究者要更聪明得多，而是因为他们站在“巨人的肩膀”上，拥有更高密度的专业知识和视角，从而能比社区中的其他研究者先行一步。

不过如果你很遗憾无法在这样的环境中开展机器学习研究工作，也不要气馁，你也可能通过额外的努力，培养自己的专业能力和独特的视角，来走在别人的前面。

二、研究由观点驱动还是目标驱动？

选择好研究的问题后，一般而言，你可能会通过两种方式来决定接下来做什么：

第一，观点驱动，遵照一些文献的观点来开展接下来的工作。如果你正好阅读到观点和思路与你接下来要开展的工作一致的论文，那自然是最好。接着你就可以开始一个项目来测试你的想法。

第二，目标驱动，目标是发展一些你希望获得的新的 AI 技能，与此同时解决一些能够让你离最终目标更近一步的问题。在实验环节，你可以尝试测试一些文献中现有的方法，之后基于这些方法提出自己的新的方法来进行优化完善。

当然，这两种方法并不是互斥的，任何机器学习子领域的研究都不可避免地涉及到一些目标（比如说目标检测），而所有“观点驱动”的项目也代表着该子领域发展目标的进展情况，从这个意义上而言，“观点驱动”的 研究实际上是“目标驱动”的研究的一种实例形式。

而这里单独列出的“目标驱动”，指的是个人的目标比机器学习某个子领域的发展目标更明确，强调的是“成为第一个吃螃蟹的人”，而不是基于某项研究进行优化和改善。

从长远来看，“目标驱动”的研究对大多数研究者而言更具有价值。

“观点驱动”的研究存在一个很高的风险就是：可能会重复其他研究者的研究工作。世界各地的研究者阅读的文献材料都差不多，这让他们很容易产生相似的想法。而如果想通过“观点驱动”的研究来做出突破性的工作，就需要对你自己的研究课题建立独一无二的深度认知，并且能够以与社区其他研究者不同的视觉来开展研究，有些人可能能做到这样，但是做到的难度很高。

而另一方面，“目标驱动”的研究下，你的目标本身就能够给予你区别于其他研究者的独特视角，并引导你提出别人未曾提出的问题，让你获得更大的进展。不仅如此，这种研究方法也会让你变得更有动力：每天清晨都能够带着对实现目标的憧憬起床。这会让你在起起伏伏的研究持久战中，更易于坚持下去。

在团队协作方面，“目标驱动”的研究有助于团队研究者的协作研究并从问题的不同方面来开展研究工作。而“观点驱动”的研究由1到2人组成的“团队”开展，是最有效的。

三、高瞻远瞩，一步一步向目标高峰攀登

请到「今天看啥」查看全文