大佬们都说自己以前什么都不知道
还记得当初和学院学长、学姐们聊天的时候,当中有人说,我们现在真不错,他们(大佬们)本科的时候,还不知道自己在干嘛呢。在最后RISS项目海报展示的时候,也有一位学长和我们聊天的时候,提到他自己本科时候还什么都不知道呢。然而,他们真的本科的时候什么都不知道吗?我们现在又知道什么了?其实,经历了这两个月的时间,有些想知道的事情现在还是没有答案,比如科研到底什么方向才是有希望的,我自己笃定要研究的强化学习1到底是研究什么问题才算符合我对未来研究的期望;有些想知道的事情,现在没有彻底顿悟,但或多或少意识到作为一个大学生,想要进入科研界该是一个什么样子。
今年我有幸参加了上科大-卡耐基梅隆大学 Robotics Institute Summer Scholar (RISS)交换项目,和我院其他4位同学一起远赴世界顶尖高校卡耐基梅隆大学进行科研学习。通过组内学习、科研讨论、心得分享等活动,也引发了我对学术科研的很多思考。
我重新反思了大学生活应该是什么样子。首先,大学和基础教育的不同之处在于在学术研究领域里,无论是谁,都不能完全熟知该领域的方方面面。不比初高中,老师永远比你会做的题目多,比你了解更多的知识点。在CMU实验室的几次组会讨论后,我意识到大家都不过比别人更了解自己的研究方向,所以可以互相讨论学习,分享自己的学习研究心得。这样一来,只要大家是在讨论相同的话题,无论是谁,都有可能提出新的点子,产生新的灵感。基于这种互相探讨、激发思维的探讨,我也对自己大学三年的生活有了一些反思。大学,最明显的特征并不仅仅是学会自我监督,自我学习,也不是进入社会前的各项技能积累,而最重要的是,任何事情都没有明确的标准了。在学术圈里,并没有什么谁比谁绝对优秀。教授也可能没想到你的创新点,你完全有可能在某一方面做你助教的老师。回到大学生活来说,以前我总是觉得,自己要再等等,等自己把这些基础课学好了,再去跟老师做科研;我总是以为,从学习到科研,应该是按部就班,一步一步走就好了。这些话,其实不能算全错。基础知识的确很重要,但只有基础知识是自己做好科研的必备要求吗?还有什么是必备的,其实没人能给出很好的解答。在大学生活里,按部就班地去做,已经远远不够了。正因为没有标准,也就没有人能告诉你下一步是什么,重要的是,一旦定好自己对未来的规划就应该开始去做。一旦自己有一个想法,无论第一眼看起来多么荒唐2,都应该着手去调研,去实现。只有在真正开始去做了,自己才能知道,自己有什么是欠缺的。
其次,科研是发现规律、解决问题的研究。这和其他的研究是一样的。无论是企业的老板在尝试的过程中希望提高团体的业绩,还是玩电竞游戏的选手希望找到什么方法来一招制敌。甚至我们小时候被罚抄作业,把几支笔粘在一起来提高速度,都属于研究。科研并没有脱离研究的本质,人们还是在通过研究来改进某些技术或者发现什么新的规律。科研,只不过是研究的重点放在了那些学术会议正在探讨的话题上。一个课题组,也就是一群感兴趣的人相对固定地聚在一起,讨论着相同的话题,探讨着彼此的发现和攻克遇到的问题。而这一群人的共同目标就是发现更新的规律,进一步地改进某项技术。而论文,则是对科研成果的一种体现。
再次,科研需要有不同idea的对比和分析检验,单纯实现一套东西并不足以证明研究效力和影响。我们有的时候还需要通过别人已有的方法来进行对比,或者通过控制变量测试来研究我们提出的方法中,哪些研究真正达到了自己的期望。而这些,可能只有和教授认真完成过一个项目后才能意识到。
除了对做科研的理解有了更清晰的认识,在CMU独立生活的这两个月,我也学会了要适当表达自己的需求。和以前不一样,大学里没有人会围着你,去了解你需要什么样的帮助。但是这并不代表你身边的人不愿意给你提供帮助。只要你有需要,就应该表达出来,让你身边的人知道。即使他们不能提供实质性的帮助,他们也是愿意给你力所能及的帮助。
所有以上的思考都是参加RISS这个活动带给我的改变。RISS不单单是让我们进入CMU Robotics Institute的实验室,了解科研是一种什么样的经历,需要什么样的技能、素养。还通过其它的活动来让我们了解CMU Robotics Institute作为一个组织,区别于MIT,UCB等别的研究机构的特点。在工科科研领域,区别于提出一些新颖的想法,让人们看到技术可能触及的最远的边界,CMU Robotics Institute更多的关注于能够产生实际应用的技术成果。这里的教授们、博士生们,更关注在未来几年能够量产,并且服务于大众的技术领域。 同时,我非常感谢上科大给我这样一个高水平的平台,让我们有机会和来自世界各地的学子共聚一堂,展开科研探讨和交流,不仅提高了我的学术素养,也拓展我的学术视野。
庄子文等5位同学参加CMU RISS交流活动
庄子文领取证书
1强化学习: reinforcement learning,人工智能,机器学习下的一个分支
2这时候,其实就需要你找前辈(包括学长,也包括教授)去聊聊。不用担心他们会不愿意聊,因为这些idea也有可能是帮助他们研究的灵感。