麻省理工学院人工智能实验室AI Working Paper 316
作者：人工智能实验室全体研究生
编辑：David Chapman 版本：1.3 1988年9月
译者：柳泉波 北京师范大学信息学院2000级博士生
摘要 本文的主旨是解释如何做研究。我们提供的这些建议，对做研究本身（阅读 、写作和程序设计），理解研究过程以及开始热爱研究（方法论、选题、选导师和情感因素），都是极具价值的。
备注 人工智能实验室的Working Papers用于内部交流，包含的信息由于过于初步或者过于详细而无法发表。不像正式论文那样，会列出所有的参考文献。
1 简介
1.1 这是什么？
并没有什么灵丹妙药可以保证在研究中取得成功，本文只是列举了一些可能会有所帮助的非正式意见。
1.2 目标读者是谁？
本文档主要是为MIT人工智能实验室新入学的研究生而写，但对于其他机构的人工
智能研究者也很有价值。即使不是人工智能领域的研究者，也可以从中发现对自己
有价值的部分。
1.3 如何使用？
要精读完本文，太长了一些，最好是采用浏览的方式。很多人觉得下面的方法很有
效：先快速通读一遍，然后选取其中与自己当前研究项目有关的部分仔细研究。
（1）本文档被粗略地分为两部分。第一部分涉及研究者所需具备的各种技能：阅
读、写作和程序设计等。第二部分讨论研究过程本身：研究究竟是怎么回事，如何
做研究，如何选题和选导师，如何考虑研究中的情感因素。很多读者反映，从长远
看，第二部分比第一部分更有价值，也更让人感兴趣。
（2）如何通过阅读打好AI研究的基础。列举了重要的AI期刊，并给出了一些阅读
的诀窍。
（3）如何成为AI研究领域的一员。与相关人员保持联系，他们可以使你保持对研
究前沿的跟踪，知道应该读什么材料。
（4）学习AI相关领域的知识。对几个领域都用有基本的理解，对于一个或者两个
领域要精通。
（5）如何做研究笔记。
（6）如何写期刊论文和毕业论文。如何为草稿写评审意见，如何利用别人的评审
意见。如何发表论文。
（7）如何做研究报告。
（8）关于程序设计。AI程序设计与平常大家习惯的程序设计有什么不同。
（9）如何选导师。这是研究生生涯的最重要的问题，不同的导师具有不同的风格
，本节的意见有助于你找到合适的导师。导师是你必须了解如何利用的资源。
（10）关于毕业论文。毕业论文将占据研究生生涯的大部分时间，本部分涉及如何
选题，以及如何避免浪费时间。
（11）有关研究方法论。本节的内容较少，尚不完善。
（12）研究过程中的情感因素。这或许是最重要的一节，包括如何面对失败、如何
设定目标、如何避免不安全感、如何保持自信和享受快乐等。
2 阅读
很多研究人员要花一半的时间阅读文献。其实从别人的工作中也可以很快地学到很多东西。本节讨论的是AI中的阅读，在第4节将论述其他相关主题的阅读。阅读文献要始于刚刚入学的今日。一旦你开始写作论文，就没有多少时间了，那时的阅读主要集中于与论文主题相关的文献。在研究生的头两年，大部分的时间要用于做课程作业和打基础。此时，阅读课本和出版的期刊文章就可以了。（以后，你将主要阅读文章的草稿，参看第节）。
在本领域打下坚实的基础所需要的阅读量，是令人望而却步的。但既然AI只是一个很小的研究领域，因此你仍然可以花几年的时间阅读本领域已出版的数量众多论文中最基本的那部分。一个有用的小技巧是首先找出那些最基本的论文。此时可以参考一些有用的书目：例如研究生课程表，其他学校（主要是斯坦福大学）研究生录
取程序的建议阅读列表，这些可以让你有一些初步的印象。如果你对AI的某个子领域感兴趣，向该领域的高年级研究生请教本领域最重要的十篇论文是什么，如果可以，借过来复印。最近，出现了很多精心编辑的有关某个子领域的论文集，尤其是Morgan-Kauffman出版的。
AI实验室有三种内部出版物系列：Working Papers，Memos和Technical Reports，正式的程度依次增加，在八层的架子上可以找到它们。回顾最近几年的出版物，那些非常感兴趣的复制下来。这不仅是由于其中很多都是意义重大的论文，对于了解实验室成员的工作进展也是很重要的。
有关AI的期刊有很多，幸运的是，只有一部分是值得看的。最核心的期刊是Artificial Intelligence（也有写作"the Journal of ArtificialIntelligence"或者"AIJ"的）。AI领域真正具备价值的论文最终都会投往AIJ，因此值得浏览每一年每一期的内容；但是该期刊也有很多论文让人心烦。
Computational Intelligence是另外一本值得一看的期刊。
Cognitive Science也出版很多意义重大的AI论文。
Machine Learning是机器学习领域最重要的资源。
IEEE PAMI（Pattern Analysis and Machine Intelligence）是最好的有关视觉的期刊，每期都有两三篇有价值的论文。
International Journal of ComputerVision（IJCV）是最新创办的，到目前为止还是有价值的。Robotics Research的文章主要�**赜诙ρУ模惺焙蛞灿谢贝闹悄芑魅寺畚摹�
IEEERobotics and Automation偶尔有好文章。
每年都应该去所在学校的计算机科学图书馆（在MIT的Tech Square的一层），翻阅其他院校出版的AI技术报告，并选出自己感兴趣的仔细加以阅读。
阅读论文是需要练习的技能。不可能完整地阅读所有的论文。阅读论文可分为三个阶段：第一阶段是看论文中是否有感兴趣的东西。AI论文含有摘要，其中可能有内容的介绍，但是也有可能没有或者总结得不好，因此需要你跳读，这看一点那看一点，了解作者究竟做了些什么。内容目录（the table of contents）、结论部分
（conclusion）和简介（introduction）是三个重点。如果这些方法都不行，就只好顺序快速浏览了。一旦搞清楚了论文的大概和创新点，就可以决定是否需要进行第二阶段了。在第二阶段，要找出论文真正具有内容的部分。很多15页的论文可以重写为一页左右的篇幅；因此需要你寻找那些真正激动人心的地方，这经常隐藏于某个地方。论文作者从其工作中所发现的感兴趣的地方，未必是你感兴趣的，反之亦然。最后，如果觉得该论文确实有价值，返回去通篇精读。
读论文时要牢记一个问题，"我应该如何利用该论文？""真的像作者宣称的那样么？""如果……会发生什么？"。理解论文得到了什么结论并不等同于理解了该论文。理解论文，就要了解论文的目的，作者所作的选择（很多都是隐含的），假设和形式化是否可行，论文指出了怎样的方向，论文所涉及领域都有哪些问题，作者的
研究中持续出现的难点模式是什么，论文所表达的策略观点是什么，诸如此类。
将阅读与程序设计联系在一起是很有帮助的。如果你对某个领域感兴趣，在阅读了一些论文后，试试实现论文中所描述的程序的"玩具"版本。这无疑会加深理解。可悲的是，很多AI实验室天生就�**缕У模锩娴某稍敝饕亩梁鸵米约貉Ｊ笛槭业墓ぷ鳌Ｒ溃渌幕咕哂胁煌乃伎嘉侍獾姆绞剑档萌ピ亩粒纤�
对待，并引用它们的工作，即使你认为自己明晓他们的错误所在。经常会有人递给你一本书或者一篇论文并告诉你应该读读，因为其中有很闪光的地方且/或可以应用到你的研究工作中。但等你阅读完了，你发现没什么特别闪光的地方，仅仅是勉强可用而已。于是，困惑就来了，"我哪不对啊？我漏掉什么了吗？"。实际上，这是因为你的朋友在阅读书或论文时，在头脑中早已形成的一些想法的催化下，看出了其中对你的研究课题有价值的地方。
3 建立关系
一两年后，对自己准备从事的子领域已经有了一些想法。此时--或者再早一点--加入Secret Paper Passing Network是很重要的。这个非正式的组织是人工智能
真正在做什么的反映。引导潮流的工作最终会变成正式发表的论文，但是至少在牛
人完全明白一年之后，也就是说，牛人对新思想的工作至少领先一年。
牛人如何发现新思路的？可能是听自于某次会议，但是最可能来自于Secret Paper
Passing Network。下面是该网络工作的大致情况。Jo Cool有了一个好想法。她
将尚不完整的实现与其他一些工作融合在一起，写了一份草稿论文。她想知道这个
想法究竟怎么样，因此她将论文的拷贝发送给十位朋友并请他们进行评论。朋友们
觉得这个想法很棒，同时也指出了其中的错误之处，然后这些朋友又把论文拷贝给
他们各自的一些朋友，如此继续。几个月后，Jo对之进行了大量修订，并送交给
AAAI。六个月后，该论文以五页的篇幅正式发表（这是AAAI会议录允许的篇幅）。
最后Jo开始整理相关的程序，并写了一个更长的论文（基于在AAAI发表论文得到的
反馈）。然后送交给AI期刊。AI期刊要花大约两年的时间，对论文评审，包括作者
对论文修改所花费的时间，以及相应的出版延迟。因此，理想情况下，Jo的思想最
终发表在期刊上需要大约三年时间。所以牛人很少能从本领域出版的期刊文章中学
到什么东西，来得太迟了。
你，也可以成为一个牛人。下面是建立学术关系网的一些诀窍：
（1）有很多讨论某个AI子领域（如连接主义或者视觉）的邮件列表，选择自己感
兴趣的列表加入。
（2）当与很熟悉本领域的人讨论自己的思想时，他们很可能不直接评价你的想法
，而是说："你读过某某吗？"这并不是一个设问，而是建议你去阅读某份文献，它
很可能与你的想法有关系。如果你还没有读过该文献，从跟你交谈的高手那里得到
该文献的详细信息，或者直接从他那里借一份拷贝下来。
（3）当你读到某份让你感到很兴奋的论文，复印五份送交给对之感兴趣的其他五
个人。他们可能会反馈回来很好的建议。
（4）本实验室有很多针对不同子领域的非正式（持续发展的）论文讨论组，他们
每星期或每两星期聚会一次，对大家阅读完的论文进行讨论。
（5）有些人并不介意别人去翻看他们的书桌，也就是说，去翻阅他们堆在书桌上
的不久要阅读或者经常翻阅的论文。你可以去翻翻看，有没有自己感兴趣的。当然
了，首先要得到主人的许可，要知道有些人确实反感别人翻自己的东西。去试试那
些平易近人的人。
（6）同样，有些人也并不介意你翻看他们的文件柜。实验室中可是有很多学问精
深的人，他们的文件柜里也有好多宝贝。与利用学校图书馆相比，这通常是更快更
可靠的寻找论文的方式。
（7）只要自己写下了些东西，将草稿的拷贝分发给那些可能感兴趣的人。（这也
有一个潜在的问题：虽然AI领域的剽窃很少，但也确实有。你可以在第一页写上"
请不要影印或者引用"的字样以做部分防范。）大部分人并不会阅读自己收到的大
部分论文，因此如果只有少数人返回评论给你，也不用太在意。你可以如此反复几
次--这是期刊论文所必需的。注意，除了自己的导师，一般很少将两次以上的草稿
送给同一个人。
（8）当你写完一篇论文后，将论文的拷贝送给那些可能感兴趣的人。别以为人家
自然而然地就会去阅读发表论文的期刊或者会议录。如果是内部的出版物（备忘录
和技术报告）就更不容易读到了。
（9）你保持联系的人越是各式各样，效果就越好。尝试与不同研究组，AI实验室
，不同学术领域的人交换论文。使自己成为没有联系的两个科研组交流的桥梁，这
样，很快的，你的桌子上就会冒出一大摞相关的论文。
（10）如果某篇论文引用了自己感兴趣的某些东西，做好笔记。维护一份自己感兴
趣参考文献的日志。到图书馆去看看能不能找到这些论文。如果要了解某个主题的
发展轨迹，可以有意地去做一张引用的"参考文献"图。所谓的参考文献图，是指引
用组成的网：论文A引用B和C，B引用C和D，C引用D，等等。注意那些被经常引用的
论文，这通常是值得阅读的。参考文献图有奇妙的性质。一个是经常有研究同一主
题的研究组相互不了解。你搜索该图，突然发现了进入另一部分的方式，这通常出
现于不同学校或者不同方法存在的地方。尽可能了解多种方法是很有价值的，这总
比非常深入的了解某一种方法更好。
（11）暂时搁置。跟别人交谈，告诉他们你在做什么，并询问人家在做什么。（如
果你对与别的学生讨论自己的想法感到害羞，也要坚持交谈，即使自己没有什么想
法，与他们讨论自己认为确实优秀的论文。这将很自然地引导到下一步做什么的讨
论。）每天中午在活动楼七层有一个非正式的午餐讨论会。在我们实验室，人们都
习惯于晚上工作，所以午餐的时候可以跟别人组成松散的小组进行讨论。
（12）如果你与外界的交流很多--做演示或者参加会议--去印张事务名片，主要要
使自己的名字容易记住。
（13）从某个时间开始，你将会开始参加学术会议。如果你确实参加了，你会发现
一个事实，几乎所有的会议论文都令人生厌或者愚蠢透顶。（这其中的理由很有意
思，但与本文无关，不做讨论）。那还去参加会议干吗？主要是为了结识实验室之
外的人。外面的人会传播有关你的工作的新闻，邀请你作报告，告知你某地的学术
风气和研究者的特点，把你介绍给其他人，帮助你找到一份暑期工作，诸如此类。
如何与别人结识呢？如果觉得某人的论文有价值，跑上去，说："我非常欣赏您的
论文"，并提问一个问题。
（14）获得到别的实验室进行暑期工作的机会。这样你会结识另外一群人，或许还
会学到另外一种看待事物的方式。可以去问高年级同学如何获取这样的机会，他们
或许已经在你想去的地方工作过了，能帮你联系。
4 学习其他领域
通常的情况，你只能做AI领域的事情，对AI领域之外的事情一无所知，好像有些人
现在也仍然这么认为。但是，现在要求好的研究者对几个相关的领域都了解颇深。
计算的可行性本身并没有对什么是智能提供足够的约束，其他的领域给出了其他形
式的约束，例如心理学获得的经验数据。更重要的是，其他的研究领域给了你思考
的新工具，看待智能的新方法。学习其他领域的另外一个原因是AI本身并没有评价
研究价值的标准，全是借自于其他领域。数学将定理作为进展；工程会问某个对象
是否工作可靠；心理学要求可重复的试验；哲学有严格的思辨；等等。所有这些标
准有时都在AI中起作用，熟悉这些标准有助于你评价他人的工作，深入自己的工作
以及保护自己的工作。
经过六年左右的研究方可获得MIT的PhD，你可以在一到两个非AI领域里打下坚实的
基础，在更多的领域内具有阅读水平，并且必须对大部分内容具有一定程度的理解
。
下面是如何学习自己所知甚少领域的一些方法：
（1）选修一门研究生课程，这很牢靠，但通常不是最有效的方法。
（2）阅读课本。这方法还算不错，不过课本的知识经常�**钡模话慊褂泻芨�
比例的与内容无关的修辞。
（3）找出该领域最棒的期刊是什么，向该领域的高人请教。然后找出最近几年值
得阅读的文章，并跟踪相关参考文献。这是最快的感受该领域的方法，但有时候你
也许会有错误的理解。
（4）找出该领域最著名的学者，阅读他们所著的书籍。
（5）跟该领域的研究生泡在一起。
（6）参看外校研究该领域的系的课程表。拜访那里的研究院办公室，挑选有用的
的文献。
下面是一些需要了解的与AI有关的科目：
（1）计算机科学是我们所使用的技术。你需要选修的初级研究生课程肯定不能让
你对计算机科学有足够的了解，因此你必须通过阅读学习更多的知识。计算机科学
所有的领域--理论体系结构，系统，语言等等--都是必须学习的。
（2）数学可能是接下来需要了解的最重要的学科。对于工作在视觉或者机器人学
的人来说更关键。对于以系统为中心的工作，表面上看，并不相关，但数学会教你
有用的思维方式。你需要能阅读定理，如果具有证明定理的能力将会给本领域的大
多数人留下深刻的印象。很少有人能自学数学，光做个听众是不够的，还得做习题
集。尽可能早地选修尽可能多的数学课，其他领域的课程以后选也很容易。
计算机科学是以离散数学为基础的：代数，图论，等等。如果你要从事推理方面的
工作，逻辑是很重要的。逻辑在MIT用得不多，但是在斯坦福以及其他地方，这是
认识思维的主流方法。所以你必须具备足够的逻辑知识，这样你才能保护自己的观
点。在MIT数学系选修一两门课程就足够了。要是研究兴趣在感知和机器人，那么
不仅需要离散数学，还需要连续数学。在分析，微分几何和拓扑学具有扎实的基础
将会给你提供最常使用的技巧。统计和概率只是一般有用。
（3）认知心理学与AI共享几乎完全相同的观点，但是实践者确实具有不同的目标
，他们主要是做实验而不是写程序。每一个人都需要知道认知心理学的某些知识。
在MIT，Molly Potter开了一门很好的有关认知心理学的初级研究生课程。
（4）如果你想做有关学习的工作，那么发展心理学是很重要的。发展心理学从一
般意义上讲也是很有用的，它能告诉你对于人类智能来说，哪些事情难哪些容易。
它还给出了有关认知体系结构的认知模型。例如，有关儿童语言习得的工作就对语
言处理理论施加了坚实的约束。在MIT，Susan Carey开了一门很好的有关发展心理
学的初级研究生课程。
（5）心理学中更"软"的部分，例如心理分析和社会心理学，对AI的影响看似很小
，但具有潜在的重大意义。它们会给你非常不同的理解人是什么的方式。象社会学
和人类学这样的社会科学可以起相似的作用。具有多种观点是很有用的。上述学科
你需要自学。不幸的是，很难区分出这些领域哪些是优秀的成果哪些是垃圾。到哈
佛去学习：对于MIT的学生来说，很容易交叉注册哈佛的课程。
（6）神经科学告诉我们有关人体可计算硬件的知识。随着最近可计算神经科学和
联结主义的兴起，对AI具有非常大的影响。MIT的脑和行为科学系提供了非常好的
课程，视觉（Hildreth, Poggio, Richards, Ullman），移动控制（Hollerbach,
Bizzi）和普通神经科学（9.015，由专家组讲授）。
（7）如果你想研究自然语言处理，语言学是很重要的。不仅如此，它还包含了很
多有关人类认知的约束。在MIT，语言学主要由Chomsky学院负责。你可以去看看是
不是符合自己的兴趣。George Lakoff最近出版的书《Women, Fire, and
Dangerous Things》可作为另外一种研究程序的例子。
（8）工程，特别是电机工程，已经被很多AI研究机构作为一个研究领域。我们实
验室在培养程序中加入了很多需要确实做一些东西的要求，例如分析电路。了解
EE也有助于建造定制的芯片或者调试自己的Lisp机器上的电源。
（9）物理学对于那些对感知和机器人感兴趣的人具有强大的影响。
（10）哲学是所有AI领域看不见的框架。很多AI工作都有蕴含着哲学的影响。学习
哲学也能帮助你运用或者读懂很多AI论文中用到的观点。哲学可沿着至少两个正交
的轴分解。哲学通常是某种东西的哲学；有关思维和语言的哲学与AI更相关。然后
存在着多种哲学学派，从比较大的范围来分，哲学可分为分析哲学和大陆哲学。分
析哲学有关思维的观点与AI领域大多数研究者一致。大陆哲学则对我们习以为常的
很多东西有非常不同的看待方式。它曾经被Dreyfus用于证明AI是不可能的。就在
不久前，有几位研究者认为大陆哲学与AI是相容的，提供了另外一种解决问题的方
法。MIT的哲学属于分析哲学，哲学学院深深地受到Chomsky在语言学方面工作的影
响。
看起来要学习太多的东西，是不是？确实如此。要小心一个陷阱：认为对于所有的
X，"只有我对X了解的更多，这个问题才会变得容易"。要知道，与之相关需要进一
步了解的东西是永远没完的，但最终你还是要坐下来，解决问题的。
5 笔记
很多科学家都有做科研笔记的习惯，你也应该这样。可能你曾被告知从五年级开始
，对于每一门科学课都应该记笔记，确实如此。不同的记笔记方式适用于不同的人
，可以做在线笔记，记在笔记本或者便笺簿上。可能需要在实验室有一个，家里还
有一个。在笔记本上记录下自己的想法。只有你自己才会去读它，因此可以记得比
较随意。记录下自己的思索，当前工作中遇到的问题，可能的解决方案。对将来可
能用到的参考文献作小结。
定期翻阅你自己的笔记本。有些人会做月度总结，方便将来的引用。
笔记中记录中的东西经常可以作为一篇论文的骨干。这会使生活变得轻松些。相反
，你会发现写粗略的论文--标题，摘要，分标题，以及正文的片段--是一种记录自
己当前工作的有效方式，即使你并不准备把它变成一篇真正的论文。（过一段时间
你或许会改变想法）。
你或许会发现Vera Johnson-Steiner的书《Notebooks of the Mind》很有用，该
书并不是描写如何做笔记的文献，它描述了随着思想片断的积累，创新思想是如何
出现的。
6 写作
写作的理由有很多。
（1）在整个读研的过程中，你需要写一到两篇（这取决于你所在系的规定）毕业
论文，以获得PhD或者MS。
（2）勤于写作不仅仅给你练习的机会。
（3）学术的规则就是要么发表，要么腐烂。在很多领域和学校，这通常开始于你
成为一名教授时，但是我们实验室的很多研究生毕业之前就已经开始发表论文了。
鼓励发表和分发论文是很好的政策。
（4）写下自己的想法是很好的调整思路的方式。你会经常地发现自以为很完美的
想法一旦写下来就显得语无伦次。
（5）如果你工作的目的是不仅为自己还要为他人服务，就必须把它发表。这也是
研究的基本责任。如果你写得精彩，会有更多的人来了解你的工作。
（6）AI但凭单打独斗是很难做的，你需要经常地从他人那里获得反馈。对你的论
文作评论就是最重要的一种形式。任何事情，要做就要做到最好。
（7）阅读有关如何写作的书籍。Strunk和White的《Elements of Style》对基本
的应该如何不应该如何做了介绍。Claire的《The MLA's Line By Line》（
Houghton Mifflin）是有关在句子级别如何编辑的书籍。Jacques Barzun的《
Simple and Direct: A Rhetoric for Writers》（Harper and Row, 1985）是有
关如何作文的。
（8）写论文时，读读那些写作高超的书，并思考作者的句法运用。你会发现不知
不觉地，你已经吸收了作者的风格。
（9）要成为写作高手，需要付出颇多，历经数年，期间还要忍受和认真对待他人
的批评。除此之外，并无捷径可走。
（10）写作有时候是很痛苦的，看起来好像是从"实际的"工作中分心了。但如果你
已经掌握了写作技巧，写起来会很快。而且如果你把写作当作一门艺术的话，你能
从中得到很多乐趣。
（11）你肯定会遇到思路阻塞的情况，这有很多的可能原因，没有一定可以避免的
方法。追求完美可能导致思路阻塞：无论开始写什么，总觉得不够好。要理解写作
是一个调试的过程。先写一个草稿，然后返回修订。写草稿有助于理顺思路，如果
写不出来正文，那就写个大纲。逐步对之细化，直到已经很容易写出子部分的内容
。如果连草稿也写不出来，隐藏掉正在写作的所有窗口，然后随便输入自己脑袋里
想到的东西，即使看起来好像是垃圾。当你已经写出了很多文本后，重新打开窗口
，将刚才写的东西编辑进去。另外一个错误是以为可以将所有的内容依次写出。通
常你应该将论文的核心内容写出来，最后才是介绍部分。引起作者思路阻塞的另一
个原因是不切实际的以为写作是很容易的事情。写作是耗时耗力的，如果发现自己
每天只能写一页，也不要放弃。
（12）完美主义可能会导致对本来已经足够好的论文还在不停地打磨。这是浪费时
间。（这也是一种有意无意之间逃避做研究的表现）。将论文看作你与本领域其他
人交谈时的一句话。在交谈中，并不是每一句话都是完美的。很少有人会期待自己
的某次谈话就是全部的故事，是与对方的最后一次交流。
（13）写信是一种很好的练习。很多技术论文，如果其风格更类似于给朋友的信，
那么会有很大的提高。坚持记日记也是练习写作的方法（也会使你试验更多的文体
，不仅仅是技术论文）。这两种方法还有其它的实质作用。
（14）一个常见的陷阱是花很多时间去追求修辞而不是内容。要避免这样。LaTeX
并非完美，但是它有很多你所需的修饰语。如果这还不够，还可从其他从事这一研
究的人那里借用一些词语用法。很多站点（例如MIT）维护了一个写作修辞的库。
（15）清楚自己要表达什么。这是清楚的写作中最难最重要的因素。如果你写了拙
劣的东西，且不知道如何修改，这很有可能是因为你不知道自己要说什么。一旦搞
清楚了自己要说什么，说就行了。
（16）论文的写作要有利于读者查找到你所做的工作。无论是段落的组织还是通篇
的组织，都要将最核心的部分放在前面。要精心写作摘要。确保摘要已经反映出你
的好思路是什么。确保自己明白自己的创新点是什么，然后用几句话表达出来。太
多的论文摘要只是一般性地介绍论文，说是有一个好思路，却不说是什么。
（17）不要用大话来贩卖你的工作。你的读者都是很优秀的人，正直且自尊。与之
相反，也不要为自己的工作道歉或者进行消减。
（18）有时候你意识到某个子句、句子或者段落不够好，却不知道如何修改。这是
因为你钻到死胡同里出不来了。你需要返回重写这一部分。现实中这种情况很少发
生。
（19）确保自己的论文中有中心思想。如果你的程序在10毫秒内解决了问题X，告
诉读者你是如何办到的。不要只是解释你的系统是如何构建的，是做什么的，还要
解释其工作原理和价值所在。
（20）写作是给人看的，而不是机器。因此光观点正确是不行的，还要易懂。不要
靠读者自己去推理，除非是最明显的推论。如果你在第七页的脚注上解释了某个小
玩意的工作原理，接着在第二十三页没有进一步解释就引用了它，此时如果读者感
到困惑一点都不值得奇怪。正式的论文要写清楚是很难的。不要模仿数学领域的文
献，它们的标准是尽可能少的解释，使读者感到越困难越好。这并不适用于AI。
（21）写完一篇论文后，删掉第一段或者头几句话。你会发现那是与内容无关的一
般性话语，更好的介绍语句在第一段最后或者第二段的开头。
如果你等做完所有的工作后才开始写作，会失去很多。一旦开始了某个科研项目，
要养成这样的习惯：写作解释当前工作进展或者每几个月学习所得的非正式论文。
从你的研究笔记中的记载开始。花两天的时间写下来--如果你花的时间更长，说明
你是一个完美主义者。
将论文与你的朋友分享。写的是草稿--不是为了被引用的那种。将论文复制数十份
，送给那些感兴趣的人（包括你的导师）。与写正式论文相比，这样做具有很多相
同的好处（评论，理清思路，写作练习等等），而且从某种意义上讲，付出无需那
么多。经常地，如果你做得不错，这些非正式论文以后可以作为正式论文的骨干内
容，也就是从AI实验室的Working Paper成为一篇期刊文章。
一旦你成为Secret Paper Passing Network的成员，会有很多人给你寄论文拷贝要
求评论。获得他人对自己的论文的评论是很有价值的。因此你评论的论文越多，你
获得支持就越多，也会收到更多人对你论文的评论。不仅如此，学习评价别人的论
文也有助你的选择。
为论文写有用的评论是一门艺术。
（1）要写出有用的评论，需要读两遍论文。第一遍了解其思想，第二遍开始作评
论。
（2）如果某人在论文中屡次犯同一错误，不要每次都标记出来。而是要弄清楚模
式是什么，他为什么这样做，对此还可以做什么，然后在第一页清晰地指出或者私
下交流。
（3）论文的作者在合并你的评论时，将会遵循最小修改的原则。如果可以，就只
修改一个词，不行再修改一个词组，再不行才修改整个句子。如果他的论文中某些
拙劣之处使得他必须修改整个段落，整个小节甚至整篇论文的组织，要用大字体的
字母指出来，这样他才不会忽视。
（4）不要在论文写毁灭性的批评如"垃圾"。这对于作者毫无帮助。花时间提出建
设性的建议。要设身处地地为作者着想。
评论有很多种。有对表达的评论，有对内容的评论。对表达的评论也可以很不同，
可以是校对打字稿，标点，拼写错误，字词丢失等。应该学一些标准的编辑符号。
还可以是校正语法，修辞，以及混乱不清楚的段落。通常人们会持续地犯同一语法
错误，因此需要花时间明确地指出。接下来是对组织结构的评论：不同程度（子句
，句子，段落，小节乃至一章）的次序混乱，冗余，无关的内容，以及丢失论点。
很难描述对内容进行评论的特征。你可能建议作者扩展自己的想法，考虑某个问题
，错误，潜在的问题，表达赞美等。"因为Y，你应该读X"是一种总是有用的评论。
当被要求对论文作评论时，你首先想弄清楚哪种评论更有用。对于早期的论文草稿
，需要你主要对内容和论文的组织结构作评论；对于最终的草稿，需要你主要评论
表达的细节。
注意，作为一种礼貌，在要求别人评论之前，应首先用拼写检查器对自己的论文进
行检查。
你无须接受所有的意见，但是必须都认真对待。将论文的部分内容裁掉是挺令人痛
心的，但往往也提高了论文的水平。你经常会发现某个意见确实指出了问题，但是
解决方法你觉得不可接受，那么就去寻找第三条道路。
要多发表论文，这其实比想象中的容易。基本上，AI出版物评审者评审论文的标准
是：(a)有新意；(b)在某些方面，符合标准。看看IJCAI的会议录，你会发现论文
录取的标准相当低。这种情况由于评审过程本身固有的随机性而变得更糟糕了。
所以一个发表论文的诀窍是不停地试。
（1）确保论文可读性比较好。论文被拒绝的原因，除了没有意义之外，就是无法
理解或者组织糟糕。
（2）论文在投往期刊之前，应该交流一段时间，并根据反馈的评论进行适当的修
订。要抵制那种急匆匆地把结果投往期刊的做法。在AI领域，没有竞赛，而且不管
怎么说，出版周期的延迟要大大超过对草稿进行评论的时间。
（3）读一读你想投稿的期刊或者会议的过刊，确保自己论文的风格和内容是适合
的。
（4）很多出版物都有一页左右的"作者投稿须知"，仔细看看。
（5）主要的会议都会在被接收的论文中评出内容和表达俱佳的获奖论文，仔细研
究研究。
（6）通常是向会议投交一篇篇幅比较短的有关部分工作内容的早期报告，然后再
往期刊投交一份篇幅长的最终的正式论文。
（7）论文被拒绝了--千万不要沮丧灰心。
（8）期刊和会议的论文评审过程存在很大的不同。为了节省时间，会议论文的评
审必须迅速，没有时间细究或者交流。如果你被拒绝了，你就失败了。但期刊论文
则不同，你可以经常地与编辑争辩，通过编辑与评审人争辩。
（9）评审人一般都会对你有帮助。如果你收到了令人生厌的评审报告，应该向大
会的程序主席或者编辑投诉。不能期望可以从会议论文评审人的报告那里得到多少
反馈。但对于期刊论文，往往可以得到非常棒的建议。你不必完全按照评审报告的
建议去做，但是，如果你不按照报告去做，那么就必须解释原因，并且要意识到这
可能会导致进一步的负面评价。不管怎么样，无论是哪种的评审，作为评审者都要
有礼貌。因为在余下的职业生涯中，你将会与被评审者在一个学术圈子里。
（10）MIT AI Lab Memos大体上是或者接近发表的水平。实际上，Technical
Reports基本上都是这些Memos的修订版本。Working Papers则更不正式，这是很好
的将自己的论文分发给同事们的方法。要出版这些内部文件，只需到Publications
Office（在活动楼八层）领一份表格，并有两位教员签字即可。
就像其它的科研活动一样，论文写作所花的时间总是比期望的要高。论文的发表在
耗费时间这个问题上则更严重。当你完成了一篇论文，投出去，等待发表。数月后
，论文以及评论被返回来。你不得不对论文进行修改。然后又是几个月，才返回对
你的修改的确认。如果你同时发表了该论文的不同形式，如有一篇短的投会议，一
篇长的投期刊，这样的过程将反复数个回合。结果有可能是当你已经厌倦了，研究
主题也已经令人生厌后数年，你仍然在修改那篇论文。这启示我们：不要去做那些
需要热情投入但是很难发表论文的研究--苦不堪言。
7 讲演
与同行交流的另外一种方式就是讲演，上面提到的有关论文写作的问题，同样适用
于讲演。站在听众面前从容讲演而不会使听众恹恹欲睡的能力，对于你成功地获得
别人的承认、尊敬乃至最终的求职都是很关键的。
讲演的能力不是天生的，下面是一些学习和练习讲演的方法：
（1）Patrick Winston有一篇很好的有关如何作讲演的小论文。每年的一月，他都
会就此作讲演，演示和描述它的演讲技巧。
（2）如果你觉得自己是一个糟糕的演讲者，或者想成为一名优秀的演讲者，选一
门公共演讲课。初级的表演课也很有用。
（3）如果你的导师有定期的研究讨论会，自愿去作演讲。
（4）MIT AI实验室有一系列的半正式座谈会，叫做Revolving Seminar。如果你觉
自己的某些观点值得写进AI Memo或者会议论文中，自告奋勇去作一场报告。
（5）深入了解实验室的不同机器人项目，当你外地的亲朋好友来的时候，你可以
领着他�**湟蝗Γ⒕突魅俗�60分钟的报告。
（6）由于修改演讲远比修改论文容易，有些人会觉得这是很好的寻找如何表达思
想的方式。（Nike Brady有一次曾说，他所有最好的论文都来自于演讲）。
（7）在一间空屋子里练习，最好就是你马上要做的报告。这有助于调整报告的技
巧：每一张幻灯讲些什么；转换的延迟以及保持平滑；保持解释和幻灯的同步；估
计报告的时间长度。你花在调整设备上的时间越少，留下来的与人交流的时间就越
长。
（8）用镜子，录音机或者录像机练习是另外一种方法。实验室有这三种设备。这
也有助于调整自己的发音和肢体语言。
（9）对于比较正式的报告--特别是你的答辩--应该在几个朋友面前练习一遍，请
他们批评指正。
（10）观察别人是如何做报告的。有很多访问MIT的人会做报告。参加这样的报告
会能够感受自己不熟悉的领域，并且如果报告令人提不起兴趣，你可以暗中分析报
告者错在哪里。
（11）找一位朋友，将你最近的想法说给他听。这既可以提高的交际技巧，又能调
试自己的思路。
8 程序设计
并不是所有的AI论文都包含代码，而且本领域的很多重量级人物从来没有写过一个
重要的程序。但是为了深入掌握AI工作原理，你必须会程序设计。不仅仅是很多
AI研究工作需要编写代码，而且学会程序设计能给你什么是可计算的什么是不可计
算的直觉，这是AI对认知科学贡献的主要来源。
在MIT，基本上所有的AI程序设计都使用Common Lisp。如果还不知道，赶快学吧。
当然，学习一门语言并不能等同于学习程序设计；AI程序设计包含的一些技术与那
些在系统程序设计或者应用程序设计中用到的大不相同。开始学的时候，可以先看
看Abelson和Sussman的《Structure and Interpretation of Computer Programs
》，并做一些练习。这本书与AI程序设计本质上并不相干，但是包含了一些相同的
技术。然后读Winston和Horn写的Lisp书第三版，书里有很多优雅的AI程序。最后
，进行实际的程序设计，而不是阅读，才是最好的学习程序的方法。
学习Lisp程序设计有很多传统。有些人习惯一起写代码，这取决于个性。还有的人
寻找机会直接向有经验的程序员学习，或者请他对你的代码进行评价。阅读别人的
代码也是很有效的方法。如果可以向高年级同学要他们的源代码。他们可能会有些
抱怨，说自己的编程风格差极了，程序实际上并不能工作云云。不管怎么样，最后
你获得了源代码。然后你要仔细地通篇阅读，这很费时间。通常阅读并完全理解别
人代码所花的时间与你自己编程完成的时间是一样多的，因此要计划好在你的头一
个或者头两个学期用数周的时间去阅读别人的代码。你将从中学到很多以前不曾想
到在课本中也没有的技巧。如果你读到了大段大段不可理解没有注释的程序，你就
会明白应该如何写代码了。
在软件工程课里学习到的那些知识在AI程序设计中依然有用。要给代码加注释。使
用正确的数据抽象。将图和你的代码隔离开，由于你使用的语言基本上是Common
Lisp，因此可移植性很好。诸如此类。
经过头几年的学习后，应该写一些自己的标准AI模块，如：
（1）真值维护系统
（2）规划器
（3）规则系统
（4）不同风格的解释器
（5）具有流程分析的优化编译器
（6）具有继承特性的框架系统
（7）几种搜索方法
（8）基于解释的学习器
任何你感兴趣的东西都可以尝试用程序实现。你可以抓住问题的实质，在几天之内
完成一个功能版本。修改已有的程序是另外一种有效的方法，前提是你已经写过这
样的东西，并且确实了解其工作原理，优缺点以及效率等问题。
不象其他通常的程序员，AI程序员之间很少相互借阅代码（演示代码例外）。这部
分由于AI程序很少有真正起作用的（很多著名的AI程序只在作者论文所提到的那三
个例子上起作用，虽然最近这种情况已经有所改善）。另外一个原因是AI程序通常
是匆忙凑成，并没有考虑一般化的问题。使用Foobar的"标准"规则解释器，开始时
很有效，不久就会发现缺少一些你需要的功能，或者不够有效率。虽然可以对代码
进行修改满足自己的需要，但记住理解别人的代码是很耗时的，有时候还不如自己
写一个。有时候构建一个标准包的工作本身就可以成为一篇论文。
像论文一样，程序也有可能过于追求完美了。不停重写代码以求完美，最大化的抽
象所有的东西，编写宏和库，与操作系统内核打交道，这都使得很多人偏离了自己
的论文，偏离了自己的领域（从另外一方面，或许这正是你需要将来谋生的手段）
。
9 导师
在MIT，有两种类型的导师，教学导师和论文导师。
教学导师的工作比较简单。每一位研究生都被分配了系里的一位老师作为教学导师
。教学导师的作用是作为系方代表，告诉你对你的正式要求是什么，如果你的进度
慢了敦促你，批准你的课程计划等。如果一切顺利的话，你每年只需要见教学导师
两次，在注册日那天。从另一方面讲，如果你遇到了困难，教学导师替你向系里反
映或者提供指导。
论文导师是监督你研究的人。选择论文导师是你读研期间最重要的选择，比选题都
重要得多。从更广的意义上讲，AI是通过师傅带徒弟的方式学习的。有很多领域的
技术方面或者研究过程方面的非正式知识，只能从导师那里学到，在任何教科书上
都找不到。
很多AI教员都是行为古怪的人，毕业生也如此。导师与研究生的关系是非常个性化
的，你的个人特点必须与导师的配合得很好，这样你们才能合作成功。
不同的导师具有不同的风格。下面是一些需要值得考虑的因素：
（1）你需要多大程度的指导？有些导师会给你一个定义良好的适合做论文的问题
，对解决方法进行解释，并告诉你如何开展工作。如果你陷在某个地方了，他们会
告诉你如何开展下去。其他的导师属于甩手型，他们可能对你的选题毫无帮助，但
是一旦你选好题目，他们对于引导你的思路具有非常大的作用。你需要考虑清楚自
己适合独立工作还是需要指导。
（2）你需要多大程度的联系？有的导师要求每周与你见面，听取你工作进展的汇
报。他们会告诉你应该读的论文，并给你实际的练习和项目做。其他的导师每学期
与你的谈话不会超过两次。
（3）你能承受的压力有多大？有些导师施加的压力是很大的。
（4）需要多少情感支持？
（5）听取导师意见的认真程度如何？大多数导师会相当正式的建议你的论文题目
。有些导师是值得信赖的，他们给出的建议，如果按照执行，几乎肯定会做出一篇
可接受程度的论文，如果不是令人兴奋的论文的话。其他的则一下子抛出很多思路
，大部分是不切实际的，但是有一些，或许会导致重大突破。如果选了这样的一位
导师，你首先得把自己当作一个过滤器。
（6）导师提供了什么类型的研究组？有些教授会创造环境，把所有的学生聚集在
一起，即使他们做的不是同一个项目。很多教授每周或者每两周与自己的学生们会
面。这对你有用么？你能与教授的学生和睦相处么？有些学生发现他们更能与其他
教研组的学生建立良好的工作关系。
（7）你想参与大的项目么？有些教授将大系统分解，每个学生负责一部分。这给
了你与一组人讨论问题的机会。
（8）你想被共同监督么？有些论文项目包含了多个AI领域，需要你与两个以上的
教授建立密切的工作关系。虽然你正式的论文导师只有一位，但是有时候这并不反
映实际情况。
（9）导师愿意指导其研究领域之外的论文题目么？你是否能与导师一起工作，比
你做什么本身更重要。MIT的机器人系就曾指导过量子物理学和认知建模方面的论
文；推理方面的教员指导过视觉方面的论文。但是有些教员只愿意指导自己研究兴
趣领域内的论文。这对于那些欲获得终身职位的年轻教员来说尤其如此。
（10）导师会为了你跟体制作斗争吗？有些导师会为了你跟系里或者某些有敌意的
实体作斗争。有时候体制对某些类型的学生不利（特别是对于女学生和怪癖的学生
），因此这一点很重要。
（11）导师愿意并且能够在会议上推荐你的工作吗？这是导师工作的一部分，对你
将来工作意义重大。
上述这些因素，不同学校的情况很不相同。与大部分学校相比，MIT提供了多得多
的自由。
找论文导师是你研究生一年级最主要的任务。研一结束时，或者研二学年开始阶段
，你必须有一个论文导师。下面是一些诀窍：
（1）查阅实验室的研究总结。其中有一页左右的篇幅描述了每个教师以及很多研
究生目前在做什么。
（2）如果你对某些教师的研究工作感兴趣，查阅其最近的论文。
（3）在第一学期，与尽可能多的教师交谈。去感受他们喜欢做什么，他们的研究
和指导风格是什么。
（4）与预期导师的研究生交谈。要保证与导师的多个学生交流，因为每位导师在
与不同的学生交流时有不同的工作方式和交流效果。不能被一个学生的看法所左右
。
（5）很多教师所在研究组的会议对新同学都�**摹Ｕ馐欠浅：玫牧私獾际�
作方式的途径。
作为一门学科，AI不同寻常的一点是很多有用的工作是由研究生完成的，而不是博
士--他们忙着做管理去了。这有几个后果。一是某个教师的声望，是否会获得终身
聘用，在很大程度上取决于学生的工作。这意味着教授有很强烈的动机吸引最好的
学生为自己工作，并给与有效的指导和足够的支持。另外一个后果是，由于大部分
学生的论文方向是由导师形成的，因此整个领域的方向和发展很大程度上取决于导
师选择什么样的研究生。
当选定了导师，决定了自己对导师的要求后，要确保导师知道。不要由于交流不好
，浪费时间于自己并不想做的项目上。
不要完全依赖你的导师，要建立自己的网络。找一些能定期评审你的工作的人是很
重要的，因为研究时很容易走火入魔。网络中的人可以包括自己实验室或者外单位
的研究生和老师。
在与其他学生、老师甚至自己的导师的关系中，很可能会碰到种族主义者、性别歧
视、同性恋或者其他令人尴尬的事情。如果你不幸碰到了，去寻求帮助。MIT的
ODSA出版了一本叫做"STOP Harrassment"的小册子，里面有很多建议。《Computer
Science Women's Report》，可在LCS文档室找到，也与之相关。
