MIT是如何做研究的——學習其他領域


4. 學習其他領域

通常的情況,你只能做AI領域的事情,對AI領域之外的事情一無所知,好像有些人現在也仍然這麼認爲。但是,現在要求好的研究者對幾個相關的領域都瞭解頗深。計算的可行性本身並沒有對什麼是智能提供足夠的約束,其他的領域給出了其他形式的約束,例如心理學獲得的經驗數據。更重要的是,其他的研究領域給了你思考的新工具,看待智能的新方法。學習其他領域的另外一個原因是AI本身並沒有評價研究價值的標準,全是借自於其他領域。數學將定理作爲進展;工程會問某個對象是否工作可靠;心理學要求可重複的試驗;哲學有嚴格的思辨;等等。所有這些標準有時都在AI中起作用,熟悉這些標準有助於你評價他人的工作,深入自己的工作以及保護自己的工作。

經過六年左右的課程方可獲得MIT的PhD,你可以在一到兩個非AI領域裏打下堅實的基礎,在更多的領域內具有閱讀水平,並且必須對大部分內容具有一定程度的理解。下面是如何學習自己所知甚少領域的一些方法:

  • 選修一門研究生課程,這很牢靠,但通常不是最有效的方法。
  • 閱讀課本。這方法還算不錯,不過課本的知識經常是過時的,一般還有很高比例的與內容無關的修辭。
  •  找出該領域最棒的期刊是什麼,向該領域的高人請教。然後找出最近幾年值得閱讀的文章,並跟蹤相關參考文獻。這是最快的感受該領域的方法,但有時候你也許會有錯誤的理解。
  • 找出該領域最著名的學者,閱讀他們所著的書籍。
  • 跟該領域的研究生泡在一起。
  • 參看外校研究該領域的系的課程表。拜訪那裏的研究院辦公室,挑選有用的的文獻。
下面是一些需要了解的與AI有關的科目:

  • 計算機科學是我們所使用的技術。你需要選修的初級研究生課程肯定不能讓你對計算機科學有足夠的瞭解,因此你必須通過閱讀學習更多的知識。計算機科學所有的領域——理論體系結構,系統,語言等等——都是必須學習的。
  •  數學可能是接下來需要了解的最重要的學科。對於工作在視覺或者機器人學的人來說更關鍵。對於以系統爲中心的工作,表面上看,並不相關,但數學會教你有用的思維方式。你需要能閱讀定理,如果具有證明定理的能力將會給本領域的大多數人留下深刻的印象。很少有人能自學數學,光做個聽衆是不夠的,還得做習題集。儘可能早地選修儘可能多的數學課,其他領域的課程以後選也很容易。計算機科學是以離散數學爲基礎的:代數,圖論,等等。如果你要從事推理方面的工作,邏輯是很重要的。邏輯在MIT用得不多,但是在斯坦福以及其他地方,這是認識思維的主流方法。所以你必須具備足夠的邏輯知識,這樣你才能保護自己的觀點。在MIT數學系選修一兩門課程就足夠了。要是研究興趣在感知和機器人,那麼不僅需要離散數學,還需要連續數學。在分析,微分幾何和拓撲學具有紮實的基礎將會給你提供最常使用的技巧。統計和概率只是一般有用。
  • 認知心理學與AI共享幾乎完全相同的觀點,但是實踐者確實具有不同的目標,他們主要是做實驗而不是寫程序。每一個人都需要知道認知心理學的某些知識。在MIT,Molly Potter開了一門很好的有關認知心理學的初級研究生課程。
  • 如果你想做有關學習的工作,那麼發展心理學是很重要的。發展心理學從一般意義上講也是很有用的,它能告訴你對於人類智能來說,哪些事情難哪些容易。它還給出了有關認知體系結構的認知模型。例如,有關兒童語言習得的工作就對語言處理理論施加了堅實的約束。在MIT,Susan Carey開了一門很好的有關發展心理學的初級研究生課程。
  • 心理學中更“軟”的部分,例如心理分析和社會心理學,對AI的影響看似很小,但具有潛在的重大意義。它們會給你非常不同的理解人是什麼的方式。象社會學和人類學這樣的社會科學可以起相似的作用。具有多種觀點是很有用的。上述學科你需要自學。不幸的是,很難區分出這些領域哪些是優秀的成果哪些是垃圾。到哈佛去學習:對於MIT的學生來說,很容易交叉註冊哈佛的課程。
  • 神經科學告訴我們有關人體可計算硬件的知識。隨着最近可計算神經科學和聯結主義的興起,對AI具有非常大的影響。MIT的腦和行爲科學系提供了非常好的課程,視覺(Hildreth, Poggio, Richards, Ullman),移動控制(Hollerbach, Bizzi)和普通神經科學(9.015,由專家組講授)。
  • 如果你想研究自然語言處理,語言學是很重要的。不僅如此,它還包含了很多有關人類認知的約束。在MIT,語言學主要由Chomsky學院負責。你可以去看看是不是符合自己的興趣。George Lakoff最近出版的書《Women, Fire, and Dangerous Things》可作爲另外一種研究程序的例子。
  • 工程,特別是電機工程,已經被很多AI研究機構作爲一個研究領域。我們實驗室在培養程序中加入了很多需要確實做一些東西的要求,例如分析電路。瞭解EE也有助於建造定製的芯片或者調試自己的Lisp機器上的電源。
  • 物理學對於那些對感知和機器人感興趣的人具有強大的影響。
  • 哲學是所有AI領域看不見的框架。很多AI工作都有蘊含着哲學的影響。學習哲學也能幫助你運用或者讀懂很多AI論文中用到的觀點。哲學可沿着至少兩個正交的軸分解。哲學通常是某種東西的哲學;有關思維和語言的哲學與AI更相關。然後存在着多種哲學學派,從比較大的範圍來分,哲學可分爲分析哲學和大陸哲學。分析哲學有關思維的觀點與AI領域大多數研究者一致。大陸哲學則對我們習以爲常的很多東西有非常不同的看待方式。它曾經被Dreyfus用於證明AI是不可能的。就在不久前,有幾位研究者認爲大陸哲學與AI是相容的,提供了另外一種解決問題的方法。MIT的哲學屬於分析哲學,哲學學院深深地受到Chomsky在語言學方面工作的影響。
看起來要學習太多的東西,是不是?確實如此。要小心一個陷阱:認爲對於所有的X,“只有我對X瞭解的更多,這個問題纔會變得容易”。要知道,與之相關需要進一步瞭解的東西是永遠沒完的,但最終你還是要坐下來,解決問題的。
發佈了20 篇原創文章 · 獲贊 1 · 訪問量 11萬+
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章