两年人工智能(AI)研究经验(教训)总结

人工智能研究这个领域是有一定门槛的。对于初学者来说，一般通常的做法是直接购买一些热门的书籍，比如“西瓜书”、“花书”、“xx天从入门到精通”、“xx天从入门到放弃”等等，但大多数书籍都是讲的基础知识，稍显乏味和枯燥，此外内容太深奥，初学者可能看一段时间就想放弃了。本文以过来人的身份将自身2年的研究经验毫无保留地分享给大家，希望对即将开始从事人工智能研究的朋友有所帮助。

起步 [本文来自：www.11jj.com]

找一个你随时方便提问的人

刚进入公司时，常常会对一些基本问题犹豫不决，这些问题可能会暴露出自身缺乏专业知识。但是过了几个月后，我的提问才慢慢感到自然，提问都是精心拟定的。在此之前，我会积累大量的问题，但现在只要遇到一个问题，我就会立马提问，这样不会造成问题积压以至于越来越困惑。

寻找不同领域的研究灵感

现在不是单打独斗的时代，讲究合作。知识也不例外，多学科交流。对于每个人而言，决定从事什么方向可能是研究中最困难的部分，以下是我所看到的一些具有长期记录的研究人员所采用的策略：

1.与不同领域的研究人员交流。咨询他们感兴趣的问题，询问是否有想要分析的数据集、现有技术存在哪些不足。机器学习中最有效的工作是与生物学、化学、物理、社会科学或纯数学的碰撞。例如，我正在思考Matthew Johnson 在2016年NIPS的文章以及Justin Gilmer在2017年ICML的文章，两篇文章分别是关于鼠标行为数据集的分析以及量子化学的应用;

2.编写一个简单的基线以获得对问题的感觉。比如，尝试编写一些用于控制倒立摆的校准代码。在写基线代码时，会遇到很多情况、各种问题或者一些临时产生的想法，这些都能够加深对问题的理解。

3.扩展喜欢的某篇论文的实验部分。仔细阅读一篇论文，了解其采用的方法和获得的实验结果，设法找到一些可以完善的地方。首先考虑最简单的扩展，然后思考下论文的方法是否合理，实验结果有没有不完善的地方。

重视可视化工具和技能