閱讀論文是需要練習的技能。不可能完整地閱讀所有的論文。閱讀論文可分為三個階段：第一階段是看論文中是否有感興趣的東西。AI論文含有摘要，其中可能有內(nèi)容的介紹，但是也有可能沒有或者總結(jié)得不好，因此需要你跳讀，這看一點那看一點，了解作者究竟做了些什么。內(nèi)容目錄（the table of contents）、結(jié)論部分（conclusion）和簡介（introduction）是三個重點。如果這些方法都不行，就只好順序快速瀏覽了。一旦搞清楚了論文的大概和創(chuàng)新點，就可以決定是否需要進行第二階段了。在第二階段，要找出論文真正具有內(nèi)容的部分。很多15頁的論文可以重寫為一頁左右的篇幅；因此需要你尋找那些真正激動人心的地方，這經(jīng)常隱藏于某個地方。論文作者從其工作中所發(fā)現(xiàn)的感興趣的地方，未必是你感興趣的，反之亦然。最后，如果覺得該論文確實有價值，返回去通篇精讀。
一兩年后，對自己準備從事的子領(lǐng)域已經(jīng)有了一些想法。此時——或者再早一點——加入Secret Paper Passing Network是很重要的。這個非正式的組織是人工智能真正在做什么的反映。引導(dǎo)潮流的工作最終會變成正式發(fā)表的論文，但是至少在牛人完全明白一年之后，也就是說，牛人對新思想的工作至少領(lǐng)先一年。
牛人如何發(fā)現(xiàn)新思路的？可能是聽自于某次會議，但是最可能來自于Secret Paper Passing Network。下面是該網(wǎng)絡(luò)工作的大致情況。Jo Cool有了一個好想法。她將尚不完整的實現(xiàn)與其他一些工作融合在一起，寫了一份草稿論文。她想知道這個想法究竟怎么樣，因此她將論文的拷貝發(fā)送給十位朋友并請他們進行評論。朋友們覺得這個想法很棒，同時也指出了其中的錯誤之處，然后這些朋友又把論文拷貝給他們各自的一些朋友，如此繼續(xù)。幾個月后，Jo對之進行了大量修訂，并送交給AAAI。六個月后，該論文以五頁的篇幅正式發(fā)表（這是AAAI會議錄允許的篇幅）。最后Jo開始整理相關(guān)的程序，并寫了一個更長的論文（基于在AAAI發(fā)表論文得到的反饋）。然后送交給AI期刊。AI期刊要花大約兩年的時間，對論文評審，包括作者對論文修改所花費的時間，以及相應(yīng)的出版延遲。因此，理想情況下，Jo的思想最終發(fā)表在期刊上需要大約三年時間。所以牛人很少能從本領(lǐng)域出版的期刊文章中學到什么東西，來得太遲了。你，也可以成為一個牛人。下面是建立學術(shù)關(guān)系網(wǎng)的一些訣竅：有很多討論某個AI子領(lǐng)域（如連接主義或者視覺）的郵件列表，選擇自己感興趣的列表加入。
l 閱讀課本。這方法還算不錯，不過課本的知識經(jīng)常是過時的，一般還有很高比例的與內(nèi)容無關(guān)的修辭。
l 找出該領(lǐng)域最棒的期刊是什么，向該領(lǐng)域的高人請教。然后找出最近幾年值得閱讀的文章，并跟蹤相關(guān)參考文獻。這是最快的感受該領(lǐng)域的方法，但有時候你也許會有錯誤的理解。
l 找出該領(lǐng)域最著名的學者，閱讀他們所著的書籍。
l 跟該領(lǐng)域的研究生泡在一起。
l 參看外校研究該領(lǐng)域的系的課程表。拜訪那里的研究院辦公室，挑選有用的的文獻數(shù)學可能是接下來需要了解的最重要的學科。對于工作在視覺或者機器人學的人來說更關(guān)鍵。對于以系統(tǒng)為中心的工作，表面上看，并不相關(guān)，但數(shù)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(lǐng)域的大多數(shù)人留下深刻的印象。很少有人能自學數(shù)學，光做個聽眾是不夠的，還得做習題集。盡可能早地選修盡可能多的數(shù)學課，其他領(lǐng)域的課程以后選也很容易。
AI但憑單打獨斗是很難做的，你需要經(jīng)常地從他人那里獲得反饋。對你的論文作評論就是最重要的一種形式。任何事情，要做就要做到最好。 閱讀有關(guān)如何寫作的書籍。Strunk和White的《Elements of Style》對基本的應(yīng)該如何不應(yīng)該如何做了介紹。Claire的《The MLA's Line By Line》（Houghton Mifflin）是有關(guān)在句子級別如何編輯的書籍。Jacques Barzun的《Simple and Direct : A Rhetoric for Writers》（Harper and Row, 1985）是有關(guān)如何作文的。
MIT AI Lab Memos大體上是或者接近發(fā)表的水平。實際上，Technical Reports基本上都是這些Memos的修訂版本。Working Papers則更不正式，這是很好的將自己的論文分發(fā)給同事們的方法。要出版這些內(nèi)部文件，只需到Publications Office（在活動樓八層）領(lǐng)一份表格，并有兩位教員簽字即可? 就像其它的科研活動一樣，論文寫作所花的時間總是比期望的要高。論文的發(fā)表在耗費時間這個問題上則更嚴重。當你完成了一篇論文，投出去，等待發(fā)表。數(shù)月后，論文以及評論被返回來。你不得不對論文進行修改。然后又是幾個月，才返回對你的修改的確認。如果你同時發(fā)表了該論文的不同形式，如有一篇短的投會議，一篇長的投期刊，這樣的過程將反復(fù)數(shù)個回合。結(jié)果有可能是當你已經(jīng)厭倦了，研究主題也已經(jīng)令人生厭后數(shù)年，你仍然在修改那篇論文。這啟示我們：不要去做那些需要熱情投入但是很難發(fā)表論文的研究——苦不堪言。
如果你的導(dǎo)師有定期的研究討論會，自愿去作演講。 MIT AI實驗室有一系列的半正式座談會，叫做Revolving Seminar。如果你覺自己的某些觀點值得寫進AI Memo或者會議論文中，自告奮勇去作一場報告。深入了解實驗室的不同機器人項目，當你外地的親朋好友來的時候，你可以領(lǐng)著他們逛一圈，并就機器人做60分鐘的報告。
并不是所有的AI論文都包含代碼，而且本領(lǐng)域的很多重量級人物從來沒有寫過一個重要的程序。但是為了初步的近似AI工作原理，你必須會程序設(shè)計。不僅僅是很多AI研究工作需要編寫代碼，而且學會程序設(shè)計能給你什么是可計算的什么是不可計算的直覺，這是AI對認知科學貢獻的主要來源。在MIT，本質(zhì)上所有的AI程序設(shè)計都使用Common Lisp。如果還不知道，趕快學吧。當然，學習一門語言并不能等同于學習程序設(shè)計；AI程序設(shè)計包含的一些技術(shù)與那些在系統(tǒng)程序設(shè)計或者應(yīng)用程序設(shè)計中用到的大不相同。開始學的時候，可以先看看Abelson和Sussman的《Structure and Interpretation of Computer Programs》，并做一些練習。這本書與AI程序設(shè)計本質(zhì)上并不相干，但是包含了一些相同的技術(shù)。然后讀Winston和Horn寫的Lisp書第三版，書里有很多優(yōu)雅的AI程序。最后，進行實際的程序設(shè)計，而不是閱讀，才是最好的學習程序的方法。
l 你需要多大程度的指導(dǎo)？有些導(dǎo)師會給你一個定義良好的適合做論文的問題，對解決方法進行解釋，并告訴你如何開展工作。如果你陷在某個地方了，他們會告訴你如何開展下去。其他的導(dǎo)師屬于甩手型，他們可能對你的選題毫無幫助，但是一旦你選好題目，他們對于引導(dǎo)你的思路具有非常大的作用。你需要考慮清楚自己適合獨立工作還是需要指導(dǎo)。
l 你需要多大程度的聯(lián)系？有的導(dǎo)師要求每周與你見面，聽取你工作進展的匯報。他們會告訴你應(yīng)該讀的論文，并給你實際的練習和項目做。其他的導(dǎo)師每學期與你的談話不會超過兩次。
l 你能承受的壓力有多大？有些導(dǎo)師施加的壓力是很大的。
l 需要多少情感支持？
l 聽取導(dǎo)師意見的認真程度如何？大多數(shù)導(dǎo)師會相當正式的建議你的論文題目。有些導(dǎo)師是值得信賴的，他們給出的建議，如果按照執(zhí)行，幾乎肯定會做出一篇可接受程度的論文，如果不是令人興奮的論文的話。其他的則一下子拋出很多思路，大部分是不切實際的，但是有一些，或許會導(dǎo)致重大突破。如果選了這樣的一位導(dǎo)師，你首先得把自己當作一個過濾器。
l 導(dǎo)師提供了什么類型的研究組？有些教授會創(chuàng)造環(huán)境，把所有的學生聚集在一起，即使他們做的不是同一個項目。很多教授每周或者每兩周與自己的學生們會面。這對你有用么？你能與教授的學生和睦相處么？有些學生發(fā)現(xiàn)他們更能與其他教研組的學生建立良好的工作關(guān)系。
l 你想?yún)⑴c大的項目么？有些教授將大系統(tǒng)分解，每個學生負責一部分。這給了你與一組人討論問題的機會。
l 你想被共同監(jiān)督么？有些論文項目包含了多個AI領(lǐng)域，需要你與兩個以上的教授建立密切的工作關(guān)系。雖然你正式的論文導(dǎo)師只有一位，但是有時候這并不反映實際情況。
l 導(dǎo)師愿意指導(dǎo)其研究領(lǐng)域之外的論文題目么？你是否能與導(dǎo)師一起工作，比你做什么本身更重要。MIT的機器人系就曾指導(dǎo)過量子物理學和認知建模方面的論文；推理方面的教員指導(dǎo)過視覺方面的論文。但是有些教員只愿意指導(dǎo)自己研究興趣領(lǐng)域內(nèi)的論文。這對于那些欲獲得終身職位的年輕教員來說尤其如此。
l 導(dǎo)師會為了你跟體制作斗爭嗎？有些導(dǎo)師會為了你跟系里或者某些有敵意的實體作斗爭。有時候體制對某些類型的學生不利（特別是對于女學生和怪癖的學生），因此這一點很重要。
l 導(dǎo)師愿意并且能夠在會議上推薦你的工作嗎？這是導(dǎo)師工作的一部分，對你將來工作意義重大。
看看Alan Lakien的書《How to Get Control of Your Time and Your Life 》，其中包含很多能使你進入充滿創(chuàng)造力的狀態(tài)的無價方法。 很多人發(fā)現(xiàn)自己的個人生活和做研究的能力是相互影響的。對于有些人來說，當生活中一切都不如意時，工作是避難所。其他的人如果生活陷入混亂時就無法工作了。如果你覺得自己確實悲痛得難以自拔，去看看心理醫(yī)生。一份非正式的調(diào)查表明，我們實驗室大約有一半的學生在讀研期間看過一次心理醫(yī)生。
很多來到MIT AI實驗室的學生都是以前所在學校最厲害的人。來到這里之后，會發(fā)現(xiàn)很多更聰明的人。這對于很多一年級左右學生的自尊形成了打擊。但周圍都是聰明人也有一個好處：在你把自己不怎么樣的（但自己又沒有覺察到）想法發(fā)表之前就被其他人給打倒在地了。更現(xiàn)實的講，現(xiàn)實世界中可沒有這么多聰明人。因此到外面找一份顧問的工作有利于保持心理平衡。首先，有人會為你的才能付費，這說明你確實有些東西。其次，你發(fā)現(xiàn)他們確實太需要你的幫助了，工作良好帶來了滿足感。反之，實驗室的每一個學生都是從四百多個申請者挑選出來的，因此我們很多學生都很自大。很容易認為只有我才能解決這個問題。這并沒什么錯，而且有助于推進領(lǐng)域的發(fā)展。潛在的問題是你會發(fā)現(xiàn)所有的問題都比你想象的要復(fù)雜得多，研究花的時間比原先計劃的多得多，完全依靠自己還做不了。這些都使得我們中的很多人陷入了嚴重的自信危機。你必須面對一個事實：你所做的只能對某個子領(lǐng)域的一小部分有所貢獻，你的論文也不可能解決一個重大的問題。這需要激烈的自我重新評價，充滿了痛苦，有時候需要一年左右的時間才能完成。但這一切都是值得的，不自視過高有助于以一種游戲的精神去作研究。 人們能夠忍受研究的痛苦至少有兩個情感原因。一個是驅(qū)動，對問題的熱情。你做該研究是因為離開它就沒法活了，很多偉大的工作都是這樣做出來的。雖然這樣也有油盡燈枯的可能。另外一個原因是好的研究是充滿樂趣的。在大部分時間里，研究是令人痛苦的，但是如果問題恰好適合你，你可以玩一樣的解決它，享受整個過程。二者并非不可兼容的，但需要有一個權(quán)衡。 要想了解研究是怎么樣的，遭到懷疑的時候應(yīng)該如何安慰自己，讀一些當代人的自傳會有些作用。Gregory Bateson's Advice to a Young Scientist, Freeman Dyson' s Disturbing the Universe, Richard Feynmann's Surely You Are Joking, Mr.Feynmann!, George Hardy's A Mathematician's Apology, 和Jim Watson's The Double Helix. 當你完成了一個項目——例如論文——一兩個月后，你可能會覺得這一切是那么不值。這種后沖效果是由于長時間被壓抑在該問題上，而且覺得本可以做得更好?？偸沁@樣的，別太認真。等再過了一兩年，回頭看看，你會覺得：嘿，真棒！多棒的工作！ 使得人工智能那么難的一個原因是沒有被普遍接受的成功標準。在數(shù)學中，如果你證明了某個定理，你就確實做了某些事情；如果該定理別人都證不出來，那么你的工作是令人興奮的。人工智能從相關(guān)的學科中借來了一些標準，還有自己的一些標準。不同的實踐者，子領(lǐng)域和學校會強調(diào)不同的標準。MIT比其他的學校更強調(diào)實現(xiàn)的質(zhì)量，但是實驗室內(nèi)部也存在很大的不同。這樣的一個后果就是你不可能令所有的人都滿意。另外一個后果就是你無法確定自己是否取得了進展，這會讓你覺得很不安全。對你工作的評價從“我所見過最偉大的”到“空虛，多余，不明所以”不一而足，這都是很正常的，根據(jù)別人的反饋修訂自己的工作。
