我在MIT人工智能研究实验室工作一年学到的 5 件事

作者 | 刘冰一、Ailleurs

来自｜AI科技评论  编辑 | 陈彩娴

Mike Ferguson ，麻省理工学院大脑和认知科学系 (MIT BCS) 担任研究软件工程师/ML工程师。专门研究 Brain-Score（一种衡量类脑 AI 的工具）。他于 2021 年春季毕业于弗吉尼亚大学，获得计算机科学和应用数学学士学位，以及认知科学和哲学学士学位。

图注：Mike Ferguson

在本文中，Mike分享了在麻省理工学院人工智能实验室一年中学到的 5 件事，包括他生活、成功和知识的一些看法，希望你觉得有趣或有用。

1
承认自己的盲区，质疑一切

Mike在开始在麻省理工学院工作之前，刚从 UVA 毕业，主修计算机科学和认知科学，并辅修哲学和数学，自我感觉还不错，然而，当他第一次参加麻省理工学院周会时傻眼了——他发现自己最多理解了讨论内容的大约 10-20%，在接下来的几周内他都在怀疑人生：难道智商太低不配进入麻省理工学院吗？为什么看起来只有自己不懂的样子？

Mike注意到，实验室最聪明的人总是不断地提出问题，仅在第一周，他遇到了 5 或 6 个研究 AI 和神经科学交叉领域的人，研究 AI 和神经科学的交叉点的时间比他活着的时间还长。即使他们在领域以最大的专注度研究的数十年，甚至达到了绝对的巅峰，但还是在不断提出问题，解决问题和验证假设。

他明白自己来麻省理工的目的就是来不断解决不懂之处的。他放弃了伪装自己，坦然承认自己不了解目前进展的工作。

从不停止提问，每个疑问代表着一次机会——可以缩小理解差距，提高自己的知识。正是对自己已有知识的充分认识，思考对立面是什么，才会拓展自己的知识边界。总是支持同事观点，总是希望别人知道他们有多聪明，是缺乏安全感的表现。在一个没有认知冲突的安全环境中，只会将自己的置于温水煮青蛙的境地。

不要想为什么要提问，而是不要停止提问。当你思考永恒、生命和现实背后奇妙结构的奥秘时，你不感到敬畏吗？这就是人类思维的奇迹——使用它的结构、概念和公式作为工具来解释人类的所见、所感和所触。

现在，他已经养成了如果被问到一个问题，他会迅速反映说“我不确定，我必须调查一下”或“很好建议，我必须进行更多试验才能确认”。

2
有时直率效果更好

“不要粉饰狗屎——它只会阻碍科学进步。我们没时间搞那些废话。”

当他被告知在麻省理工学院实验室担任的职位时，Mike想到了自己本科期间结识的从麻省理工学院 EECS 获得学士和博士学位的教授。他跑去咨询该教授一堆问题：麻省理工学院怎么样？文化上与 UVA 的异同？长相怪异的蒂姆·比弗（Tim Beaver）是怎么回事？波士顿物价为什么这么贵……

教授告诉他很多很棒的技巧，但他特别记得的是他的“警告”：“在麻省理工学院，直率无处不在。如果你有一个愚蠢的想法，人们会告诉你的。如果你不擅长你所做的事情，人们也会告诉你；如果你的假设是垃圾，对方无论是在几个人的房间里都会对你指出。”

Mike拿小本本记下，在几个月后召开了他的第一次实验室会议时就领教了其中厉害......他有一些想法，被大家告知不成熟；他犯了一个技术错误，被人直接叫了出来。麻省理工学院的每个人都会遇到这种情况——无论你在《Science》上发表了 13篇论文，还是从未发表过。这似乎都是在麻省理工学院会遇到的一种文化。事实上，如果有听众不断插话和提问，这甚至被视为一种尊重的表现——意味着他们很感兴趣！如果自己的演示没有人打断，那可能是一件乏味的事情。

对知识的探索和对科学前沿的推动在MIT是神圣的，这种能够获得坦率、客观的反馈尤为推崇。在MIT，直率沟通的时间和地点是随时随地的，你可以专注于工作，而不必担心批评是对本人的，它们仅仅是对工作的批评。在过去的几个月里，Mike来寻求这种直率和客观的反馈，随着时间的推移和获得该领域的知识方面提供了最大的“物有所值”。

我们尝试学习的时间有限尽己所能，那么为什么不去拥抱批评这种直观反馈呢？

3
学徒心态

“反复的失败会让你的精神变得坚强，并以绝对清晰的方式向你展示必须如何去做。”

Mike有一项坚持了 3 年多的 Book-a-Week 挑战。在近四年的时间里阅读了 170 多本关于人工智能、哲学以及作为人类的意义的书籍。

他从书中获取的是：要成为某事的大师，真正了解一个领域并产生影响，必须经历发展的各个阶段。完成正规教育后，你可以进入“学徒”阶段，必须学习做事的方式和规则（无论是明确的还是隐含的）。持续 3 年到 10 年以上，接下来进入创造阶段，在这个阶段可以扩展并发挥自己的创造性和独立性。最后，你进入掌握阶段，掌握一门学科或领域就是一种投资。通过掌握一门学科，以一种有意义的方式发挥您的全部潜力。这是对未来幸福和成就的投资，也是一种避免陷入死胡同或随着年龄增长而感到不快乐的方法。

在深入学习人工智能/神经科学领域，Mike就觉得自己正处于学徒阶段，用他最喜欢的作家Robert Greene 的话来说，“接受理想的学徒制”。提出问题，热切地寻求知识，在学习事物时永远不要有优越感——任何与自己领域相关的事物，即使是看似无关的事物，都值得学习。

4
成为一个有自主意识的劳动者

人工智能是否可以体验情绪是一个非常有争议的话题，他已经写了很多文章，惹恼了他的实验室伙伴，而且还没有接近答案，「我只知道我们是人类，拥有数千年的进化遗产。我们的幸福、悲伤、希望、胜利和失败等情绪或思维是非常独特的。它们正是使我们成为人类的东西，也是在人工智能中很难很快复制的东西。」

我们的大脑出现故障的方式比正常运行的方式要多，多巴胺水平可能会失控，出现病变，信号丢失或重定向不当……故障列表几乎是无穷无尽的，我们都会犯错，这是一件再普通不过的事，我们的所有情绪都是有价值的，是人能够区别于类脑系统和机器的重要部分。

在这个美丽的星球上，我们一直是一个有知觉的人，一个会思考的动物，而这本身就是一种巨大的特权和冒险。

想想之前已经被历史遗忘的所有故事，生存、爱情、苦难、逆境等主题在几个世纪中回响，独特的思维是时空里永恒且独特的纪念。所以，不管你生活中发生的任何其他事情，无论好坏，不管日常无聊的生存任务，不管你个人的得失：只要记住，成为一个有意识的、工作的人就是一项了不起的壮举。

5
科学是一种思维方式，而非知识体系

近来一种“反科学”的风气在美国各地兴起，这在很多方面令人非常不安。卡尔·萨根（Carl Sagan），在 1996 年已经惊人地预测到了这种现象：

对于我子孙时代的美国，我有一种预感——那时，美国是一种服务和信息经济，几乎所有的制造业都转移到其他国家；令人敬畏的技术力量掌握在极少数人手中，代表公共利益的人甚至无法理解这些问题；人们失去制定自己议程或明智地质疑当权者的能力；人们的批判能力衰退，关于伪科学和迷信的轻信陈述泛滥，人们几乎不知不觉地滑回迷信和黑暗中去......

——卡尔·萨根《恶魔出没的世界：科学就像黑暗中的蜡烛》

一种对科学事业本身的怀疑似乎也越来越流行，怎样对抗这种“反科学之风”？Mike根据在MIT迄今所观察到的事情提供了一些见解。

首先，就是上文第一章节所说——质疑一切。没有任何东西可以免于审查和合理的怀疑。当你看到一篇文章时，先看看是谁写的，看看他们之前的工作，是否有资本推动。在得出结论之前，要交叉地参考来源进行确认。问问别人为什么要争论，以及可以得到什么。如果论点存在偏见历史，那么自己很可能只看到事情的一面。

第二，分析论据，寻找逻辑中的常见错误，比如人身攻击、不合逻辑的推理，选择和确认偏差（其中选择性偏好最为要紧，因为它产生的深远影响难以被发现）；跟随作者提出论点的过程，确保论点在哲学上是有效的（correct，前提正确）、合理的（sound，结论从前提中得到）；警惕错误的暗示、毫无根据的主张和被人为控制的图表数据；要为所有论断寻求证据，没有证据就可以断言的东西，也可以在没有证据的情况下被驳回。

最后，认识到人都会犯错。数据往往不完整或有偏差，新的证据出现可能会冲击原本立论。思想是可以改变的，也应该去改变。成熟的做法是——面对新的事实时，让旧观念消失，并承认所犯的任何错误。

图片来源：Greg Rakozy

Mike希望这些建议可以帮助我们在这个看似“后真相”的世界中找到方向，学会深入挖掘论点，对结论的得出方式进行分析。科学是一种思维方式，是开放思想和怀疑主义之间的微妙界线。关键是，只要稍加实践，科学就能深刻地影响一个人的世界观。

参考链接：

https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31

技术交流群邀请函

△长按添加小助手

扫描二维码添加小助手微信

请备注：姓名-学校/公司-研究方向-城市

（如：小事-浙大-对话系统-北京）

即可申请加入深度学习/机器学习等技术交流群

—完—

为您推荐Transformer模型有多少种变体？看看这篇全面综述各种注意力机制的PyTorch实现