[[409573]]

本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

帶著滿腔熱血讀了博，到頭卻發(fā)現(xiàn)自己學(xué)術(shù)天分不夠？

看著別人做頂會(huì)收割機(jī)，自己卻一篇論文都沒發(fā)？

而且研究不出什么新方法，只能天天搞搞應(yīng)用？

不知道讀博的你是否有這樣的煩惱。

Reddit上一位機(jī)器學(xué)習(xí)在讀博士可是迷茫得不行，想知道沒有學(xué)術(shù)天分的他該如何完成博士學(xué)位。

“搞學(xué)術(shù)肯定沒戲”

這名博士的主要研究方向是計(jì)算機(jī)視覺和自然語(yǔ)言處理等深度學(xué)習(xí)技術(shù)。

他自稱自己不是優(yōu)等生，實(shí)驗(yàn)室也一般般，只發(fā)過一些邊角期刊沒有頂會(huì)。

因此學(xué)術(shù)貢獻(xiàn)平庸，沒有研究出來什么大的創(chuàng)新點(diǎn)。

做的最多的是一些將現(xiàn)有方法重新用于不同領(lǐng)域的工程，而非研究。

比如將ResNet用于醫(yī)學(xué)成像或用transformer做音樂分類。

而之所以這樣是他覺得自己和其他人相比，數(shù)學(xué)背景太差，別人的論文又讀不進(jìn)去看不懂，連矩陣的秩是什么都講不清楚，更不用說如何用它。

他深知自己肯定沒法在學(xué)術(shù)領(lǐng)域取得成功，但又覺得自己還算擅長(zhǎng)應(yīng)用，所以以后想直接就業(yè)，不搞研究了。

但現(xiàn)階段，他還是希望能干點(diǎn)成績(jī)，不想只是“我將某個(gè)方法應(yīng)用于某個(gè)數(shù)據(jù)得到了稍微好一點(diǎn)的結(jié)果，所以我發(fā)布了它”。

所以他想知道如何完成博士學(xué)業(yè)，做一些并非單純?cè)隽亢蛻?yīng)用的貢獻(xiàn)。

或者周末可以干什么副業(yè)？

不是每個(gè)博士生都能有出色成果

看到他的真誠(chéng)提問，不少人表示，我的手已經(jīng)學(xué)會(huì)自己發(fā)帖子了？

果然，很多在讀博士都在苦苦掙扎啊。

有人寬慰道：攻讀博士期間自我懷疑很正常。但你要知道，博士期間能作出很出色貢獻(xiàn)的人都是鳳毛麟角，是例外，大部分人都平平無(wú)奇。

因此，不要和別人比較，只和昨天的自己比。數(shù)學(xué)不好也沒事，又不是每個(gè)人都是陶哲軒（著名數(shù)學(xué)家），每個(gè)人都要獲得過菲爾茲獎(jiǎng)。

如果你真的想做出點(diǎn)成就，不要放棄，繼續(xù)尋找機(jī)會(huì)（感興趣的數(shù)據(jù)、課題和人）。博士學(xué)位只是學(xué)術(shù)生涯的開端。

而且大部分大多數(shù)博士生所做的并非提出全新的方法，而是確認(rèn)或否定其他人的觀察結(jié)果。因?yàn)槿绻總€(gè)人都一直在提出新的東西，誰(shuí)來驗(yàn)證這些方法到底有沒有價(jià)值。

另一位博士補(bǔ)充道，確實(shí)很多課題做的都是采用現(xiàn)有方法，加以修改以使其適用于另一個(gè)數(shù)據(jù)集的研究。

畢竟就算你提出了一個(gè)全新的方法，如果你的實(shí)驗(yàn)室地位一般，能不能“廣為人知”然后被人研究可用性都難說呢。

另外他認(rèn)為目前ML的理論沒有取得巨大突破，以LSTM和CNN為例，它們都已有超過25年的歷史。因此他的觀點(diǎn)認(rèn)為幾乎所有研究都是增量，目前大家也只能多在這方面繼續(xù)耕耘。

并且應(yīng)該多投投期刊，看看專家對(duì)你的研究的拒絕理由也會(huì)有啟發(fā)的。

針對(duì)提問者覺得自己數(shù)學(xué)不好的情況，有人扔了鏈接，通過看里面的論文、演講、教程來學(xué)習(xí)關(guān)于ML相關(guān)方法的數(shù)學(xué)知識(shí)。

離開學(xué)術(shù)界進(jìn)入Industry也挺好

以上就是大家對(duì)提問者如何完成博士學(xué)位的建議，不知道提問者和大家看了會(huì)不會(huì)感到輕松一點(diǎn)。

至于以后進(jìn)入Industry還是留在Academia，很多現(xiàn)身說法的過來人表示：學(xué)術(shù)工作并不適合所有人，離開它去工業(yè)界挺好的。

畢竟那里的工資挺高且競(jìng)爭(zhēng)力也沒有那么強(qiáng)。找一家需要線性回歸/隨機(jī)森林模型、薪水高、工作量低、生活質(zhì)量高的公司應(yīng)該很容易。

不少人也都覺得樓主很適合去工業(yè)界，因?yàn)?strong>利用現(xiàn)有技術(shù)解決現(xiàn)實(shí)世界問題在工業(yè)中非常有價(jià)值。

“將某個(gè)模型應(yīng)用于某個(gè)數(shù)據(jù)集獲得稍微好一點(diǎn)的結(jié)果”也正是工業(yè)界需要的。

如果你能以稍微新穎的方式應(yīng)用理論算法，為高頻交易、石油勘探、保險(xiǎn)風(fēng)險(xiǎn)、癌癥檢測(cè)或不撞車等現(xiàn)實(shí)應(yīng)用產(chǎn)生一個(gè)稍好的結(jié)果，這對(duì)整個(gè)行業(yè)來說都是一個(gè)巨大的勝利！

因此，大家建議這位博士可以畢業(yè)以后就去找一份高薪/低工作量的數(shù)據(jù)科學(xué)工作。

然后花空閑時(shí)間做一些感興趣的技術(shù)工作并開源/發(fā)布。

最后他就能獲得比學(xué)術(shù)界更多的經(jīng)濟(jì)和技術(shù)回報(bào)。

何樂而不為？

并且很多離開學(xué)術(shù)界的人也都沒有后悔，這甚至是他們做過的最好決定。

沒有比這更快樂的了。

你怎么看？博士畢業(yè)的你選擇學(xué)術(shù)界還是工業(yè)界？