Sunday, November 28, 2010

How to Supervise Yourself

How to Supervise Yourself (怎么自导博士论文)
下面一篇博文是一位读者的亲身经验. 他读了我博文糸列科研教育随笔儿篇文章後的心得. 我没有改一个字. 贴在这里与别的读者及学生分享及作证
How to Supervise Yourself
这篇博客文章的匿名作者:中国大陆的普通博士生
这篇博客文章的目的:作为何老师On Research 10 的直接受益者和科研的上路人,提出一个总结自身的研究经历的有用的算法。并向大家推荐On Research 10的正确方法。
这篇博客文章适用的读者范围:想(做出真正有价值的研究\顺利毕业)的师弟师妹们。
 
重要提示:方法是自己的经验总结,而且不同的学科经验可能不一样,不同的人的特点不一样,希望觉得有用的读者批判的继承,仅供参考。
 
废话少叙,开始吧!
 
论述方式
找到自己的博士论文研究的方向是一个复杂、动态和不确定的问题,其本质是“搜索+选择”的问题。所以,我有如下提示:
A我将所有的经历总结成一个算法,每个人都可以执行这个算法,不同的人执行算法的结果是不确定的,你两次执行同一个算法的结果也是不确定的。但是,根据何老师精通的No Free Lunch原理:你搜索次数越多,那么你找到好方向的可能性越大;你看一篇论文越仔细,那么你发现论文不足并作出更好工作的可能性越大。注意,只是可能性
B你面临的困难只有两个,你一定要记住:不知道你 的方向“作不出好工作”在你所在的地方是有可能的(经常听到有这样的抱怨),但是放到世界上是不太可能的,如果确实如此,应该是著名的已经论证不可行的问 题,那么你所在的研究团队就应该不存在了,所以,请相信,尚有你不知道的好的研究方向和研究团队在做和你类似的问题,你需要广度搜索不明白:要知道,如果有一个显然可以用来提升你们研究团队的水准的好方向,那么,你的导师和师兄们早就会发现或者告诉你了,他们不能发现的你肯定不能轻松发现。所以,你要对看到的一切有敏锐的把握能力,然后真正的吃透有价值的东西,这就是深度搜索。
C、算法1和算法2各对应何老师的博文的一部分。这篇东西因为何老师的博客文章On Research 10而存在。算法1对应于“In desperation, I begin to read any papers I could find on control being published at the time. I came across a paper by R.E. Kalman and J. Bertram on dead beat control – the problem of controlling a general nth order linear sampled data system from any initial condition to zero in n steps.”算法2对应于“After studying the problem on my own, I came to realize that the K-B condition really is a condition on linear independence in linear algebra.
 
Algorithm1: An Iterative Exploring Approach for Searching Papers
Step1Initialize Local Search:通过论文来认识导师,认识论文,认识科研团队
搜集导师的所有论文、分类整理。一般来说,根据论文所在的期刊和会议的质量来评价论文的质量是靠得住的(因为里边有无数的专家和学者为你挑选过)。问问导师和师兄,他们作的最好的研究会投到什么期刊上?
l         A如果导师或者师兄给了你几篇好论文,并说你沿着某个问题作就可以作出一流的研究成果,那么恭喜!你太幸运了,比常人节约2年的时间!这样的导师很难得,也很少见。
l         B如果研究团队有你认为很好的文章,挑出来五到十篇,OK,也还不错。
l         C如果没有好论文(例如,一篇国际著名期刊都没有),那么,起点太低了,你如果准备在这些低质量的论文上混毕业就算了,如果想挑战一下自己,好,你可以用如下方式搜索:
Step 2Abstract海选(中文的建议不要看了,因为我们自己大多数情况下都不会将好论文投到中文期刊的)
注意,要以摘要(Abstract)为主要的观察对象,从中提炼出“用什么方法,解决什么问题”的内涵。
l         找到自己的实验室的论文所引用的所有好论文;以及“好论文”引用的其他论文。以及引用了“好论文”的其他论文。
l         用自己的实验室的论文的几个关键词到网络上搜国际期刊论文,各找到相关度最大的100篇。
l         找到这些好论文所出现在的Top5的国际期刊和Top5的国际会议,浏览每个期刊和国际会议最近三年的论文。只看摘要,将可能相关的下下来。
l         如果您在现在就有足够的把握挑选出Top10的学者,好的,找到这10个学者的所作的论文,再到主页上看看,可能有不错的发现。
Step 3IntroductionNumerical Experiment & Conclusions 1000100(假设你已经有了10002000多篇好论文,注意,这不算多,你现在只需要找到最适合自己的100200篇)
l         Introduction的写法一般没什么公式,其写法一般是“大概念,中概念,小概念”,最后引到自论文的主旨那一个小小的点上,所以,你只需要看概念。Conclusion一般给出主要结论。所以,做什么事和做出什么结果你都知道了。Numerical Experiment是最直接揭示论文内容的,看看这篇论文的方法能够解决什么问题,能不能解决你的问题。
l         问 问自己,你的问题是什么(当然,事实上你不经过一段时间不知道自己要什么)?看看论文,它的问题是什么?这个工作只能用你的大脑做模糊关联分析了。比如, 你要算法还是模型?它的问题是算法还是模型?可能你感觉一个东西看不懂到底是什么,也不知道自己到底要不要,那么,劝你先扔在一边。
l         通过知道什么不是你的需求来明确你的需求。
l         找到100200多篇可能有意义的论文。
 
再问问你自己需求是什么?好像有点说不清,对不对?
 
Step 4、分类和提取(假设你已经有了100200多篇好论文,注意,这不算多,你现在只需分类成45个主题,如果主题过多,那么劝你砍掉比较独立和不相关的部分)
l         45个主题能不能构成你的博士论文的35章实质内容?
l         如果可以,恭喜!你可以找一部分最有希望的(510篇论文),最可能成为你的博士论文一部分的内容,开始深度作研究了(To Algorithm2)。
l         如果你觉得太大,而且这些主题有点宽泛,那么,你应该(通过试错,即,论证××不可行来知道什么是可行的)找到最有希望的那个主题
Algorithm2: A Local/Greedy Exploiting Approach for Presenting New Ideas
到这里之后,恭喜!你已经站在最前沿了。
l         你找到了最切题和最优秀的研究工作,经过长时间的寻找,作为一个敢挑战博士学位的精英,相信你的选择有充分的理由。
l         你的水准是建立在国际一流的论文上的,那么,不管你的大学是什么水准,也不管你的实验室是什么状况。如果你找到的是Nature那你的起点就是Nature,相信自己!
剩下的事情反而比较简单了,鉴于我们的论文不可能提出一个全新的东西,而总是改进一个东西(你见过没有参考文献的论文吗?),所以,你所需要做的事情,就是改进!(Improve!!!!)
l         你需要真正的使用你选择的论文的模型或者算法,最极限的情况是“把所有的公式推一遍,把试验也重做一遍”。
l         模型的假设是什么?算法的缺陷是什么?适用于什么范围?得到的结论是什么?多问自己一点问题。
l         找到你的机会,世界上没有真正到极限的论文,总有改进的方式和余地,比如一个解析模型到了极限你就用仿真嘛,思路要开阔。
l         有一天,你会有突破。或者,你论证了一条路看起来不可行。那么使用禁忌搜索的方法调整方向。
l         你要跟你的兴趣相同的作者建立联系:可以问问他问题,有没有和你作类似的工作,如果没有而问题又有意义,好的,我想你得到了一流的成果。
l         你有了可以询问进展和讨论一些问题的真正同行,同他们建立联系,互相交流好的研究工作,建立双向的赋予关系,有利于你长期站在这个方向的前沿上。
l         。。。。。。。。。。。。。
l         经常要回到Algorithm1
 
提示:
l         基本假设是贫乏的周围世界:你要通过自己的努力来找方向,导师没有给具体的研究方向,而给的只是一个模糊原始的框架(比如:你负责一个项目,要你做项目顺便出论文,而项目本身好像似乎不是研究性质的)。
l         假设得到好的指导:那么你还是要经历Algorithm1Algorithm2搜索,好的老师也不能消除你的个人努力,但是可以让你大多数时间在正确的方向上搜索和工作,从而避免过多的和盲目的白费力气。(比如:一开始就有远见卓识的导师,他一直在前沿做有意义的事,所以,他可以给你将会在博士论文引用的几十篇文章,一般人为了找到这些可花了2年多时间啊!)
l         搜索的代价和意义: 在你找到可行的方向之前,你在论证一条一条的路不可行,别气馁,这是试错。还可以注意到,我的算法(我的经历也是)倾向于全局搜索,所以要花很多时间,不 过你如果想找一个可以一直研究的问题(即,博士期间可以发好论文,博士之后既可以申请到课题,又能够带出学生),这样是值得的;如果只想混毕业最好早点结 束搜索。
l         No Free Lunch辩证法1在找方向时,涉猎越多则机会可能越多;但是贪多嚼不烂的风险也在增加;所以,要用有限的精力合理分配到发现新的好机会和吃透现有的好机会上。
l         在宽泛的找方向时,多跟师兄和导师聊聊粗略的想法(一句话说清楚),他们大多数情况下比较乐意帮助你,他们的一句话有助于你减少明显的弯路。
l         在研究做的很细且有高明见解的情况下,你可以找到国际上的专家,互相给一些启发,建立长期的关系。相互的信任是长期建立的,而不是一次性的,要本着诚实的原则。
l         最后,回过头问问自己为什么?干 活又忙,又要出论文,还一次一次的论证看似有希望的路不可行,那你还愿不愿意做好研究?到时大家都毕业赚钱了,你还在写论文推公式,你还愿不愿意做好研 究?如果没有兴趣,这样的痛苦很不人道,要想清楚。不过实际上社会上没有什么工作是很好做的,如果你兴趣在这里,那么别轻易放弃,加油!
l         Q辩证法2A起点低埋没了不少人,但是如果自己的方法得当,起点低出来的能力也强,不过为了弥补低起点,时间和艰辛的代价是必须的。B最好抱着不能证明自己行,也要证明自己不行的态度来试试。
l         最后,借用何老师On Research 10的话:Lastly you should always remember that THERE IS NO MAGIC FORMULA OR ROYAL ROAD TO LEARNING BUT HARD FOCUS WORK. There is no free lunch in success. Maps, directions, and travel book will help you to avoid blind alleys and wasted effort, but there is no substitute for being there yourself. Good luck!
Note added 7/7/09 : 请同时注意 [5] 及 [9] 楼的评论同我的回答

No comments: