如何做科研？
如何做科研？
什么是研究（Research）
研究广义上可以理解为，通过可重复性的观察和可验证性的结果，能够对人类认识世界做出独创性且具有影响力的贡献。在人工智能领域，包括但不限于
-
发现新知识，比如新理论、新模型架构、新算法。
-
解决新问题，使用新技术、新设计、新方法、新模型等解决实际问题。
如何评判研究工作的创新性与影响力
如果所做研究只是在已有工作基础上的简单推导或改进（大部分同学的工作），其创新性和影响力一般会大打折扣。
一个非常重要，影响力极大的文章，一般有如下特点：
-
抓住领域发展的关键问题，提出了新的方法，相较现有方法有很大优势：比如 ResNet 缓解深层神经网络梯度消失的问题、Transformer 缓解 RNN 长序列依赖和并行化难题
-
为以后的工作奠定了基础，或者开辟了一个新的方向：比如 GAN，提供了一种新的图像生成范式
-
在某些公认的任务上，性能具有显著性优势：比如 AlexNet 获得 ImageNet 竞赛冠军、AlphaGo 战胜人类职业棋手
研究生的主要任务
研究生的主要任务当然是研究，其针对研究部分的主要任务包括：
-
探索和构思新的想法，确保研究创新性：这要求学生充分了解相关研究领域的最新发展，并做大量的文献检索与阅读工作。
-
将新想法辅助实验，检验其可行性：要证明想法具有可行性，需要做深入且严谨的实验分析，这就要求学生具有快速的代码实现能力。
-
将研究结果撰写成文并投稿：通常情况下，AI 领域的论文会投稿到相应的学术会议，经过同行评审、Rebuttal 阶段，最终决定是否被录用，需要不断提高自己的论文写作能力和表达能力，以提高录用的可能性。
-
评审来自其他研究者的论文投稿：会议要求论文作者也必须是审稿者，在这个过程中，大家的身份发生了转变，需要评判其他研究者的工作创新性和影响力。
-
参加学术会议、分享论文、学习新的研究成果：多和活跃的同行研究者学习交流、分享自己的工作，学习他人的工作，交换想法，寻求合作。
-
申请奖学金、项目经费：目前也有很多面向研究生、甚至本科生申请的研究经费，对于认识更多的人、提高自己的影响力以及改善生活很有帮助。
-
协助指导低年级学生：通常情况下，高年级的博士也会与导师一起协作，协助指导和帮助低年级学生的研究工作，这也算是博士研究生额外的必修课。
-
参与项目研发：参与课题组的科研项目，包括纵向项目与横向项目，在这个过程中，将自己的研究成果应用于真实的场景需求。
做好的研究需要的关键能力
-
激情、专注、热情和兴趣：“我别的什么都不关心，只想着这件事”，只有对研究抱有兴趣和热情，才能日复一日去推动研究的发展。
-
好奇心和创造性：作为研究者，不管是在研究工作还是在日常生活中，都要具备好奇心，想要探究问题的本质、实验观察的成因，把经历投入到前人未曾涉足的世界。
-
批判性与独立性思考：不要盲从过去的知识，用怀疑的、批判性的精神去思考，比如，这个论文有什么不合理的地方？如何做的更好？
-
冒险精神：不可能所有的想法都能成功，不要轻言放弃，要具备敢于尝试、敢于冒险的精神。
-
学习能力和分析问题、解决问题的能力：保持每天阅读论文，时刻学习新知识和新技术。
-
勤奋：想要做出好的科研工作，必须有一定的时间投入。
-
表达与沟通能力：具备良好的讲故事能力，包括论文写作、学术报告、项目申请、成果答辩等方面；具备良好的沟通能力，包括与导师沟通、与同学沟通、与同行沟通等。
做研究的基本过程
Research的大致过程可以总结为TPIC，本文档也是按照这些步骤进行组织：
Topic -> Problem -> Idea -> Concrete work (theoretical analysis, experiments, etc.)
-> Paper writing -> Submit
Topic
通常情况下，导师会给你一个topics，以我们课题组为例，对于新加入的同学，一般会给一个topics和对应的代表性论文，这个阶段需要学生做的主要任务是：
-
首先，深入阅读导师推荐的论文，建立起对领域的基本认知；
-
基于导师推荐的论文，顺藤摸瓜（比如参考文献、相关工作、对比方法中提到的论文、让AI帮忙推荐等等），找到该领域尽可能多的重要文献；
-
对于一些代表性的论文要尝试进行代码复现，为后续的科研打好实验基础。
关于具体如何找论文、读论文，可以进一步阅读：如何找论文、读论文
Problem
问题是科学研究的心脏！任何有价值的研究都是为了解决某个问题，提出一个好的问题，已经成功了一半。
能够找到有价值的问题才是研究的真正开始，这可能是AI研究中最困难的部分，会找问题，是具有独立研究能力的标志。
如何找到问题？
-
少部分情况下，导师会给你一个问题，这时候就赶紧去尝试做
-
大部分情况，是需要自己产生问题，然后导师来帮你判断问题值不值得做，问题的来源主要是依靠大量的文献阅读和实验复现，通过找到现存研究的空白、现有方法的局限，去判断有哪些问题是没有解决的、需要去解决的。
宜“小题大做”、忌“大题小做”：应该把一个问题尽可能做的全面、而不是针对一个很宏观的大问题（比如持续学习的灾难性遗忘问题）给出浅尝辄止的方案。
更详细的内容可以参考：如何想Idea？
Idea
这个没有统一的标准思路，是真正考验聪明才智的时候。
同样是要在大量文献阅读和代码复现的基础上，才能有比较好的idea。
不要指望导师给你idea，但是导师可以帮助你判断和改善idea。
相对来说，如果能够找到有价值的问题，想Idea不是一件特别难的事情，尤其是在AI时代，也可以借助大量的AI工具辅助科研。
更详细的内容可以参考：如何想Idea？
Concrete Work
Idea是否有效需要结果的支持，AI里面通常是理论分析与实验验证，我们课题组的方向以实验验证为主，这需要学生能够在日常读论文的过程中，熟悉本领域的常用 benchmark、典型对比方法的代码（多复现相关论文）、同时善用 vibe coding 工具。**
为了充分验证idea的有效性，要设计周全的实验方案，并给出必要的分析与解释，例如：
-
Strength / Weakness
-
How / When Strong?
-
Why Strong?
-
How / When Weak?
-
Why Weak?
小结
对于AI研究工作来说，主要包括：Topics -> Problem -> Idea -> Concrete Work
对于一项具体的AI研究工作来说：
-
找到好的问题是关键
-
有了好的idea问题就解决了一大半
-
还需要具体、坚实的实验验证