老马迷图分享 http://blog.sciencenet.cn/u/zmpenguestc 网络空间做伏枥老马,志在千里育识途小驹!

博文

真正的研究,不是玩搭积木游戏 精选

已有 9092 次阅读 2022-7-27 14:06 |个人分类:科海拾零|系统分类:科研笔记

每年本科生或研一学生刚进入实验室,我都发愁。一是不了解他们的兴趣点在哪里,二是他们到底擅长做什么?

任凭他们的想法,那80%以上都是要选人工智能(AI)和深度学习(DL)的。因为,这个方向很宽泛,也很热,特别是未来“好”就业。

如果这样的话,那信息技术(IT)领域培养的学生就变成了千遍一律,大部分毕业生就成了数据标注师,代码测试和调参工程师。

我们不能否认科研新手的现有想法,毕竟以他们目前现有的对科研的认知,听得多的、见得多的就是人工智能(AI),对其他机理性、基础性需要花大量时间和精力的研究不感兴趣。而且现在国际、国内组织的很多针对本科生、研究生的科技竞赛,也都聚焦于利用AI解决问题。

不仅如此,很多的年轻教师,申请项目也都不自觉的把利用AI解决问题作为了自己的主要方向。因为,作为基础研究,特别是基金申报实在是不清楚自己的研究该往哪里走,才能得到同行认可。

在机器视觉领域,你发表的论文和申报的课题,如果不涉及深度学习,估计很大程度上是要被判死刑的。至少,你的概述和引言里要综述前沿和“新”技术,展望里要对前沿AI技术的讨论。否则,一定是需要给予充分的理由和解释的。

如今,学生跟你讨论选题时,基本上把研究方向分成了两大类:非深度(经典)方法和深度学习。

AI是个好东西,我们绝不能排斥。但只知道AI,不深究物理机理,那我们的基础研究路在何处,解决“卡脖子”的根又在哪里。

每年国际上机器视觉顶会发表了无数论文,除了公开数据集上能跑出几个百分点的好成绩,有几篇是用了实际场景测试的,几乎没有。

学生毕业论文也好,发表论文也罢,只要遇到主题为神经网络、深度学习类的论文,几乎没法评判其创新和价值到底在哪里。

因此,作为研究生,我们不能只知道深度(实则不深)学习,还需要知道物理机理和知识的广度。

总之,我建议的研究生选题,一定是基于解决问题的机理基础上的深度研究,而不是仅利用神经网络玩搭积木游戏。

end.jpg

my2dcode.png

长按/扫一扫二维码,敬请关注“闻道研学” 


相关博文:

[1]选题

[2]谈谈工科研究生选题

[3]看似繁荣的机器学习,已不见百花齐放

[4]如何看待学生的追“AI”潮

[5]研究生文献阅读那些事



导师与学生
https://blog.sciencenet.cn/blog-425437-1348969.html

上一篇:2022最新影响因子公布!(EXCELL完整版下载)
收藏 IP: 171.223.196.*| 热度|

32 褚海亮 肖慈珣 彭振华 焦飞 鲍海飞 武夷山 杨正瓴 卜令泽 周忠浩 姚伟 晏成和 汪凯 李曙 吴斌 郑强 毛善成 贾玉玺 王涛 崔锦华 王安良 杨顺楷 李陶 赵凤光 王飞 孟利军 徐耀 郑永军 许培扬 黄河宁 宁利中 庞峰 张风帆

该博文允许注册用户评论 请点击登录 评论 (12 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2022-8-12 10:49

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部