观点 | Yoshua Bengio 经验分享：如何做好学术研究？如何管好实验室？

转自 晞萌 AI科技评论

CIFAR 机器与大脑学习项目的联合主席 Yoshua Bengio

AI 科技评论按：深度学习三驾马车、四大金刚中，相比于 Yann LeCun 经常以（曾任） Facebook 人工智能研究院 FAIR 负责人以及 Facebook 首席 AI 科学家的身份发表言论、接受采访，Geoffrey Hinton 经常进行对深度学习反思的讲座，吴恩达更是研究兼创业的社交媒体大红人，Yoshua Bengio 似乎要低调得多，我们不常见到 Bengio 的公开采访和新闻。

近日，Graham Taylor 对 Yoshua Bengio 进行了一次采访，聊了聊 Bengio 的学术方法论和如何管理实验室，是一次诚挚的反思，也是一份给年轻博士、教授、实验室管理者们的参考建议。AI 科技评论全文编译如下。

Graham Taylor 是 CIFAR 机器和大脑学习项目的全球学者，任圭尔夫大学和矢量研究所工程学院的副教授。Yoshua Bengio 目前是 CIFAR 机器与大脑学习项目的联合主席，加拿大计算机科学与运筹学系的全职教授，蒙特利尔大学统计学习算法研究主席。

Taylor ：能讲讲您第一次任职教授的经历吗？

Bengio：我第一次任职是在蒙特利尔大学，从事机器学习、神经网络研究，当时我是唯一研究这一方向的人，所以我非常有激情，欣然接受了每个来到我身边想学习的学生，现在想起来，我当时应该更谨慎一些。

当时我通过在博士后期间合作过的朋友，与 Geoff ，还有在多伦多从事机器学习、神经网络研究的学者取得了联系。与学界内的人建立联系非常重要，毕竟当时我是蒙特利尔大学唯一从事这一方向的人。我很幸运，很感谢蒙特利尔大学看到了我的潜力，很快就减少了我的授课压力。

Taylor：一开始就减少了课程安排？

Bengio：是的。一般来说教授要教三门课，但前七年，我只需要上两门课程，而在成为加拿大研究主席后，就变成了一门课程。教学负担过重，还要兼顾实验室，这当时对我来说挑战非常大。我有些遗憾，当时的工作太忙，又正逢我的第二个孩子出生，让我有些不知所措。现在回想起来，我当时应该学会平衡自己的工作和生活。

Taylor：在学校里有没有人能给予一些指导呢？

Bengio：没有。事实上我当时应该去向更资深的教授请教经验，即使不一定是同一研究方向的教授，也可以请教一些教学经验。如果我不那么害羞，可能会和资深的教授建立联系并获得他们的反馈。我当时没有意识到的一点 —— 新人应该主动去与资深教授建立联系。尽管资深教授可能不会主动来找你，但只要新教授主动去联系，资深的教授们都很乐意向新人授经验。

Taylor：除了校内，您还获得了哪些最佳建议呢？

Bengio：在我担任教授的第一个十年里，我和 Geoff Hinton 经常联系，尽管我们不在同一个城市。他给予了我很大帮助，让我明白了专注的重要性。

不要让自己的精力过于分散；总是追求当前的想法，就会忘记了长期的挑战。建立自我的过程是很难的，我们很容易被当下的事情分散注意力，比如发表足够的论文、然后要申请终身教职等等。但事实上，我们必须要花一些时间专注于长期的事情，这才是事业成功的关键。总是局限于当下，很容易陷入困境，错过一些重要的事情。Geoff 让我理解到了这一点。

Taylor：你认为机器学习成为众人瞩目的焦点是件好事吗？某些公司或其他合作者可能会拿着一个非常具体的应用项目来找你，这同样会分散你的注意力。

Bengio：我想每个人都需要找到自己的路，在某一领域研究透彻，成为专家并取得突破。因此，作为年轻的教员，如果想要做出一些实际应用，就应该专注于一个方向，并成为这个方向内最强大的人。

应用机器学习的一个风险，是它的应用方向很多。90 年代时我就曾接触了许多的应用方向。

Taylor：所以和现在一样多的应用方向吗？

Bengio：在 90 年代，神经网络和机器学习在企业界也有许多研究，加拿大学界鼓励与工业界合作，这能帮助实验室获得更多研究资金，非常有吸引力。我当时把一些合作的资金用于支持一些长期研究。这不是他们预想之内的，但学业界和企业界的合作间接地鼓励并推动了长期发基础研究。我们应该赋予长期的研究更大的价值，因为 AI 如今的惊人的进步都是这些长期研究带来的。

我想再多说一下研究授权的事情。我开始时没有意识到，加拿大自然科学和工程研究委员会（NSERC）这样的组织，向他们申请课题经费的时候，他们其实并不太关心你是否按照自己之前描述的去做了，他们会希望你做好研究并能在之后汇报自己的成果。

在研究中，很难预测什么是热门的、会遇到什么问题。学会适应和调整是很重要的，NSERC 允许这样做（但与企业合作的、为了帮助企业的项目可能并不适用）。其实你不需要把自己做事的范围限定的太紧，只要你能让掏钱的人觉得满意就行。NSERC 的要求就只是做好科学、发布研究成果、维持灵活的研究路径。

Taylor：你管理实验室的方法是什么、有没有什么非常推荐的做法？你的实验室有那么多学生、设备和项目。

Bengio：请求别人的帮助。实验室发展的早期我不能给博士后很多工资。通常我会选择对实验室相对熟悉的博士后，他们不需要两年的时间来适应环境，而且还可以帮助管理团队。作为博士后，其实并没有学习过如何去管理团队或领导团队，但这种管理能力正是我们需要的。我发现很有意义的一件事，是去发现学生自身的领导力。我很乐意用实习生，实验室有许多来自其他地方的本科生或研究生，当然也有喜欢并擅长管理的博士生。有时候会有那么一个很会管理的；也有一些学生最终可以一个人指导好几个别的学生。我们不应低估年轻人的管理能力。

Taylor：现在给博士后的工作机会很多，招聘高质量的博士后会更加困难吗？

Bengio：是的，也不是。在这方面，我不认为我是一个好的榜样。

我通常会寻找有一定数学或物理背景并且涉足机器学习的人，这些人可以快速地学习机器学习，因此两到三年的博士后是很值得招募的。他们或许暂时无法进入 Google Brain 这样的地方工作，因为他们还没有证明自己在机器学习方面的能力。这里面有一些运气成分，不过对我来说还成功了好几次。

Taylor：你是如何说服博士后进入实验室而不去企业界工作的呢？

Bengio：来到机器学习实验室并参与到发表研究中，将大大提高他们对于工业界的价值，这对他们之后找到好工作、高薪资都是有帮助的。当然这因人而异，有些博士生毕业以后不需要做博士后就可以找到很好的工作了。所以更重要的因素可能是想不想发展自己的学术生涯，因为钱并不是人们唯一关心的事情。 对于这类博士生，做一个博士后当然是一件好事：了解学术界如何运作，参与管理角色等等。

基础研究实验室的工作和在企业的工作是差别很大的，在企业中，你会成为研究人员或是有大量开发工作的技术人员，而在实验室，你则有更多自由去做基础研究。企业界的具体职位有很多，但是博士后更喜欢的像实验室的那种工作很少。

Taylor：但进入企业界工作的博士生还是会继续增长，对吗？例如在 Google Brain，DeepMind，FAIR这类地方？

Bengio：是的，即使像 Element AI 这样的新公司也有类似的团队。

Taylor：就人数上来说，您认为实验室需要多大规模？

Bengio：这取决于教授，以及其管理团队的经验。我的实验室是从三个人开始的，现在我有一个很棒的团队。一下子是没办法做到这样的，所以我逐渐学会了如何管理更多人，建立基础设施和资金。实验室应该以自己的速度发展，有些教授不喜欢实验室太多人，这当然也可以。但其实当你有更多的学生，你可以生产更多的论文。但是，你花在每个学生上的时间会更少，所以对学生来说可能没那么有意义。

我实验室 15 年的大团队管理经验告诉我，促进学生之间的合作很重要。换句话说，不要将每个学生束缚在他们自己的项目中，而是让他们灵活地合作。另外，学生们与教授不是一对一的关系，应该将整个实验室的人组成一个大的网络。

Taylor：所有人互相之间都有沟通。

Bengio：没错，这很管用。如果在工作中一个人只能依赖于某一个人的反馈，而对方又很忙没有时间，那他们会感觉很不舒服。但如果有十几个同事可以给予反馈，这会创造丰富得多的网络，方便大家沟通。

Taylor：通过哪些办法可以创建这种网络式的环境？ 有一些措施可能比较具体，有一些就是微妙地改变实验室文化了吧。

Bengio：具体的措施比如，我会要求学生呆在实验室，而不是在家工作。我会给他们自由去选择项目，即使是其他教授的项目也可以，我会帮助他们接触到其他教授，让我们这个小组变得更大，让学生可以与其他教授讨论。我们也会定期组织活动，如阅读小组，研讨会和外部活动。

Taylor：我最近和一位在美国工作的朋友讨论了共同指导学生的问题，他认为几个导师之间的首要议题是讨论谁出多少钱。在加拿大好像并不是这样？

Bengio：在加拿大的实验室工作，和美国很大的一点不同，是这里的学生花费比美国低很多。资金还是挺重要的一个因素对吧，不过可能也和文化有关吧。其实相比于资金怎么分配，我更加考虑的是共同合作这件事本身，而且不一定有什么具体的成果要求。说到这里也和前面谈到过的授权以及合作方式有关系了，就是，我对家长包办的婚姻不是很有信心。换句话说，在共同指导以及合作的事情上，我们不会去搞一个共同指导协议之类的东西，而更多的是因为我们有共同的兴趣，经常交流，这时候共同指导和合作自然而然地就发生了。

希望我解释清楚了，这就像婚姻，是给了鼓励，然后看它会不会发生。如果是一场早已安排好的婚姻，最后的结局有可能是好的，但也更有可能会像是一个监狱，甲乙两个人被迫接受这种特定的关系、被迫在同一个项目里合作。但其实可能甲和丁的关系要处得好得多也有可能。例如，在实验室里，我们有这样一个概念—— 有一个资金池，你可以与任何你想要合作的的人合作，无论如何你都会得到资助。

Taylor：这是因为参与项目的主要研究人员们喜欢资金池的做法吗？

Bengio：我会将自己的研究资金组成共同的资金池。这并不是一种通用的方法，但通常对于有资深教授的实验室来说，这种做法会让学生更容易获得资金。在申请项目经费的时候我也会写明这一点。参与研究的人如果不受到资金的限制，就可以更享受、探索出更多的想法。

Taylor：对于新教授来说，考虑研究什么方向是很重要的，是做一个没有别的人做的全新的领域，还是做已经有别的学校成员、资深教授在做的，可以有充分合作的领域呢？

Bengio：是这样，只要你能和大部队相处得来，那么参与已有的研究领域要容易得多。因此，只要你能接受团队的风格，那么在实验室里，初级教员就可以轻松上手。他们不必受到资金的压力，他们可以提出自己的想法，与其他人一起合作指导学生，也很早就可以获得关于自己的研究的反馈。

Taylor：我想谈谈关于招收学生的事情。最近正是深度学习的热潮来临，应该有很多学生申请实验室工作，和以前会很不一样吧。如果你对对方不是很有兴趣你会怎么办？学生们突然增加的这么多兴趣你又是如何应对的？

Bengio：首先，实验室不只是在进行研究，而是让它为人所知。做研究的人可以去参加研讨会和会议，可以去参观其他实验室，你不一定非要等别人邀请你。你可以大方地说，「嘿，我也在这一领域工作，可以与大家交流一下吗？」然后你会慢慢在界内为人所知。另外，如果你通过研究资助进行正式的合作，也会这样的网络效应。

这对实验室的招人来说是一个巨大的帮助，当然也有教学上的帮助。教学的另一作用就是是让学生了解你，特别是你的研究生或者是最后一年的本科生。你可以谈论你关心的事情，与他们建立联系。你可以慢慢发现学生的优点，并试着把它们引入到你的实验室里。

我的实验室里有来自本科生和其他地方的暑期实习生。通过这种方式，可以了解一个人是否具有研究潜力。这样做比面试一次就招募一个人要安全得多，毕竟留下来的人会与你一起共事五年。

我去年收到了 700 份简历申请，今年可能有 1000 个，而其实我需要招募的只有几十个，所以必须有条理，需要秘书去帮助整理。如果不这样的话，可能会淹没在上千份简历里，也没有办法亲自一一回复每一封邮件。

Taylor：我们要讨论的最后一件事是与企业界的合作。你怎么判断是否是合适的合作？

Bengio：没法立刻判断，都是几年后才能意识到。通常情况是双方的期望之间存在不匹配，与企业界的合作必须小心这一点，你需要明确告诉对方，学术界的人可以为他们做什么而不能做什么。重要的是让他们明白学术不是廉价劳动力，也不会产出产品，而是可以创造一些能改变商业模式的想法。企业需要明白，这只是投资的一部分。他们还需要让内部人员将算法和原型转变为产品，否则合作注定要失败。说实话很多人不愿意听到这些，因为这意味着企业要花更多的钱。但是这些话不得不说。

Taylor：您是否曾经放弃过与公司的合作？

Bengio：不会。一般会发生的事情是，双方合作过之后都同意续签合作合同不是很有价值了，就终止了。

Taylor：通常合作都会有固定的时间？

Bengio：是的，这些合同通常是一年，两年或三年。

Taylor：最后您还有什么想要分享的内容吗？

Bengio：倾听你的直觉。许多人缺乏自信，因此他们错过了机会。作为研究人员，我们的主要工作是提供有意义的想法来推动知识进步。这些想法隐藏在我们大脑某个地方，我们需要培养一种能力，让这些想法能够发展成熟并发布出来，因此你需要有足够的时间来思考，而不是一直编程，写作甚至阅读。多考虑一下那些让你烦恼的大问题。

Taylor：谢谢 Bengio。您说的很多东西都是我在工作几年后才明白的经验教训。但是对于有人来说，在第一年或第二年看到这些是非常有价值的。正如您前面提到过的，读博士的目标并不仅仅是管好一个实验室而已。

via www.cifar.ca，AI 科技评论编译