Ep13 刘知远、吴佳俊谈人工智能研究

认真听完啦！分享一点我的notes和心得，一共两类，分别是general和AI相关。 关于research/navigate学术生涯的general tips： 1.自我探索， 调整自己的研究方向。从小的问题切入比想象中难。自己的taste是一个慢慢积累的过程，只有对这个领域有相当的理解，才能从importance，difficulty，historical context等方面一眼发现好的问题。 2. 认真踏实地做事。付出一定有回报， 但多少不能强求。因上努力 果上随缘。主动 坚持 不要斤斤计较 3. softskills同样重要。比如但不限于 communicative skills，management skills 4. 和导师打交道。主动寻求学习机会，和prof有效交流。关于在实验室打杂，参与研讨对确立研究方向也有帮助。 这点自己深有体会，比如怎么样发第一封sweet and short的邮件，甚至平时称呼，都很重要。 下面是一些关于AI领域的我觉得很有启发的问题： 1. “大模型” vs 更高层次的问题：现阶段很多模型比较粗糙，但研究更高层次更难更小众，如何平衡？两位老师提到了science 和engineering两条腿走路有些问题可能短期不能translate to money，对于在前沿的公司Google，Adobe，Spotify，Sony 的research都在关注。（仅限于我自己的领域，与NLP相关，但更注重audio，music） 2. 人 vs machine：人innate nature 通过generation pass down generation的知识可能与machine完全不同。机器不能举一反三，当然与human有壁。知识的hierarchy难以复制。这点有点像thinking fast and slow里system1vssystem2的故事。 3.现实vs虚拟 如果世界能被模拟将会无趣并且恐怖 让我想起我一直记得很清楚的一句话all models are wrong but some models are useful. 4.社科vs STEM 交叉学科现在很重要。包括心理学，neuroscience等等都会对机器学习产生影响。

🌟享受任何一分好处，也会付出一些相应的代价。🌟主动跟坚持很重要。🌟不要斤斤计较。

efz！

徐老师好

这期太好了，之前直播听了一遍，现在再听一下，支持🎉🎉🎉

吴神🧡ྀི💛ྀི❤️ྀི

37:06 目标：machines / human 29:23 science / engineering 学术界与工业界 25:17 实用主义：短期长期 融合与螺旋上升

1:10:02 自己主动真的好重要‼️

特别好的一期

36:07 首先就是说感谢分享；其次就是说，但凡您的pronunciation ，就是说更accurate 一点，您的想法也算是说更articulated。