来源|AI科技评论

作者|刘冰一、Ailleurs

Mike Ferguson ，麻省理工学院大脑和认知科学系 (MIT BCS) 担任研究软件工程师/ML工程师。专门研究 Brain-Score(一种衡量类脑 AI 工具) 2021 年春毕业于弗吉尼亚大学，获得计算机科学与应用数学学士学位，认知科学与哲学学士学位。

图注：Mike Ferguson

在本文中，Mike在麻省理工学院人工智能实验室分享了一年的学习 5 一些事情，包括他对生活、成功和知识的看法，希望你觉得有趣或有用。

1

『承认你的盲点，质疑一切』

Mike在麻省理工学院院开始工作 UVA 毕业后，他主修计算机科学和认知科学，辅修哲学和数学。他感觉很好。然而，当他第一次参加麻省理工学院周会时，他目瞪口呆——他发现自己最了解讨论的内容 10-20%，在接下来的几周里，他怀疑自己的生活:智商太低，不配进麻省理工学院吗？为什么看起来只是不懂？

Mike注意到，实验室最聪明的人总是不断地提出问题，就在第一周，他遇到了他 5 或 6 个研究 AI 与神经科学交叉的人，研究 AI 与神经科学的交叉点比他活得更长。即使他们几十年来一直专注于该领域，甚至达到了绝对的巅峰，但仍在不断提出问题，解决问题，验证假设。

他明白，他来麻省理工学院的目的是不断解决他不明白的问题。他放弃了伪装自己，承认自己不了解目前的工作进展。

从不停止提问，每一个问题都代表着一个机会——可以缩小理解差距，提高知识。充分了解自己现有的知识，思考对立面是什么，才会拓展自己的知识边界。总是支持同事的观点，总是希望别人知道他们有多聪明缺乏安全感。在没有认知冲突的安全环境中，你只会把自己放在温水煮青蛙的地方。

不要想为什么要问，但不要停止问。当你思考永恒、生命和现实背后奇妙结构的奥秘时，你不会感到敬畏吗？这是人类思维的奇迹——用它的结构、概念和公式来解释人类的所见、所感和所触。

现在，如果他被问到一个问题，他会很快反映我不确定，我必须调查或很好的建议，我必须做更多的测试来确认。

2

『有时直率效果更好』

不要粉饰狗屎——它只会阻碍科学进步。我们没有时间胡说八道。

当他被告知在麻省理工学院实验室工作时，Mike想起本科期间遇到的麻省理工学院 EECS 获得学士学位和博士学位的教授。他跑去问教授很多问题：麻省理工学院怎么样？ UVA 异同？奇怪的蒂姆·比弗（Tim Beaver）为什么波士顿的价格这么贵？……

教授告诉他很多很棒的技巧，但他特别记得他的警告：在麻省理工学院，直率无处不在。如果你有一个愚蠢的想法，人们会告诉你。如果你不擅长你所做的，人们会告诉你；假设你是垃圾，对方会在几个人的房间里指出你。

Mike几个月后，当他召开第一次实验室会议时，他写下了一本小书，并学会了它...他有一些想法，被大家告知不成熟；他犯了一个技术错误，被人直接叫了出来。麻省理工学院的每个人无论你是在这种情况下——《Science》上发表了 13篇论文13篇论文。这似乎是麻省理工学院会遇到的一种文化。事实上，如果观众不断地插话和提问，这甚至被视为一种尊重——这意味着他们很感兴趣！如果没有人打断你的演示，那可能是一件无聊的事情。

探索知识，促进科学前沿MIT是神圣是的，这种坦率客观的反馈尤其受到尊重。MIT，直接沟通的时间和地点是随时随地的。你可以专注于工作，而不用担心批评对你自己。他们只是对工作的批评。在过去的几个月里，Mike随着时间的推移，和客观的反馈，随着时间的推移，这一领域的知识提供了最大的物有所值。

我们尽最大努力学习，那么为什么不拥抱批评的直观反馈呢？

3

『学徒心态』

反复的失败会让你的精神变得坚强，并以绝对清晰的方式向你展示你必须做什么。

Mike有一种坚持 3 年多的 Book-a-Week 挑战。在过去的四年里 170 许多关于人工智能、哲学和人类意义的书籍。

他从书中得到的是，要想成为某件事的大师，真正了解一个领域并产生影响，就必须经历发展的各个阶段。完成正规教育后，可以进入学徒阶段，必须学会做事的方式和规则(无论是明确的还是隐含的)。持续 3 年到 10 年以上，进入创造阶段，在这个阶段可以扩展和发挥自己的创造力和独立性。最后，当你进入掌握阶段时，掌握一门学科或领域是一种投资。通过掌握一门学科，以有意义的方式发挥你的潜力。这是对未来幸福和成就的投资，也是避免陷入死胡同或随着年龄的增长而感到不快乐的一种方式。

在深入学习人工智能/神经科学领域，Mike我觉得我正处于学徒阶段，用他最喜欢的作家Robert Greene换句话说，接受理想的学徒制度。提出问题，渴望寻求知识，在学习事物时永远不要有优越感——任何与你自己领域相关的东西，甚至是看似无关的东西，都值得学习。

4

『成为一名有自主意识的工人』

人工智能能否体验情绪是一个非常有争议的话题。他写了很多文章，惹恼了他的实验室伙伴，还没有接近答案。「我只知道我们是人类，有几千年的进化遗产。我们的幸福、悲伤、希望、胜利和失败的情感或思维是非常独特的。它们使我们成为人类在人工智能中，事情也很难复制的东西很快。」

我们大脑的故障比正常运行多。多巴胺水平可能失控、病变、信号丢失或重定向不当……故障列表几乎是无穷无尽的，我们都会犯错误，这是一件普通的事情，我们所有的情绪都是有价值的，是人们可以区分类脑系统和机器的重要组成部分。

在这个美丽的星球上，我们一直是一个有意识的人，一个能思考的动物，这本身就是一个巨大的特权和冒险。

想想之前已经被历史遗忘的所有故事，生存、爱情、苦难、逆境等主题在几个世纪中回响，独特的思维是时空里永恒且独特的纪念。所以，不管你生活中发生的任何其他事情，无论好坏，不管日常无聊的生存任务，不管你个人的得失：只要记住，成为一个有意识、有工作的人是一项伟大的壮举。

5

『科学是一种思维方式，而不是知识体系』

最近，美国各地出现了一种反科学的氛围，这在很多方面都令人不安。·萨根（Carl Sagan），在 1996 这一现象已经被惊人地预测到：

我对子孙时代的美国有一种预感——当时，美国是一种服务和信息经济，几乎所有的制造业都转移到其他国家；令人敬畏的技术力量掌握在少数人手中，代表公共利益的人甚至无法理解这些问题；人们失去了制定议程或明智质疑当权人的能力；人们的批评能力下降，伪科学和迷信的轻信陈述泛滥，人们几乎无意识地滑回迷信和黑暗...

——卡尔·萨根的《恶魔出没的世界:科学就像黑暗中的蜡烛》

对科学事业本身的怀疑似乎越来越流行，如何对抗这种反科学之风？Mike根据在MIT至今观察到的事情提供了一些见解。

首先是上面第一章说的——质疑一切。没有什么可以避免审查和合理的怀疑。当你看到一篇文章时，首先看看是谁写的，看看他们以前的工作，是否有资本推广。在得出结论之前，请参考来源进行交叉确认。问问别人为什么要争论，你能得到什么。如果论点对历史有偏见，那么你可能只看到事物的一面。

第二，分析据，寻找逻辑中的常见错误，比如人身攻击、不合逻辑的推理，选择和确认偏差（其中选择性偏好最为要紧，因为它产生的深远影响难以被发现）；跟随作者提出论点的过程，确保论点在哲学上是有效的（correct，前提正确）、合理的（sound，结论从前提中得到）；警惕错误的暗示、毫无根据的主张和被人为控制的图表数据；要为所有论断寻求证据，没有证据就可以断言的东西，也可以在没有证据的情况下被驳回。

最后，认识到人都会犯错。数据往往不完整或有偏差，新的证据出现可能会冲击原本立论。思想是可以改变的，也应该去改变。成熟的做法是——面对新的事实时，让旧观念消失，并承认所犯的任何错误。

图片来源：Greg Rakozy

Mike希望这些建议可以帮助我们在这个看似“后真相”的世界中找到方向，学会深入挖掘论点，对结论的得出方式进行分析。科学是一种思维方式，是开放思想和怀疑主义之间的微妙界线。关键是，只要稍加实践，科学就能深刻地影响一个人的世界观。

参考链接：

https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31

一起交流

想和你一起学习进步！『NewBeeNLP』目前已经建立了多个不同方向交流群（机器学习 / 深度学习 / 自然语言处理 / 搜索推荐 / 图网络 / 面试交流 / 等），名额有限，赶紧添加下方微信加入一起讨论交流吧！（注意一定o要备注信息才能通过）