树洞回答 | 每一种情绪都值得被看见

(本文阅读时间：17分钟)

那些在聊天框里输入又删掉的话，那些在微博小号里才能记载的心情，那些在朋友圈仅自己可见的动态，那些在计算机领域科研、学习、生活中遇到的难题，一直在线的树洞接收到了你们的信号。

在将树洞收到的内容筛选、归类后，我们为提问的你匹配到了微软亚洲研究院中合适的解答者。

其中，有来自职场的困惑：如何在工作和生活的双重内卷下自我排解？也有来自未踏入社会的同学们的疑虑：如何快速增强科研实力？研究过程中，如何更好应对难以深入问题核心、找不到方向时的迷茫？还有来自文学、遥感等跨领域的学术思考。

听一听树洞连接到的第一波回复，希望这些真诚的回应能够成为大家科研生活中情绪负担的舒缓解药。

这些都是非常好的问题，非常值得探讨。我深切理解同学们在做研究时所面临的迷茫和焦虑。作为一位“过来人”，我对这些问题感同身受。即使到现在，我也还在不断思考和探索如何将研究做得更深，如何把握未来趋势。这些问题没有绝对正确且统一的答案。不过，身为一名长期在计算机系统领域工作的研究员，我确实积累了一些个人心得。借此机会，我想将这些经验分享出来，希望对大家有所启发。

正视困难，接受挑战

严肃的研究是非常具有挑战性的。我还记得在与沈向洋博士的一次闲谈中，他曾谈到过做研究的困难，大致的观点是：取得扎实的研究成果非常困难，而且这并不会因为你以前做出过好的结果，下一次就会变得容易。他的这些话减轻了我的焦虑，原来一流的研究员也会觉得研究很困难啊！之后我在自己的研究项目中也体会到，在面对一流的研究问题时，人人平等，问题本身并不会因为研究者的资历而变得更容易。有鉴于此，面对困难，我的建议是首先要坦然面对。在科研过程中“面对未知，找不到前进方向”是常态，而找到突破点实际上才是罕见的。接受这一现实，在研究过程中我们的心态就会更加平和，避免浮躁。

积极思考，厚积薄发

在进行研究时，我们经常会遇到对新领域不熟悉，难以找到合适题目，或者老师给了题目也无法深入开展等问题。到现在我和我的同事还有实习生们也时常会陷入这样的困境。但在实际工作中，我发现一些思维技巧可以帮助我们脱困而出。

首先建议采用追根溯源的思考方法——多问为什么。当面临问题时，要问自己为什么会遇上这个问题？当想到某个方法时，可以问自己为什么会考虑这个方法？对某个方案，要问自己为什么它与众不同？为什么它可能行得通，又为什么可能行不通？持续追问，直至问题的答案可以归约为领域中某个公认的设计原则（比如系统设计中的 separation of concern，modularization, layering，minimization 等原则），或者问题/答案可以被形式化，并用准确的数学语言加以描述。通常到这个阶段，我们对这个问题的理解就比较深刻了。

另一个思维技巧是将问题抽象化（abstraction）。思考这个想法是否可以用更抽象的方式描述？它是不是代表着一类更普遍、更通用的问题？例如，在研究深度学习集群调度和深度学习编译器的时候，我和同事们常问自己：“是否可以采用更通用的技术，而不仅仅局限于深度学习这一特定场景来解决问题？”最终，这种思考方式指引我们通向了更底层的专门的技术方案。还有一个方法是从多角度思考同一问题。比如想证明一个问题时，多问自己是否可以证伪这个问题。在考虑编译技术时，是否可以从作业调度的角度来解决。

在思考过程中遭遇瓶颈时，与其他同事、同学交流往往也会带来帮助。我发现在一个开放、放松的环境中和同事交流，有时候可能只谈了一下手头的工作，就能激发新的灵感。此外，暂时放下问题，转换思维，也有助于打破思考上的僵局。在工作中，我和我的同事通常都是多线程工作，一个问题解决不了那就去思考其他问题。我个人在某些问题上花了几年都没有进展，但可能在一个契机闪现时突然就有了眉目。

综上所述，保持积极的思考态度并灵活运用各种思维技巧对学术研究大有裨益。通过前面提到的这几个方法，我们可以让自己更深入地思考，真正沉淀下来，最终取得突破，厚积薄发。我相信，幸运之神会眷顾那些准备好的人。

保持激情，勇担失败

研究中遇到挫折和失败，容易让我们患得患失。然而，持续的负面情绪不仅对身心健康有害，还会削弱我们对研究的热情和创造力。因此，如何应对负面情绪至关重要。在面对挑战时，我个人的体会是要保持好奇心，专注于深入理解事物的本质，而非只关注简单的成败。在研究过程中，弄清楚某个现象背后的原因比仅展示结果更为重要。因此，当遭遇失败时，我们应努力理解失败的原因。随着对问题的理解逐渐加深，别人无法感知的见解才能被探寻。这种深刻的洞察力往往是通向新大陆，实现重大突破的起点。

此外，保持研究的激情是长期坚持、实现厚积薄发的重要原生动力。但如何找到并保持研究热情是一个非常个人化的问题，每个研究员可能都有自己独特的答案。我们可以尝试从自己热爱的领域、感兴趣的问题出发，寻找激发研究热情的源泉，从而在研究道路上走得更远。

预测未来，引领潮流

仅凭激情是难以长久的，与科研成果伴生的成就感才是我们不断前行的根本原因。对于新入行的同学，在顶级学术会议上发表论文是一种成就感。但随着时间的推移，相比于论文发表，科研人员们更希望自己的成果能够产生广泛的影响，甚至改变某个领域的思维范式。做出扎实、有影响力的研究工作是每个科研人员孜孜不倦追求的目标。

在这方面，我非常认同微软亚洲研究院“老一辈”研究员，微软亚洲研究院常务副院长、微软杰出首席科学家郭百宁博士的观点。他一直鼓励我们要勇敢地预测未来，努力成为引领潮流的研究员。他会引导我们思考：未来5年甚至10年内，你所从事的领域将会发展到什么程度？为了实现这样的发展，最重要的技术障碍是什么？你当前的研究是否在扫除这些障碍？妥善地回答这些问题有助于我们开展有影响力的工作。他还特别强调不要害怕预测错误，因为正如前文所述，“勇担失败”，对失败原因的深刻刨析通常会带来突破的契机。相反，若只是跟随别人的步伐，则很难做出开创性的工作。

在勇敢地预测未来这方面，研究院的高级研究员胡瀚是一个出色的榜样。在闲谈中，胡瀚说他相信“注意力”机制（Attention）在计算机视觉（CV）领域将发挥基础性作用。基于这一预测，他和团队成员进行了长达数年的高强度研究。在当今研究节奏极快、项目通常需在数月甚至数周内见效的 CV 领域，这无疑是一个勇敢的举动。正是这种对未来的预测，让胡瀚和他团队的同事们做出了 Swin Transformer，该成果不仅在学术界获得认可，斩获 CV 领域的最高荣誉马尔奖，而且在工业界，CV 领域的各个子任务也常常将 Swin Transformer 作为标配之一。

以上仅仅是我个人的体会，难免存在疏漏和谬误。但我希望它们能够对同学们产生一些帮助。要强调的是，每个研究员都有自己独特的经历和心得。探索科研之路，关键在于不断学习、实践和反思，逐渐形成自己的研究方法和思维模式。在科研生涯中，培养自己的创新能力、批判性思维和解决问题的技巧是一个长期、渐进的过程。与此同时，大家也需要逐渐学会与团队合作、与同行交流。在科研过程中，需要不断调整自己的心态，乐观地承受失败，保持研究的热情和好奇心。

科研是一条充满挑战的道路，但正是这种挑战才使得科学研究如此吸引人。在不断努力、尝试和取得进展的过程中，我感受到科研真正的乐趣在于探索未知、发现新大陆。长期深耕一个有挑战性的问题，最终获得答案，这比简单的世俗认可更能带来满足感。我相信这也是广大科研工作者能够耐住寂寞，长期奋战在各自科研领域的根本原因。

首先，建议多刷 arXiv/ Google Scholar 推送/ 近期的顶会论文集，我自己的感受是多读读论文就会发现“很多idea”往往是“已经被很多人做过的 idea”，不过这也不是一件坏事。每一篇优秀的论文都有它对于一个问题或一个 task 的 insight，也都有它的局限性；对于同一个 idea，不同研究者的实现方法和探索到的内面往往也是有区别的，你反而可以从中更全面、深刻地理解一个 idea。以我所研究的计算机视觉/图形学方向来说，每年的 CVPR、SIGGRAPH 等顶会上，也不乏同样一个 idea 分别被不同的 paper 以不同的角度挖掘，把这些相似的 paper 放在一起对比阅读，同样非常有助于对 idea 的深度发掘，找到本质的研究问题。

其次，如果调研完文献之后真的有很多看上去都可行的 idea，那么（尤其是在早期研究生阶段，经验还不十分丰富的时候）建议仔细思考后集中攻克其中一到两个，而不是全面出击，防止“这个也想做，那个也想做，但是最后哪个都没做成”。我自己的经验是在初期的研究生涯中尽早的得到一些反馈，对于后面做出优秀的工作是非常有帮助的。这个过程中，和导师/ 前辈/ 厉害的师兄师姐交流也十分重要 ，有助于确定哪些 idea 是真正值得做的，哪些则不是特别重要的或者甚至是歧途。

最后，（纯理论方向除外 ）大多数 idea 并不存在所谓的“停留在理论阶段”，目前计算机还是一门以实验为主的学科，理论都是通过实验不断完善的，需要不断地“learning by doing”。建议可以准备一个便利贴（App 里的也可以，比如 Windows 自带的 sticky notes)，把实现 idea 这个大任务拆解成很多小任务，一项一项地完成。在实现过程中，如果真的受限于动手能力碰到了一些困难，建议通过阅读类似方向/ 类似 idea 的经典文章的开源代码学习实现。

首先应该了解“卷”和整个经济大环境密不可分，经济周期处于紧缩下行，经济总量增长缓慢，再赶上毕业生数量处于高峰期，在有限的资源竞争中，内卷就会产生。但如同月亮的阴晴圆缺，经济周期有其固有规律，有下行就有繁荣。所以请保有信心，期待经济的下一轮繁荣。但无论处在什么周期，我们都应该让自己拥有核心竞争力，这需要不断思考、学习什么方向才是未来社会真正需要的核心技术，并为之努力，成为专业人才，避免无效忙碌，被其他技术降维打击。拥有核心竞争力的人才无论何时，也不论是去高校、企业还是创业，是在国内还去国外发展，都会找到让自己发光发热的舞台。

科研是一条不断探索和学习的道路，开始的时候你可能会遇到一些困难和瓶颈，但只要坚持不懈地努力，相信你一定可以找到合适自己的方向，并成为一名成功的研究者。以下是一些可以帮助你继续增强科研实力的建议，以供参考：

首先，合理利用学校的资源是非常重要的。例如参加校内科研项目，或者与教授、导师多多交流，了解他们的科研方向和研究领域。他们的宝贵经验和见解肯定很有参考价值！其次，关注科研相关的公众号，多逛逛国内外知识分享类的社交平台也是很好的选择。这些平台可以让你实时了解前沿的学术工作，从中探索自己可能感兴趣的领域，学习其他研究者的经验和见解，拓宽自己的思路和视野，从而辅助你增强自己的科研实力和研究水平。

首先，有大量 GPU 资源固然好，但也不是所有工作都需要 GPU 资源，比如不在 GPU 训练的盘古模型，很多基础算法研究也不需要大量 GPU 资源。如果放宽眼界，遇到困难努力思考解决方法，我们不难发现方法总比困难多。另外，课题的大小也和研究能力相匹配，等科研水平逐渐提高，才可以更好、更有能力地承担更重要的项目。

既然你的想法“有点乱”，那就让我们先来总结一下你面临的主要问题有：

（1）学术氛围不够

（2）计算资源不足

（3）不确定将来的方向（算法/开发）

几点建议：

（1）如果有条件，建议利用暑期或者项目相对不忙的时间找一份工业界（这里指的是相对成熟的独角兽/大公司）的实习。这样一方面可以体会到工业界实际的工作，另一方面，目前工业界具备更充分的计算资源，周围也有很多有工程/研究经验的同事，有助于你学习到更多的代码经验，实现自己的研究想法。如果导师不允许或者项目很忙，也可以试一下目前很多工业界公司提供的兼职/远程实习机会。

（2）关于算法/开发：目前计算机领域的趋势是算法和工程越来越“不分家”。一方面，算法工程师仍然属于“工程师”，往往也需要具备一定的（甚至很好的）工程开发能力。另一方面，大模型的火爆使得工业界研究的范式会产生很大的改变：以往需要很多独立算法模型设计去完成的任务，会在一定程度上被大模型取代。大模型的模型结构本身相对稳定，而如何把大模型训起来（足够的计算资源），训得快（优秀的系统架构及工程实现），训得好（高质量的数据闭环）将会是一段时间内的重点能力。

（3）鉴于问题中描述的学习及科研氛围，如果真心对科研有兴趣和热情，建议认真且慎重的考虑硕士毕业后攻读博士学位。

微软亚洲研究院一向秉承着多元与包容的理念，期待着来自各种不同学科和文化背景的科研人员和同学们的加入！非科班出身的同学想要进入微软亚洲研究院实习，不妨参考以下建议：

首先，你可以通过关注微软亚洲研究院官方网站（https://www.msra.cn/zh-cn/research-groups）了解各个研究组的研究领域，并通过微软学术合作和微软亚洲研究院公众号获取最新的实习生招聘信息，明确自己感兴趣的研究方向或课题。

接下来，你可以自主学习或参加课程，理解掌握相关的计算机知识，从而更好地提升自己的学习能力和综合素质。

除此以外，最重要的是通过官方渠道大胆投出你的简历。你也可以在线上或线下“学术追星”，在微软亚洲研究院举办的学术活动中，如近期我们举办的 Ada Workshop，与希望合作的导师或实习生建立联系、请教经验。

滴！第一批焦虑与困惑已被树洞吸收。

你的释放以及前辈们的经验分享，都是为了让大家以更好的状态迎接未来的生活！

树洞将持续在线，有更多问题想讲给树洞听？请点击下方链接。

你也许还想看：