转自 | 机器之心

在近日举办的 X-Talk 上,美国工程院外籍院士、小冰公司董事长沈向洋博士分享了自己过去三十多年做科研的体会。

日前,首届 X-Talk 于 2020 年腾讯科学周期间在腾讯北京总部举行。本届 X-Talk 以「好奇心」为关键词,介绍「人工智能」和「基因编辑」两项即将影响人类社会的先进科技,邀请到了多位科学家、学者参与。

美国工程院外籍院士、小冰公司董事长沈向洋博士分享了自己过去三十多年做科研的体会。

以下是沈向洋博士的演讲全文,机器之心做了不影响原意的整理:

我 PhD 毕业后,想像导师一样以后做教授,先助理教授、副教授,然后教授这样,一条大路向前走,一直希望做一个教授。但事实上回过头来看,我过去这二三十年的整个过程发展,更加像是一条弯弯曲曲的道路。

今天我想给大家分享七个自己的经验和教训,我大概两年前在 Linkedin 上写了一篇文章,也做了一个总结。

一、你做不了所有的事情

第一件事情,当你职业生涯刚刚起步的时候,一定要明白你不可能做所有的事情,你可能有很多很多的想法,但是不见得什么事情都可以做到。

就像我刚才讲的,我一直想做教授,但是我在最后一刻改变主意了,我一个朋友说服了我去参加他的 start-up。他是这样说服我的,我跟他在车里谈了四个小时,他叫 Eric。他说:Harry,我最后终于明白了,你想当教授。他说:那简单,你先参加 start-up,先去赚很多很多钱,我给你的母校卡内基 · 梅隆捐一个 Harry Shum Professorship,指定你是第一个获奖人,这样的话你可以给学校再捐一个 Harry Shum Robotics Center。

当然这件事情没有发生。

事实上我后来参加了这样一个 start-up 以后,很快又加入了微软。当时很重要的一件事情,就是第一个孩子出生了。当时我想了一下两件事情不可以同时成立的:做 start-up 和带一个小孩子。但是孩子生出来了以后,你就没有办法去 Get rid of(摆脱),所以你只能 Get  rid of start-up。这是第一个 lesson。

二、钩深致远

第二个 lesson,其实人一生的职业旅程非常长,首先我们职业生涯刚刚起步的时候,非常重要的一件事情就是在自己的专业一定要做得很深,你一定要有一件事情、某一个方向,大家知道你做了点什么样的工作。

我自己非常幸运参加微软,博士以后在微软研究院的时候,跟很多的同事,当时计算机视觉领域中非常优秀的工程师和科学家一起工作,包括待会儿上台的张正友博士,一起做了很多方面的工作。

我自己做的一个方向叫做 Motion Estimation,特别当时做全景图,就是 Panoramic Image,拍了几张照片以后把它拼起来这样。我也很自豪地跟大家讲,今天大家用手机拍全景图的时候,说不定也用了我们的技术。这件事情很重要,特别是你刚刚起步的时候。很多人忘记了,如果你不在某一个方向做到足够深的话,大家就记不住你

三、会讲故事很重要,对科研亦然

第三点我想重点讲一下,就算是对工程师和科学家来讲,除了你专业做得好以外,最重要的一件事情大家不要忘记,就是一定要把故事讲好,story telling is the most important

我一辈子听过很多了不起的演讲。很多很多年以前,在 SIGGRAPH 会议上我听过一个 keynote,是迪士尼的 VP of Imagination Engineering 做的演讲。为什么讲故事很重要?他说你在迪士尼看了那么多的电影、那么多的动画,不同的历史阶段,从二维动画到三维动画,到现在 VR 这些东西。这些实际上都不是最重要的事情,最重要的是大家喜欢迪士尼是因为迪士尼背后的这些故事。

对我们很多科学家、工程师来讲,我们也经常要做一些报告。大家做报告时,可能里面写的字非常非常多。我自己很幸运在很年轻的时候,研究生阶段就有机会参加了 SIGGRAPH,1995 年。这是我好朋友 Eric Chan 的报告,这是我一辈子见过的技术 Presentation 里面得到掌声次数最多的。他当时在苹果公司,写了一篇文章叫 QuickTime VR,当时我在苹果公司做实习生。Eric 在台上,他有特别的 Style,整个十几分钟的演讲,一共有八次掌声,我记得我在台下看着 Eric 演讲的时候,觉得非常了不起。一个中国人讲一口台湾腔英语,能够让大家有八次掌声,这非常非常了不起。所以我就想在这里跟大家讲 story telling 非常重要,比如做 presentation,一张 slide 上面不应该超过七行字,多了以后大家看不清楚也搞不懂,这些东西都非常非常重要。

四、有检验才能有收获

第四个 lesson,我想给大家讲的是一定要有目标,You get what you measure,一定要清楚自己最后要追求什么。

我自己非常荣幸,2004 年开始担任微软亚洲研究院院长,当时我们定下来的目标,就是说一定要成为世界上最了不起的研究院,后来我们也基本上达到这样一个目标。我记得 MIT Technology Review 曾经写过一篇封面报道叫《The World’s Hottest Computer Lab》。那篇文章出来时,我正好在美国出差。美国机场这些地方有专门卖杂志的,我当时不知道 MIT Technology Review 的文章会出来,封面上就是我两个同事的照片。然后我就看看那个卖杂志的女士,我就跟她讲「May I have all your copies?」那个女士很高兴,先收了我的钱,然后问我「May I ask why?」然后我就很自豪地跟她讲,我说「Look, those two people on the cover, they work for me.」所以你一定要有一个远大的目标,做了不起的事情。You get what you measure.

五、把握可控的,留心可见的,余下顺其自然

第五个 lesson,其实是我这么多年工作,特别是后来从研究部门到了产品部门以后,对处理所有问题的复杂性有了更深刻的认识以后,自己创造出来的一段话,叫做「Control the controllable, observe the observable, leave the rest alone」。

我本科的时候念的是自动控制专业,大家有一些控制理论背景的话,就会对这个句式很熟悉。因为当时我从研究院调出去以后,到微软的产品部门做搜索引擎,做 Bing。我们的工作当然就是跟谷歌竞争,跟谷歌竞争当然不是开玩笑的事情,大多数人都会觉得跟谷歌弄的话下场肯定是很悲惨的。但是我很自豪地跟大家讲,现在微软 Bing 这样一个业务线的话,一年也挣 100 亿美元,所以我们其实做得还是相当不错的,在美国超过三分之一的搜索量来自于 Bing。

当时大家就在想:一个研究院来的人,他怎么可以去带产品线?所以我当时就在想,作为一个新兵到产品部门去工作,大家都问:你到这里来也没有做过产品,你可以给我们带来什么?我说我也不知道可以给大家带来什么,但是我想我至少可以跟大家保证,等我哪天离开这里的时候,大家会 remember me as the VP who knows how to party。

所以你一定要想到,你自己有哪些地方可以去 motivate 大家,可以把大家团结起来。哪些东西你自己是可以 control 的,如果你不可以 control 的话,你召集了也没有用,你就应该去观察这样的一些事情。所以在这件事情上大家一定要想。

这是我最喜欢的一张 slide,大家看过《教父》的话都会知道,Michael Corleone 经常讲,不管什么时候你遇到多大的困难,Difficult, not Impossible。Remember that.

六、所谓职业生涯,就是一系列的项目

第六个 lesson,我想跟大家分享的,实际上我自己非常有幸,当时和前同事 Jim Gray,这个你们可能还记得,1998 年图灵奖得主,以前是微软研究院的研究员,他非常非常了不起,很不幸后来他独自驾船出海失踪了。

我对 Jim 非常敬仰,因为我当时正在从研究院去产品部门工作,我就请教他。我说:「Jim,你这一生的职业生涯非常了不起,得了图灵奖,又在研究院工作过,又在产品部门工作过,好像你从来就不介意你到底是在研究院工作,还是在产品部门工作。」他就给了我一个非常好的 lesson,我还记得当时我们是在台北的一个酒店顶楼上交流。他说:「我从来不担心这个问题,到底是在研究院,还是在产品部门。Career is a series of projects,choose your project wisely. 你要选择你哪一个项目,你一生到最后的话,实际上就是你做过哪几个 projects。」

其实我的好朋友高文院士也讲过,他说你的职业生涯到了一定地步以后,大家就看你背上到底写了哪几个字,就是你做过哪几个 projects。特别是我们 50 位得奖的青年才俊,事业起步开始的时候,未来还有很光辉的道路。一定要记住,一个一个项目加起来

七、中不偏,庸不易

最后,我想跟大家分享一个,我自己觉得特别是在美国的时候,跟美国的同事讲中庸之道。我有时候讲不过老美的时候,我就跟他们讲「子曾经曰过」,然后我把我想讲的东西跟他们讲一遍。

中庸之道,Always walk in the middle of the road。当然以前的路跟现在不一样,现在都分成左右两道。但是中庸之道里面还有一件非常重要的事情,并不是你只是 walk in the middle of the road,这里更重要的一点是 keep the direction,一定要明白自己前进的方向。

演讲视频参见:

感谢你的分享,点赞,在看三连↓

沈向洋博士:三十年科研路,我踩过的那些坑相关推荐

  1. 微软副总裁沈向洋:三十年科研路,我踩过的那些坑

    来源:机器之心 机器之心编辑部 在近日举办的 X-Talk 上,美国工程院外籍院士.小冰公司董事长沈向洋博士分享了自己过去三十多年做科研的体会. 日前,首届 X-Talk 于 2020 年腾讯科学周期 ...

  2. 沈向洋博士:三十年科研路,我踩过的七个坑

    ↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货 作者:沈向洋,编辑:机器之心 在近日举办的 X-Talk 上,美国工程院 ...

  3. 思考 | 沈向洋博士:三十年科研路,我踩过的那些坑

    点上方蓝字计算机视觉联盟获取更多干货 在右上方 ··· 设为星标 ★,与你不见不散 仅作学术分享,不代表本公众号立场,侵权联系删除 转载于:机器之心 AI博士笔记系列推荐 周志华<机器学习> ...

  4. 沈向洋、华刚:读科研论文的三个层次、四个阶段与十个问题

    来源:微软学术合作 本文约6000字,建议阅读8分钟. 阅读文章不仅是大家在科研道路上进步的必由之路,也能使我们的心智不断成长,认知模型和思维方式不断完善. 沈向洋博士:如何以正确方式打开一篇科研论文 ...

  5. 【转】沈向洋、华刚:读科研论文的三个层次、四个阶段与十个问题

    转自知乎,微软亚洲研究院,文章<沈向洋.华刚:读科研论文的三个层次.四个阶段与十个问题> 作者:微软亚洲研究院 链接:https://zhuanlan.zhihu.com/p/163227 ...

  6. 沈向洋博士致2018届毕业生的公开信:计算机科学的三堂人生课

    上周五,我有幸在美国华盛顿大学计算机科学与工程学院的年度毕业典礼致辞.在这样一个特殊的日子里,能和这群才华横溢的年轻人及其亲友一起庆祝,我深感荣幸. 我认为,在计算机领域,没有任何一个时代比现在更具有 ...

  7. 观沈向洋博士论文阅读技巧有感

    观沈向洋博士论文阅读技巧有感 前述 论文阅读技巧 快速浏览 标题 摘要 引言 批判性阅读 创造性阅读 总结 参考 前述 5月14日,沈向洋博士在全球创新学院做了一堂公开课<You are how ...

  8. 微软全球AI负责人沈向洋博士:下一个智能终端的风口 | IoT in Action

    让市场闻风丧胆的"资本寒冬"据传将再现江湖,您做好携资本"过冬"的准备了吗?数年前朝阳一片的创业热潮,当前发展也不复从前,行业整体似乎陷入迷茫.此时不妨将眼光放 ...

  9. 沈向洋:读论文的三个层次

    Datawhale干货 来源:AI科技评论,沈向洋博士 作者 | 蒋宝尚 编辑  | 丛  末 5月14日,沈向洋博士在全球创新学院(GIX)课程上曾做了一场线上公开课<You are how ...

最新文章

  1. 使用angular5+ionic3+sqlite创建离线app应用
  2. [gic]-gicv3/gicv4的feature总结
  3. 亲身体验后,为你安利 3 个远程桌面控制软件~
  4. 代码与html混合,自定义的标签与html的标签混合应用_css
  5. 从控制台输入一个数 num 与之前定义的数 n 进行比较
  6. 前端学习(1366):express入门
  7. python开发基础戴歆第四章_第一阶段:Python开发基础 day04 课后练习
  8. 开发 自我介绍_对于开发者来说,自我是敌人
  9. 喜欢去知乎炸鱼?用python吧
  10. 人间妄想男神 | 王一博系列爱豆明星壁纸
  11. esp8266 继电器接线图_esp8266控制继电器问题(通电瞬间继电器吸合断开一次)
  12. 如何启用“锁定内存页”选项 (Windows)
  13. 视频时帧率达到15,人眼就感觉是连续的
  14. NPI新产品导入管理--陈新春老师
  15. 让Win7系统下的硬盘不在狂闪的诀窍【mfxp】
  16. [Vue]缓存路由组件 activated()与deactivated()
  17. 未知USB设备(设备描述符请求失败)是什么?
  18. python 艺术照片滤镜_[宜配屋]听图阁 - Python实现PS滤镜Fish lens图像扭曲效果示例...
  19. 1553B总线基础知识及扩展
  20. 怎么判断机械表上满弦_机械手表上弦是什么意思,怎么看手表有没有上满弦

热门文章

  1. [导入][转]常用CSS缩写语法总结
  2. 电子学会 软件编程(图形化)二级训练营
  3. 尚国栋:金融风控贷款违约预测(天池学习赛)
  4. Datawhale组队学习周报(第017周)
  5. Datawhale组队学习:初级算法梳理课程任务
  6. Matlab与线性代数 -- 矩阵的特征值与特征向量
  7. 遗传算法主程序(辅助)
  8. 求一个矩阵的最大子矩阵
  9. 报告!插件×元宵来啦
  10. 像数据分析一样写 Web 页面,这个 Python 库做到了!