本文经AI新媒体量子位授权转载（公众号ID：QbitAI），转载请联系转载来源。“机器学习太难了！”“跑了三个月GitHub模型代码，快崩溃了！”“我还有一个博士生会议，恐怕！”发出如此绝望声音的是一名本科生，一开始他是兴致勃勃地参加了机器学习兴趣小组。可谁能想到，变成了入ML深似海的局面，从此根本帮不了别人。Reddit上的一段“吐槽”引起了网友的极大关注。非常好奇。一个接触过主流机器学习的本科生，秃头到底是怎么回事？为什么ML让这个本科生如此悲惨？这个“痛苦”的故事是这样的。起初，这位本科生同学自愿加入了一个“机器学习小组”，然后被指派协助一名博士生。学生。从去年9月份开始，博士生就给他布置了一些与“知识图谱”相关的任务，让他去实现。问题就从这里开始出现。这个本科生用了3个月的时间才把GitHub上的一些模型的代码跑通了。不仅如此，我还苦苦抱怨：在此之前，我花了无数个小时来理解预处理和评估相关的代码。结果如何？我仍然无法弄清楚如何使这些ML代码起作用！他已经很心疼了，没想到，更让他崩溃的事情，来的这么突然。博士生给了他一个“takeittoanextlevel”的请求——让他从一篇论文中找到另一个实现类似功能的GitHubrepo。所以本科生插入了现有的代码……结果不出所料，一团糟。原地爆炸！我已经完成了每一步，只是无法弄清楚问题是什么。Hold忍不住，“我不能再做了”……他现在每周见医生都觉得害怕，“因为我知道已经没有进展可以汇报了”。但痛定思痛后，作为本科生的他在Reddit上发了一条“灵魂拷问”：机器学习代码天生就这么难吗？我的脑袋有问题吗？你是怎么做到的？问题是什么？“一个星期了，一个问题都没解决，也没有进展汇报？”网友@santiagobmx1993提出了一个解决方案。根据实验的时间限制，本科生可以快速设定解决遇到的问题的时间。如果无法完成，他会寻求同事和上级的帮助，快速提高效率。比如你花了1天没完成，可以再花5小时找同级别的本科生一起解决。如果还是不行，试试再花2小时找博士生和导师一起解决。“我一直在重复操作步骤，就是想不通问题出在哪里？”网友@help-me-grow认为，在科研实验中，一定要寻求帮助。有时候自己看不出来的问题，有经验的人一眼就能看出来。网友@linverlan，作为一名博士生，也认为沟通很重要。对他来说，帮助本科生助理完成代码调试，解决困难，或者换一份更有趣的工作，都可以通过交流来实现。“被分配到一个完全不在研究范围内的任务，是不是比其他人差了好远？”网友@starfries表示，这位本科生可能还需要弄清楚自己擅长的任务是什么，做完之后才会有成就感。否则，给本科生布置只有博士才能完成的任务，自然会很吃力。“我的代码可以编译，但是运行时出错？”网友@todeedee提出基本技能：学习做单元测试。将机器学习模型分解为数据采集代码、网络代码、训练代码，并将代码进一步拆分成5~25行的小模块，分别调试，有助于尽快找出问题所在。“给我的一些代码我真的看不懂，这是我的问题吗？”网友@milkteaoppa认为，代码跑不起来，也可能是代码质量很差，理解困难也是如此。如果你只是想跑机器学习的代码，学习识别低质量代码和与博士生交流提高代码质量是很有必要的。“作为一名本科生，调试代码没问题，但是没有办法调试机器学习代码？”网友@TachyonGun认为，机器学习代码对本科生来说真的很难，因为要掌握很多必要的知识，比如数学。在调试代码的时候，会遇到很多数值问题，比如奇异矩阵，数值稳定性……所以，如果要跑机器学习代码，首先要学习数学知识（数值分析，应用线性代数，数学建模，概率理论/高级统计）和方法论的熟练程度（数值和视觉方法）。其实，这名本科生遇到的困难，也让从事科研的网友们感同身受：辛辛苦苦做了一个月的实验却迟迟不报任何进展，被导师无情吐槽；他们想复现一篇论文的代码，结果解决了“代码错误、编译错误、环境代码不兼容”的问题，花了很多时间……但也是这样，他们有积累了相应的经验，帮助这位本科生找到了合适的解决方案。“感谢您的帮助。”在网友的帮助下，本科生也静下心来，认真总结网友给出的建议。他找到了崩溃的原因：与博士生和其他研究人员缺乏沟通，对项目应该如何开展缺乏了解；此外，确实缺乏机器学习模型和参数设置的理论基础知识。当然，他也意识到，交给他的代码质量确实不高：不仅难以阅读，而且各个模块非常零散，难以集成。他现在决定去找博士生交流，坦白自己遇到的问题。……不过话说回来，作为一名本科生，无论是做finalproject还是进入实验室，你或多或少都会有这个“海报”遇到的困惑。有什么方法可以快速入门入道？清华特等奖本科生的秘密在于，一些学生作为本科生，已经掌握了四篇论文。这是清华特等奖获得者高天宇的真实经历，发表的4篇论文都在AI峰会上：两篇AAAI，两篇EMNLP。这些科研成果他也有话要说，不过都是实打实的干货分享。比如高天宇给出了让这位本科生崩溃的“拖延压力”的解决方案，让很多人同样难以启齿：经常高负荷做实验的同学，忙的时候可以切换任务，也可以Record缓解日常工作拖延带来的心理压力。此外，还有一个似乎违反直觉的建议，那就是把事情推迟到明天。这不是鼓励拖延，而是让你从忙碌的一天中解脱出来，想想明天也许会有更好的解决办法。并且，高天宇还建议大家多和自己的导师和前辈多交流，他们对过去的研究有更深入的了解，实验经验也更丰富，可以让你少走很多弯路。当然，如果你想加强自己的机器学习基础理论，高天宇也给出了一个快速阅读论文的方法：大部分论文只需要阅读摘要，然后快速分类。如果你真的觉得有帮助，那就按照下面的结构来分析吧。摘要：研究意义（包括前期研究、研究缺陷）、研究方法、研究结果简介：主要原理（解决了什么问题）相关工作：文献综述方法：详细实验：打脸专用（纸质试金石）结论：基本无用（重复摘要）的文献管理工具也是必不可少的：Nature：三步走成为“本科生研究员”除了高天宇个人的“秘密”，Nature还发表了相关的“本科生科研”文章。Nature在文章中指出，本科生参与科研项目是一流大学的普遍现象。更具体地说，比如在MIT，这个比例超过了90%。从课堂教学到实验室生活，确实是一个巨大的转变。对此，Nature认为，在这个转化过程中，通常会经历三个阶段（并不适用于所有人）。第一阶段是“不懂就搞科研”。对于刚来的本科生来说，做什么肯定是第一个问题。而且正在做某个实验，其背后的原因和本质可能不是特别清楚。第二阶段是“在理解的基础上做科学研究”。Nature说，在这种状态下从事科学研究的学生，往往是实验室想要留住的人才。他们会在实验室外投入更多的时间和经验来观察实验的局限性。这将有助于提高参与团队的意识。第三阶段是“学生研究”。这个阶段的学生像研究人员一样思考：提出新的问题和假设，计划新的实验进行测试，等等。Nature认为这个阶段的学生对实验室的贡献最大。此外，Nature还进一步提出了一些详细的建议，比如时间管理、适当的研究和休息时间、批判性阅读、记录的习惯等等。。。最后，作为一个正在经历或者已经走过来的人，你遇到过类似的问题吗？
