學習新知識的過程中需要用到更多的新知識,怎麼平衡?數據集沒有公開時,怎麼處理論文中的算法? | 知乎問答精選

 

A-A+

學習新知識的過程中需要用到更多的新知識,怎麼平衡?數據集沒有公開時,怎麼處理論文中的算法?

2019年06月13日 知乎問答精選 暫無評論 閱讀 4 ℃ 次

例如:您在學習知識 A 的時候,需要用到 B,而 B 又要用到 C,這時,您會怎麼平衡它們的學習呢?

還有一個不知道怎麼表達的疑問:

做 research 的時候,研究有可能與實際(如沒有相應的環境)脫節,這時,怎樣才能避免「誇誇其談」?

【蘇椰的回答(13票)】:

感謝邀請。我不太擅長回答方法論方面的問題,因為研究方法因人而宜,以下回答未必放之四海皆准。

(1)您在學習知識A的時候,需要用到B,而B又要用到C,這時,您會怎麼平衡它們的學習呢;

任何領域的知識都是一個無窮集合,不可能全部學完。所以,「先學完B,再學A」這樣的方法,根本就不可能實現,因為你永遠學不完B,而別提B可能還要用到D,D還要用到E……所以,如果是學A,那就學A,遇到需要B的地方,就把B中急需的那一部分搞懂,突破了障礙,然後再繼續學A。在這種情況下,對A的focus非常重要。

(2)對於數據集沒有公開時,您是怎麼處理論文中的算法?

這取決你要用他的算法做什麼,是驗證他,還是懷疑他,還是改進他,還是要用你自己的算法跟他比較?如果是驗證或懷疑,那就只能發郵件跟作者要數據集,不過這種情況比較少吧,除非你是審稿人,否則幹嘛要去驗證他?如果是要改進算法,這就另用一套數據集,然後用他的算法,和你改進後的算法,同時去跑這個數據集,並且在文中註明,因為得不到原文的數據集。如果是對比的話,與改進類似。

(3)做research的時候,研究有可能與實際(如沒有相應的環境)脫節,這時,怎樣才能避免「誇誇其談」

這個某種程度上就是靠忽悠,幸運的是,基本上任何領域都不是一個人在忽悠,而是一大群人在忽悠,否則也不會成為一個領域了。這樣的結果就是,即使你無法成功地忽悠圈外人,但如果你做得好,起碼在這個圈子之內,是有credit的。這不就行了麼,其實整個科學也就是這麼回事,仔細想想的話,往火星發射一個小車很有用嗎?某種程度上來說,科學就是人類的某種自娛自樂,理由都是製造出來的,不必那麼糾結用是否「有用」。

【珵cici的回答(7票)】:

謝邀。

1) 根據問題描述,覺得最重要的是學A。那麼我覺得對B和C只要建立在「我所知道的B和C足夠使我弄明白A」的基礎上就可以。如果時間不夠我就不會刨根究底地去研究B和C。

2) 我也很愁這個問題。而且大部分數據集都不公開。我們專業還有一個策略就是要對方的代碼,然後在自己的數據集上跑。 不過人家也經常不搭理我們就是了。

3) 我覺得是個很常見的問題。有不少researcher做的東西都是「看似很有novelty,沒有我也給你掰出來」,但是實用價值不那麼多。但是有個別人就是能因此當到教授等。其實所有用他的研究成果的人,就是和他做近似研究的人,引用他的paper而已。?

但,很多領域裡學術界都領先工業界5-10年,保不準10年之後工業界一個人發現了10年前的一個研究雖然10年前沒有實用價值,但10年後大環境變了,是個很好的應用時機,於是成就了一代新產品。

綜上,我覺得「誇誇其談」是避免不了的,做研究的人就得想辦法sell自己的paper。你有特別新的idea還好,不然就只能是「相近的東西我用了某種新方法比別人做的好」。 如果真心希望別人來用自己做的東西(我就喜歡這樣),畢業之後去工業界腳踏實地做事兒吧。

【Hugh Zang的回答(0票)】:

這3個問題,尤其是第1個,我覺得是完美主義者才會提出的;看是否從這方面找些資料來看看能否解決你的問題?

(抱歉,沒有直接回答問題,但還是想說這麼一句:))

標籤:-學習 -蘇椰 -學習方法


相關資源:




給我留言