FightingCV

V1

2022/09/04阅读:23主题:默认主题

什么样的科研是顶尖的科研?

什么样的科研是顶尖的科研?

【写在前面】

“什么样的科研是顶尖的科研?”——我想这是每个有科研品味的科研工作者都该扪心自问,或起码应该有意识去思考的一个问题。

来源:https://www.zhihu.com/question/20258360[1]


作者:魏秀参

私以为:

  • 大道至简的科研工作是顶尖的。能用极简的方式发现和揭示事物运行的规律,无疑顶尖。布鞋院士李小文曾说过,“科学本身就应该追求简单性原则,任何事情都是越简单越好。”拿本人比较熟悉的人工智能领域中计算机视觉和机器学习方向的科研为例,Leslie Valiant的PAC learnable学习理论可谓简单直观,但老爷子照样借此获得2010年图灵奖;David Lowe的局部特征描述子SIFT也是大道至简的典范。SIFT本身计算简单、运行高效、鲁棒性佳,可很好描述图像特性,在深度学习改朝换代前统治了计算机视觉10余年之久。到今天,发表SIFT的论文被引超41000次。另一例是spatial pyramid(图像金字塔),思想合理且直观,可大幅提高图像识别准确率,特别是其思想还和后来的深度学习结合碰出火花,即Kaiming的[1406.4729] Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 如此“肉体陨灭,灵魂犹在”的工作岂不是顶尖?

  • 引领方向的科研工作是顶尖的。一项工作足以“指点江山、开创天地”,无疑顶尖。有时一项工作发现了一个值得解决的问题或昭示了些值得进一步深入研究的现象,必然完虐为科研而科研的微创新,这种引领方向的科研就像发现了一座未开发的金矿,金矿打开(工作发表)的当天便引得众人纷至沓来。这其中就包括燃起深度学习新一轮热火的G. E. Hinton等人的一系列工作,这一波热潮不仅体现在学术界研究的繁荣,它更引发相关技术产生了巨大的现实影响力和商业价值。再如Generative adversarial networks,在大家对无监督深度学习一筹莫展艰难前行时,GAN大笔一挥,画出了一条可能的“通途”。后来,依托GAN的应用几乎每天都推陈出新,花样百出。如此“一石激起千层浪”的工作岂不是顶尖?

  • 填补空白的科研工作是顶尖的。发现了前人未发现之重要规律,无疑顶尖。需强调,并不是所有填补空白的科研都是好工作,有的工作毫无意义,无人问津,如此这般的“填补空白”自然也便失去了光彩。称得上“顶尖”,必然是填补了重要发现。如视觉三大顶会之一ECCV 2014的最佳论文提名[1311.2901] Visualizing and Understanding Convolutional Networks。当众人沉浸在用深度模型疯狂刷新各项CV任务分数新高的时候,该文作者通过对CNN有效的可视化,一定程度解释了CNN的工作机理,为今后深度模型的使用、设计和发展奠定了坚实基础,值得一提的是,文中的一些发现现今已经成为深度学习中的常识被本领域人熟识。 好了~上面谈了那么多,我更想说,并不是每个科研道路上的人都能做出能入“方家法眼”的扛鼎之作,其实只要能做到无愧我心、尽力而为的自我极致,这,就该算是某种程度的“顶尖”了 :-) 不过,真要做出顶尖科研又岂非一朝一夕:大道至简固然漂亮,但需厚积薄发;引领方向固然豪迈,但需持之以恒;填补空白固然过瘾,但需敏锐洞察。最后谨以临川先生《游褒禅山记》中的一句与诸君共勉: “而世之奇伟、瑰怪,非常之观,常在于险远,而人之所罕至焉,故非有志者不能至也。


作者:蒋云翔

问问自己的内心,做科研的目的是什么?不为名,不为利,只为能够在未来(这个未来可能是十年,可能是五十年,可能是一百年)造福人类,基于这个前提才有可能做出顶级的科研。这是必要条件。国内有很多学者,包括国外的,都是为了灌水,即使是nature,science也不例外。本人从事的通信行业,当今世上我只发现一位这样的人,就是UC bekely的David Tse。他在一个方向只发一篇文章,从来不多发,只解决根本问题和关键问题,剩下的遗留问题给其他人解决。这种人,他不仅给后人提供了方向,养活了很多科研工作者,更多的是提供了新的思路。这种人,他的顶级,根本毋庸置疑。我总结就是:开拓新的路,让更多的人进入。

相反,大部分科研工作者都是,迫于文章压力或者职称压力,在一个方向上使劲的发文章,或者用一个理论,使劲地在不同的领域发文章。这种人,也是很厉害的人物。可以说,这种人很大程度是靠勤奋堆积起来的。这种人我总结就是:走自己的路,让别人无路可走。

在我看来,第二类人最多算是牛人,不能算是顶级的科研人才。顶级的人,不单单是有很好的科研能力,还一定是能够帮助其他人以及整个行业的人成长。如果一个行业,只有那么一个团队在玩,这个行业是不可能集大成的。

像数学上有很多猜想,为什么那些猜想如此重要,不单是因为它们难,更多的是一旦解决它,就可以立马延伸到其他很多行业,这就是顶级科研,一旦你解决一个问题,解决一个点,这个点就好像原子弹一样会迅速爆炸,影响全世界。


作者:科研汪老徐

好的科研工作要提供足够的科研增益,给这个领域的相关人员带来认知上的改变!根据某项科研工作前后带来的认知差异大小,可以分类如下:

  • 顶级科研开宗立派或者突破天花板;

  • 卓越科研革故鼎新,提出领域内的核心问题和基本方法论;

  • 优秀科研在现有方法上做出较大幅度的改进;

  • 普通科研修修补补;

【技术交流】

已建立深度学习公众号——FightingCV,关注于最新论文解读、基础知识巩固、学术科研交流,欢迎大家关注!!!

推荐加入FightingCV交流群,每日会发送论文解析、算法和代码的干货分享,进行学术交流,加群请添加小助手wx:FightngCV666,备注:地区-学校(公司)-名称

面向小白的顶会论文核心代码库:https://github.com/xmu-xiaoma666/External-Attention-pytorch[2]

面向科研小白的YOLO目标检测库:https://github.com/iscyy/yoloair[3]

面向小白的顶刊顶会的论文解析:https://github.com/xmu-xiaoma666/FightingCV-Paper-Reading[4]

【赠书活动】

为感谢各位老粉和新粉的支持,FightingCV公众号将在9月10日包邮送出4本《深度学习与目标检测:工具、原理与算法》来帮助大家学习,赠书对象为当日阅读榜和分享榜前两名。想要参与赠书活动的朋友,请添加小助手微信FightngCV666(备注“城市-方向-ID”),方便联系获得邮寄地址。

参考资料

[1]

https://www.zhihu.com/question/20258360: https://www.zhihu.com/question/20258360

[2]

https://github.com/xmu-xiaoma666/External-Attention-pytorch: https://github.com/xmu-xiaoma666/External-Attention-pytorch

[3]

https://github.com/iscyy/yoloair: https://github.com/iscyy/yoloair

[4]

https://github.com/xmu-xiaoma666/FightingCV-Paper-Reading: https://github.com/xmu-xiaoma666/FightingCV-Paper-Reading

分类:

人工智能

标签:

人工智能

作者介绍

FightingCV
V1

公众号 FightingCV