0
作者 | 劉冰一、Ailleurs
Mike Ferguson ，麻省理工學院大腦和認知科學系 (MIT BCS) 擔任研究軟件工程師/ML工程師。專門研究 Brain-Score（一種衡量類腦 AI 的工具）。他于 2021 年春季畢業(yè)于弗吉尼亞大學，獲得計算機科學和應用數(shù)學學士學位，以及認知科學和哲學學士學位。
圖注：Mike Ferguson
在本文中，Mike分享了在麻省理工學院人工智能實驗室一年中學到的 5 件事，包括他生活、成功和知識的一些看法，希望你覺得有趣或有用。
Mike在開始在麻省理工學院工作之前，剛從 UVA 畢業(yè)，主修計算機科學和認知科學，并輔修哲學和數(shù)學，自我感覺還不錯，然而，當他第一次參加麻省理工學院周會時傻眼了——他發(fā)現(xiàn)自己最多理解了討論內(nèi)容的大約 10-20%，在接下來的幾周內(nèi)他都在懷疑人生：難道智商太低不配進入麻省理工學院嗎？為什么看起來只有自己不懂的樣子？
Mike注意到，實驗室最聰明的人總是不斷地提出問題，僅在第一周，他遇到了 5 或 6 個研究 AI 和神經(jīng)科學交叉領(lǐng)域的人，研究 AI 和神經(jīng)科學的交叉點的時間比他活著的時間還長。即使他們在領(lǐng)域以最大的專注度研究的數(shù)十年，甚至達到了絕對的巔峰，但還是在不斷提出問題，解決問題和驗證假設(shè)。
他明白自己來麻省理工的目的就是來不斷解決不懂之處的。他放棄了偽裝自己，坦然承認自己不了解目前進展的工作。
從不停止提問，每個疑問代表著一次機會——可以縮小理解差距，提高自己的知識。正是對自己已有知識的充分認識，思考對立面是什么，才會拓展自己的知識邊界。總是支持同事觀點，總是希望別人知道他們有多聰明，是缺乏安全感的表現(xiàn)。在一個沒有認知沖突的安全環(huán)境中，只會將自己的置于溫水煮青蛙的境地。
當他被告知在麻省理工學院實驗室擔任的職位時，Mike想到了自己本科期間結(jié)識的從麻省理工學院 EECS 獲得學士和博士學位的教授。他跑去咨詢該教授一堆問題：麻省理工學院怎么樣？文化上與 UVA 的異同？長相怪異的蒂姆·比弗（Tim Beaver）是怎么回事？波士頓物價為什么這么貴……
教授告訴他很多很棒的技巧，但他特別記得的是他的“警告”：“在麻省理工學院，直率無處不在。如果你有一個愚蠢的想法，人們會告訴你的。如果你不擅長你所做的事情，人們也會告訴你；如果你的假設(shè)是垃圾，對方無論是在幾個人的房間里都會對你指出?！?/span>
Mike拿小本本記下，在幾個月后召開了他的第一次實驗室會議時就領(lǐng)教了其中厲害......他有一些想法，被大家告知不成熟；他犯了一個技術(shù)錯誤，被人直接叫了出來。麻省理工學院的每個人都會遇到這種情況——無論你在《Science》上發(fā)表了 13篇論文，還是從未發(fā)表過。這似乎都是在麻省理工學院會遇到的一種文化。事實上，如果有聽眾不斷插話和提問，這甚至被視為一種尊重的表現(xiàn)——意味著他們很感興趣！如果自己的演示沒有人打斷，那可能是一件乏味的事情。
對知識的探索和對科學前沿的推動在MIT是神圣的，這種能夠獲得坦率、客觀的反饋尤為推崇。在MIT，直率溝通的時間和地點是隨時隨地的，你可以專注于工作，而不必擔心批評是對本人的，它們僅僅是對工作的批評。在過去的幾個月里，Mike來尋求這種直率和客觀的反饋，隨著時間的推移和獲得該領(lǐng)域的知識方面提供了最大的“物有所值”。
我們嘗試學習的時間有限盡己所能，那么為什么不去擁抱批評這種直觀反饋呢？
Mike有一項堅持了 3 年多的 Book-a-Week 挑戰(zhàn)。在近四年的時間里閱讀了 170 多本關(guān)于人工智能、哲學以及作為人類的意義的書籍。
他從書中獲取的是：要成為某事的大師，真正了解一個領(lǐng)域并產(chǎn)生影響，必須經(jīng)歷發(fā)展的各個階段。完成正規(guī)教育后，你可以進入“學徒”階段，必須學習做事的方式和規(guī)則（無論是明確的還是隱含的）。持續(xù) 3 年到 10 年以上，接下來進入創(chuàng)造階段，在這個階段可以擴展并發(fā)揮自己的創(chuàng)造性和獨立性。最后，你進入掌握階段，掌握一門學科或領(lǐng)域就是一種投資。通過掌握一門學科，以一種有意義的方式發(fā)揮您的全部潛力。這是對未來幸福和成就的投資，也是一種避免陷入死胡同或隨著年齡增長而感到不快樂的方法。
在深入學習人工智能/神經(jīng)科學領(lǐng)域，Mike就覺得自己正處于學徒階段，用他最喜歡的作家Robert Greene 的話來說，“接受理想的學徒制”。提出問題，熱切地尋求知識，在學習事物時永遠不要有優(yōu)越感——任何與自己領(lǐng)域相關(guān)的事物，即使是看似無關(guān)的事物，都值得學習。
人工智能是否可以體驗情緒是一個非常有爭議的話題，他已經(jīng)寫了很多文章，惹惱了他的實驗室伙伴，而且還沒有接近答案，「我只知道我們是人類，擁有數(shù)千年的進化遺產(chǎn)。我們的幸福、悲傷、希望、勝利和失敗等情緒或思維是非常獨特的。它們正是使我們成為人類的東西，也是在人工智能中很難很快復制的東西?！?/span>
我們的大腦出現(xiàn)故障的方式比正常運行的方式要多，多巴胺水平可能會失控，出現(xiàn)病變，信號丟失或重定向不當……故障列表幾乎是無窮無盡的，我們都會犯錯，這是一件再普通不過的事，我們的所有情緒都是有價值的，是人能夠區(qū)別于類腦系統(tǒng)和機器的重要部分。
想想之前已經(jīng)被歷史遺忘的所有故事，生存、愛情、苦難、逆境等主題在幾個世紀中回響，獨特的思維是時空里永恒且獨特的紀念。所以，不管你生活中發(fā)生的任何其他事情，無論好壞，不管日常無聊的生存任務，不管你個人的得失：只要記住，成為一個有意識的、工作的人就是一項了不起的壯舉。
近來一種“反科學”的風氣在美國各地興起，這在很多方面令人非常不安?？枴に_根（Carl Sagan），在 1996 年已經(jīng)驚人地預測到了這種現(xiàn)象：
——卡爾·薩根《惡魔出沒的世界：科學就像黑暗中的蠟燭》
一種對科學事業(yè)本身的懷疑似乎也越來越流行，怎樣對抗這種“反科學之風”？Mike根據(jù)在MIT迄今所觀察到的事情提供了一些見解。
首先，就是上文第一章節(jié)所說——質(zhì)疑一切。沒有任何東西可以免于審查和合理的懷疑。當你看到一篇文章時，先看看是誰寫的，看看他們之前的工作，是否有資本推動。在得出結(jié)論之前，要交叉地參考來源進行確認。問問別人為什么要爭論，以及可以得到什么。如果論點存在偏見歷史，那么自己很可能只看到事情的一面。
第二，分析論據(jù)，尋找邏輯中的常見錯誤，比如人身攻擊、不合邏輯的推理，選擇和確認偏差（其中選擇性偏好最為要緊，因為它產(chǎn)生的深遠影響難以被發(fā)現(xiàn)）；跟隨作者提出論點的過程，確保論點在哲學上是有效的（correct，前提正確）、合理的（sound，結(jié)論從前提中得到）；警惕錯誤的暗示、毫無根據(jù)的主張和被人為控制的圖表數(shù)據(jù)；要為所有論斷尋求證據(jù)，沒有證據(jù)就可以斷言的東西，也可以在沒有證據(jù)的情況下被駁回。
最后，認識到人都會犯錯。數(shù)據(jù)往往不完整或有偏差，新的證據(jù)出現(xiàn)可能會沖擊原本立論。思想是可以改變的，也應該去改變。成熟的做法是——面對新的事實時，讓舊觀念消失，并承認所犯的任何錯誤。
圖片來源：Greg Rakozy
Mike希望這些建議可以幫助我們在這個看似“后真相”的世界中找到方向，學會深入挖掘論點，對結(jié)論的得出方式進行分析?？茖W是一種思維方式，是開放思想和懷疑主義之間的微妙界線。關(guān)鍵是，只要稍加實踐，科學就能深刻地影響一個人的世界觀。
參考鏈接：
https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31
雷峰網(wǎng)(公眾號：雷峰網(wǎng))
雷峰網(wǎng)版權(quán)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
