如何做研究：麻省理工学院人工智能实验室指南

摘要

本文是MIT人工智能实验室为研究生编写的科研实践指南，系统阐述了研究所需的具体技能（阅读、写作、编程）和研究过程本身（方法论、课题选择、心理调整）。文章强调从他人工作中学习比从自己工作中学习更快，介绍了"非公开论文传递网"等获取前沿研究的渠道，并详细说明了如何选择导师、处理研究中的心理问题等实用建议。

内容框架与概述

文章分为两大部分：前半部分聚焦研究技能，后半部分探讨研究过程本身。在阅读方面，作者指出研究者应花费大量时间阅读文献，推荐了《人工智能》《机器学习》等核心期刊，并提出了三步阅读法——先浏览摘要和结论判断是否感兴趣，再找出有价值部分，最后必要时精读全文。文章特别强调了加入"非公开论文传递网"的重要性，因为前沿研究在正式发表前往往已在非正式网络中流传一年以上，成为"睿智的人"领先一步的关键。

在写作和编程方面，文章建议将阅读与编程结合，通过实现论文中的算法加深理解。关于跨学科知识，作者强调AI研究人员必须通晓心理学、神经科学、语言学、数学、哲学等相关领域，因为这些学科能提供新的思考工具和评价标准。文章详细列举了各相关领域的重要性：认知心理学提供实验数据约束，数学训练严谨思维，哲学帮助理解研究的隐含框架，神经系统科学了解人类计算硬件。

研究过程部分重点讨论了导师选择、论文选题和心理调整。作者指出导师是研究生生涯最重要的选择，不同导师有不同风格，学生需找到适合自己的类型。在心理层面，文章强调研究过程充满失败，研究者需要学会设定合理目标、处理不安全感、保持自尊并在困境中寻找乐趣。文章建议坚持做研究笔记，因为笔记内容往往成为论文的主线框架，使研究进展更加顺畅。

核心概念及解读

非公开论文传递网：AI领域前沿研究在正式发表前通过人际网络非正式传播的体系，加入这个网络可以让研究者领先一年左右接触到新想法，因为从会议论文到期刊发表通常有两三年的延迟周期。

三步阅读法：高效阅读AI论文的方法——第一步浏览摘要、引言和结论判断论文价值；第二步找出论文中真正有价值的部分（大多数15页论文可压缩为1页）；第三步必要时精读全文，并始终带着批判性问题阅读。

跨学科知识整合：AI研究需要通晓心理学、神经科学、数学、哲学、工程学等多个领域，这些学科不仅提供研究约束条件和思考工具，更重要的是提供评价研究成果的价值标准，如数学的严谨性、工程学的可靠性、心理学的可重复性等。

研究笔记系统：持续记录想法、问题、解决思路和文献总结的习惯，周期性回顾笔记能帮助提炼创造性观点，笔记内容往往自然成为论文的写作框架，使研究过程更加系统化。

导师匹配度：研究生生涯最重要的选择，不同导师有不同的指导风格和研究方法，学生需要了解自己的工作方式和需求，找到与之匹配的导师类型，并学会主动利用导师这一资源。

原文信息

此摘要卡片由 AI 自动生成