第一次 15 分鐘的演講準備了兩個月、畢業就進谷歌卻只能當螺絲釘、從研究員到研究經理面臨角色轉換…… 在最近的一次訪談中，Facebook 人工智能研究院（FAIR）研究員、研究經理田淵棟談了談自己從求學到工作一路走來的經歷和感悟，還給出了一些職業建議以及對于 AI 發展的看法。

田淵棟， 上海交通大學本碩，博士就讀于卡耐基梅隆大學機器人系，現任 Facebook 人工智能研究院（FAIR）研究員和研究經理。

從 Google X 的無人車組，到后來 Facebook 的圍棋 AI 項目 -- OpenGo，多重身份的加持和前沿、專業的研究為田淵棟吸引了相當多的目光。

在人工智能研究之外，他還保持著長期的寫作習慣，包括個人博客、知乎專欄、短篇和中篇小說，甚至完成過一部 30 萬字的長篇小說。

近日，田淵棟做客播客「從零道一」，分享了自己在求學、求職過程中的經歷和心得體會，完整訪談內容時長 66 分鐘。

音頻地址：https://www.ximalaya.com/keji/7070786/332051507

從上海交大到 CMU

從零道一：能不能和大家簡單講一講，您是在哪里長大，大學之前在哪里讀書？

田：我是上海人，從小在上海長大的。在進上海交通大學之前，我一直在上海向明中學就讀，在那邊我大概度過了初中、高中的 7 年時間，高考之后就到了上海交通大學。

所以我基本上整個人生的前 22 年都在上海，沒怎么出過門，除了旅游之外沒怎么到外面去。但我大三的時候去了美國普渡大學做交換生，那個時候有很多想法，有了新的思路和新的見解，也見到了一個比較大的世界。回國讀碩士之后，我花了很多時間在微軟亞洲研究院實習，去了三段，總共加起來有一年的時間。那個時候開闊了很多思路，見到了很多人，結識了很多朋友。

這些經歷也讓我覺得其實自己還是比較適合讀博士，所以后來就去了 CMU。

從零道一：當時（在交大）讀的是計算機是吧？

田：我當時進的是上海交通大聯讀班，進去兩年之后可以讓你選專業。所以，其實我前兩年是在一個偏向數學物理的基地班里讀的，大三的時候再選專業。當時，班里僅有 10 個人選計算機，我是里面的一個，有 100 多個人都選了電子信息和電氣工程。所以，我的經歷可能和直接去計算機系的同學不太一樣。

上海交通大學。

從零道一：你是去了微軟亞研之后發現自己對研究感興趣的嗎？有沒有想過博士之外的路徑？

田：其實想過很多。碩士畢業之后你可能覺得出國已經有點晚了，很多人覺得你那時候都已經二十四五歲了，還有很多的事情要做。當時也有很多選擇，比如去互聯網公司做軟件工程師，然后一點點往上走。那時候有很多公司都可以選。這也是我想過的一條路。但是最后還是覺得科研比較有趣，對博士也有些憧憬，所以最后還是去讀了博士。

從零道一：你博士階段去了卡內基梅隆的機器人學專業，當時申請的時候是怎么考慮的？去了之后感覺那個地方是不是你想去的？

田：其實說實在的，我當時申請的時候自己（實力）也不是特別強。我去微軟亞研的時候也相當于一個鄉下孩子跑到北京去，終于開了眼界，看到還有很多事情原來可以是這么做的。所以，當時我的申請材料、文章數目之類的也不是特別好。但幸運的是，我最后實習跟的是港中文的湯曉鷗老師，拿到了他的推薦信，所以就申請到了 CMU 的機器人學專業。這個已經是我當時最好的選擇了。

從零道一：CMU 也有很多專業、實驗室可以選，當時是怎么決定選哪個組、關注哪個領域的？

田：這個需要跟導師有很多的交流。在剛入學的時候，CMU 有一個「marriage process」，就是說你要跟導師達成一個 5 年的協議。所以，你要跟很多導師聊，聊他們的研究方向、研究思路，還有就是跟學生去聊，問一下他們的出路，他們可能會去哪些地方，然后綜合考慮。當時我還比較內向，英語也不是很好，托福口語只有 19 分，所以當時跟老師、學生聊還是會有些費勁。就這樣，我選到了第一個導師，他的學生都覺得他人挺不錯的，這點是很重要的。不過他對機器學習不是很感冒，方向更偏向于 Low-Level Vision，主要是基于物理的計算機視覺。

田淵棟博士期間的導師 Srinivasa Narasimhan。

之后的情況就是，基本上所有的技術問題都是我自己來解決，自己看文章，導師輔導我的寫作、演講以及和別人交流。后來的結果表明，這樣一個組合還是不錯的。所以，我在自己的方向上有一定的自由度，這也是博士生應該要有的一個標準。

天生內向，第一次學術演講背下整篇講稿

從零道一：你剛去的時候口語只有 19 分，后來是怎么成功地在新的環境中表達自己的？

田：這其實是一個很漫長的過程，也可能是我在這五年里最大的收獲。拋開專業不談，這對我個人的性格成長和人格塑造是一個非常關鍵的時期。別人可能覺得這個關鍵時期是八九歲，但從我自己的經歷來看，我覺得這個事情任何時間都能發生，只要愿意花時間去做。

首先一點是要有自信，比如對自己的研究有自信、有想法，愿意把自己的想法說出來。這樣就相當于打開了一個開關，就是我愿意和別人說話，這個很重要。有了這個之后，口語才會慢慢地練上去，你才會知道自己要怎么說才能讓別人聽懂。我以前說英語非常快，說完一句話別人可能聽不懂。所以對方未必是不想理你，他們可能想理你但是聽不懂。但我會覺得：「我是不是說錯了？是不是說得不夠好？」你會下意識得把問題歸咎到自己身上，然后你就不愿意和別人說話了，最后就形成了惡性循環。所以，這是非常重要的第一步。

我高中的時候非常內向，有一次英語課回答問題，站了 5 分鐘一句話都說不出來。進 CMU 之后，整個交流的過程就變得比較流暢一點。一旦發現我說的話別人愿意聽，愿意思考，我說的話是有意義的話，交流的欲望就逐漸堅定起來。這個過程其實非常重要，因為如果沒有這個階段，比如我碩士畢業直接去公司里工作，那么我當時的性格可能對我之后的職業發展造成很大的不利影響。

從零道一：你讀博的時候肯定也要做不少學術演講，可不可以談談你當時是怎么提升自己的演講能力的？

田：我第一個演講準備了兩個月。我屬于那種一上臺就「見光死」的人，只要一上臺，別人看著我，我就一句話也說不出來。你要讓這樣的人上臺演講 15 分鐘，是一件非常非常難的事情。唯一的辦法就是把整個演講從頭到尾、一字不落地背下來，這樣才能保證我就算是睡著了也能說出來。除此之外，我還把每句話的重音標了出來，因為那個時候我說話很快，背過演講稿之后就會很緊張地以背書的方式把話說完，效果就很不好，別人可能也聽不懂你在說什么。但是如果你記得重音是哪個詞，可能就會下意識地放慢節奏。

最后，我上臺之后的過程也比較流暢，因為只要能熬過開頭的三四分鐘，你就開始變得有自信了，覺得「我還可以」。慢慢地，你就會越來越好。

博士期間最大的挑戰

從零道一：從專業的層面來講，你覺得博士期間遇到的最大的挑戰是什么？

田：讀博其實每個人都不太一樣。有些人可能是老板規定太死，他沒辦法發揮。但對我來說，情況可能是倒過來的。老板在這方面其實懂的不多，所以最重要的是我能不能自主地找到一個方向并攻克它，這可能比跟著老板做要難多了。

我可能有一種傾向，就是做非常難的問題，有一種想要攻克難題的決心。但是，怎么把這個決心變成一個可實現的目標是一個很困難的問題。

我在知乎的一篇文章（《博士五年之后五年的總結》）中也寫過，這五年我學會的最重要的事情是怎么把一件事分成幾部分來做，這樣才能開始做比較大的事情。剛開始的時候，我覺得我想把很難的問題解決掉，別人都解決不了我去解決。

作為一個剛來的博士生，想要攻很難的問題，心氣是很高的，但怎么落地是一個很難的問題。你可能會花很多時間去思考，而且這個思考是漫無邊際的。今天想這個，明天想那個，非常地不連貫，非常天馬行空，你自己覺得好像是在做研究，但其實是在浪費時間。因為思路沒有落地的結果就是不能存盤，下一次你還要從頭開始想。而且，它無法形成一個持續的步驟，這樣對自信的打擊也是很大的。比如說你可能思考了很長時間，然后發現：哎呀，不是很有效果，怎么辦呢？

經過了博士階段的幾年之后，你才會知道自己先要去想什么，再去想什么；什么能做，什么不能做；什么是自己力所能及的；什么是別人已經做過的，什么別人還沒做，還有機會。這種對于學術的感覺也是通過博士這五年慢慢練出來的。

田淵棟博士論文：《Theory and Practice of Globally Optimal Deformation Estimation》

選擇深度學習，但不被看好

從零道一：你當時做機器學習的時候，深度學習還不是非常火，所以你當時做的時候完全是出于自己的興趣嗎？還是說你覺得它有前途？

田：我覺得還是興趣更多一點，我想去了解當時的一些學習算法為什么有效果。相對來說，我更加心理驅動一點，不是特別受外界的影響。當時我去的時候，機器學習并沒有那么火，甚至有師兄跟我說不要去做機器學習，我導師也說機器學習沒什么用。

從零道一：但是后來機器學習突然就火了，你當時是在 CMU 還是已經工作了？

田：深度學習剛開始火的時候是在 2012 年年底到 2013 年年初，那個時候學術界已經開始有一些跡象，大家都在討論 Deep Learning 這個東西到底有沒有用。當時我問了很多人，很多人都持懷疑態度，第一句話就是「他們一定是搞錯了」，「他們肯定代碼有問題，在測試集上訓練的話，效果肯定很好啊」，什么樣的話都有。

當時我看了之后覺得很有意思，這也牽扯到我的職業選擇問題。當時我就跟我的導師說，我想去做一下這個 Deep Learning。我導師一百個不愿意，說這個不可靠。

但是，我當時覺得 Deep Learning 效果還不錯，而且我也在想一些層次模型的問題。當時我的一篇論文還拿了一個最佳論文獎提名，做的也是層次模型。二者有一些共通的地方，所以我在想是不是有一些可以借鑒的地方。

從零道一：那個時候是你博士剛讀完嗎，還是快讀完？

田：那是快讀完的時候，我是 13 年 9 月份畢業的，AlexNet 剛出來的時候是 2012 年的 NeurIPS。AlexNet 的代碼開源之后我還去問過作者怎么跑這個代碼。但是相對來說，整個大組里還是持一個比較懷疑的態度，搞計算機視覺的人普遍不相信。這個時候我正在找工作。

畢業就進谷歌：是個「好工作」，但激情消失了

從零道一：博士之后你第一份工作是去了 Google X，做和無人車有關的項目，能不能講講當時找工作的一些想法？

田：首先，我當時想要去嘗試一下各種各樣不同的東西，無人車是挺有意思的一個方向，另外，我聽說那邊可能開始要用深度學習，所以覺得很感興趣。第二個就是現實問題，因為讀了五年博士，畢業之后肯定想找一份「好工作」。當時那個組大家都覺得還不錯，技術上相對來說是比較前沿的。無人車大概在 16、17 年開始大火，在這之前 Google 就開始做了，所以后來就去了這個組。

我剛去的時候有點興奮，但是后來覺得跟我的期望還是有距離的，所以待了一年多就走了。

從零道一：為什么會覺得跟自己的期望有差距？

田：有幾個方面的因素吧。首先它是一個保密組，允許你做很厲害的工作，但是你不能對外說，這樣對將來的工作不是很有利。你要跳槽的話，別人會問你之前做什么，你說「我不能說」。這是一個非常現實的問題。第二個問題就是，我當時進去的時候還很興奮，問我當時的老板：「我們是不是可以用深度學習啊？」但是進去之后發現，我做不了深度學習。當時 GPU 還是一種比較稀缺的資源，Google 內部是有配額的，做深度學習的主要是一些比較資深的工程師，他們有時間和權限去跑一些深度學習模型。所以我當時相當于是打雜的，做的是一些沒有那么興奮的東西，感覺做下去也沒有多大的前途。最后，你會慢慢知道自己想要什么。所以一年之后就想要跳槽了。

從零道一：我記得在知乎的帖子上看到你白天做 Google X 的工作，晚上自己做研究，是不是當時就覺得自己對研究更感興趣？

田：對，是這樣。我當時覺得上班就是做一天和尚撞一天鐘。上班寫一天代碼之后，晚上回去做自己想做的事。我覺得上班之后的狀態和讀博士時的狀態是完全不一樣的。博士期間，我還是挺喜歡花很多時間去研究、去思考，但是去谷歌之后，好像這種激情就沒有了，覺得自己就是來賺錢的。所以，我覺得這可能不是一個適合自己的地方。

我在公司沒有辦法做深度學習，但是我可以看，找篇文章閑暇時間自己做做。當時我還自己搭了個小平臺。當然，這樣也能做（研究），但是會很累，而且沒有辦法和其他研究人員交流。當時那種狀態還是很辛苦的，所以最后還是決定要走。我不可能一直留在谷歌，白天做一件事，晚上做另一件事，這不是長遠之策。

跳槽 Facebook AI 研究院

從零道一：所以在過了一段時間的雙面人生之后，最終還是選擇做研究，去了 Facebook 的 AI 研究院。那您能否講講您做出選擇的過程是怎樣的？

田：當時去面試了一些地方，不只是 Facebook。除了面試之外，也要了解相關領域的一些情況，比如深度學習發展到什么程度了，這些都是要做準備的。我記得我當時去 Facebook 面試，準備了差不多一個禮拜。我把相關的文章都看了一下，了解了一下大致情況。

2014 年，深度學習的進展是非常非常快的，比如 CV 領域的目標檢測，性能一年之內就提高了很多。我看了之后就覺得，如果我再不跟上就完蛋了。如果我繼續在谷歌寫一些簡單的代碼或者做一些簡單的東西，肯定是不行。

還有一點就是怎樣去說服家里人，因為家里人會覺得在大公司很穩定。對家里人來說，如果在大公司工作一年就走，這其實是一個很大的問題。當時我在像知乎這樣的平臺也寫過一些帖子，講我在公司待一年就走的情況，有人就會懷疑：這個人在一個公司只待一年，說不定去新公司也是只待一年就走了，沒有長性。這種質疑不僅是外界會有，在家人中也會有。這種時候怎么辦呢？那就要考慮跳槽過去之后對自己有什么幫助，還有就是考慮了最差的情況是什么樣的。最后覺得最差的情況也還可以吧，也不會特別糟糕，本來起點也不高嘛，所以要跳槽也是可以跳的。

確實當時也在想，如果要去一個自己想去的地方，那么接下來就要花很多時間和精力去把這件事情做好。尤其在當時，我也不是做深度學習科班出身的人，也不是出身于三巨頭的相關研究所，我也是半路換到這個方向，所以要付出比別人更多的時間和精力。

從零道一：那去了 Facebook 之后，是不是瞬間就覺得這是你想去的地方？還是花了一段時間適應？

田：我覺得好像沒有特別長的適應期，因為那個時候 Facebook 還是一個相對小的公司，所以工作比較靈活。它不像谷歌那樣條條框框很多，有各種各樣的限制。比如在注釋后加空格就會分為兩派，有些人加一個空格，有些人加兩個空格。兩類人還會因此吵起來。但是我對這個沒有什么興趣。在 Facebook 就沒有那么多條條框框，相對來說比較自由。另外一點是因為我在 Facebook 是做研究工作，要看一些文章，了解一些相關領域的研究情況，這些都是我想做的事情。我就覺得我好像回到了之前讀博的時候，我覺得這樣的狀態很好，這一點和在谷歌差很多。

從零道一：所以每天的日常工作也完全不一樣，對嗎？

田：對，完全不一樣。當然我不能就這樣把谷歌一棒子打死，可能只是無人車這個組存在這樣的問題。我當時也拿到了 Google Research 的 offer，如果我當時去那邊，可能情況就完全不一樣，所以也不能說是谷歌的鍋。我到了 Facebook 之后就好像回到了讀博時的狀態，特別有興奮感，在工作上特別有動力，整個人就好像活過來了。不像之前覺得自己每天就是去工作，沒有特別大的激情。

從零道一：在你當時做的研究項目里，你覺得哪個最讓人興奮？

田：一個就是圍棋這一塊。因為當時我也不是做強化學習的，以前我是做 CV 的，但也不是做大家認為的偏實踐的計算機視覺的工作，而更多是非凸優化的理論研究。后來我也是為了圍棋這個游戲去學習一些強化學習的課程，去看文章，去思考怎么樣去做一個更好的工作，然后現在我成為一個研究強化學習的人。可以說我也是半路出家，這個過程是一個很好的學習過程，我能夠感覺到我從一個什么都不懂的狀態慢慢到現在我能夠看到其中的問題，找到一個方向，知道大家接下來該怎么走。特別是 OpenGo 在 2018 年之后能夠受到大家非常多的關注，起初我沒有想到我能做到這樣，我覺得這是一個非常不錯的結果。

第二個就是關于理論分析。理論分析也是我一直想做的，在無人車組時我就有這樣的想法。大家都在埋頭訓練，但是其中有很多問題。這一部分我也是經歷了一個慢慢的學習過程，可能一開始我會花很多時間懸想，但是沒有特別多的結果。到現在就是慢慢知道怎么做，怎么樣很快很有效率地去做出一個結果，怎么樣處理下一步的工作。我覺得這是一個很大的收獲。

主導開發 DarkForest

從零道一：能不能講一講你做這個圍棋項目中遇到的困難、挑戰，或者有沒有哪些有意思的事情？

田：挑戰和困難是非常多的，因為圍棋涉及大規模的深度強化學習，需要大量的跨領域的知識組合。你不僅要知道強化學習怎么做，還需要搭分布式系統，保證訓練能夠進行，還需要調參。各種各樣的東西都需要組合在一起，才能把系統的效果搞出來。所以這一點很鍛煉人，它把本來并不交叉的領域放在了一起，這是一個非常好的項目。

從零道一：你會下圍棋嗎？

田：我會，但我的水平很差。我只要知道出了問題我怎么 debug 就行了。比如說圍棋高手能夠在某個問題出現之前就把問題看清，但對我來說，我可能要讓機器先走個十步，我才能看出來。但這也沒關系，因為機器一直在跑嘛，我完全可以讓機器先跑。所以這個問題倒不大。圍棋下得比較好的人可能還希望把自己的經驗加到里面去，這其實對于 AI 的設計來說并不是有利的，因為我們希望 AI 能夠自己學出來。

2016 UEC 計算機圍棋大賽， DarkForest（左）與職業棋手小林光一九段（右）對弈。

從零道一：你剛才講說做這個項目的時候需要跨領域的知識，當時你是怎么快速學到這些跨領域的知識，并且把這些知識投入到應用中的呢？

田：我覺得這個算是我的一個長處吧，很多東西我都能自己學會，只要我花時間花精力去做這件事。另外一個就是，我什么事情都愿意自己去嘗試。因為深度強化學習是一個非常需要自己動手去嘗試的領域。只有通過這種方式我才能知道什么東西是有效果的。這對我來說不是一個費力的事情。通過不停的實踐，慢慢就可以知道怎么去做這個系統，然后很快地把效果提上去。

從研究員到研究經理

從零道一：我知道你剛進 Facebook 的時候是 Research Scientist，后來還成為了研究經理。能不能講述一下自己從一個研究員到管理者的挑戰和感受？

田：挑戰肯定是有的。首先作為管理者，不僅需要把自己的工作做好，而且還要理解別人的想法和思路。作為一個 manager，我要考慮我能不能讓下屬成長，所以我就需要去理解他們在想什么，他們的訴求，他們的目標，他們的能力有什么局限。這些東西需要通過交流，包括一對一的交流，通過一些探討和思考，慢慢地了解才能知道，再進行一個反饋。這其實是一個很重要的能力，能夠理解別人是一個非常重要的挑戰。

從零道一：你說你從來不認為自己是一個非常成功的人，甚至有時候覺得自己比別人要笨。但是其實現在很多人都認為你現在做出來的研究是非常出色的，也是有很多價值的，那你覺得自己有現在的研究成果依靠的是什么？

田：我能依靠的首先是耐心，要有耐心，要愿意去磨一個問題。比如有一個問題我愿意去做，那么我并不在乎多快時間能做出來，可以慢慢來，只要方向是對的，思路是明確的，一點點就能夠把這個問題挖下去，就可以完成。耐心是很重要的。如果一個月能專注做一件事，成果真的是驚人的。最怕的是一個人很聰明，但是淺嘗輒止。一件事情做了一會兒不想做了就換一件事情做。這樣可能就是人雖然非常聰明，但是沒有辦法把一件事情做好做實在。所以我覺得我自己笨，就笨鳥先飛，多花點時間做自己滿意的東西。所以耐心是很重要的，尤其是現在這個時代大家都比較滿足于快速的反饋，比如看個視頻獲取開心。但是做出大東西來還是需要專注很長時間來把事情做完，就算別人不看好你，你也會愿意做下去。現在這個社會普遍來說缺乏這種能力，但是有這種能力更容易做出大事情。

對于 AI 發展的看法

從零道一：從你的專業視角來看，當前人工智能處于一個什 么樣的發展狀態？特別是現在它的局限在哪里，哪些事是做不了的？

田：這個問題比較大，我覺得現在 AI 可能處在一波熱潮之后回調的時間段。可能還會有一些改進提升，每年也有很多文章出來，但已經不像前幾年那樣非常火熱，會常有一兩件驚世駭俗的東西出來的樣子。但重大進展也是有的，比如 OpenAI 的 GPT-3 還是很厲害的，能夠生成很多有意思的對話。

另外一方面是很多人涌進了 AI 這個領域，使得競爭非常激烈。但是長遠來說，我還是認為 AI 是一個很好的方向，是一個非常有前途的方向，這個方向是值得長期投入的。今后不管是哪個領域都會有 AI 的身影，它都能夠做到自動化，減輕人的負擔。但是現在 AI 的成果還是比較弱的，總體來說還是一個函數擬合器，給定輸入輸出，然后擬合一個函數且效果不錯。

現在的 AI 談不上有自我意識，談不上有很強的推理能力。比如說有一些例子：AI 會回答問題，從文中找到一些很有意思的段落，研究下來發現，它也只是找到了問題和段落之間的一些關聯，利用這些關聯去尋找答案。圍棋也是一樣的，找到棋子的落點和它周圍的棋子之間的聯系，然后通過大量的自我對弈，慢慢找到聯系，找到更好的解法。

本質上說，現在 AI 這個階段已經產生很多有影響力的結果了，接下來一方面是怎樣去理解模型在干什么，刷榜、提高性能都是常規操作，已經不能算是有突破了。如果能夠理解 AI 存在的問題，能夠理解神經網絡的工作原理，理解如何避免神經網絡出現一些 bug（比如對抗樣本），這些是很重要的，這些對 AI 未來的發展有很大的影響。

我們并不希望使用自己也不知道為什么能 work 的東西，去左右自己的決策。比如說，最近發現用 AI 來做的很多東西存在偏見（bias），那么也只有理解神經網絡是怎樣工作的，才能克服偏見問題，這個其實是很重要的。

從零道一：有聽眾提問說，他是您知乎的粉絲，您之前提到過意識和智能是可以分離的，開發高智能的 AI 可以做很多人做不了的事情。但是根據我們的經驗，人的直覺在處理問題時常起到畫龍點睛的效果。那么在 AI 的智能中植入意識的做法可不可行？現在是否有嘗試模仿人的直覺引入到人工智能領域研究的內容，進展如何？

田：首先我覺得，直覺這一點已經被引入進來了。比如在圍棋這一部分，有很多的步法其實并不是計算機通過精密的搜索算出來的，而是通過大量對弈找到了直覺上比較好的步法，相當于不通過推理和意識，直接找到當前輸入的一些模式，看到這些模式之后，反應過來該干什么。我覺得這是直覺在現在的機器學習框架下比較好的定義。

對人來說，直覺一定是很神秘的，因為人們并不知道是怎么得來的，但是對機器來說非常簡單，就是看到了這些模式，然后反應出應該干什么。按照這種邏輯來看，現在的機器學習全都是直覺，但我們恨不得它能少一點直覺，多一點推理。

比如問一個問題：「這張圖片里天空是什么顏色的？」然后機器說：「不用看，肯定是藍的」。這就是直覺，現在的神經網絡是靠直覺活著的，但是我們要加入高層的思考、推理、判斷，這是很難的，也是現在要思考的問題。

給年輕從業者的職業建議

從零道一：您對對 AI 感興趣的學生或者年輕從業者有什么樣的建議？

田：其實前兩天在知乎上有個帖子，是關于高考剛結束的學生有哪些選專業的建議。我覺得還是先把基礎打好，這是非常重要的，AI 可以火，可以不火。我之前還看到有個帖子說：「如何看待算法崗灰飛煙滅？」，因為前兩年實在太火了，所有人都愿意去做它，所以也許有些人在找工作時會遇到問題。現實上來說，我覺得還是要把計算機的一些基礎知識打好，這個是非常重要的，因為不管怎么樣，以后你可以做 AI，也可以去做其他的事情。出路會寬一點。這些基礎知識在各個領域都共通，這是一個非常好的起點。

如果你直接做 AI 的話，問題是在于你可能會見到很多高大上的東西，這些東西可能過兩年就不火了或者發現有比較嚴重的問題。因為整個 AI 領域和深度學習相對來說還是比較年輕的東西，每天有那么多 arXiv 論文，可能今天他說的是對的，明天就是不對的，這也是可能性很大的事情。所以一開始就去接觸這些東西可能就會陷入一個誤區：「稍微改改就能跑個新的東西出來，我為什么要學基礎知識呢？」所以這樣的方式可能對學習者沒有特別大的幫助，還是要把基礎打好。一個是計算機，一個是數學，這些基礎知識都不會變，都是被很多人證明過這些東西都是有效果的，確實是有用的，所以這些還是要先學的。打好基礎知識之后，再去做一些其他工作，去研究一些前沿的東西，這樣對學習者的未來才都有好處。

應對焦慮和壓力：最重要的是期望管理

從零道一：還有一個問題，就是如何管理自己的焦慮和壓力，因為讀博時的工作強度肯定是較大的，工作以后的節奏也會比較緊張，你是如何應對的？

田：最重要的是要有正確的期望，這可能是博士階段培養的很重要的一項能力。為什么會有壓力？是因為把目標設太高了，擔心自己完成不了，特別是剛讀博士的時候，明星師兄師姐在前面當榜樣，自己差那么遠，博士畢業生的方差又特別大。一是要知道自己能做什么，二是要把一個大的方向分成幾個子問題，就可以一點點往前走了，不用怕自己完不成。

另外一個就是中國人經常習慣說「我能做」，但之后可能感到壓力就焦慮了。所以要跟別人溝通，去說清楚「這個事情我做不到」和「這個事情我可以做」，這一點也很重要。

還有一個是自我管理，就是「我想做的事情一定能做成」。很多人可能不具備太強的自律能力，比如打算做一件事情結果躺下來刷手機了，這樣也會產生壓力和焦慮。如果有一個良好的時間管理方案的話，這方面的焦慮就會輕一點。

這兩年我進步的地方主要在于，讓自己做事的效率更高。比如同樣用五個小時來做一個 project，現在的我比三年前的我能夠更好地去完成，因為我知道哪些東西不需要自己寫，在網上可以有現成的，或者可以查到，哪些我可以有更好的方案去解決，哪些我可以委托別人。這種思維上的計劃性可以說是一直在改進的。不僅是對于項目來說，在研究方面也是一樣的。比如怎樣找到一個能做出來的項目，怎樣去和別人溝通，應該是有一個清晰的方向。