最近在努力学习课程、准备期末考试，在学习中发散出了一些感悟和思考。

这个学期上了一门课，名为 AI Planning and Decision Making，用 Artificial Intelligence: A Modern Approach 作为教材。顾名思义，讲的就是人工智能如何实现规划和决策。最近要期末考试了，所以一直在恶补这门课的内容。课程内容其实不深入，主要是带领我们过了一遍AI的基本知识和算法，让我们能够形成一个大框架，对AI有一个全局的认识。这学期这门课程的主讲老师是一位刚毕业没多久的讲师，我觉得他讲得没有十分到位，只是照本宣科，所以只是看他的课件还不够，还得对照着课本看。我一直觉得，一个优秀的老师应该把教给我们的知识框架化、系统化，比如说，讲解A算法，不应该一开始就直接讲A算法的数学原理，应该聊聊A算法是为了解决什么问题，同样解决这个问题的其他算法有哪些，这些算法有什么共同点和不同点，这些算法各有什么优劣。每一节课都应该提供一个概览和总结，带同学们一起归纳和讨论，这个过程其实类似于聚类。如果有老师能够帮我们总结和归纳知识，从纷繁的知识库中抽出一条这个领域的脊骨，那么作为学生，学习起来就会非常快乐。

没有老师帮助我们，那么就只有我自己去做了。在看课本、做笔记的过程中，我一直试图去构建一个框架，来把每一章都能放在一个恰当的位置上。这个工作实际上已经由书本做好了，不必多劳，多读读教材的目录，多看看教材每一章导言和总结的内容，便有了大概的了解。在有了基本的大局观后，再回首看看如今十分热门的深度学习，不禁感慨自己认知的局限，想起莎士比亚在《哈姆雷特》中说的：身处果壳之中，也自认为无限宇宙之王。AI一直以来的目的，是创造一个智能体（agent），能够行人类之事。智能体需要感知环境，然后编码感知到的内容，内化为自己可以理解和处理的知识，然后对环境做出及时的响应，响应改变了环境，智能体随之继续做出及时的反应……这个过程就是AI的整个框架，这个领域的所有研究，都是为了解决在这个框架内出现的问题，比如，如何感知环境，如何编码感知到的内容来让机器能够处理这些内容，如何基于感知到的内容进行决策，等等。深度学习只是为了解决其中非常小的一个问题，而且提出的方法往往只是收敛于这个问题中的某一个子问题，比如根据图片来识别猫狗，并不能泛化在其他问题上，深度学习所带来的启发和思考，其实并没有经典的决策理论来得多。当然深度学习取得的成就是令人震惊的，但是它究竟不是人工智能，不能喧宾夺主了。

我一直不是很想去研究深度学习，我想要去尝试一下其他的东西，所以在做完关于行为识别的研究后，我一直在向导师表达我想要做其他东西的想法，我知道他有一个项目，聚焦于VR视频的编码、压缩和评价方法。之前认识了一个同样的NUS读博士的同学·，今年被CVPR接收了5篇论文，这个数量实在让人惊叹。AI领域如今十分具有活力，每年在几大顶会上发表的论文都有大几千篇，更别说在其他会议和期刊上了，学者们的引用量也扶摇直上，任何一个紧跟学术热点的学者，引用量往往都能轻松超过上万。看到在相关领域的同学已经收获颇丰，我也有点羡慕，但毕竟不同领域没有比较、竞争的必要，况且如今有这么多人投身于AI，孰好孰坏真的不知道。

其实，这个想法很难说是以这样的逻辑顺序形成的。我的导师不是从事深度学习领域研究的，因此我未来也基本上不可能再去研究深度学习了。所以，真实的逻辑顺序也许是这样的：客观上说，我未来不太可能会继续研究深度学习了，所以执拗于深度学习对我无益，因此，我会努力说服自己深度学习没意思，我应该去探索其他的领域，具体地说，我应该马上对当前最可能从事的研究感兴趣。因此，我一方面收集贬损深度学习的信息，另一方面也更青睐那些利好VR视频研究的信息。毕竟对视频本身的底层研究比深度学习更加工程和实用，而VR在如今也是一个潜在的热点，所以深深潜入这个领域很可能是一个不错的决定。有时候做做白日梦也不无好处，这是有科学研究证明的。

最近和一位新加坡朋友吃饭，他是学土木工程的，但他打算这个暑假去一个数码科技类的youtuber那里当实习生。他说他对土木工程不感兴趣，所以想要去广泛地寻找自己的兴趣，这个暑假去做科技类youtuber的实习生，也是想要体验和了解这个职业以及职业需要的专业技能。我很佩服他，佩服他不得过且过，对自己的未来有明确的规划，这一点是我远远不可及的。我还佩服他能义无反顾地“后悔”，有得选。我和他自白，我对于计算机科学也没有很大的兴趣，我其实一直对文学、哲学这些art and social science心怀向往和期待，但是学这些不好找工作，遂学习了理工科。他告诉我，他们从来不会担心就业问题，学什么都能找到不错的工作。经济基础确实很大地影响着人的自由。

赏

谢谢你请我吃糖果

支付宝

微信