![](static/image/blog/recommendico.gif)
每年本科生或研一学生刚进入实验室,我都发愁。一是不了解他们的兴趣点在哪里,二是他们到底擅长做什么?
任凭他们的想法,那80%以上都是要选人工智能(AI)和深度学习(DL)的。因为,这个方向很宽泛,也很热,特别是未来“好”就业。
如果这样的话,那信息技术(IT)领域培养的学生就变成了千遍一律,大部分毕业生就成了数据标注师,代码测试和调参工程师。
我们不能否认科研新手的现有想法,毕竟以他们目前现有的对科研的认知,听得多的、见得多的就是人工智能(AI),对其他机理性、基础性需要花大量时间和精力的研究不感兴趣。而且现在国际、国内组织的很多针对本科生、研究生的科技竞赛,也都聚焦于利用AI解决问题。
不仅如此,很多的年轻教师,申请项目也都不自觉的把利用AI解决问题作为了自己的主要方向。因为,作为基础研究,特别是基金申报实在是不清楚自己的研究该往哪里走,才能得到同行认可。
在机器视觉领域,你发表的论文和申报的课题,如果不涉及深度学习,估计很大程度上是要被判死刑的。至少,你的概述和引言里要综述前沿和“新”技术,展望里要对前沿AI技术的讨论。否则,一定是需要给予充分的理由和解释的。
如今,学生跟你讨论选题时,基本上把研究方向分成了两大类:非深度(经典)方法和深度学习。
AI是个好东西,我们绝不能排斥。但只知道AI,不深究物理机理,那我们的基础研究路在何处,解决“卡脖子”的根又在哪里。
每年国际上机器视觉顶会发表了无数论文,除了公开数据集上能跑出几个百分点的好成绩,有几篇是用了实际场景测试的,几乎没有。
学生毕业论文也好,发表论文也罢,只要遇到主题为神经网络、深度学习类的论文,几乎没法评判其创新和价值到底在哪里。
因此,作为研究生,我们不能只知道深度(实则不深)学习,还需要知道物理机理和知识的广度。
总之,我建议的研究生选题,一定是基于解决问题的机理基础上的深度研究,而不是仅利用神经网络玩搭积木游戏。
长按/扫一扫二维码,敬请关注“闻道研学”
相关博文:
[1]选题
[2]谈谈工科研究生选题
[5]研究生文献阅读那些事
相关专题:导师与学生
转载本文请联系原作者获取授权,同时请注明本文来自彭真明科学网博客。
链接地址:https://wap.sciencenet.cn/blog-425437-1348969.html?mobile=1
收藏