Yoshua Bengio经验分享：聊 Bengio 的学术方法论和如何管理实验室

AI 科技评论按：深度学习三驾马车、四大金刚中，相比于YannLeCun经常以（曾任）Facebook人工智能研究院FAIR负责人以及Facebook首席AI科学家的身份发表言论、接受采访，Geoffrey Hinton经常进行对深度学习反思的讲座，吴恩达更是研究兼创业的社交媒体大红人，Yoshua Bengio似乎要低调得多，我们不常见到Bengio的公开采访和新闻。

CIFAR 机器与大脑学习项目的联合主席 Yoshua Bengio

近日，Graham Taylor对 Yoshua Bengio进行了一次采访，聊了聊Bengio的学术方法论和如何管理实验室，是一次诚挚的反思，也是一份给年轻博士、教授、实验室管理者们的参考建议。AI 科技评论全文编译如下。

Graham Taylor 是 CIFAR 机器和大脑学习项目的全球学者，任圭尔夫大学和矢量研究所工程学院的副教授。Yoshua Bengio目前是 CIFAR 机器与大脑学习项目的联合主席，加拿大计算机科学与运筹学系的全职教授，蒙特利尔大学统计学习算法研究主席。

Taylor ：能讲讲您第一次任职教授的经历吗？

Bengio：我第一次任职是在蒙特利尔大学，从事机器学习、神经网络研究，当时我是唯一研究这一方向的人，所以我非常有激情，欣然接受了每个来到我身边想学习的学生，现在想起来，我当时应该更谨慎一些。

当时我通过在博士后期间合作过的朋友，与 Geoff ，还有在多伦多从事机器学习、神经网络研究的学者取得了联系。与学界内的人建立联系非常重要，毕竟当时我是蒙特利尔大学唯一从事这一方向的人。我很幸运，很感谢蒙特利尔大学看到了我的潜力，很快就减少了我的授课压力。

Taylor：一开始就减少了课程安排？

Bengio：是的。一般来说教授要教三门课，但前七年，我只需要上两门课程，而在成为加拿大研究主席后，就变成了一门课程。教学负担过重，还要兼顾实验室，这当时对我来说挑战非常大。我有些遗憾，当时的工作太忙，又正逢我的第二个孩子出生，让我有些不知所措。现在回想起来，我当时应该学会平衡自己的工作和生活。

Taylor：在学校里有没有人能给予一些指导呢？

Bengio：没有。事实上我当时应该去向更资深的教授请教经验，即使不一定是同一研究方向的教授，也可以请教一些教学经验。如果我不那么害羞，可能会和资深的教授建立联系并获得他们的反馈。我当时没有意识到的一点 ——新人应该主动去与资深教授建立联系。尽管资深教授可能不会主动来找你，但只要新教授主动去联系，资深的教授们都很乐意向新人授经验。

Taylor：除了校内，您还获得了哪些最佳建议呢？

Bengio：在我担任教授的第一个十年里，我和 Geoff Hinton 经常联系，尽管我们不在同一个城市。他给予了我很大帮助，让我明白了专注的重要性。

不要让自己的精力过于分散；总是追求当前的想法，就会忘记了长期的挑战。建立自我的过程是很难的，我们很容易被当下的事情分散注意力，比如发表足够的论文、然后要申请终身教职等等。但事实上，我们必须要花一些时间专注于长期的事情，这才是事业成功的关键。总是局限于当下，很容易陷入困境，错过一些重要的事情。Geoff 让我理解到了这一点。

Taylor：你认为机器学习成为众人瞩目的焦点是件好事吗？某些公司或其他合作者可能会拿着一个非常具体的应用项目来找你，这同样会分散你的注意力。

Bengio：我想每个人都需要找到自己的路，在某一领域研究透彻，成为专家并取得突破。因此，作为年轻的教员，如果想要做出一些实际应用，就应该专注于一个方向，并成为这个方向内最强大的人。

应用机器学习的一个风险，是它的应用方向很多。90 年代时我就曾接触了许多的应用方向。

Taylor：所以和现在一样多的应用方向吗？

Bengio：在 90 年代，神经网络和机器学习在企业界也有许多研究，加拿大学界鼓励与工业界合作，这能帮助实验室获得更多研究资金，非常有吸引力。我当时把一些合作的资金用于支持一些长期研究。这不是他们预想之内的，但学业界和企业界的合作间接地鼓励并推动了长期发基础研究。我们应该赋予长期的研究更大的价值，因为AI如今的惊人的进步都是这些长期研究带来的。

我想再多说一下研究授权的事情。我开始时没有意识到，加拿大自然科学和工程研究委员会（NSERC）这样的组织，向他们申请课题经费的时候，他们其实并不太关心你是否按照自己之前描述的去做了，他们会希望你做好研究并能在之后汇报自己的成果。

在研究中，很难预测什么是热门的、会遇到什么问题。学会适应和调整是很重要的，NSERC 允许这样做（但与企业合作的、为了帮助企业的项目可能并不适用）。其实你不需要把自己做事的范围限定的太紧，只要你能让掏钱的人觉得满意就行。NSERC的要求就只是做好科学、发布研究成果、维持灵活的研究路径。

Taylor：你管理实验室的方法是什么、有没有什么非常推荐的做法？你的实验室有那么多学生、设备和项目。

Bengio：请求别人的帮助。实验室发展的早期我不能给博士后很多工资。通常我会选择对实验室相对熟悉的博士后，他们不需要两年的时间来适应环境，而且还可以帮助管理团队。作为博士后，其实并没有学习过如何去管理团队或领导团队，但这种管理能力正是我们需要的。我发现很有意义的一件事，是去发现学生自身的领导力。我很乐意用实习生，实验室有许多来自其他地方的本科生或研究生，当然也有喜欢并擅长管理的博士生。有时候会有那么一个很会管理的；也有一些学生最终可以一个人指导好几个别的学生。我们不应低估年轻人的管理能力。

Taylor：现在给博士后的工作机会很多，招聘高质量的博士后会更加困难吗？

Bengio：是的，也不是。在这方面，我不认为我是一个好的榜样。

我通常会寻找有一定数学或物理背景并且涉足机器学习的人，这些人可以快速地学习机器学习，因此两到三年的博士后是很值得招募的。他们或许暂时无法进入 Google Brain 这样的地方工作，因为他们还没有证明自己在机器学习方面的能力。这里面有一些运气成分，不过对我来说还成功了好几次。

Taylor：你是如何说服博士后进入实验室而不去企业界工作的呢？

Bengio：来到机器学习实验室并参与到发表研究中，将大大提高他们对于工业界的价值，这对他们之后找到好工作、高薪资都是有帮助的。当然这因人而异，有些博士生毕业以后不需要做博士后就可以找到很好的工作了。所以更重要的因素可能是想不想发展自己的学术生涯，因为钱并不是人们唯一关心的事情。 对于这类博士生，做一个博士后当然是一件好事：了解学术界如何运作，参与管理角色等等。

基础研究实验室的工作和在企业的工作是差别很大的，在企业中，你会成为研究人员或是有大量开发工作的技术人员，而在实验室，你则有更多自由去做基础研究。企业界的具体职位有很多，但是博士后更喜欢的像实验室的那种工作很少。

Taylor：但进入企业界工作的博士生还是会继续增长，对吗？例如在 Google Brain，DeepMind，FAIR这类地方？

Bengio：是的，即使像 Element AI 这样的新公司也有类似的团队。

Taylor：就人数上来说，您认为实验室需要多大规模？

Bengio：这取决于教授，以及其管理团队的经验。我的实验室是从三个人开始的，现在我有一个很棒的团队。一下子是没办法做到这样的，所以我逐渐学会了如何管理更多人，建立基础设施和资金。实验室应该以自己的速度发展，有些教授不喜欢实验室太多人，这当然也可以。但其实当你有更多的学生，你可以生产更多的论文。但是，你花在每个学生上的时间会更少，所以对学生来说可能没那么有意义。

我实验室 15 年的大团队管理经验告诉我，促进学生之间的合作很重要。换句话说，不要将每个学生束缚在他们自己的项目中，而是让他们灵活地合作。另外，学生们与教授不是一对一的关系，应该将整个实验室的人组成一个大的网络。

Taylor：所有人互相之间都有沟通。

Bengio：没错，这很管用。如果在工作中一个人只能依赖于某一个人的反馈，而对方又很忙没有时间，那他们会感觉很不舒服。但如果有十几个同事可以给予反馈，这会创造丰富得多的网络，方便大家沟通。

Taylor：通过哪些办法可以创建这种网络式的环境？有一些措施可能比较具体，有一些就是微妙地改变实验室文化了吧。

Bengio：具体的措施比如，我会要求学生呆在实验室，而不是在家工作。我会给他们自由去选择项目，即使是其他教授的项目也可以，我会帮助他们接触到其他教授，让我们这个小组变得更大，让学生可以与其他教授讨论。我们也会定期组织活动，如阅读小组，研讨会和外部活动。

Taylor：我最近和一位在美国工作的朋友讨论了共同指导学生的问题，他认为几个导师之间的首要议题是讨论谁出多少钱。在加拿大好像并不是这样？

Bengio：在加拿大的实验室工作，和美国很大的一点不同，是这里的学生花费比美国低很多。资金还是挺重要的一个因素对吧，不过可能也和文化有关吧。其实相比于资金怎么分配，我更加考虑的是共同合作这件事本身，而且不一定有什么具体的成果要求。说到这里也和前面谈到过的授权以及合作方式有关系了，就是，我对家长包办的婚姻不是很有信心。换句话说，在共同指导以及合作的事情上，我们不会去搞一个共同指导协议之类的东西，而更多的是因为我们有共同的兴趣，经常交流，这时候共同指导和合作自然而然地就发生了。

希望我解释清楚了，这就像婚姻，是给了鼓励，然后看它会不会发生。如果是一场早已安排好的婚姻，最后的结局有可能是好的，但也更有可能会像是一个监狱，甲乙两个人被迫接受这种特定的关系、被迫在同一个项目里合作。但其实可能甲和丁的关系要处得好得多也有可能。例如，在实验室里，我们有这样一个概念—— 有一个资金池，你可以与任何你想要合作的的人合作，无论如何你都会得到资助。

Taylor：这是因为参与项目的主要研究人员们喜欢资金池的做法吗？

Bengio：我会将自己的研究资金组成共同的资金池。这并不是一种通用的方法，但通常对于有资深教授的实验室来说，这种做法会让学生更容易获得资金。在申请项目经费的时候我也会写明这一点。参与研究的人如果不受到资金的限制，就可以更享受、探索出更多的想法。

Taylor：对于新教授来说，考虑研究什么方向是很重要的，是做一个没有别的人做的全新的领域，还是做已经有别的学校成员、资深教授在做的，可以有充分合作的领域呢？

Bengio：是这样，只要你能和大部队相处得来，那么参与已有的研究领域要容易得多。因此，只要你能接受团队的风格，那么在实验室里，初级教员就可以轻松上手。他们不必受到资金的压力，他们可以提出自己的想法，与其他人一起合作指导学生，也很早就可以获得关于自己的研究的反馈。

Taylor：我想谈谈关于招收学生的事情。最近正是深度学习的热潮来临，应该有很多学生申请实验室工作，和以前会很不一样吧。如果你对对方不是很有兴趣你会怎么办？学生们突然增加的这么多兴趣你又是如何应对的？

Bengio：首先，实验室不只是在进行研究，而是让它为人所知。做研究的人可以去参加研讨会和会议，可以去参观其他实验室，你不一定非要等别人邀请你。你可以大方地说，「嘿，我也在这一领域工作，可以与大家交流一下吗？」然后你会慢慢在界内为人所知。另外，如果你通过研究资助进行正式的合作，也会这样的网络效应。

这对实验室的招人来说是一个巨大的帮助，当然也有教学上的帮助。教学的另一作用就是是让学生了解你，特别是你的研究生或者是最后一年的本科生。你可以谈论你关心的事情，与他们建立联系。你可以慢慢发现学生的优点，并试着把它们引入到你的实验室里。

我的实验室里有来自本科生和其他地方的暑期实习生。通过这种方式，可以了解一个人是否具有研究潜力。这样做比面试一次就招募一个人要安全得多，毕竟留下来的人会与你一起共事五年。

我去年收到了 700 份简历申请，今年可能有 1000 个，而其实我需要招募的只有几十个，所以必须有条理，需要秘书去帮助整理。如果不这样的话，可能会淹没在上千份简历里，也没有办法亲自一一回复每一封邮件。

Taylor：我们要讨论的最后一件事是与企业界的合作。你怎么判断是否是合适的合作？

Bengio：没法立刻判断，都是几年后才能意识到。通常情况是双方的期望之间存在不匹配，与企业界的合作必须小心这一点，你需要明确告诉对方，学术界的人可以为他们做什么而不能做什么。重要的是让他们明白学术不是廉价劳动力，也不会产出产品，而是可以创造一些能改变商业模式的想法。企业需要明白，这只是投资的一部分。他们还需要让内部人员将算法和原型转变为产品，否则合作注定要失败。说实话很多人不愿意听到这些，因为这意味着企业要花更多的钱。但是这些话不得不说。

Taylor：您是否曾经放弃过与公司的合作？

Bengio：不会。一般会发生的事情是，双方合作过之后都同意续签合作合同不是很有价值了，就终止了。

Taylor：通常合作都会有固定的时间？

Bengio：是的，这些合同通常是一年，两年或三年。

Taylor：最后您还有什么想要分享的内容吗？

Bengio：倾听你的直觉。许多人缺乏自信，因此他们错过了机会。作为研究人员，我们的主要工作是提供有意义的想法来推动知识进步。这些想法隐藏在我们大脑某个地方，我们需要培养一种能力，让这些想法能够发展成熟并发布出来，因此你需要有足够的时间来思考，而不是一直编程，写作甚至阅读。多考虑一下那些让你烦恼的大问题。

Taylor：谢谢 Bengio。您说的很多东西都是我在工作几年后才明白的经验教训。但是对于有人来说，在第一年或第二年看到这些是非常有价值的。正如您前面提到过的，读博士的目标并不仅仅是管好一个实验室而已。