资质荣誉
讲堂 | 刘铁岩:科研到底怎么做?什么是高质量研究?
发布日期:2021-09-05 01:23    点击次数:173

编者按:科研,顾名思义,就是科学研究。小到生活用品,大到宇宙航天,生活中处处不缺由科学研究转化而来的成果。而在科学研究的背后,是一群默默无闻、专心学术的科学家们。从科研小白到科研大佬的科研之旅,这背后的故事,你了解多少?

在 Ada Camp 2021 上,微软亚洲研究院副院长刘铁岩博士,就“科学研究“这个话题结合自身科研之路,以及这一路以来的心得体会,为大家分享了科学研究到底该怎么做、想做好科研到底该具备哪些技能。希望即将走向或者正在进行科研的你,能够从这次讲堂中收获满满,为自己的科研之路增添更多色彩!

图片

微软亚洲研究院副院长刘铁岩

非常荣幸参加“未来由妳 Ada Camp 2021”活动。今天,我想结合一下自己的求学和工作经历,来跟大家分享一下我们应该如何去做科学研究,以及在做科研中可能遇到的问题和疑惑,希望能给大家的科研生活带来一定的帮助和启发。

我本人的学术生涯非常简单,我是一个典型的科研工作者,如果用两个数字来形容的话,就是9和18 —— 9年的清华学习之旅和18年的微软亚洲研究院工作之路。在过去的这27年里,我跟大家一样,也是从一个懵懂的学生开始,之后在学术之路上不断攀登,一步一步取得了很多学术成果,逐渐被国际学术界所认可。

为什么我们要进行科学研究?

其实原因非常简单,我们都知道科学技术是第一生产力,而科学研究则可以推动和改变人类的社会,塑造我们的未来。大家可能都非常熟悉人类社会经历的4次工业革命,从机械化、电气化到现在的信息化、智能化。我们的生产效率得到了极大的提升,生活质量也有了巨大的改善。这4次工业革命的背后,都是科学技术的飞跃性发展,而这些技术的发明都离不开幕后的英雄——默默无闻地从事着科学研究的科学家们。

图片

如果说工业革命塑造了我们的昨天、今天,甚至是明天,那么自然科学的发展则更决定了我们人类长久的未来。《科学(Science)》杂志在其125周年的时候刊发了一期专刊,列举了关乎宇宙奥秘、生命机理以及人类生存和可持续发展的125个最重要的现代科学问题。每一个问题都非常深刻,直击灵魂。比如,宇宙是由什么构成的?意识的生物基础是什么?人类为什么只有那么少量的基因,却有这么丰富的形态和这么高的智能?是否存在着大一统的物理定律等等。

虽然这些问题非常艰深,但是科学家们一直都没有停止探索这些问题的脚步,也不断地通过自己的努力推进着人类认识科学的边界。

图片

这其中很多的女性科学家也为我们人类的发展做出了巨大的贡献。比如,居里夫人、迈特纳、埃利昂等等。当然还有我们中国的屠呦呦,因为发现了青蒿素,挽救了全球特别是发展中国家数百万人的生命。

图片

可能有的同学会说,这些伟大的科学家离我们太伟大、太遥远了,我们实在没有勇气成为他们那样的人。的确,想要在科学领域成为有辉煌成就的科学家不是件容易的事情,不仅需要靠努力,而且还有一些运气的成分。

不过今天我想告诉大家,迈进科学的大门没有那么难,也没有那么遥远。我相信不少同学儿时都有一个成为科学家的梦想。而且我们每个人其实都有成为科学家的潜质,因为我们从孩提时就对周围的一切都充满了好奇心,对现实和虚幻的世界都充满了想象力。而这两点正是从事科学研究最最重要的特质。

当然,科学家还需要更多的素质,比如,观察敏锐,善于从细节中寻找到蛛丝马迹,发现被别人忽略的线索;大胆假说,针对这些发现勇于提出自己的假设,能够依据知识和直觉,指出这些发现背后可能存在的重大规律;小心求证,假说人人都可以提,但是只有被验证了的假说才是科学道理,这也是科学和迷信的分水岭;严谨勤奋,无论是假说还是求证,都要建立在大量的知识积累和严谨的推导之上;精确诚实,科学是没有捷径的,造假、抄袭、敷衍的行为绝对不会造就真正的科学家;最后就是长期坚持,科学之路不会一帆风顺。

图片

我们经常说,如果你做10个研究项目,有9个失败了1个成功,这是正常规律。但是,如果你9个甚至10个都成功,那就说明你选的研究题目太简单。所以我们必须要理解科学研究背后的规律,它不是一蹴而成的,甚至可能需要几十年如一日的坚持,常常会大器晚成。

正是因为前面提到的这些原因,从事科学研究的人构成了一座金字塔。中国拥有博士学位的人数以百万计;在国际顶级会议或者期刊上发表过论文的中国学者可能只有几万名;而国际知名的中国学者则更少,可能也就几千人。从这个意义上讲,“研究”其实是存在着一定“风险系数”的职业。我们需要一步一步攀登高峰,才能够从获得博士学位逐步成长为一位国际知名的科学家。

什么是高质量研究?

为了实现这个目的,我们首先要来看一看什么是好的科学研究,然后再探讨如何能够做出这样的科学研究。

今天很多同学都是来自于计算机或者相关专业的,我们在这个行业里面是非常幸运的。因为计算机科学是发展最快的学科之一,它与国际接轨,影响面广,关注度高,就业前景宽广。

那么好的计算机研究到底是什么样子的?不知道大家有没有听过这样一种对学者层次的生动描述。

所谓一流学者,就是要去引领学术领域发展的,其可贵之处在于能够洞察趋势,提出重要问题。二流学者,虽然没有那么深的洞察力,但是有非常好的功底和知识技能,可以把别人提出的问题解得很好,这对于学术研究也是一个非常重要的推动力。而三流学者,通常是跟随潮流、小步慢跑。虽然他们的工作可能没有那么大的创新性,也没有解决重大的科学问题,但是他们也有很大的价值,因为他们试了很多错,对学术界也做出了一定的贡献。无论是哪种学者,我想大家内心里都希望能够做出高质量的研究。

到底什么是高质量的研究呢?我认为高质量的研究可以有很多种不同的类型,它既可以是提出全新的重要问题,也可以是首次解决一个公认的难题。这里举几个我自己的例子,让大家有个形象的认识。

第一个例子,发生在大约15年前,那个时候搜索引擎刚刚兴起,像 Google、百度这些公司都还是新兴公司。在那个年代,搜索引擎背后的技术其实是比较落后的,很多人都是靠拍脑袋,想出一些经验的、启发式的公式。针对这样的情况,包括我在内的一些学者共同提出了一个科学问题:我们能否用计算机自动学习一个性能优异的排序模型,而不是靠人为用启发式去定义排序公式呢?

这个问题后来就引出了一个新的学术分支,我们称之为 Learning to Rank(排序学习)。简而言之,就是利用机器学习的技术,依据人为标注的正确答案,或者用户在线与搜索引擎交互的点击数据,学到针对特定的查询词,对网页相关性进行排序的一个最优的模型。

图片

在我们的倡导下,很多学者都加入了我们,一起在这些方面做了大量的研究。而所有这些学者的共同努力也成就了今天主流的商业搜索引擎,它们背后的技术几乎无一不是排序学习,而排序学习就是典型的“提出重要问题”的研究。

第二个例子,发生在大概五六年前,那时候人工智能的技术有着突飞猛进的发展,解决了很多实际的问题。不过,那时主流的机器学习技术,需要大量人为标注的样本。以机器翻译为例,通常需要上千万的双语语对来作为训练数据,才能训练出一个性能优良的机器翻译模型。然而,不是所有的人工智能任务都能够获得这样丰富的数据。比如,很多小语种全世界可能会讲这个语言的人都没有几个,更不要说找到人来标注大量的双语数据了。在这个背景下,我们就提出了一个科学问题:是否可以利用机器翻译这类人工智能任务的某种结构特点,在不需要大量标注样本,甚至不需要任何标注样本的前提下,就能够学到有效的人工智能模型?

这个问题的提出并不是天方夜谭。我们注意到,类似机器翻译这样的人工智能任务,其实是一个双向的交互任务,比如中英翻译的反向任务是英中翻译,语音识别的反向任务是语音合成。一旦我们有了双向的交互就可以形成一个闭环的信息流,而这种闭环就可能使得我们不需要任何人为标注,就能获得驱动机器学习模型训练的信号,我们称这个技术范式为对偶学习。我们开发了一系列对偶学习的技术,在机器翻译、图像识别、语音合成等多个领域达到了世界上当时最好的效果,超越了人类专家的水平。

另外,在新冠疫情肆虐全球的时候,我们利用新型的机器学习技术,精确预测了病毒抗原到人类免疫细胞之间的映射关系。基于这个核心技术,我们和合作伙伴一起完成了首个由 FDA 批准的基于人类免疫细胞的早期新冠疾病的检测系统,其安全性、准确性、及时性与常用的核酸检测和抗体检测相比都有明显的优势。

除了前面提到的几种高质量研究以外,如果你通过自己的不懈努力,显著地超越了前人的工作,比如比前人工作的精度更高,比前人工作的速度更快,或者是在某些层面上比前人的工作具有了更深的洞察,那么恭喜你,你的研究也是一份质量非常高的研究。

受时间所限,这里我就举几个速度显著超越前人工作的例子供大家参考。过去这几年里,坊间流传着一种方法论,就是所谓的“大力出奇迹”。也就是使用大量的计算资源去训练一个非常大的模型,用以解决现实中人类可能只需要用非常小的努力就能解决的问题。这种“大力出奇迹”的范式,从某种意义上讲,有它的科学价值。但是它的实用性是值得质疑的,因为我们不可能为了翻译一句话,使用几百美金、几千美金的成本。

心怀对“大力出奇迹”的质疑,我们微软亚洲研究院的研究员们从事了一系列“四两拨千斤”的研究,比如2015年我们的团队发明了 LightLDA,这是当时世界上速度最快、效率最高的主题模型。所谓主题模型,就是从文本数据中自动分析主题的一种算法。我们通过一项新技术把每个文本符号的采样复杂度降到了O(1),也就是和想要学出的主题的数目无关。在 LightLDA 出现之前,全球最大规模的主题模型用了1万个 CPU 核,挖掘出了大约10万个主题。而我们的 LightLDA 只需要300多个 CPU 核就可以挖掘出一百万个主题,并且可以处理的文本数据的大小也比前人的大一个数量级。之后,我们还陆续提出了 LightGBM,比之前最快的梯度提升决策树的算法快了将近10倍,FastSpeech 比之前最快的神经语音合成模型快了300倍,以及 FastBERT 比知名的预训练语言模型 BERT 快了大概10倍,而且所有这些模型的精度都几乎没有损失。

图片

通过这些研究,我们把之前最好的算法的速度提高了一个到几个数量级,帮助人们节省了大量的计算成本,从而大大提升了这些技术的实用价值。从这个意义上讲,它们也是高质量的研究。

如何能够勇攀科研高峰?

刚刚我用了一些典型的例子给大家展示了什么是高质量的研究,那么如何才能做出这样的研究呢?今天我想跟大家分享一些科学研究的原则和思想。我觉得这些可能对于引导大家走上科研道路,真正有勇气去攀登学术高峰,会很有帮助。

在去年诺贝尔奖官方平台发布的一个视频*中,几位诺贝尔奖获得者与年轻学者分享了几个重要的做研究的原则,包括:Work Hard(努力),Learning by doing(边做边学),以及 do something you love(做你喜欢的事情)。(*感兴趣的读者,可点击链接观看:https://www.youtube.com/watch?v=9GIsSn_LUh0)除了这些以外,我还为大家总结了以下几点。

第一、终身学习,是学者的宿命。回顾我自己20多年的研究历程,从最初的信号处理、视频内容分析、网络搜索、机器学习、算法博弈论、深度学习、强化学习、金融、物流、生物、制药、智能科学,一路走来没有停止过学习。在这个过程中,自己变得越来越博学、越来越丰富,对世界的影响也越来越大。所以我建议所有的同学们多学习、多了解,不要放弃学习的脚步。

第二、研究很苦,有很多的困难,具有好奇心、热情甚至信仰,才是驱动我们、支撑我们在研究道路上不断前行的动力。我给大家举一个例子,我们研究组在过去的两三年时间里,逐渐对计算生物学有了浓厚的兴趣,并且投入了很多的精力和资源。在这些方面的探索与我们的好奇心密切相关,因为我们发现生物领域有趣且深奥。比如微生物菌群,大家可能想象不到,你体内的微生物比你自己的细胞还多,我们从某种意义上讲是被这些微生物控制的,我们爱吃什么、我们的生活习惯、我们的健康状况,都与这些微生物息息相关。所以我们想要做到真正的精准医疗,必须对这些微生物有深入的了解。另一个例子是表观遗传,我们每个细胞里的基因都是相同的,可是有些细胞最终发展成了我们的皮肤,有些发展成了我们的大脑,有些变成了内脏。是谁对基因表达进行了如此神奇的调控呢?正是基于对这些问题的好奇心,我们在三年前成立了计算生物学组,并且在这些方向上取得了非常令人鼓舞的成果。

第三、研究对创新有着非常高的要求,这件事情说起来容易,做起来却很难。我发现很多同学特别愿意在自己的“小盒子”里面,如果你想要跳出这个小盒子,那么就必须要知道外面的世界是什么样子的,这与我们前面提到的终身学习密切相关。当你有了深入的研究,同时有了宽阔的视野时,你通常会做出可以让别人非常惊讶的研究成果。

第四、质重于量,精益求精。因为我们每个人的时间和精力是非常有限的,要学会合理分配。我们可以用同样的时间做100项不同的研究,每一项都浅尝辄止;也可以集中尽力做一件事,非常深入,取得世界瞩目的成绩。

最后,我想要鼓励大家不怕失败。人不可能不犯错,不可能没有失败,只要我们能够从失败中学习,其实失败会给你提供更多的经验,让你能够把事情做得更好。

科学研究是很神圣的,但是科学研究的道路并不是高不可攀的。我们只要有正确的动机,有效的方法论,完全可以在科研道路上不断地创造成功,不断做出自己的贡献。