在本文中，Mike分享了在麻省理工学院人工智能实验室一年中学到的 5 件事，包括他生活、成功和知识的一些意见，希望你以为有趣或有用。

Mike在开始在麻省理工学院事情之前，刚从 UVA 毕业，主修打算机科学和认知科学，并辅修哲学和数学，自我觉得还不错，然而，当他第一次参加麻省理工学院周会时傻眼了——他创造自己最多理解了谈论内容的大约 10-20%，在接下来的几周内他都在疑惑人生：难道智商太低不配进入麻省理工学院吗？为什么看起来只有自己不懂的样子？

Mike把稳到，实验室最聪明的人总是不断地提出问题，仅在第一周，他碰着了 5 或 6 个研究 AI 和神经科学交叉领域的人，研究 AI 和神经科学的交叉点的韶光比他活着的韶光还长。
纵然他们在领域以最大的专注度研究的数十年，乃至达到了绝对的顶峰，但还是在不断提出问题，办理问题和验证假设。

他明白自己来麻省理工的目的便是来不断办理不懂之处的。
他放弃了伪装自己，坦然承认自己不理解目前进展的事情。

从一直止提问，每个疑问代表着一次机会——可以缩小理解差距，提高自己的知识。
正是对自己已有知识的充分认识，思考对立面是什么，才会拓展自己的知识边界。
总是支持同事不雅观点，总是希望别人知道他们有多聪明，是缺少安全感的表现。
在一个没有认知冲突的安全环境中，只会将自己的置于温水煮田鸡的田地。

当他被奉告在麻省理工学院实验室担当的职位时，Mike想到了自己本科期间结识的从麻省理工学院 EECS 得到学士和博士学位的教授。
他跑去咨询该教授一堆问题：麻省理工学院怎么样？文化上与 UVA 的异同？长相怪异的蒂姆·比弗（Tim Beaver）是怎么回事？波士顿物价为什么这么贵……

教授见告他很多很棒的技巧，但他特殊记得的是他的“警告”：“在麻省理工学院，坦直无处不在。
如果你有一个屈曲的想法，人们会见告你的。
如果你不善于你所做的事情，人们也会见告你；如果你的假设是垃圾，对方无论是在几个人的房间里都会对你指出。
”

Mike拿小本本记下，在几个月后召开了他的第一次实验室会议时就领教了个中厉害......他有一些想法，被大家奉告不成熟；他犯了一个技能缺点，被人直接叫了出来。
麻省理工学院的每个人都会碰着这种情形——无论你在《Science》上揭橥了 13篇论文，还是从未揭橥过。
这彷佛都是在麻省理工学院会碰着的一种文化。
事实上，如果有听众不断插话和提问，这乃至被视为一种尊重的表现——意味着他们很感兴趣！
如果自己的演示没有人打断，那可能是一件乏味的事情。

对知识的探索和对科学前沿的推动在MIT是神圣的，这种能够得到坦率、客不雅观的反馈尤为推崇。
在MIT，坦直沟通的韶光和地点是随时随地的，你可以专注于事情，而不必担心批评是对本人的，它们仅仅是对事情的批评。
在过去的几个月里，Mike来寻求这种坦直和客不雅观的反馈，随着韶光的推移和得到该领域的知识方面供应了最大的“物有所值”。

我们考试测验学习的韶光有限尽己所能，那么为什么不去拥抱批评这种直不雅观反馈呢？

Mike有一项坚持了 3 年多的 Book-a-Week 寻衅。
在近四年的韶光里阅读了 170 多本关于人工智能、哲学以及作为人类的意义的书本。

他从书中获取的是：要成为某事的大师，真正理解一个领域并产生影响，必须经历发展的各个阶段。
完成正规教诲后，你可以进入“学徒”阶段，必须学习干事的办法和规则（无论是明确的还是隐含的）。
持续 3 年到 10 年以上，接下来进入创造阶段，在这个阶段可以扩展并发挥自己的创造性和独立性。
末了，你进入节制阶段，节制一门学科或领域便是一种投资。
通过节制一门学科，以一种故意义的办法发挥您的全部潜力。
这是对未来幸福和造诣的投资，也是一种避免陷入去世胡同或随着年事增长而感到烦懑活的方法。

在深入学习人工智能/神经科学领域，Mike就以为自己正处于学徒阶段，用他最喜好的作家Robert Greene 的话来说，“接管空想的学徒制”。
提出问题，热切地寻求知识，在学习事物时永久不要有优胜感——任何与自己领域干系的事物，纵然是看似无关的事物，都值得学习。

人工智能是否可以体验感情是一个非常有争议的话题，他已经写了很多文章，惹恼了他的实验室伙伴，而且还没有靠近答案，「我只知道我们是人类，拥有数千年的进化遗产。
我们的幸福、悲哀、希望、胜利和失落败等感情或思维是非常独特的。
它们正是使我们成为人类的东西，也是在人工智能中很难很快复制的东西。
」

我们的大脑涌现故障的办法比正常运行的办法要多，多巴胺水平可能会失落控，涌现病变，旗子暗记丢失或重定向不当……故障列表险些是无穷无尽的，我们都会犯错，这是一件再普通不过的事，我们的所有感情都是有代价的，是人能够差异于类脑系统和机器的主要部分。

想想之前已经被历史遗忘的所有故事，生存、爱情、苦难、困境等主题在几个世纪中回响，独特的思维是时空里永恒且独特的纪念。
以是，不管你生活中发生的任何其他事情，无论好坏，不管日常无聊的生存任务，不管你个人的得失落：只要记住，成为一个故意识的、事情的人便是一项了不起的壮举。

比来一种“反科学”的风气在美国各地兴起，这在很多方面令人非常不安。
卡尔·萨根（Carl Sagan），在 1996 年已经惊人地预测到了这种征象：

一种对科学奇迹本身的疑惑彷佛也越来越盛行，若何对抗这种“反科学之风”？Mike根据在MIT迄今所不雅观察到的事情供应了一些见地。

首先，便是上文第一章节所说——质疑统统。
没有任何东西可以免于审查和合理的疑惑。
当你看到一篇文章时，先看看是谁写的，看看他们之前的事情，是否有成本推动。
在得出结论之前，要交叉地参考来源进行确认。
问问别人为什么要辩论，以及可以得到什么。
如果论点存在偏见历史，那么自己很可能只看到事情的一壁。

第二，剖析论据，探求逻辑中的常见缺点，比如人身攻击、不合逻辑的推理，选择和确认偏差（个中选择性偏好最为要紧，由于它产生的深远影响难以被创造）；跟随作者提出论点的过程，确保论点在哲学上是有效的（correct，条件精确）、合理的（sound，结论从前提中得到）；当心缺点的暗示、毫无根据的主见和被人为掌握的图表数据；要为所有论断寻求证据，没有证据就可以断言的东西，也可以在没有证据的情形下被驳回。

末了，认识到人都会犯错。
数据每每不完全或有偏差，新的证据涌现可能会冲击原来立论。
思想是可以改变的，也该当去改变。
成熟的做法是——面对新的事实时，让旧不雅观念消逝，并承认所犯的任何缺点。

图片来源：Greg Rakozy

Mike希望这些建议可以帮助我们在这个看似“后原形”的天下中找到方向，学会深入挖掘论点，对结论的得出办法进行剖析。
科学是一种思维办法，是开放思想和疑惑主义之间的奇妙边界。
关键是，只要稍加实践，科学就能深刻地影响一个人的天下不雅观。

参考链接：

https://towardsdatascience.com/5-things-i-have-learned-working-in-an-mit-ai-research-lab-for-a-year-a65b4fcaef31