博士号取得のために勉強するべきか、しないべきか、それが問題だ。
博士号を取得すべきかどうか、また取得することがどれほど難しいかは、永遠のテーマです。最近、reddit で話題の投稿が再びみんなの議論への熱意に火をつけました (tu)。 機械学習を専攻する博士課程5年生が博士課程での経験について話し、主な話題は「なぜ博士号を取得すべきではないのか」でした。 なぜ博士号を取得すべきではないのですか?博士課程の学生は、自身の「博士課程の旅」での観察の一部を共有し、自身の博士課程での研究経験は孤立したケースではないと述べた。 彼の観察は次のとおりです。 まず第一に、博士号取得のための勉強には長い時間がかかり、機会費用も高いですが、最終的な報酬は大きくありません。それはちょっとした詐欺です。友人の中には、教授が学生を卒業させなかったという「恐ろしい話」を話す人もいます... しかし、これは、投稿者が博士号を取得すべきではないと考える表面的な理由にすぎません。 主な理由は、博士号取得のための勉強が創造性と革新性を損なうからです。博士課程には、心が広く、創造的で革新的、野心的でやる気があり、少し世間知らずだが夢にあふれた多くの学生が集まっています。これらの学生は、独自のアイデアと視点、問題領域への新しいアプローチ、そして影響を与えるという期待を持って博士課程を開始します。 しかし、博士課程はこれらすべてを破壊しました。博士課程の終わりまでに、学生は他の人と同じように問題を解決する機械に変わります。これは SOTA アプローチであり、これらのアルゴリズムを少しでも改善できれば幸運だと教えられています。 問題は、SOTA が局所的な最適解にしかならない可能性があることです。つまり、これらの学生は、最適ではない方法を使用して問題空間を解くように教えられているのです。影響力のあるものを生み出していないのも無理はない。その方法自体が停滞しているのだ。 では、機械学習モデルを局所最適解から脱出させるにはどうすればよいのでしょうか?報酬の探索/ランダム化。 ポスターでは、私たちは教育方法を振り返る必要があると考えています。明らかに、博士課程の学生が効果的に研究を行うためには、特定の分野においてある程度の専門知識を持っている必要がありますが、そのためには想像力を犠牲にしたり、ましてや新しいアプローチを模索する勇気を犠牲にしたりしてはいけません。新しい方法の 99% は SOTA 方法ほどのパフォーマンスを発揮しないかもしれませんが、おそらくそれはこの分野をよりオープンにするユニークでクレイジーなアイデアです。 「専門家」になると、多くのものを得ますが、多くのものを失うこともあります。ポスターにはこう書かれていた。「博士課程を始める前、私は想像力を駆使して、問題を解決する奇抜な方法を考えることに興奮していました。これらのアイデアのほとんどには致命的な欠陥がありましたが、私はそれらに制限を設けませんでした。」 科学研究は創造的でクレイジーな冒険であるべきです。博士課程は、大きな影響を与える可能性を秘めた学生を引き付けますが、その後、彼らの情熱と創造性を弱めてしまいます。それは、大学のスター選手が指導力の低いチームに入団し、どんどん成績が悪くなるようなものです。 この投稿が公開された後、「創造性」と「SOTA の盲目的な追求」に関する白熱した議論が巻き起こりました。今日、reddit に「なぜ博士号を取得すべきか」というタイトルの返信投稿が掲載されました。 なぜ博士号を取得するために勉強する必要があるのでしょうか?ポスターを書いたのは、強化学習を専攻する博士課程の学生です。彼は博士課程をとても楽しんだと語り、博士課程での経験から学んだことを詳しく説明し、博士課程の研究についてアドバイスをくれました。 彼女は、以下のことが博士課程の経験を満足のいくものにすると信じています。
博士課程の研究でこれらを得ることができれば、その経験は間違いなく興味深く、価値のあるものになるでしょう。運が良ければ、これが将来のキャリアの基礎にもなります。 では、上記の7つの点をどのように評価しますか?ポスターにはいくつかの提案が書かれていました:
最後に、現実にはこれらの基準をすべて満たすことはまずないということを覚えておいてください。ですから、期待を現実的なものにしておき、博士号を取得することで得られる機会と、博士号を取得せずに得られる機会を慎重に比較検討し、すべての証拠を慎重に評価した上で、自分の直感に従って博士号取得を目指すかどうかを決めてください。 さらに、ポスターでは次の点も強調されていました。 埋没費用の誤謬は現実である。現在および将来のプロジェクトについて考えるとき、アイデアに多大な労力を費やしたのにうまくいかない場合は、方向転換を恐れないでください。同様に、最善を尽くしてもうまくいかない場合は、メンターやパートナーを変えることを恐れないでください。行き詰まったときにはそれを認識し、そこから抜け出すためにできることを(もちろん常識の範囲内で)行ってください。状況が悪くなったら、辞めることを恐れないでください。博士課程のキャリアは、失敗への恐怖ではなく、興奮とチャンスに満ちたものであるべきです。 誰も簡単に博士号を取得できるわけではありません。昨年、ネイチャー誌が実施した博士課程の学生に対する調査では、科学研究のプレッシャー、指導教員とのコミュニケーションの問題、就職のプレッシャーなど、博士号取得を目指す上での厳しい現実が明らかになった。しかし、うらやましい「他人の博士課程」はまだまだたくさんあります。 私たちが「他人の博士課程のキャリア」を羨むとき、本当は何に対して羨ましいのでしょうか?博士課程で挫折に直面したとき、私たちは頑張り続けるべきでしょうか?頑張り続けることはできるでしょうか? そして最も根本的な疑問は、博士号を取得すべきかどうかということです。この質問にどう答えますか? |
<<: これは本当に天才的ですね!パーセプトロンを組み合わせると、ニューラル ネットワークになるのではないでしょうか。
>>: 研究者たちは建設における人工知能の利用を研究している
Googleアシスタントは生成AIへの変革を遂げる写真社内メールでは、Google が ChatG...
米国のオークリッジ国立研究所の一部専門家は、2040年までにAI技術がプログラマーに取って代わるほど...
大規模言語モデル (LLM) は過去 1 年間で急速に進化しており、この記事では (量子化) へのい...
市場調査会社オムディアの最新の調査レポートによると、モノのインターネットの「誇大宣伝サイクル」のピー...
この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...
@font-face { font-family: "Arial"; }@font-face { f...
マシンビジョンは急速に発展している人工知能の分野です。簡単に言えば、マシンビジョンとは、測定と判断の...
明らかに、AI とデータ分析の世界はダイナミックな変化の真っ只中にあります。将来は、イノベーションと...
ビッグデータ時代の到来は、ビッグデータの波だけでなく、人工知能の台頭ももたらします。グーグルの人工知...
[[441526]]近年、ディープラーニングは一連のタスク(画像認識、物体認識、セマンティックセグメ...
近年、都市部の駐車場の問題はますます顕著になっており、混乱した駐車が頻繁に発生し、人々の移動や生活に...