TA的每日心情 | 奋斗 2022-2-8 01:13 |
---|
签到天数: 171 天 [LV.7]分神
|
这篇文章是根据自己最近的两篇日志修改整理而成,主要是根据个人经验谈谈学术界与工业界科研的区别,同时也弱弱的探讨一下学术研究与工程实践脱节的问题的看法。因为自己是搞模型的,因此说模型会多些,很多具体的东西不一定有普遍性,大家选择性吸收吧。4 A! ~8 d0 H3 h x& A
% J! S: }8 Z8 o一,从研究结果上来讲,学术界更关注模型的准确性,以及它的定量预测精度,而工程界更重视模型的有效性,必要时候要不怕玩trick
( m+ D+ s6 y# S) b# y6 u' S+ U7 Y- ]
* U7 W/ v2 h( {3 b其实从科研的角度来看,我现在的模型是非常不成熟的,仍然有太多的不确定因素,而且有些不确定因素甚至是产品性能的决定性参数,因此模型并不能给出精确的定量预测。可是其实用性却出奇的好,因为我发现尽管定量预测的精度达不到,但是模型却可以神奇地把产品性能的趋势很好地预测出来。
, {# V+ N4 @, O& l" |2 a6 A 2 q' {: O+ [5 t% b, U7 \
而对于仅仅预测趋势的模型,如果是在学校里面做,我是无论如何不敢拿出来用的。记得自己三年前还在学校的时候,当我向同行们讲述自己的模型的时候,最引以为豪的是听到同行们夸奖“Your work is very solid!”。是的,“严谨”是科学家最基本的素质,“严密”是对理论模型的最高评价之一,这些都成为判断科学工作好坏的关键判据。
+ @1 S0 G9 W: |1 L x _& K" H! W3 `+ j
但是在工程界,精准的模型简直就是不存在的,即便存在,其实用性也会大打折扣,只有模型的有效性才是关键。为什么这么说呢?因为很多情况下,好的工业产品的设计需要其具有广泛的环境适应能力。打个比方,如果设计加热设备,由于环境不同,每个人对冷热的感觉不同,因此精确控制温度的设计不如相应的模糊设计,让人们自己根据个人情况设定相应的定性化的“冷热度”更容易操作。同样的模糊概念,在工业产品研发进程中也多有所体现。由于产品使用的环境可能有所变化,而环境的变化可能影响产品的性能。如果使用精准的模型仅仅对某一特殊环境下产品性能的精确定量预测就显得不是那么致关重要。而相比较,如果使用简化的模型能够预测出产品的性能趋势,尽管可能不够精确,但也可以帮助工程人员尽快找到提升产品性能的方法,那就足够“有效”了。
* h4 D5 s) R b' r/ I
) `3 C G. h8 O- J& p从模型的开发过程来看,开发一个精准的模型往往需要大量的测试,因此需要大量的财力,人力的投入,研究周期往往很长,性价比要远远小于一个相对简单的有效模型,这是最主要的精确模型并不受公司青睐的原因。在公司里,至少在研究开始阶段,需要尽可能开发出简化的模型,能够有效预测产品性能趋势即可,为此可以牺牲模型的预测精度。* I0 {+ d- q) j! a5 [+ T$ ~4 G
$ P# ~7 p" o/ C. c- w3 @' i) r" b总的说来,学术界科研追求过程,求严谨,弄清楚一步再进行下一步。而工业界科研更追求结果,允许跳跃式前进,有些步骤可省则省,尽快出来看得见摸得着的结果才好,具体细节上的不足之处可以以后慢慢改进。8 s6 @2 E% f- t P1 K: g
) R9 |, }" X" m( s4 Y0 Y7 b二,从研究策略上来讲,学术界作科研做模型更多的使用bottom-up approach,工业界开发产品做模型最好使用top-down approach
+ M' n5 c2 X+ ~$ t2 U% @: ?+ @; ]% c2 e% C
bottom-up approach就是先把组成一个系统的每个单元模块单独研究清楚,然后把模块组装起来形成一个很好的系统。这就像盖房子或者搭积木的过程,是个先局部后整体的过程。学术界作科研一般倾向于做基础性的工作,比如说,人们更倾向于专门研究各种建筑材料的性能,研究如何烧制性能更好的砖头,因为越基础性的工作越具有普遍性,研究的成果就更容易被引用,具有更大的影响力,至于这些砖头具体怎么样被用到建筑中去,并不是教授们最关心的问题。) ?, w2 R$ B5 a6 u4 P! F# H
* c0 p1 a# E- O0 H" Q- a. }
top-down approach就是先把整个系统设计出来,细化出系统所需要的具体功能,再根据需求进行研究逐步完善所需要的这些功能。这就像是雕塑的过程,是个先整体后局部的过程。工业界开发产品因为是要尽快看到有经济价值的成果,不管是什么产品,简单也好复杂也好,精密也好不精密也罢,谁能先弄个出来尽快投放到市场谁就是老大,产品再粗糙只要能赚钱就没问题,大不了以后不断地升级换代,可以不停地打补丁么(微软擅长这个),只要不耽误赚钱就行。
" b, r6 _* V( H' F0 U: `7 ~3 q1 O) d% K
而对于开发各种计算机模拟工具,学术界和公司里的执行策略也正好是相反的。假定大家需要开发同样一个优化设计桥梁的模型,学术界往往会从研究桥梁所需要的各种材料特性入手,比如说一定要先设计实验对所需各种材料进行测试,获取数据,这是基础测试,单元测试;等到整明白了材料,然后再慢慢搞清楚以选定的材料为主的各种结构拓扑构型对桥梁整体性能的影响,最后再把所有研究成果综合起来,然后进行系统级别的测试,最后水到渠成形成比较完整的设计软件。然而,公司里更恰当的做法应该是在材料,结构等都未知的情况下(也就是常说的黑匣子),使用"best guess"(古歌擅长这个),尽快先把系统软件搭建起来,然后直接进行系统级别的测试,保证第一时间产品可以投入使用。理论上,任何产品都应该考虑是否有潜在安全性问题,实际上,这一点在产品刚研制出来的时候也不太容易做到的,比如自行车刚发明出来的时候是没有闸的。在系统搭建好了以后,让公司看到了产品的前景,尝到了点甜头,这个时候才会愿意投入金钱和人员时间让研发人员继续深入研究黑匣子里面的东西,得以通过研究让产品性能(或者模型预测准确性)不断提升。' O6 O: p# } Q. @. a3 w' W z; f
8 u7 g4 ^9 m( v% F, l9 R三,从研究动力来讲,学术界可以兴趣决定研究方向,公司业界只能需求决定研究方向' p$ [) W* B+ n0 W- ]5 c' Q
^$ h7 m! l8 G9 Q7 h. e' ?
教授们很多时候是可以根据自己的兴趣决定研究方向的,当然由于当前学术界竞争压力这种兴趣更多时候也是跟整个大环境中的热点题目相一致的。而公司里更多的研究则是根据产品使用获得的反馈信息而确定研究方向,目的性很强,不外乎是提高现有产品的性能,而任何新型产品的研究的展开必须首先让人看到有非常广阔的市场前景,也有很强的需求动力。& O8 z4 {3 B5 h( {9 s
. {' e z& p9 y% g2 d, g
而且,学术界研究是希望越多人分享研究成果越好,这样可以让教授们研究的影响力更大,成就感更足,而公司里恰恰相反,是越少人分享越好,这样可以让公司获得更多利润,特别是系统层面的,因此你会发现区分好坏产品往往是靠工艺和靠系统集成方法,所有的不容易解密的技术细节往往都绑定到系统上了(苹果擅长这个).这也决定了公司研究者只能关起门来研究,因此相对于学术界可能获得的资源要少,公司研究者的个人能力与视野因此尤为重要,很多时候这个限制直接导致了学术研究与工业界应用的脱节。) W2 J0 K' S3 q3 Q& h/ k- X# F
- r6 F, o/ [; @! L- m. c
在美国,有些非常看重研发的公司会专门在牛校所在地成立基础研究中心,比如说斯坦佛和伯克利所在硅谷地区和哈佛,麻省理工所在的剑桥-波士顿地区就有很多公司设立的基础研究中心。这些公司的科研人员很多有很强的学术背景,他们的任务之一就是与公司的工程人员紧密联系,从他们那里找到需要解决的问题,然后他们带着被“包装”过的问题联系相应领域学校的教授们,与他们合作共同进行相关研究。虽然这种形式的合作--就是公司科研人员引导下的学术研究,理论上很美,是我认为最好的解决学术研究和工业界需求脱节问题的方法,但实际执行起来,也会出现很多问题,其中之一就是“成果归属”的问题,很多时候,即便同一公司内部,工程人员也并不总是情愿对科研人员完全开放信息,嗯,这事儿不能说太细。。。 我想说,智商和情商都很重要,哪怕是做科研。智商不够做不出好的科研,情商不够做不到好的科研,大体如此。
% s. P% p9 S- k/ D, D6 L$ }
$ v0 f, x$ l* m4 ]) j' U$ h+ U以上三点只是根据个人经验的一个总结,自己因为在公司里面做科研年头也不长,也是处于慢慢摸索阶段,欢迎大家讨论。 |
评分
-
查看全部评分
|