负面例子。也有一些难题或者论文类型你理想上想要避免。例如，有时你听到学习界讨论「增量工作（incremental work）」（这简直是学术界最糟糕的形容）。增量工作是指一篇论文通过使其更复杂并在一些基准上得到 2% 的额外增分，从而增强了一些已有的事情。这些论文的可笑之处在于有很高的机会会被接收（评审员没有拒绝这些论文的理由；有时它们也被称为 cockroach paper），所以你有这样的一系列论文被接受，你可以感觉自己非常高产，但事实上这些论文不会有很高的引用，你也不会在该领域有很高的影响力。类似的，寻找研究工程不能只理想的考虑「有这样一个下一步逻辑步骤还没有人做，让我来做」，或者「这应该是一个非常简单的 poster。」

案例学习：我的主题。为了更详细的讨论这个话题，我打算使用自己如何展开 PhD 作为例子。首先，有趣的事实：我的整个主题都基于 PhD 期间一年半的研究。也就是，它花费了我相当长的时间在元问题空间（metaproblem space）不断摇摆，然后才找出了一个我感觉令我振奋的问题（其他两年我大部分是做 3D，比如 Kinect Fusion、3D 网、点云特征（point cloud features）、还有视频方面的工作）。然后在我读博第三年，在某个周六的下午两点，我来到了 Richard Socher 的办公室。我们闲聊时我意识到他在图像和语音上研究的一些问题事实上非常的有趣（当然，图像和语言交叉的这个领域在 Richard 之前就有了。）我难以看完所有需要查看的论文，但该领域看起来相当有前途：该领域相当的富饶（大量未解决的难题，在对图像进行基础描述尚有大量的可能性。）我认为这相当的酷，也很重要，也很简单去解释，看起来它处于成为可能的边缘（深度学习也只是刚开始有效），数据集也刚开始变得可用（Flickr8K 也刚出现）。这刚好满足李飞飞的兴趣，即使我没有成功，我至少得到了大量的时间，优化了我可能用于其他领域的有趣的深度网络。当所有事在我脑海中出现的时候，我强烈感觉到一股海啸。我把这个主题在第二天投给了导师李飞飞，感觉松了一口气。她热情澎湃地通过了，atv，给予我鼓励。而且在接下来的工作中指导我，（例如，在我满足于排名的时候，飞飞坚持让我做图像语句生成。）后续的发展让我很高兴。简言之，我游荡了近两年才发现要深入的领域。给予数个启发方法，一旦我发现我要做什么，我就深入地去做。

阻力。我还想提一下你的导师绝不可能是一贯正确的。我已经见过或听说过很多实例了，现在回想起来，导师应该为错误负责。如果你在读博士时觉得导师错了，有时候你应该鼓起勇气忽略导师的看法。学术界普遍赞赏独立思考，但你特定导师的回应可能会随着环境发生变化。我就知道一些赌一把最后得到了很好结果的例子，而我个人也经历过一些效果并不好的例子。比如说，在我第一年的时候，我坚决不同意吴恩达给我的一些建议。我最后开始研究一个他并不非常感兴趣的问题，但让人惊讶的是，事实证明他是非常正确的，而我则浪费了几个月时间。吃一堑长一智嘛 :)

不要耍滑头。最后，我要让你认为 PhD 不只是一连串的论文。你不是一个论文写手。你是科研界的意愿，你的目标是推动该领域向前发展。论文是其中一种常见的做法，我建议你不要把目光放在已有的学术领域内。首先为自己想想，做一些其他人没有做但应该做的事，远离别人在你之前已经做出的成果。在我的整个 PhD 阶段我一直在尝试这么做。这个博客就是一个例子——这让我可以谈论一些通常不会发在论文里面的东西。ImageNet 人类推理实验就是一个例子——我强烈地认为，在 ILSVRC 上知道人类大致的准确度对该领域来说是非常重要的，所以我花了几周时间对其进行了评估。学术搜索工具（如 arxiv-sanity）也是一个例子——一直以来我都为论文文献搜索的低效性感到沮丧，所以我发布并维护了这个站点以便对他人有所帮助。两次参加 CS231n 教学也是一个例子——我在上面花了大量的精力，超过了一个应该做研究的博士生的合理程度，但我认为如果人们不能有效地学习这个主题和进入这一领域，这一领域的发展就会受到拖累。我的很多博士阶段的工作都很有可能会牺牲一些标准的学术指标（如 H 指数或在顶级会议上发表的数量），但我还是做了那些事情，我还会同样地再做那些事，在这里我也鼓励其他人也这么做。这可能言过其实了一点，除却思想观念上的一些东西，根据过去我与朋友和同事一些讨论，我知道这个观点是存在争议的，而且很多人也并不认同。

写论文