李纪为：不同领域的思维方式差别很大，即便是类似的问题，出发点和解决方案都不一样。所以机遇和挑战是并存的。在挑战上，你需要适应新的学科在研究手段的不同，这种不同的领域的训练可能会避免思维上的固化。机遇当然也很多，新的思维方式也能带来新的突破。

机器之心：生物和计算机科学，两个专业的研究氛围有哪些异同？

李纪为：生物和计算机都是非常有前景的方向，也都发展很快。在生物领域中，例如基因测序，有大量的大小创业公司正如雨后春笋一般地涌现。同时，AI 与生物如今的结合也愈发地紧密，比如大量的基于医疗的人工智能公司的出现。

二者比较起来，在计算机领域，学术界和工业界的关系更密切，新的问题也在不断涌现，新的理论和方法不断被采纳并得到实践的检验。大家对新生的观点和方法接受更快，比如深度学习，短短几年就横扫整个领域，在学术界和工业界中获得了广泛应用。这种紧密结合对促进技术进步和新技术普及很有帮助。另外一点就是在计算机领域里，大家更愿意分享自己的研究结果，推动技术共同进步。很多作者不光把自己的代码开源，还写出很详细的教程耐心指导大家如何重现实验结果。这对于新人的成长和知识的分享都有很大的帮助。

机器之心：在计算机科学中，你为什么会选择自然语言处理（NLP）领域？

李纪为：语言是一种非常奇妙的现象，到现在我们都很难洞察其本质。自然语言处理上的一点点的进展都能对我们的生活，以及我们对自身和世界的认识产生巨大的推动。比如语言识别、搜索、对话系统等，让我们的日常生活便利很多。我喜欢迎接这种挑战，同时也想为我们的生活作出一点小贡献。

选择

机器之心：有关选择的问题，对于希望在机器学习方向发展的人来说，如何判断自己适合去读一个博士学位？

李纪为：首先你要对自己研究的领域有很大的热情。读博从整体来看是一个艰辛的过程，其中有很多起起伏伏。在做科研的历程中，大约八成时间的工作是没有结果的——你做出努力但没有得到相应的回报，这样的失败相信每个研究者都经历过很多。这要求你对自己参与的领域非常有兴趣，保持热情，这样才适合读博士。

另外，读博期间，让你分心的事情有很多。用金钱来衡量的话，读博在很多情况下得到的收益要比读完硕士出来工作要小。但读博让你可以攀上这个领域的最前沿，去做别人没做过的事情，你要和未知的事物打交道，探索没人走过的天地。

最后，在选择读博之前，需要审视一下自己的性格。就像你眼前一条河，旁边其实有一座桥，但你依然愿意选择摸着石头过河。这样一来，当你下次遇见没有桥的河时，你依然可以从容地渡河。另外一个比方，j2直播，读博就像置身一个荒岛之中——很多时候你需要在一点线索都没有的情况下学习从零开始如何生存：怎么砍柴、如何打猎、怎样生活……做研究也是这样，你需要学会自己摸索。当你拿到了一个问题时，你要学会如何找到相关研究者交流，如何查找文献，如何辨别你自己的哪些 idea 是靠谱的可行的。你也需要知道别人做到了什么程度，你的研究是否可以在此基础上提高等等。这其实是一个从无到有的过程。大多数时间，当你在做一个 project 时（这大概需要三个月的时间），你会发现在前一两个月自己都会处于挠头阶段——你会一点思路也没有。然后在无意间，你突然有了思路，你的研究就随之豁然开朗了。

这就引出了有关读博的意义的问题。大多数人在博士毕业之后实际上是不会继续纯研究工作的（如在大学里当教授）。读博的最大意义也不在于你在学习和研究的过程中发表了多少篇论文，解决了多少特定的问题。更重要的是，你可以在这个过程中学会一种解决问题的方法。如果希望在探索中寻求自我实现，那么你就是适合读博的。

机器之心：把时间回放到读博之前，一名临近毕业的学生应该怎样选择读博的学校与适合自己的导师？

李纪为：选择学校与导师需要考虑很多方面，我认为其中最重要的就是导师。