选择导师要比选择学校更加重要。在美国有很多计算机科学很强的学校，但它们的排名并非很高——即使是在排名六七十的学校里仍然有非常厉害的导师，甚至图灵奖得主。在选导师的时候，我认为：善解人意是第一位的，它的意义要甚至高于导师的学术水平。在读博过程中，你会发现比较艰辛，因为大多数的科研项目是以失败告终的，所以保持健康的心态是很重要的。最近有一个调查显示，很大一部分的在读博士都有抑郁、情绪低落的问题。在这种情况下，老师 nice 的程度就变得更加重要了，他/她最好是一个可以支持你的人。保持身心健康愉悦是能够完成更多研究的最近本前提条件。我很幸运遇见了 Dan Jurafsky 这样的导师。

好的导师并不意味着他/她能够轻松帮你解决代码中的 bug，atv直播，而是意味着他可以会帮助你设计自己的学术生涯，在选择工作时能够为你进行把关。在我读博的第一年时，我去了微软研究院。而在第二年时，我的导师 Dan Jurafsky 告诉我：「微软当然很好，但你最好去另外一个地方，感受另一种氛围，去学更多的东西。」于是我去了 Facebook。导师对你学术生涯的方向会比你看得更清楚一些。

你也需要关注你所感兴趣的组里面的学术氛围。有很多时候，导师是处于忙碌状态中的，你无法苛责他/她能够帮你把关研究中的所有细节。但一个好的导师可以让研究组里呈现一种健康的环境，大家互相学习、互相讨论，主动分享自己的观点。想想高年级的博士生，他们每天都在做这样的工作，他们肯定对前沿问题的原因、技术细节有很深刻的见解，研究组中融洽的氛围可以让你更好地向他们学习。

在斯坦福大学，我很幸运地可以在这样的环境中成长。在这里，可以从老师同学身上学到无数的东西，小到代码调 bug，大到科研方向。当我在低年级遇到了问题向一个学长求助时，他可以立刻放下手里的工作和我探讨一个下午。

一个好的导师要有足够的管理能力，可以让自己的研究组和谐地向前发展。

机器之心：能否谈谈你在斯坦福期间的导师 Dan Jurafsky？

李纪为：Dan 不仅是我的导师，也是我的偶像。他学术水平很高，我刚入门自然语言处理时候就读过他的那本经典著作，《Speech and Language Processing》。他还写了本很有趣的《食物语言学》。Dan 早年有过工业界经历，在上世纪九十年代初，他就开始在语音方面运用神经网络模型。他很善于把研究和实际问题结合起来。在他指导下，我的研究往往从实际任务出发，从小问题出发，而后归纳总结到一般性、本质性的问题上。Dan 的这一点对我影响很大，科研要和实践相结合，要专注于解决问题。

在研究上，他对于学生的支持几乎是全方位的，我现在回想有曾经很多不靠谱的科研课题，他也会鼓励你去探索。在失败中也获得宝贵的经验，这一点在科研上我受益真的非常大。

机器之心：在研究中，是导师推动你，还是你推动导师？

李纪为：这应该是一个互相推动的过程，导师在你的研究中会为你定下一个大方向。如果你走入了错误的方向，他会站出来告诉你及时脱身。

在我的研究过程中有这样一个例子。我曾经试图从语音入手设计情感分析模型，希望从人们的语调中分析人的话语中包含了正能量还是负能量。以往，大多数研究通常是先进行语音-文字转录，然后通过机器学习对文字进行情感分析。Dan Jurafsky 很早就知道这个思路难以实现，但他给了我一个多月的时间进行自由探索。在这个过程中，我学会了很多 speech 方面的工具和模型，也了解了这个方向的困难程度。后来，他及时告诉了我应该寻找其他方向的研究。这就是一个好的导师应该做到的事：给你足够的自由探索空间，同时帮助你把握大体方向。

Dan Jurafsky 有一句话给我的印象很深：「我当了这么多年的教授，从自己的学生身上学到的东西是最多的。」因为不同的学生会有各自不同的方向，并在研究过程中成为不同领域的专家。在这个过程中，导师也会获得很多新的知识。Dan 在看到一些学生的研究时，会深入了解其中的技术细节，他是一个非常谦逊的人，我非常崇敬他。

研究心得

机器之心：你认为自然语言处理（NLP）领域的研究目前面临的最大挑战是什么？