李纪为：说实话，挑战很多，但发展同样很快，这才是这个领域让人着迷的地方。我觉得有一点是无结构的知识如何结构化。比如人们的 common sense 知识，事件背景等，很难用统一的方式表示出来，distributed representations 给了一个全新的表述方式，但还有很多很多方面需要提高。另外如何找到有用的信息，难度也很大。不过无限风光在险峰，这也是这个领域让人着迷的原因之一。

机器之心：你有哪一篇/哪几篇论文称得上「最」呢？比如写作过程最艰难、成就感最强、最令你满意？

李纪为：我最喜欢的是 Dialogue Learning With Human-in-the-Loop。这是我在 Facebook 研究院工作时候所做的一个工作。这篇论文里的工作，科研和实践结合非常紧密，里面提出的算法在 facebook 产品中得到了一定程度的应用。这个过程中，我也体会到了学术界和业界的相通和不同之处。比如开发产品时候要从用户考虑，分析使用场景等等，这是学术研究里面遇不到的挑战，这样的经历十分有趣。

机器之心：你最近的研究方向是？

李纪为：最近研究的是对话系统以及跟对话相关的交互问答系统。对话系统难度很大，但是很有意思，如何让自然语言处理能够理解人的意思，像人一样和人交流，这是个极大的挑战，也是自然语言处理的终极目的之一。现在的研究提出了很多的让人耳目一新的理论假设，以及设计了很多新颖的机器学习模型，发展非常快，同时又有很多的新的问题涌现，需要解决。我最近在研究垂直领域的对话系统，比如智能客服上实现高水平的应用，让人感受到这种智能的切实存在，感受到自然语言处理领域的巨大进步。

机器之心：在 arXiv 上和 Google Scolar 上我们可以看到你在博士期间发表了多篇论文，其中一些被各类机器学习顶级会议接收，而且很多篇论文都是第一作者。在研究时，你是如何同时处理多项不同工作的？

李纪为：开展多项工作虽然时间上比较紧张，但是很有好处，一个问题上卡住了，可以切换到另一个问题上继续研究，而一个问题上的进展很可能可以带动另一个问题的解决。另外我认为很重要的一点就是，科研题目上还是失败的例子更多一些。如果工作并行进行，当一个工作失败的时候，不会特别的沮丧。

机器之心：如何平衡生活与工作呢？

李纪为：读博士更像一个马拉松，而不是百米冲刺。协调好生活和工作很重要。生活里面，运动和娱乐也占了很大比例，假期的时候也会出去玩儿或者度假。另外我也经常和研究者多多沟通交流，并且常常能聊出一些很好的 idea。

机器之心：谈谈给后辈的建议。作为一名在读博士，应该如何参加学术会议？

李纪为：我认为最重要的事情就是经常把自己从 comfort zone 推出来。要不断探索新的技术和方向。学术会议上要多关注那些自己不熟悉的领域。比如你是做问答系统的，要多多与机器翻译或者句法分析的人交流，这样会常常有意想不到的收获。除此之外，也多和不同背景，比如工业界的研究人员沟通，这样有助于开拓自己的视野。另外就计算机领域而言，在工业界的实习我认为也很重要。

机器之心：在此前的 GMIS 2017 大会中，我们现场感受了来自 UC Berkeley 的 Stuart Russel 和吴翼的精彩演讲。美国的顶级大学是否非常注重学生和老师的演讲能力，是否在学习期间也有相应的培养体系？

李纪为：吴翼是我的好朋友，NIPS best paper得主，各方面能力非常优秀（笑），我从他身上也学到了很多。在斯坦福大学，教授们非常重视培养学生的演讲能力。我的导师 Dan Jurafsky 在每次我去大会作报告之前都会先和我预演一遍，即使他每天的工作都很忙。当然，这也和个人性格有关。

机器之心：如何写好一篇研究论文？

李纪为：我以前都是在实验做完以后再开始写论文的——在 Deadline 之前几天开始奋战，其实这样效果并不是很好。我曾经合作过的一名学者——现任俄亥俄州立大学助理教授的 Alan Ritter——他给我的建议是：在做 Project 之前要先开始动笔写。你所写的内容可以是一个简述，你需要查找相关工作并事先写好，把模型的形式介绍一下。在 NLP 领域中，会议的论文通常需要 8 页，在你真正动手之前最好写出三页来。