如何自己选择未来的科研方向？

你需要找到（或创造）你自己兴趣/天赋、可行性范围以及外部世界需求三者之间的交集。

以下内容节选自 @Thoughts Memo 汉化组的译文《技能提升指南》

选择一个值得投入的好问题

你应该投入什么问题？起初，这并不重要。只需着手解决任何你感兴趣的「练手问题」，以便你能培养技术能力、积累领域知识。这个问题最终是否解决、以前是否有人解决过、或者它有多大影响力，这些都不重要。然而，一旦你开始涉足那些需要投入多年全职工作的复杂问题时，选择一个好问题就变得至关重要。这正是初创公司和研究实验室所处的领域，其中的许多从业者常常懊悔自己投入的大量时间和精力未能换来相应的回报。

就我个人而言，我早期研究的大多数「练手问题」都属于糟糕的问题。但这没关系，因为我从中学到了很多，也掌握了不少技能——这正是「练手问题」的意义所在——但这也让我痛切地意识到两种导致问题变得糟糕的失败模式。

失败模式一：缺乏可行的解决方案构想。 具体来说，你所需的某些资源（例如数据、算法、算力等）实际上尚不存在，并且你也没有获取这些资源的可行计划。

这意味着问题难度过高，你很可能无法解决。根据我的经验，许多复杂系统建模问题都属于此类，例如创建实用的人脑或宏观经济预测模型。举个例子，我曾一度对模拟人脑很感兴趣，并将其构建为一个基于时间序列数据集的回归问题，该数据集需包含大脑中所有单个神经元的活动和连接权重。我花了好一段时间才意识到，我想要的数据集根本不存在，要创建这样的数据集需要几代人的时间和湿实验室神经科学（wet-lab neuroscience）领域的革命性突破（而我对湿实验室工作并不感兴趣）。

值得注意的是，有时失败模式一也表明，你真正感兴趣的，可能并非你原先以为的那个领域。就我而言，我曾以为自己对神经科学感兴趣，但后来发现，我真正感兴趣的是许多恰好出现在神经科学领域中的概念：多尺度建模、联结主义、人类学习/智能等等。最能直接涵盖所有这些兴趣点的似乎是构建生物大脑模型，但这并非唯一途径。我现在所做的事情就涵盖了我列出的所有兴趣点，并且无需任何湿实验室工作。当然，我仍需亲身投入到大量的教学和内容创作中，但这些都是我乐在其中的事情。

失败模式二：问题本身无人问津。 人们对这个问题并不关心，不愿意用你所看重的任何「货币」（金钱、引用次数、他人的时间/关注度等）来为解决方案买单。

这意味着即便你解决了问题，也无法获得任何回报。根据我的经验，理论建模问题就容易陷入这种困境，尤其是当问题建模时抽象掉了某些关键细节，这些细节虽然使问题难以处理，但对实际应用至关重要。

有人可能会辩称，如果你超前于时代，那么失败模式二就不适用于你。然而，这种说法存在两个问题。首先，你很可能并没有超前于时代。「超前于时代」本身就极为罕见、无法验证，却又极易让人信以为真——这简直是导致判断失误的温床！其次，即便你真的超前于时代，如果超前得太多，那么回报将在你的人生中来得太晚，以至于让你觉得当初的牺牲不值得。你甚至可能活不到亲身体验的那一天。

（话虽如此，我确实遇到过一些人，他们似乎完全满足于探索求知欲本身，并不期待在有生之年获得任何外部回报或产生外部影响。这些人或许是失败模式二的合理例外情况。但对于绝大多数人来说，仅仅满足求知欲是远远不够的。）

如何找到能避开这两种失败模式的问题？ 你需要找到（或创造）你自己兴趣/天赋、可行性范围以及外部世界需求三者之间的交集。不幸的是，这个交集在何处往往并不明显。所有条件似乎天然就不利于这种交集的存在：你无法选择自己的兴趣或天赋所在，无法选择外部世界关心什么，而且，如果你对某个领域兴趣浓厚/天赋异禀到想要投身其中解决问题，那么你对此感兴趣的原因很可能不为外界所普遍认同。

那么，你该如何找到（或创造）这个交集呢？对我而言行之有效的方法是：过着两种平行的生活——在一种生活中，你解决自己感兴趣的问题；在另一种生活中，你解决外部世界感兴趣的问题。然后，你不断努力让这两种平行生活逐渐靠近、融合，最终找到将它们合而为一的方法。

Thoughts Memo 汉化组译制
感谢主要译者 gemini-2.5-pro-exp，校对 Jarrett Ye
原文：Advice on Upskilling - Justin Skycak
作者：Justin Skycak (@justinskycak)
发布于 2025 年 1 月 12 日

← 返回目录