专访Yoshua Bengio：如何高效建立和运营一家机器学习实验室？
人工智能和机器学习风靡全球，高校作为人才培养正在顶风而上，如何建立相关的实验室，“当家人”如何管理实验室才能最高效？关于这些问题，无论国内，还是国外的学者都在探索一条适合自己的道。本文选自Graham Taylor对Yoshua Bengio的专访，从他们的一问一答中，希望你能够获得一些经验和思考。
Graham Taylor是CIFAR机器和大脑学习项目中的一名学者，也是圭尔夫大学工程学院的副教授。Yoshua Bengio是CIFAR机器学习项目的联合主任，同时也是大学计算机与运算系的教授，数据学习算法中心的研究。
Yoshua Bengio (YB)：在大学我曾经是唯一一个从事机器学习和神经网络研究的，我当时很有动力，对每一位学生都很负责。
我利用了我在学校外的人际网络，一些是我博士后之前一起工作的同事。例如Geoff Hinton和其他在的人。和同领域的人交流是很重要的，因为我是学校里第一个研究这个领域的学者。
YB：是的，在开始的七年里，我只用教授两门课。然后我当上了研究，就只负责一门课程。我认为一边承担教学重担一边建立实验室可能非常有挑战性。当我有了第二个孩子时，我开始后悔自己之前工作太拼命。我对于学校里的职位有点力不从心。现在往回看，我应该更好地平衡工作与生活。
YB：没有，一个人也没有。可能我应该联系一些年长的教授，不一定是同领域的。如果我以前没那么害羞的话我会尝试获得更多反馈。我当时没有意识到这是可行的。新的教员应该扩展关系，建立联系。系里也鼓励大家那么做。资深教员们乐于做这些，虽然他们可能不会太主动 。
YB：在我当教授的前十年里，我和Geoff Hinton有一些互动，虽然都是远程的。但是它们帮助了我把精力放在更重要的事情上。
如果重来一次，我不会把注意力分散在不同方向，只顾当下的想法而长远的挑战。当你尝试立足的时候这很难，因为你会焦急地想发表更多论文来获得一些荣誉。但是你至少要花一些时间来专注于长期规划。如果你过度追逐荣誉和职位，很容易陷进去，从而错过一些重要的东西。我跟Geoff的讨论帮助了我意识到这点。
GT：现在机器学习应用受到广泛关注，一些公司和合作者都带着项目来找你，你会认为这加剧分散了你的注意力吗？
YB：每个人都有自己要走的。为了在某些领域变得擅长、取得突破，你必须成为一个专家。最好集中精力做一件事，然后变成这个学科界上最强的人。
YB：在九十年代，工业界对神经网络和机器学习有很多兴趣。教育系统鼓励这样的跨界合作。为基础科学争取了很多资金。用项目中的资金资助长期的调查研究。这不是正规手段，但教育系统给基础研究提供的资金不足，无形中助长了这种事情的发生。我们应该赋予长期研究更多的价值，因为这将会带领我们看到更多AI领域的惊人进展。
我开始的时候意识到，当你给类似自然科学和工程研究委员会（NSERC）写提议的时候，他们不太关心你是否会做提议上写的东西。他们只关心研究者几年后可以拿得上台面的东西。
在研究中很难预测以后什么会火，所以灵活应变很重要。然而如果和一个公司签订协议帮他们做事的时候就不是这样了。因为你的主要目标变成让你的投资人满意。对于NSERC来说，关键就是做好的科研，发表，然后在研究道上保持灵活性。
YB：帮助。早些时候我没有很多钱给我的博士后。选择博士后都是有足够知识量的，所以他们不用再花两年时间了解最新情况，可以帮助管理一些比较大的团队。
我们做PhD的时候没有学习怎么管理和带领团队。一件对我有益的事情是，认识到学生中那些与生俱来的领导力。有一些博士生他们乐意并且善于管理。所以有时候他们不仅仅带一个学生，有些人经常好几个学生。
YB：我的一个原则是找那些有机器学习相关的数学或者物理背景的人，这些人学习能力很强大。所以如果你想招一个两到三年的博士后，这些人是值得招的。他们不会在Google Brain之类的地方找到工作，因为他们还没有展现自己的机器学习能力。这种赌博通常对我来说很奏效。
YB：如果他们来机器学习实验室并参与研究发表，会极大地提高他们在行业里的价值。如果这是之后他们想从事的，从博士后开始会容易得到更好的机会和待遇。
当然这也看人。有些博士生不用当博士后就能取得很好的机会，对吧？在这种情况下，影响因素就会变成“你想要选择学术道吗”，因为不是人们唯一在乎的。如果是这样，那么做博士后就是一个好的选择：去学习学者是怎么工作的，参与到管理角色甚至是资金筹集中。
产业不是一个同质性的东西。在基础研究实验室工作和在一个没有那么的地方工作有很大区别，你会成为一个为其他研究者工作的熟练技术员，或者为有很多开发任务的应用研究工作。产业中有很多不同种的工作，很少会是博士后会青睐的那种。
GT：但是产业中的工作人数却似乎在增长。例如Google Brain，Deepmind，FAIR，你同意这种观点么？
YB：取决于教授，和管理人员的经验。我一开始有三个人，现在有一个很大的团队。但是这都不可能是一步到位的。所以我渐渐学会了如何管理更多的人，建立基础设施，取得资助。
你可以根据自己的速度拓展。有些人超过五六个学生就会觉得不舒服，那也没问题。当然当你有更多学生的时候你会发表更多文章，但是也意味着你在每个学生身上花的时间更少了，可能回报也会少一些。
团队合作非常重要，或者说是不要用项目把每个学生分割开来，要保持灵活性来激发新的合作。这样他们跟教授就不会是一对一的关系，他们也会是大关系网中的一部分。
YB：没错，这对大家都有利，如果信息反馈所依的那个人经常不在，会让团队感觉不安，但如果他们还可以依赖另外十位同事，这将给他们创造一个更丰富的沟通网。
YB：物理上的亲近:学生要在实验室呆着，别在家工作。让他们能够地在你所的范围之外，与其他教授进行合作，开展新项目。尽量减少不同教授门下的学生之间的隐碍。让小组变大，学生可以无碍地与其他教师进行讨论。可以定期组织活动，如阅读小组，研讨会和外出拓展。
GT：最近我跟个在美国工作的人聊了下共同监管，他告诉我，在美国，监管者的第一个主题是如何分配资金，但这种现象在还未出现。
YB：这里的学生费用比美国低很多，这是个重要因素，对吧?但也许它也是一种文化重要的是不去考虑资金，优先考虑合作，且不设定期望值，跟资金和合作相关的另一因素是:我对预设协议没有信心。
换句话说，如果我们事先达成正式协议了，你我共同监督学生，他们也在此规则下看站工作，那么台作将无从谈起。
实际上是因为我们有共同的利益，我们定期交流，然后合作才水到渠成，对吧? 能抓住某些想法，是值得鼓励的。预设的协议关系，可能会运作的很好，但也可能像个车笼，住A和B的特定项目和他们之间的关系。而其实或许A和C之间的关系更和谐。
比方说,在主实验室中,我们有一个不成文的概念,即有这么一个资金库,你可以与任何你想要的人合作并从中得到资助。
YB：我的资金是共享的，但这并非是固有模型，只是说资深教授通常更容易获得资金，所以我自己申请了资金。合同也是如此。一天的工作结束，如果不需要为钱发愁，那么玩乐和探索将会主导我们的行为。星期四左眼跳
GT：这一点比较重要，特别是对员来说，他们会考虑其他人未涉及领域的未来发展方向，或者在现有教师和高级会员的领域，是否还可以进行这种合作。
YB：首先，这不仅仅研究，也是种宣传。去参加研讨会和会议，去参观其他实验室，主动些，不用等别人来邀请。你可以说“嘿，我来这儿做场怎么样?”然后整个领域的人都认识你了，如果你要走拨款的正规渠道，就会涉及到这些。
这对招聘和教学都意义重大，教学的作用之一是你得让学生了解你，特别是你目已的研究生成者本科毕业组，可以聊些都关心的事，打好关系，这样你也清楚学生的优点，试着劝他们来你的实验室工作。
我手下有些来自本科院校或其他地方的暑期实习生，通过这种方式，你可以了解一个人是否具有研究潜力。这比仅通过一次面试来招聘要保险些，毕寬你要跟这个人签5年合同的，不是吗? 去年这里有700个应用程序，今年可能会有1000个，再加上引进的几十个。所以你必须很有条理。
YB：判断不了，只能在过了几年后才。通常情况是双方的期待值不匹配，这一点必须谨慎，要跟企业楚，学术人员可以做的是什么，重要的是，让他们明白学术不是廉价劳力，他们不生产产品，而是通过了不起的创意实现业务转型。所以企业要明白，这是投资的一部分，企业内部人员需要将算法和原型转变为产品，否则合作注定会失败，这意味着公司需要付出更高成本，避开不谈很容易，但你必须这么做。