牛津大学博士全奖怎么申请（牛津大学博士学长宋宇航）

关于行业人才需求和科研方向选择

我个人认为国内外人工智能产业及学界存在着比较明显的区别。国内在人工智能产业的就业方向上可能存在一些从众的趋势，因此在相对比较成熟的环节会集聚比较多的研究资源和人力。这种情况下固然就会产生一个结果，那就是在某些特定的发展方向会比较成熟，也会有很多人才涌入，但是在一些较小众的方向就会出现人才短缺的情况。虽然我是一个比较年轻的学者，但是我认为这对于未来人工智能产业的发展会产生不太好的影响。如果接下来的热点方向稍有一些转移，那么可能就会有比较明显的劣势。

在国外，我看到的是学生更愿意去按照自己感兴趣的方向来做选择，而很多这样的方向都更加“老大难”一些。对于学生来说，选择这些方向其实需要非常大的勇气，因为这样的研究投入多，产出的风险又比较大。但如果让我向正在选择方向的一些比较年轻的学生分享我的感受，我依然建议不要被当前的热点所禁锢，还是要有自己的视野、判断和坚持。当你“从众”选择一个方向的时候，其实很难做出成果，因为你的内在推动力可能不够，并且环境的竞争也非常激烈。当大家都在议论某个方向有前途的时候，等你毕业已经是4、5年之后了，那时候可能行业的发展已经不是现在的样子了。很多时候你收集到的信息是你当前这个环境下的信息，所以你需要去预见4至5年之后什么方向是更加重要的。

关于目前个人研究的应用价值

目前我的研究方向属于比较基础性的研究。现代人工智能的基础基本是反向传播算法，而整个神经科学领域比较广泛地认为它并不能在生物神经系统中实现，因此我们认为生物神经系统要么是实现了一种和反向传播完全不同的方式，要么是实现了一个可以实现反向传播的算法，但使用了不一样的具体的的计算步骤。如果我的研究发现了这个新的学习规则，那么就可以指导新的人工智能算法，甚至更重要地说能指导下一代人工智能硬件的设计。

关于本科学习对于博士阶段研究的影响

在开始博士科研之前，我的本科专业是北京航空航天大学电子信息工程专业。我认为大一和大二时候的基础课程，比如数学和物理，对我之后的学习影响是很大的。尽管在我后来的学习中这些基础知识不见得能直接应用到我的研究中，因为我不需要每天去求解一些复杂的长函数，但是它们给我提供了一种很重要的科学思维。基础学科的学习会帮助我们在科学体系中建立不同抽象概念之间的联系，这其实是非常重要的。在我后来读博的过程当中，我发现这些基础学科的学习能让我很容易地从一些更加深刻的角度去认识问题，所以这是我认为数学和物理学科给我带来的最重要的影响。

之后大三和大四的时候我们会学习一些偏向特定方向的课程，比如机器学习入门和图像处理等。我觉得有的老师做的比较好的地方是把知识点中很核心且有趣的地方抽象出来，给学生进行仔细讲解。比如说在图像处理中，怎么把视频压缩成一个信息流是一个关键，这其中很重要的是怎样用前一帧的画面来预测后一帧的画面。预测编码的效率不仅适用于视频，它在很多科学研究上都是有效的。在本科学习中，我并不需要知道整个编码系统是怎么运行的，但是学习和了解其中很精妙的上层设计思维对一个学生来说是非常重要的。

关于行业人才需求和科研方向选择

我个人认为国内外人工智能产业及学界存在着比较明显的区别。国内在人工智能产业的就业方向上可能存在一些从众的趋势，因此在相对比较成熟的环节会集聚比较多的研究资源和人力。这种情况下固然就会产生一个结果，那就是在某些特定的发展方向会比较成熟，也会有很多人才涌入，但是在一些较小众的方向就会出现人才短缺的情况。虽然我是一个比较年轻的学者，但是我认为这对于未来人工智能产业的发展会产生不太好的影响。如果接下来的热点方向稍有一些转移，那么可能就会有比较明显的劣势。

在国外，我看到的是学生更愿意去按照自己感兴趣的方向来做选择，而很多这样的方向都更加“老大难”一些。对于学生来说，选择这些方向其实需要非常大的勇气，因为这样的研究投入多，产出的风险又比较大。但如果让我向正在选择方向的一些比较年轻的学生分享我的感受，我依然建议不要被当前的热点所禁锢，还是要有自己的视野、判断和坚持。当你“从众”选择一个方向的时候，其实很难做出成果，因为你的内在推动力可能不够，并且环境的竞争也非常激烈。当大家都在议论某个方向有前途的时候，等你毕业已经是4、5年之后了，那时候可能行业的发展已经不是现在的样子了。很多时候你收集到的信息是你当前这个环境下的信息，所以你需要去预见4至5年之后什么方向是更加重要的。

关于目前个人研究的应用价值

目前我的研究方向属于比较基础性的研究。现代人工智能的基础基本是反向传播算法，而整个神经科学领域比较广泛地认为它并不能在生物神经系统中实现，因此我们认为生物神经系统要么是实现了一种和反向传播完全不同的方式，要么是实现了一个可以实现反向传播的算法，但使用了不一样的具体的的计算步骤。如果我的研究发现了这个新的学习规则，那么就可以指导新的人工智能算法，甚至更重要地说能指导下一代人工智能硬件的设计。

关于本科学习对于博士阶段研究的影响

在开始博士科研之前，我的本科专业是北京航空航天大学电子信息工程专业。我认为大一和大二时候的基础课程，比如数学和物理，对我之后的学习影响是很大的。尽管在我后来的学习中这些基础知识不见得能直接应用到我的研究中，因为我不需要每天去求解一些复杂的长函数，但是它们给我提供了一种很重要的科学思维。基础学科的学习会帮助我们在科学体系中建立不同抽象概念之间的联系，这其实是非常重要的。在我后来读博的过程当中，我发现这些基础学科的学习能让我很容易地从一些更加深刻的角度去认识问题，所以这是我认为数学和物理学科给我带来的最重要的影响。

之后大三和大四的时候我们会学习一些偏向特定方向的课程，比如机器学习入门和图像处理等。我觉得有的老师做的比较好的地方是把知识点中很核心且有趣的地方抽象出来，给学生进行仔细讲解。比如说在图像处理中，怎么把视频压缩成一个信息流是一个关键，这其中很重要的是怎样用前一帧的画面来预测后一帧的画面。预测编码的效率不仅适用于视频，它在很多科学研究上都是有效的。在本科学习中，我并不需要知道整个编码系统是怎么运行的，但是学习和了解其中很精妙的上层设计思维对一个学生来说是非常重要的。