计算机博士，研究过程中需要大量的数学公式做模型，进行推导；到了博士阶段的研究，基本上都是利用数学公式进行开展工作；即使编程能力再强，没有公式做约束，也是没有办法进行开创性的工作；数学公式之所以重要，因为它具有对数据的约束能力；理论上，多加一个数学公式就多了一层约束能力，使得最终运算的结果更加趋近目标，本来可能是线性的，加了一层约束后变成了非线性的，可能效果更好，但是否更加接近人类的智慧不敢肯定，当然，如果增加的公式约束与原来的模型没有互补性，可能反而会降低了预期效果。数据的分布本来是有规律的，只不过输入到计算机后经过了离散化的过程，并且让一个没有自我高度思维能力的计算机来对数据做各种区分，好似 老虎吃天——无从下口；高人经历了太多的风浪、积累了太多的阅历、沉淀了多少哲人的智慧，所以，他们总能够看出一些常人看不到的地方，总是能够见微知著，这就是中国人所谓的“天眼”。
但是由于人的计算过程有时太过于复杂，而不容易建模或者形成数学公式，导致高人的智慧没有办法转换到公式或者模型，所以，人工智能的进展不像人们预期的那样神速。当然计算机运算的过程是一个程式化的步骤累积，比如，在给本科生将数据结构时从一个数列{3,6,9,5,1,7}中找出最大值，学生一眼就能够找到正确的结果，但绝大多数初学者说不出寻找的过程，而计算机需要的就是这个可运算的、步骤化的过程；再如，你的编程水平再高，如果没有类似于牛顿迭代公式求开任意一个正数的平方根、泰勒公式求任意一个数的正弦函数值，估计也是无从下手；编程不需要数学主要是指的常规性的开发，如做一个网站，基本上中专生经过培训后就能够胜任这种搭积木式的开发了(这只是说的常规层面上的工作)。比如正常的人通过背影也能够识别出一个熟人来，但总是转换不到相应的模型。高人可能不懂计算机，而搞计算机的可能达不到高人的智慧水平，如此一来，智慧转换模型的过程就会变得缓慢些。
题记：
实际上，研究什么并不重要，关键的是如何进行研究。看了很多***奖得主、科学家的传记或者自传，无外乎都是在讲自己是学习、研究的过程多么刻苦，充满了多少以苦为乐的轶事...凡此总总，让迷茫的初学者找不到有用的启发，只能当做小说来看看别人如何以苦为乐，至于其中的工作如何开展？完成自己值得称道的一项工作需要什么样的基础？如何扩展？如何延伸？如何改进？统统是一个初学者最为关心的事情，而这些所谓“成功”的专家学者一概不谈，而只是一味的标榜自己如何刻苦、勤奋，总是想籍借自己的苦难来激励他人，实际上每个人的所处的时代不一样，对苦的理解是不同的，往往不能引起年轻初学者或者家境不困难的共鸣的，当然专业的学习还是要读专业的文献，因为专业所以不能写得太科普，但是因为太专业导致初学者不太容易理解知识的连贯性和铺垫知识、解决方法的由来。但其中的智慧，不只是出于谦虚还是觉得太“专业”没有必要谈及；实际上，作为学生最为关心的，我认为就是对某一个问题的研究基础、过程和思维。每当谈到如何做一个优秀的博士生，大体上都是在谈及阅读多少文献等等门外汉都知道的说教。当然，也有可能是只可意会不可言传，或者认为太专业怕没有人欣赏，殊不知，发表此类传记的本身就是为了激励、启发本专业初学者。有的博文写的就会有启发性。如这篇博文
读后，我感觉就会有启发性。
转载本文请联系原作者获取授权，同时请注明本文来自马飞科学网博客。
收藏
分享
分享到:
