當有機器學習研究人員研究該領域30 - 50年時，剛獲得博士學位的年輕機器學習研究人員如何能夠為世界一流的研究做出貢獻？

這與任何其他科學分支都不同。

為了推進任何科學問題的最新技術，你需要兩件事：

1. 你需要內化科學方法，特別是它適用于有關學科。ML中任何體面的博士課程都應該為您提供。我不認為一個30歲的老人和一個60歲的研究人員如何處理一個新的研究問題的平均值會有很大差異。
2. 您需要知道問題的最新進展。對于我所知道的大多數ML問題，你不需要超過1 - 2年（全日制）的文獻調查加上實驗性的探索，要知道有關問題的一切知識[0]。因此，大約2年的專門學習讓你在這個問題上與大師一起處于公平的競爭環境中！這是因為追求研究創造知識比獲得相同數量的知識需要花費更多的時間。我花了4年的時間為我的博士論文做核心研究工作，但如果你有一些計算機視覺和機器學習背景，你可以在2-3天內閱讀和理解我的論文中的所有關鍵思想和實證結果！同樣地，你可以在幾個月的學習中總結一個完整的研究生涯，比如說你想要閱讀Geoffrey Hinton曾經做過的所有事情。無論如何，他的大部分工作時間都無處可去，你可以安全地跳過;對于他多年來的其他一些人來說，其他研究人員（現在）已經提出了更優秀的想法，或者在他們自己的論文中更好地描述了他們的想法，而這些論文可能更適合閱讀。相應地，較早的科學知識得到了更早，更易消化的形式。，它甚至被整合到課程中。當你完成高中學業時，你肯定比牛頓更了解物理學！

[0]假設已存在足夠大的社區圍繞這個問題，那么新的研究人員可以獲得未包含在已發表論文中的部落知識;并且社區有足夠好的同行評審流程，以便發表的論文盡可能地自成一體。

例如，在大約2012年之前，這些條件都不適用于深度學習。因此，對于一個新的研究小組來說，深入學習是非常困難的！

寶寶起名 起名