邹承鲁院士：如何读文献

        无论题目从何而来，都必需紧密追踪当前有关科学领域发展的动向。从研究生时代开始，在导师教导下，以周围同学为榜样，我就养成了每周必定去图书馆浏览最新期刊的习惯，几十年如一日，雷打不动。如果确实有事，下周必定补上。我当时有一个小记录册，登录所有对本专业重要的刊物，每期读过后，一定做记录，决不遗漏一期，直至今日。现在可以在网上阅读所有重要刊物的目录和摘要，这就更容易做到了。掌握文献、对文献进行综合，以批判的眼光评价文献，并从中提取出有用的和正确的信息以指导今后的研究是一个能独立工作的科学工作者必备的能力。

        阅读文献以追踪当前发展动态时，务须切记发挥自己判断力，不可盲从，即使是知名科学家和教科书有时也会有错误。古人说得好：“尽信书不如无书”。在追踪当前发展的重要方向时切记，你看到的问题别人也同样会看到，越是重要的问题竞争必然越是剧烈，在研究条件不如人时，如果没有创新的研究思想，独到的研究方案是不可能超越他人得到成功的。虽然国际上也有对于某些重要课题一哄而起的情况，但在我国似乎特别严重。缺乏自己的创新思想而片面一哄而起追求热点，是一条必然失败的路线，最多只能是为别人成果锦上添花，或做一些小修小补的工作而已。关键在于自己的创新思想。创新思想来自何处，虽然灵机一动产生了重要的创新思想，在科学史上确实有所记载，但这毕竟是比较罕见的，而远远更为常见的是天才出于勤奋，创新出于积累，积累可以是个人积累，也可以是本人所在单位的长期积累。这就是前面提到的旺火炉原理，也是诺贝尔奖经常出在少数几个单位的原因。只有勤奋努力才能不断有优秀工作的积累，才可能在工作中逐渐产生真正创新的，别人无法剽窃的创新思想，才有可能在重大问题上取得突破。而在一个炉火熊熊的旺火炉中，不断会有优秀工作的积累，优秀人才的产生，并且创新思想和人才的不断相互作用，相互启发，相互激励，就会不断创造出新的突破性成果。

王选先生：阅读的重要性

        阅读文献使我找到了自身发展的正确方向

        大学毕业后我就养成了阅读英文文献的习惯，当时下了一个决心：不看翻译过来的中文书，只看英文原版书。这样既锻炼了英文阅读能力，又避免了因译文错误而带来的一些误解。20世纪50年代末，我正忙于一台中型计算机的具体设计工作，每天三段时间上班，只能利用晚上10点到12点看文献，然后就在办公室的桌子上睡觉。当时美国的计算机很发达，已形成产业；而英国在50年代也有不少创新成果，例如变址、闭子程序、微程序和虚拟存储器。今天美国年轻的计算机工作者很少有人知道上述技术均是英国人的发明。1956年开始设计的IBM Stretch（号称每秒百万次）计算机和1958年开始设计的英国曼彻斯特大学的Atlas计算机对我的触动最大。设计时他们做了大量的应用调查，而Stretch的多道程序运行和切换是靠软件来实现的，而以前我只知道笨重的硬件切换方法。我在阅读文章的同时很关注作者的知识背景，以便分析他们做出创新的原因。大量阅读文献使我下决心一定要同时具备软件和硬件两方面的第一线实践经验，我相信通过跨领域的研究，一定能找到创造的源泉，这是我1961年做出的一生中最重要的一次抉择，也是后来我负责研制激光照排系统能够成功的重要原因。

        了解国外最新动态可以避免科研工作走弯路

        20世纪70年代末我国开始改革开放，访问学者赴美学习、科技工作者埋头学习英语成风。此时许多人才发现辛辛苦苦干了十几年的科研成果实际上全部在外国专利保护范围内，或者是正在国外已经被淘汰的方向上努力“填补国内空白”，这是很可惜的，这一遗憾往往在于没有仔细阅读该领域的国外最新文献。以照排系统为例，先于北大的5家均选择了模拟方式存储汉字字形。其中一家用的是字模管，即把字模板插在阴极射线管的发射极和荧光屏之间。字模管20世纪60年代和70年代初曾在美国流行了一段时间，当时也非主流，70年代中期则被数字式存储和显示的阴极射线管照排机所取代，80年代末第三代阴极射线管照排机在美国停产，而1988年底北京某大报头版却报道了我国研制成功阴极射线管照排机，当然最后只能夭折了。另外，80年代初我国报纸宣传某单位研究成功分辨率很高的缩微胶卷，我还去看过展品，该成果离商品还有一段距离，而当时国外光盘正以十分迅猛的势头发展，必将淘汰各种形式的缩微胶卷。９０年代中期，一次在外地作报告，晚上回旅馆后有一位听众给我打电话，说他发明了一种用于绘图仪上的笔，这种笔的耐用性比现在国外产品要好。我听后马上跟他说，这一方向你最好尽快放弃，因为用笔的机械式绘图仪很快就要被喷墨打印机所取代。当时我看到了超宽幅面喷墨打印机已经问世的消息，在精度、速度、色彩和适用范围等方面比机械式绘图仪都要好得多。这位科技工作者的发明假如完成于80年代初期，则是很有意义的一项成果。
        我的一生取得了两项科研成果：60年代的高级语言编译系统和后来的激光照排。这两个项目均是高起点，没有走弯路，有所创新，这与阅读文献有很大的关系。

MIT人工智能实验室：研究中的阅读

麻省理工学院人工智能实验室AI Working Paper
作者：人工智能实验室全体研究生 编辑：David Chapman
译者：柳泉波 北京师范大学信息学院2000级博士生

        很多研究人员要花一半的时间阅读文献。其实从别人的工作中也可以很快地学到很多东西。本节讨论的是AI（Artificial Intelligence）领域的阅读。

        阅读文献要始于刚刚入学的今日。一旦你开始写作论文，就没有多少时间了，那时的阅读主要集中于与论文主题相关的文献。在研究生的头两年，大部分的时间要用于做课程作业和打基础。此时，阅读课本和出版的期刊文章就可以了。

        在本领域打下坚实的基础所需要的阅读量，是令人望而却步的。但既然AI只是一个很小的研究领域，因此你仍然可以花几年的时间阅读本领域已出版的数量众多论文中最基本的那部分。一个有用的小技巧是首先找出那些最基本的论文。此时可以参考一些有用的书目：例如研究生课程表，其他学校（主要是斯坦福大学）研究生录取程序的建议阅读列表，这些可以让你有一些初步的印象。如果你对AI的某个子领域感兴趣，向该领域的高年级研究生请教本领域最重要的十篇论文是什么，如果可以，借过来复印。最近，出现了很多精心编辑的有关某个子领域的论文集，尤其是Morgan-Kauffman出版的。

        AI实验室有三种内部出版物系列：Working Papers，Memos和Technical Reports，正式的程度依次增加，在八层的架子上可以找到它们。回顾最近几年的出版物，将那些非常感兴趣的复制下来。这不仅是由于其中很多都是意义重大的论文，对于了解实验室成员的工作进展也是很重要的。

        有关AI的期刊有很多，幸运的是，只有一部分是值得看的。最核心的期刊是Artificial Intelligence（也有写作"the Journal of Artificial Intelligence"或者"AIJ"的）。AI领域真正具备价值的论文最终都会投往AIJ，因此值得浏览每一年每一期的内容；但是该期刊也有很多论文让人心烦。Computational Intelligence是另外一本值得一看的期刊。Cognitive Science也出版很多意义重大的AI论文。Machine Learning是机器学习领域最重要的资源。IEEE PAMI（Pattern Analysis and Machine Intelligence）是最好的有关视觉的期刊，每期都有两三篇有价值的论文。International Journal of Computer Vision（IJCV）是最新创办的，到目前为止还是有价值的。Robotics Research的文章主要是关于动力学的，有时候也有划时代的智能机器人论文。IEEE Robotics and Automation偶尔有好文章。

       每年都应该去所在学校的计算机科学图书馆（在MIT的Tech Square的一层），翻阅其他院校出版的AI技术报告，并选出自己感兴趣的仔细加以阅读。

        阅读论文是需要练习的技能。不可能完整地阅读所有的论文。阅读论文可分为三个阶段：第一阶段是看论文中是否有感兴趣的东西。AI论文含有摘要，其中可能有内容的介绍，但是也有可能没有或者总结得不好，因此需要你跳读，这看一点那看一点，了解作者究竟做了些什么。内容目录（the table of contents）、结论部分（conclusion）和简介（introduction）是三个重点。如果这些方法都不行，就只好顺序快速浏览了。一旦搞清楚了论文的大概和创新点，就可以决定是否需要进行第二阶段了。在第二阶段，要找出论文真正具有内容的部分。很多15页的论文可以重写为一页左右的篇幅；因此需要你寻找那些真正激动人心的地方，这经常隐藏于某个地方。论文作者从其工作中所发现的感兴趣的地方，未必是你感兴趣的，反之亦然。最后，如果觉得该论文确实有价值，返回去通篇精读。

         读论文时要牢记一个问题，“我应该如何利用该论文？”“真的像作者宣称的那样么？”“如果……会发生什么？”。理解论文得到了什么结论并不等同于理解了该论文。理解论文，就要了解论文的目的，作者所作的选择（很多都是隐含的），假设和形式化是否可行，论文指出了怎样的方向，论文所涉及领域都有哪些问题，作者的研究中持续出现的难点模式是什么，论文所表达的策略观点是什么，诸如此类。

         将阅读与程序设计联系在一起是很有帮助的。如果你对某个领域感兴趣，在阅读了一些论文后，试试实现论文中所描述的程序的“玩具”版本。这无疑会加深理解。

         可悲的是，很多AI实验室天生就是孤僻的，里面的成员主要阅读和引用自己学校实验室的工作。要知道，其他的机构具有不同的思考问题的方式，值得去阅读，严肃对待，并引用它们的工作，即使你认为自己明晓他们的错误所在。

         经常会有人递给你一本书或者一篇论文并告诉你应该读读，因为其中有很闪光的地方且/或可以应用到你的研究工作中。但等你阅读完了，你发现没什么特别闪光的地方，仅仅是勉强可用而已。于是，困惑就来了，“我哪不对啊？我漏掉什么了吗？”。实际上，这是因为你的朋友在阅读书或论文时，在头脑中早已形成的一些想法的催化下，看出了其中对你的研究课题有价值的地方。