主要观点总结
本文主要讨论了顶级AI学者关于做有影响力研究的思考，以及研究生如何在已经拥挤的人工智能领域找到自己的位置并有所作为。文章关注通过开源工作对人工智能产生影响力的衡量，强调着眼于项目而非论文的重要性，选择具有较大发挥空间的问题，提前思考两步并快速迭代，将工作公之于众并推广想法，找到发布开源研究的技巧，以及如何评估研究等关键点。文章还讨论了如何将研究成果公之于众，建立社区和开放源码工具的重要性，以及如何通过这些工具进行新的、令人兴奋的研究。
关键观点总结
关键观点1: 关注通过开源工作衡量对人工智能的影响。
选择具有较大发挥空间的问题，如寻找将在未来2-3年内热门但尚未成为主流的问题空间。
关键观点2: 提前思考两步并快速迭代。
不拘泥于眼前的低挂果实，至少提前两步思考，找出潜在局限性并解决问题。
关键观点3: 将工作公之于众并推广想法。
通过发布论文预印本、在社交媒体上宣传等方式，传达关键论点并吸引关注。
关键观点4: 发布开源研究的技巧。
确保发布的代码可用、有用、通俗易懂，并了解用户类型以利用增长。
关键观点5: 评估研究的影响。
除了学术研究，还要关注软件本身的实用性及其对下游应用的影响。
关键观点6: 开源工具与研究的结合。
好的开源工具可以创造出模块化的作品，供新的研究者和贡献者探索和发展。
文章预览
机器之心编译 作者：Omar Khattab 编辑：蛋酱、泽南 写论文？那只是其中的一小步。 在研究生期间，很多人经常会迷茫于如何构建自身的研究。我们应该如何开展研究，才能在已经相当拥挤的人工智能领域有所作为？ 太多人认为，长期的项目、适当的代码发布和深思熟虑的基准测试无法产生足够的激励作用 —— 有时候这可能是你快速而内疚地完成的事情，然后又要回去做「真正的」研究。 最近，斯坦福大学 NLP 组在读博士 Omar Khattab 发布了一篇博文，讨论了顶级 AI 学者们有关做有影响力研究的思考。 让我们看看他是怎么说的： 科研的影响力有多种形式，我将只关注通过开源工作（例如模型、系统、框架或基准测试）对人工智能产生的研究影响来衡量。因为我的目标部分是完善自己的想法，记录具体的建议，并收集反馈，所以我会做出较为简洁的
………………………………
