Ph.D. 第五年心得
17 Sep 2022實在不知道為什麼,連續兩年柴犬都剛好在夏秋交替之際生了場大病。雖然最終都發現是因為亂吃東西造成的,並沒有長期的隱憂,不過仍然帶來了許多心力的折騰,也讓這篇文章的撰寫推遲了一陣子。
隨著Ph.D.進入最後一年,身邊許多好友接連畢業,剛入學的大學生和博士一年級學生,更是稚嫩的讓人感嘆時間的飛逝。和這些小朋友聊著他們對研究生活的憧憬,似乎看見了當年的自己,雖然心中有說不完的經驗想要分享,最終卻笑著決定還是讓他們各自慢慢探索吧!這樣說起來好像有點理解為什麼每次當我問Boaz建議時,他總是很簡單的說跟隨自己的熱情就好。
這一年發生了什麼?
這一年美國總算基本上恢復了原本的生活,從課程轉回實體、各種設施的開放到更多和人們實際的交流,彷彿回到了剛來美國的時候,一切充滿了希望和幹勁。不過雖然大部分事情看起來都往好的方向走去,我卻開始對研究方向感到了十分困惑。
在接觸了越來越多不一樣的領域(特別是量子物理和腦神經科學)之後,讓我開始思考什麼樣的方法論是我想要追尋的。不可否認的,數學還是對我來說最舒服自在的語言,每次看到一個新的數學猜想或是理論都還是常常讓我興奮得睡不著覺。但同時我也越來越能適應物理的直覺,以及生物的複雜世界觀。然而身為一個學者,在學習之餘,還是需要有所謂的研究產出,那麼我希望在哪個領域做出貢獻?我是要繼續做數學證明、跑數值分析還是做實驗提假說?
在學年剛開始時,我很確定的是,我暫時不太想繼續在還有很多小問題可以做的streaming model上面花時間,但是我又不太想要直接用很理論CS的方式做一些量子和腦神經科學的問題。於是,我開始系統性的讀一些物理的教材,同時在原本就有的腦神經科學讀書會更系統性的學習不同的方向。既然都進入了學習的模式,甚至乾脆做了Science and Cooking的助教,然後修了一直很想學的音樂理論。這些不同的學習除了在知識層面之外,很意外的還讓我接觸到了不同領域”做理論”的方式。由於是理論CS背景的關係,理論對於我來說一直都是“數學理論”,好像沒有了嚴格的數學證明就不太能登大雅之堂。但無論是在讀物理教科書時發現裡面幾乎不會有完整的證明、在Science and Cooking中看到了許多應用物理推導公式的神秘方法、還有音樂理論中許多約定俗成的瑣碎規則等等。我才漸漸理解並且接受“理論”可以有的多重面貌。
整個秋季下來學習了滿滿的知識,也讓我決定該找個機會好好整理一下所學。於是利用學校的資源在寒假的時候弄了一個為期兩週的迷你課程,趁機把未來的方向理清楚一些。在準備課程以及講授的過程中,我也漸漸對於跨領域研究有了不一樣的理解(在下面的段落會再深入討論),同時受到了Boaz不斷的提醒更是讓我意識到自己需要在許多的哲學性思考之餘,花更多的時間做實際的嘗試和工作(同樣的在下面的段落會再深入討論)。

到了春季學期,我更加深入的學習了量子計算和量子通訊,甚至還學了一些量子混沌及量子凝聚態。我突然意識到這些量子理論除了試圖解釋相對應的物理現象之外,更是提供了新的數學架構/語言能夠產生很多有趣的數學結構,這也是為什麼有些可以被應用在量子計算和量子機器學習上面。也許之後在其他的領域(例如腦神經科學),這些數學工具能夠刻畫一些實際現象。如果這樣的理論被建構出來了,並不見得是說大腦裡真的用了什麼量子物理,而只是說剛好某些大腦中的運作可以被同樣的數學描述和理解。
暑假我很幸運的到了紐約的Flatiron Institute的Center of Computational Neuroscience跟SueYeon做暑期實習。雖然大家都開玩笑説我學到最多的是怎麼做咖啡拉花,不過認真講,這十個禮拜讓我更全面的接觸了理論和計算腦神經科學的各種面向。最大的影響應該是讓我意識到了即使是要做腦神經科學相關的研究,我可能還是需要把由上而下的抽象理論,跟與實驗接觸的問題區分乾淨,才能夠各自找到合適的解讀和應用。

在博士即將畢業前這一年,很感謝Boaz給了我這麼大的自由探索不同的領域和方法論,雖然因為把大部分的時間都花在學習和思考上所以沒有太多研究產出,但是感覺漸漸找到了有熱忱和適合自己的研究方向。而平時的胡思亂想,也讓我把一些做(跨領域)研究和學生的癥結處整理出了一套自己的觀點。在剩餘的篇幅中,就讓我來分享一下近來的體悟。
從跨領域(interdisciplinary)到多領域(multidisciplinary)
一直以來,即使是在理論CS之內,我都是研究涉略範圍相對比較廣的人,也因此很自然地走上了所謂“跨領域”的道路。在開始跟越來越多其他領域(主要是物理和腦神經科學)的學者合作之後,我漸漸意識到,跨領域雖然能將一個領域的工具或方法應用在另外一個領域,但是卻時常有個隱形的阻礙。要嘛是不同領域的人之間的溝通一直不在同樣的頻率上,不然就是做出來的結果四不像。這樣的情形在比較明確的工具轉移(例如機器學習用在分析數據等等)時比較不容易出現,然而在比較抽象或本質的理論跨領域交流時(例如計算複雜度理論和量子物理)卻屢見不鮮。
這種阻礙通常都是來自於跨領域的合作太過於直接,會有其中一方把自己的方法論和專業整套搬去另外一個領域,沒有足夠的修改與溝通來適應對方的歷史脈絡跟價值觀。正因如此,讓我突然意識到更深入的跨領域合作其實應該要把“跨”這個字拿掉。畢竟有了“跨”這個動作時,說明了不同領域之間有主次之分,但是在真正深入的交流時,應該是要互相汲取適合的想法,融會貫通。也許,我們應該像牛頓那個時代之前的科學家看齊,事先進入不同的領域,學習其根本的概念與價值觀,甚至各自有些基本的研究經驗之後,在試著做多領域(multidisciplinary)的研究。
一個需要特別釐清的點是,我的意思並不是說大家應該先進入對方的領域花個幾年學成之後,在開始進行合作。我想強調的點是,在某些和多個領域有關的研究問題上,如果合作的成員們還沒有成熟到可以自如地在各個領域之間轉換時,那可能還不如選定其中一個領域,然後好好的以那個領域的方法論做下去。這甚至也適用在同一個領域的不同子領域的交流中!說來慚愧,會有這樣的體悟也是因為我自己和幾個不同的合作者,時常在不同的方法論之間(例如量子計算優勢(quantum computational advantage)的理論和實務層面)來回擺盪,幾個月下來常常搞得什麼進展也沒有。
當然,如果能夠有可以順暢溝通的合作者,也許就不需要自己真的從頭學起另外一個領域。不過身為一個理論學者,為了自己思想的自由,我還是期許自己可以腳踏實地的真的把物理和生物的基礎和價值觀內化吸收。這幾年下來,雖然離理想的狀態還有些距離,但是已經可以開始感受到自己的視野越來越廣闊,想問題的角度也越來越多,非常期待之後在不同領域打滾幾年甚至是做了博後之後,能夠在多個領域之間來去自如的境界。
性格的重要性
一個人到底適合做什麼?從小到大總是會有些人說是依照興趣,另外會有些人說是靠天賦。的確天賦是進入某個領域行業的入門券,隨著不同職業門檻可能會有所不同。興趣則可以說是讓一個人能夠在一個方向一直做下去的驅動力。而最近我開始越來越注意到另外一項因子的重要性,那就是性格。
性格有非常多的層面,例如在著名的MBTI性格測試中定義了四個性格的軸向(能量來源、感知偏好、判斷偏好、認知態度)。同時性格相較於天賦來說,更容易受後天的環境和經歷影響,雖然可能到了成年之後會越來越定型。
為什麼我越來越覺得性格在職業適合度上扮演關鍵性的角色呢?這也得從自身的經驗說起。在我的求學階段初期,我夢想的職業是打棒球,而最後棄武從文,一直以來的說法都是因為運動天賦不足。上了高中之後,一直對物理和數學很感興趣,但因為當時缺乏對這兩個學科真實面貌的理解,最後大學選擇主修了CS。在大學四年中我大量接觸各式各樣的領域,在CS內從軟體工程到Bitcoin到理論CS,在主修外也學了很多數學和旁聽一堆不同科系的課,還曾經弄了個跨領域讀書會,一度有超過十個不同科系的成員。大學畢業後,為了能夠繼續在學校學習知識,選擇了讀了個理論CS的博士班。五年過去了,從前兩年在理論CS內做了好多不一樣的子方向,到現在開始廣泛接觸物理和腦神經科學。
這筆流水帳看下來,我發現了一個共同的規律,那就是我的性格無法讓我只專注在一件小方向/事情上面很久很久。又或是說,當我掌握一項能力到一定程度之後,我就會開始被其他新的事物強烈吸引,進而轉換方向開始學習新的東西。即使隨著年齡的增長,我漸漸在做事情的細心和耐心上面成長了不少,但是我依然很難抗拒學習新事物的誘惑。這樣的個性讓我很難在需要極度專一的領域上走下去,而我也總是不知不覺的被拉往相對需要多種能力的方向。
當然,性格不是只有一個面向,其他諸如好奇心、追根究底的精神、好勝心等等也都是帶著我一直走到現在不可或缺的角色。看看身邊的研究生同學和朋友,也許外人會覺得大家的共通點是所謂的“聰明”,但我反而覺得對熱愛事物的堅持才是這些博士生還有學術工作者的必要條件。
哲學思考與實際工作的平衡
年初有次在和Boaz聊天討論研究方向的時候,Boaz突然脫口而出,要我小心不要變得太像一個哲學家。我當時一直沒有很理解他的話,在我心中,一個好的科學家不是也應該需要花一定程度的時間做哲學思考,釐清楚自己工作的意義和貢獻是什麼嗎?
直到最近在翻Steven Weinberg寫的To Explain the World: The Discovery of Modern Science,才讓我重新思考了關於哲學和科學的差別。Weinberg從古希臘哲學家例如柏拉圖和亞里斯多德講起,提到在那個年代其實就已經有非常多關於對世界如何運作的“理論”,思想和學問的累積也是很有深度,那為什麼這些知識是被歸類為哲學?或是為什麼這些哲學無法帶給古希臘科學革命?我們又可以如何從他們身上學習到借鏡?
也許直接拿哲學和科學相比,實在會有太多的不同,不過我覺得真的要說的話,兩者之間有兩個根本的差異:首先是科學講求驗證,再來就是科學(在理想上)追求盡可能的客觀和共識。對於後者可能會牽扯一些不同科學哲學流派的不同解讀,所以在這邊我想要只討論第一點,驗證在科學中扮演的重要角色。
說到驗證,其實仍然避不開哲學的討論,尤其是像對於複雜系統或是高能物理等等,這些科學的子領域的確可能無法再看得見的未來有可能被嚴謹驗證。然而這邊我想強調的更是科學中一種“驗證的態度”。即使是研究複雜的腦神經科學,或是宇宙起源及大統一理論等等,即使大家都知道短期內不太可能有實驗能夠驗證檯面上的理論,但是多數主流的發展仍然會抱持著盡可能接近實驗的精神和態度。從學術界的兩大期刊,Nature和Science,基本上都要求要有實驗的潛規則中,就可以看出驗證在科學界中的核心角色。
而這種對驗證態度的要求,讓科學相較於哲學是非常的實務的,也就是大家會傾向於看到證據和實際的“工作結果”。這樣的工作結果可以是進行嚴謹的實驗,也可能是詳細的數學理論推導。縱使方法論因為研究的課題不同,會略有差距,但共通點就是強調“做”。譬如說前幾週和一個做量子重力理論的博士後聊天,他就跟我說,就算你有再多天馬行空的理論和想法,最終還是要回到計算來讓人信服。雖然這些數學理論還沒辦法在物理世界中被驗證,但是至少要能夠在數學世界中說服人!
回到Boaz給我的提醒,的確哲學思考固然可以提升思想的深度,但是也很容易落為眼高手低。人生有限,我選擇的又是一條科學/數學的道路,應該是要以工作和創造為主,天馬行空和自我批判為輔。就像許多人說的,最理想的學者狀態,也許就是個白天的科學家和晚上的哲學家吧!?