李廣和(B00, MIT 博士班學生)

李廣和（B00，MIT 博士班二年級）
訪問對象 ： 李廣和學長
訪問時間 ： 5/30/2019
訪問人員 ： 方喬、綦家承

Q1： 簡單的自我介紹

A1： 我是台大資工B00的李廣和。大學專題跟林守德老師做了一段時間，當一年替代役後回到台大資工進到陳縕儂老師的實驗室讀碩士。現在在MIT念computer science的Ph.D二年級。

Q2： 在大學期間覺得最受用的課或活動

A2： 有兩門課，一門是演算法。大二上同時有演算法設計與分析和系統程式設計這兩門課，一門著重於演算法，一門著重於工程，讓我了解我在資工這個領域是比較喜歡偏computer science還是engineering的方向。

另一門課是大三的時候我選修了一門研究所的課，叫「KDD Cup」。這門課是幾位老師帶學生去打data mining的比賽，是我在加入林守德老師的實驗室之後做的第一個專題的目標。這對於我之後在研究的實作或思考方法時都很受用。

Q3： 大學和研究所時的專題研究內容

A3： 我的大學專題是做一個「Learning to Rank」的推薦系統。傳統的推薦系統可以想作為一個使用者對項目的矩陣，上面有使用者看過項目後給的評分，大家習慣把它變成一個線性代數的問題，把矩陣做分解運算。但是像是Facebook的好友推薦不會顯示評分，而是告訴你哪幾個人最可能是你的朋友，或者像Google會把搜尋結果做相對排序，而不是針對每一筆資料打絕對的分數。我在專題所做的就是研究在推薦系統中如何在矩陣分解的架構下以相對的排序表示使用者對於項目的喜好度。

我在研究所做的是自然語言處理(Natural Language Processing, NLP)，明確的項目是「Unsupervised Sense Embedding」。大概就是給機器一堆文字，但不提供任何註解或者是字與字之間的關係，讓機器自己像人一樣學習；像我們平常閱讀偶爾會自動發現一些沒有學過的東西，說不定電腦也能做到差不多的事情。我的演算法同時執行兩種模組從文字中學習，一個模組可以由前後文選擇一個字在不同語境下的意義，另一個模組學習要如何以向量表示這個意義，以便日後機器學習或人工智慧的執行。

Q4： 出國的原因

A4： 因為台灣的CS產業感覺還是相對弱勢，我也想看看國外是不是真的像大家說的一樣比較好，還有想在MIT見識一下世界上最厲害、最聰明的人。

Q5： 申請國外博士班做的準備

A5： TOEFL和GRE這些上網就可以查得到了。另外還需要履歷和SOP（讀書計畫）。履歷第一個在學成績要不錯，有一些publications也會比較好。 但是如果大學畢業就要出國的話，其實不一定要有publication，像MIT也是會收成績非常好可是沒有publication的學生。出國申請還有一個很重要的是推薦信，可以在大學四年或研究所兩年找合作的老師，或是去做實習時的人脈，讓這些人幫你寫推薦信也是蠻重要的。不過，對我最重要的是有一篇應該是自己在一個top conference上有一篇first author的publication。大家看publication的時候大部分只會看重first author，認為first author通常是在研究中做70~80%的貢獻。

Q6： 為什麼會選擇MIT？

A6： 我當初申請了七間博士班，錄取了兩間，一間是MIT的EECS Ph.D program，另一間是CMU LTI的MLT program (master program)。LTI是陳縕儂老師之前念的institute，這間基本上會給學生funding，所以錢不是問題，但是這是master program，念完兩年後還要再申請一次，而且還不確定老師。但是在MIT有一位老師有要收我，雖然這位老師研究的方向其實和我當時的研究方向蠻不一樣的，他想把人工智慧做在無限訊號上；因為我對這個領域不了解，所以我問他這領域有什麼樣的前景。他就說computer vision和NLP都是已經做了很久的東西， 重要的東西都被別人做出來了，但是大家還不知道要怎麼在無線訊號上做AI，所以這才是真正可以改變世界的機會。我覺得他研究真的做得很好，他人也很nice，我那時覺得在Ph.D可以跟一位厲害的老闆做一些厲害的事情就夠了。

Q7： MIT的師資及環境設備

A7： 我覺得基本上我們常用的設備還是從自己的實驗室來的。像我可能需要跑一些GPU的code，但是學校沒有買GPU的設備，就只有CPU設備。我做實驗用到的GPU設備就是實驗室自己買的。在MIT通常需要什麼，只要不要太誇張，老闆通常都會買。

Q8： 現在的研究內容

A8： 我在大學做的是data mining和machine learing，研究所做的是NLP，之後在Ph.D第一個學期做的是AI on wireless signal，像是由無線訊號偵測人跌倒這樣，但是我做了一段時間之後還是覺得我比較喜歡做machine learning、設計algorithm和做theroy方面的事，所以我之後就換了一次老師。我現在做的就是machine learning，主要是做有一些理論上的保證的interpretability和robustness，因為現在大家都知道machine learning像deep learning這樣的model都很厲害，下圍棋可以贏人類，自動駕駛上都是這樣的人工智慧；可是我們知道這些人工智慧在decision critical情況都沒有被用上，像是醫療、財經或法律相關的領域，因為我們不能保證人工智慧不會在這些情況出現錯誤，或我們無法理解人工智慧為什麼會做出特定的決策，我們會擔心人工智慧會基於一個人的先天條件做出不公平的決定。我覺得把人工智慧做成公平、透明化且夠robust而不會出現奇怪的錯誤可能是人工智慧下一個很重要的目標。

Q9： 實習的經驗

A9： 我在大四的暑假在Intel labs做research intern，做的事其實跟學校實驗室做得差不多，老闆給我蠻大的自由，讓我提議我想做什麼和我想要怎麼做。這個過程可以常常跟老闆溝通討論，基於老闆的feedback改善我做的東西。當時我做了一個跑在由sensor取得的data上的machine learning model。我覺得做實習之前可以向學長姐打聽看看，瞭解不同公司實習的內容。

Q10： 出國時遇到哪些困難

A10： 我覺得對我來說最困難的是大家一起用英文聊天的時候，因為外國人聊天的節奏很快，很難插話。平常一對一聊天的時候還好，上課的時候如果沒有聽懂也沒關係，課後也有講義可以看。但是群聊的時候，大家插話真的太快了。

Q11： 未來工作發展的方向

A11： 念完博士之後有些人會去當教授，有些人會去research lab當researcher，像是Google AI、FAIR，也有些人會去創業當老闆或CTO。如果我博士班的publication很好的話，我應該會去當教授，雖然薪水會比較少，但比較自由。在research lab錢比較多，但是比較不自由，但是還是在做研究。有些人讀完博士覺得不是那麼喜歡做研究的話，還是有可能選擇去做工程師。就我現在想的話，我的publication如果不是那麼好，我可能就會想辦法賺大錢。

Q12： 生涯規劃的建議

A12： 我前陣子在審MIT的入學申請，有看到一些很厲害的人，他們雖然只有大學畢業，卻已經在top conference上有很多publications了。他們可能大二就開始進實驗室做研究了。如果你以後想要做研究的話，或你大一到大三不知道研究在做什麼的話，儘早找一位老師做研究也是很不錯的投資，因為其實一般修課跟做研究還是有一段差距。課後的作業通常都是跟課堂有關的、已經被知道的結果，但是做研究的話是在走入一個未知的領域；像是自己設計新的演算法，自己猜測這個演算法的特性，自己證明這些特性等等。所以我建議學弟妹早一點開始做專題，瞭解做研究到底是在做什麼事。

如果說你的成績真的很好，大四畢業可以申請看看博士班，即使沒有publication，推薦信也沒有特別好，MIT還是有可能會收的。我覺得用大學畢業的身份去申請國外的博士班是比較有利的，因為當你念完碩士，他們會假設你的方向已經固定了，會願意收你的老師就只會是跟你的方向差不多的，但是只是大學畢業的話，很多老師會願意和你談談。

課要好好修，要把基礎打好，雖然每個人之後走的方向不太一樣，但很多基礎的東西常會在意想不到的地方冒出來，這些基礎無論是對於要當工程師的人或是在研究中都是很重要的，大一大二還是認真把基礎打好吧。

Q13： 留在國外工作或回國

A13： 如果我當教授，我應該會留在國外，雖然在台灣生活不錯，但是國內大學的薪資還是沒有國外好。我也不一定會留在美國，亞洲也有一些很不錯的地方，像新加坡、香港或日本，在這些地方當教授好像都不錯。如果要賺大錢的話，在哪裡好像就不那麼重要了。

Q14： 給學弟妹的話

A14： 雖然這已經是老生常談了，但是大學四年盡量不要給自己留下遺憾。像去參加社團活動之類的；不過也是有一些比較少被提到的遺憾，像是有些課沒修好，以後找工作阿做研究阿很痛苦也會是一種遺憾。