大数据文摘出品
编译：瓜瓜、艾玛、蒋宝尚
人工智能和机器学习风靡全球，高校作为人才培养基地正在顶风而上，如何建立相关的实验室，“当家人”如何管理实验室才能最高效？关于这些问题，无论国内，还是国外的学者都在探索一条适合自己的道路。本文选自GrahamTaylor对YoshuaBengio的专访，从他们的一问一答中，希望你能够获得一些经验和思考。
GrahamTaylor是CIFAR机器和大脑学习项目中的一名学者，也是圭尔夫大学工程学院的副教授。YoshuaBengio是CIFAR机器学习项目的联合主任，同时也是蒙特利尔大学计算机与运算系的教授，数据学习算法中心的加拿大研究主席。
GrahamTaylor(GT)：你能告诉我你在系里最初做什么工作么？
YoshuaBengio(YB)：在蒙特利尔大学我曾经是唯一一个从事机器学习和神经网络研究的，我当时很有动力，对每一位学生都很负责。
我利用了我在学校外的人际网络，一些是我博士后之前一起工作的同事。例如GeoffHinton和其他在多伦多的人。和同领域的人交流是很重要的，因为我是学校里第一个研究这个领域的学者。
我也非常幸运学校能够认可我的工作，感谢学校减轻了一些我教学上的任务。
GT：从一开始就是？
YB：是的，在开始的七年里，我只用教授两门课。然后我当上了加拿大研究主席，就只负责一门课程。我认为一边承担教学重担一边建立实验室可能非常有挑战性。当我有了第二个孩子时，我开始后悔自己之前工作太拼命。我对于学校里的职位有点力不从心。现在往回看，我应该更好地平衡工作与生活。
GT:当时学校内部有人指导你吗？
YB：没有，一个人也没有。可能我应该联系一些年长的教授，不一定是同领域的。如果我以前没那么害羞的话我会尝试获得更多反馈。我当时没有意识到这是可行的。新的教员应该扩展关系，建立联系。系里也鼓励大家那么做。资深教员们乐于做这些，虽然他们可能不会太主动。
GT：在这些外部关系之中，作为一个教职工你的得到的最好的建议是什么？
YB：在我当教授的前十年里，我和GeoffHinton有一些互动，虽然都是远程的。但是它们帮助了我把精力放在更重要的事情上。
如果重来一次，我不会把注意力分散在不同方向，只顾当下的想法而无视长远的挑战。当你尝试立足的时候这很难，因为你会焦急地想发表更多论文来获得一些荣誉。但是你至少要花一些时间来专注于长期规划。如果你过度追逐荣誉和职位，很容易陷进去，从而错过一些重要的东西。我跟Geoff的讨论帮助了我意识到这点。
GT：现在机器学习应用受到广泛