如何摆脱迷茫，选好科研方向

　　科研路上有两种苦：一种是当既定目标得到有效的分解以后，通过具现化执行，实现每一个小目标的过程，虽然会比较艰辛，更多的却是苦乐参半，毕竟眼见小目标一个个的变成了现实，距离大目标越来越近了，这足以让人怀揣着希望和激动的。与此相比，另外一种苦是在黑暗中摸索，这真的是无比痛苦的过程，迷茫，忧心，前途未卜，让人深深不安，有劲没处使的无奈。

　　亲身经历了这种迷茫之苦以后，终于踏上了正规，整整花了三年的时间，其间有99%的时间都是浪费掉了的。当初老板给我定的题目是“FDI(fault detection and isolation)"，没有任何其他指导，所有的一切都要我自己来完成。最初的时候是振奋，一种挑大梁的感觉，跃跃欲试的冲动感。然而这种热情很快就被随之而来的眩晕打败了，FDI实在是一个太庞大的领域，方法多的数不胜数，天壤之别的应用对象，以我当时的实力完全无力整体把握，前瞻性和可操作性更是无从考证，于是也就无法定下具体的博士课题。后来听了清华大学教授的一个报告，说现在FDI的一个新领域是“PDM(Predicted Maintainance)”，于是自己的开题就选择了这个题目，兴致勃勃的想做一下，结果发现国内这方面的文献几乎为零，只有清华大学的一个项目文件还是保密的。国外的这个领域则是包罗万象，从硬件软件到整个工厂CIPS，都对PDM有所涉及，于是依然无从下手，茫然不知所措。

　　考察了一段时间，发现面前荆棘丛生，完全没有路可走，虽然仍是豪情万丈，不过行动上却是无比明显的懈怠了。三年的时间里，除了上课以外，几乎没看过什么文献，看书也是草草了事，学术水平和精神境界始终原地踏步，不过唯一的收获是找了一个很好的BF，这三年最大的成果就是稳定了后方吧。此外瑜伽达到了相当的水平，也可以跳街舞和拉丁了。到了博士二年级的时候，我陡然意识到，再不行动真就来不及了。于是在实验室看起了文献，当我发现FDI中还有一种基于数据驱动的方法的时候，怎么形容这种感觉呢?就像是头脑中的一道闪电划过，直觉上就认定，就是它了，就是这个方法没错了。比起那些针对性极强的基于模型的方法来，数据驱动的方法真的算是通吃型了，其中涉及到的多元统计分析部分，是一门很实用的学科，还可以方便的扩展到经济领域，有数据的地方都会用的到，而当今社会，数据又是无处不在的。与此相关的人工智能、机器学习的方法也恰恰是我很感兴趣的领域。我就像抓到了救命稻草一样，终于第一次有了拨云见日的感觉。其实这个过程远没有想象中的漫长，大概在我定下心来做学术之后，不到两个月的时间就找到了第一束光。

　　接下来采用顺藤摸瓜的方法，从一篇比较好的文献慢慢展开来，陆续找到了400篇左右的文献，当然都是英文的。第二道难题出现了，横竖看不懂!开始怀疑是自己的英文有问题，后来发现同类型的中文文献我也看不懂，于是明白了，这是知识积累不足造成的，和语言没有关系。这个时候就凸显出一个问题，平时学到的知识到了用的时候却搜肠刮肚也找不到可以对上号的，毕竟我是学控制出身，而监控更多关注的是对过程数据的分析、处理与解释，于是在我的已有知识库和研究所需要的知识背景之间有一个很大的沟壑，只能慢慢填了。然而看书是不够的，书上的内容实在太旧了，只能作为工具，需要的时候去查概念或者定理，针对这个问题，我更愿意去查wikipedia，解释的通俗易懂。那些老外写的书经过翻译之手多数都怎么看怎么别扭，而中国人写的书则比较适合考试，一个个的知识点罗列的清清楚楚，却没有把来龙去脉和产生背景交代清楚。经过大约一个月的时间，我可以模模糊糊的看懂一些文献了，至少知道哪些方法属于我的领域，哪些不属于。