我在计算机系实验室蹲了三个月，发现科研根本不是我想的那回事

去年秋天，我抱着"围观大神"的心态，混进了隔壁计算机系几个实验室。本来以为会看到一群天才对着黑屏敲代码，结果发现他们干的事，比我以为的要"土"得多，也野得多。

搞AI的那拨人，其实在跟数据较劲

我第一个去的是做深度学习的小组。推门进去，没人在训练模型。一个师兄正对着屏幕上一堆歪七扭八的标注框发愁。他做的是医学影像分割，任务是让模型认出CT片里的病灶。但问题出在数据上：不同医院拍的片子，亮度、对比度、层厚全不一样，标注医生的习惯也五花八门。他这三个月的工作，说白了就是写各种脚本清洗数据、设计半自动标注工具、跟医生反复确认边界怎么画。

"模型架构？那是公开课里教的东西。真到了科研里，80%的时间花在让数据变得能用的路上。"他说这话时，隔壁工位的女生正对着一个Excel表格手动核对病例编号。

做系统的，在跟"玄学"搏斗

第二个实验室是做分布式系统的。他们正在调试一个跨数据中心的共识协议。我去的那个下午，整个组的气氛像在破案：一个请求延迟偶尔会飙到两秒，但只在每周三凌晨出现。他们查了日志、抓了包、甚至怀疑过机房空调。最后发现是一个底层库的定时任务和他们的心跳检测撞了。

"科研不是设计一个漂亮算法就完了，"带我的博士说，"你得证明它在真实环境里扛得住。而真实环境，永远比论文里的假设脏一百倍。"

做理论的，在黑板上画我看不懂的鬼画符

第三个实验室最安静。一个做计算复杂性理论的师兄，整天对着一块黑板写写擦擦。我问他研究什么，他说："我在尝试证明，某类问题的近似算法不可能做得更好。"我问他这有什么用，他想了半天："现在没用。但十年后可能有人发现，哦，原来这条路走不通，得换一条。"

他说他们组去年有个师兄，证明了某个博弈论问题的一个边界，结果被一个做机制设计的团队拿去用了。"理论就是这样，你永远不知道谁会在什么时候捡起你丢下的砖。"

三个月的结论

计算机科研不是"发明一个更快的算法"那么简单。它更像是在一堆不确定里，硬生生凿出一条能走的路。有人凿的是数据的路，有人凿的是系统的路，有人凿的是逻辑的路。路和路之间，有时隔着好几年才能接上。

离开的时候，那个做医学影像的师兄还在调他的标注工具。他说了句话我记到现在："科研就是，你花三个月让一件事从不可能变成可能，然后发现后面还有一百件不可能的事等着。"

这话听起来挺丧的，但他说的时候在笑。