丁学良：有关研究

读经典、宽视野

大的discourses和debates，你要找源头的话，都可以追溯到这些经典中去。如果你没有接受过这些基本的教育和素养的话，那么你很难在你的研究领域中有深刻的洞见。凯恩斯不是讲过这样一句名言吗？要想成为非常优秀的经济学家，你必须是一个非常好的哲学的学习者、非常好的历史的学习者、非常好的数学的学习者、非常好的英文的学习者，政治学也非常好，这样才能成为很好的经济学家。

系统化严格训练

做研究的能力是严格训练出来的。discipline，“学科”，这个词的另外一个翻译是什么？是“纪律”。因为每一个学科里面都有一些最重要的理论、方法和技巧，要通过系统训练传到你们身上去，使你们能够把握，这就是对你们的纪律，如果不这样你就没有真正进入该学科。经济学也好，政治学也好，社会学、心理学也好，每一个学科都是一套纪律，没有对它们各自的理论和方法的训练和把握，你就进入不了它里面做事。

有没有受过基本的discipline这一点很重要，它关系到你看问题的角度。

准备研究一个问题需要问的几个问题

第一，为什么你对这个问题发生兴趣；第二，要研究这个问题你会怎么切入。你怎么样搜集硬资料，要说的细一点。有的同学做社会科学是创意非常好，而且对问题考虑得很细，从研究方法上也是可行的，但是他不能找到可验证打的资料，研究就做不下去了。

Conceptualization，创新，Idea，阅读英文原文

读事实性的东西，就是facts-based readings，你看中文翻译的没问题；但对于conception,就是概念之类的东西，你一定要看英文。Conception很难翻译成中文。Conceptualization怎么翻？绝大多数人翻不出来！如果在conceptualization这方面很强，就可以出大师一级的学者了。

只有有创新大主意的人，创新的big idea的人，你才能够有一个创新的政府，才能有创新的政策。学的东西、看的东西都是陈芝麻烂谷子的东西，都是人家学过的前天的大前天的东西，你还指望有创新的big ideas?

不是说只要是数学好你的经济学就好，应该说数学非常好而且又有非常好的idea才行。这个idea太难了！而且你还要有把这个idea变成concept的能力，这是非常难的。conceptualization的本领是不是与语言有非常深刻的影响？因为我发现母语是英语、德语这些结构性语言的学者，在conceptualization的能力方面，确实比我们汉语为母语的学者要普遍的好。这个conceptualization太重要了，有的人一辈子只有一篇重要论文，只有几页，但是他提出了非常好的conceptualization，别人普遍应用，这就是大师。科尔奈就只有一个concept, soft budget
constraint，“软预算约束”。你听起来简单的不得了，但这不是你创出来的，他创出来，大家都用，这就是贡献。原创出来被广泛运用的，都是一些很基本的概念。

选择聪明的研究方法、独立的思考

有一个人想做中国人均收入不平等这方面的研究，这是社会学的研究，这个学者是斯坦福的。他对中国其他方面的好多数据的准确性不相信，结果他去找了一组数据，找中国卫生部门的资料，不同年代出生人的平均体重，再找不同年龄组的人入小学时平均体重，入初中、高中、大学时的体重，这些资料相当完备，而且有纵向时差的分布。他从这个资料上研究出来一个非常好的模型，来推算中国在过去二十年中在收入、生活水平改进上，地域差、性别差、年龄差、城乡差、阶层差别。这是一个很聪明的研究方法。

研究型大学、研究生

要想二十一世纪上半叶中国不再是一个在全世界分工链条上处于下段和中下段，中国人绝大部分不再是给世界市场充当打工者的这样一个状况，就必须要把自己国家的大学办好，把中国少数的几所大学办成真正的研究型大学。

研究型大学是以培养研究生为主的。什么叫研究生？研究生指的是年轻的、已经受过大学本科教育的、同你那个领域里面进行开创性研究的教授们在一起携手做新研究的伙伴。如果中国没有少数大学进入研究型大学的高度，二十一世纪上半叶中国的综合国际竞争力很难有显著的改善。

其它

• 什么叫做博士论文？论文是要有创新内容的！
• 一定要教课。如果不当助教，你的系统训练的环节就没有满足，你的导师希望你做他的助教。重点学校培养出来的研究生要到别的高等院校教书，如果读博士阶段没有受过严密训练，就不能够做一个很称职的教师和研究者。
• 通过做助研，学会怎么样做研究。
• 数学要学好
• 英文要学好
• 如果中国贫困阶层的孩子，越来越多地能够得到教育资源的公平享受，中国的人力资源不知道会变成多么好！中国十三亿人中间，我就知道农村里有好多聪明的孩子，就苦在没有受教育的机会。

丁学良CEMA演讲:如何学习当代社会科学

 

科学2.0

Web2.0使世界变得扁平，同样的理念应用在科技界，是为科学2.0。

一方面，Blog，wikis，RSS，Podcasts，这些新一代的通讯工具，使科学研究的交流，更迅捷，更具有个性，也更高效。MITOpenWetWare就是这样一个例子。它是一个Web2.0的生物科学社区。 目前十分活跃。

另一方面，工业界对待科研的态度正在越来越开放。面对新技术的爆炸性增长，工业界开始认识到传统的包打一切的研究方式正面临着挑战：资金上越来越难以独自承担，研究风险越来越难以把握。由此，工业界开始逐步用一种新的眼光来审视自己的研究战略，寻找新的研究模式。

比如Intel，它正在提供资金，在伯克利、剑桥、CMU、华盛顿大学等著名学府设立探索研究实验室。这些实验室将进行具有高度前瞻性由此也高风险的突破型技术研究。比如ubiquitous computing、distributed storage。Intel认为，这些方面的研究可能蕴含着将会决定企业未来命运的关键技术，所以Intel需要这些方面的研究，以保证自己在科技前沿的位置，但它们又不直接关系到Intel企业的核心技术，所以Intel可以通过对外联合的方法来降低成本，分散风险。Intel说，这种做法能使Intel获得更宽广、更前沿的视野、以保持Intel的活力、把握瞬间即逝的技术机会。

在这些实验室里，每些实验室包括20名Intel雇员和20名大学研究人员，大家合作开展工作，而所有的研究成果各方都可以独自自由运用。类似于Creative Commons的知识产权协议在这里被用来公开自己的研究成果，同时保证自己的权益。此外，Intel还对这些实验室进行协调，组织各实验室的人员定期会面，进行诸如脑力激荡的创新活动，以产生最有潜力的想法和应用。目前，很多实验室的成果已经进入了Intel的产品线，

与Intel这种研发战略部署相比，宝洁公司更进一步。宝洁公司宣称，它期望自己的50%的研发项目由公司外的人员完成，而发标的方式它采用了Web。它建立了一个InnoCentive网络社区, 不仅在上面将自己的研究题目向全世界公开征解，同时也想把这个社区变成全球各个企业的开放研发社区。它说它的目的是：”将顶尖的科学家和全球各地的领先公司所面临的相关研发挑战对应起来，使之珠联璧合”。

当然，企业在关键知识、技术的研发方面不能委之于人，或与人共享。IBM将PC操作系统委托MS开发已经被公认为IBM犯下的最大的错误。科学2.0需要在开放和自主之间达到平衡。

参考：

1. The New Science of Sharing,《商业周刊》2007-0302

2. Era Of Mass Collaboration Arrives; Investor’s Business Daily, 2007-02-20.

3. Innovating Business Models With Co-Development Partnerships; Research Technology Management, 2007-01-01.

 

写一个好的摘要

剑桥Markus Kuhn教授在看完一堆会议论文后感叹说，这么多人把摘要写得象导论，其实两者有基本的区别。

在Markus看来，摘要是写给本领域专家看的。写摘要时要记住，它将要面向的读者是那些对你论文后面列出的参考文献中至少一半文献非常熟悉，而对其余文献也将去至少读读摘要的人。他们很可能会在自己将来的论文中引用你的工作。

所以，摘要应该清楚地回答这些专家的问题：“这里的新东西是什么？”“最后事实上得到了什么成果？”。要尽可能将细枝末节的技术细节压缩，比如关于所做实验的设置和结果情况。同时确保所有描述你工作的关键字在论文标题和摘要中出现。

而论文的第一章导论，面向的是类似于一年级研究生这样的，还没有成为却有兴趣成为本领域专家的人。所以导论需要回答的是：“为什么你的工作在大面上令人感兴趣？”“你最终想获得什么？”“在这方面最近的、最重要的进展有那些？”“是什么让你想做这件工作”。这些不需要在摘要中出现，因为专家已经有了自己的答案。

对于读者来说，阅读论文是有一个很好的判断自己能力，从而注意不同的侧重点的方法。那就是，如果你完全立即摘要里所说的，那么，跳过导论，直接进入内容。而如果对其中还有一些东西不理解，那么需要在导论上多花一点工夫，获得必要的背景知识。

一篇好的摘要应该是这样的：

Intrusion detection with neural networks and fuzzy logic

Abstract: In the learning phase, we fed our FuzzyIDS with the system-call section of the BLAFAS’05 competition log-file training corpus. We first normalized filenames using Hugh’s method, then converted function call parameters into 6-element feature vectors using a slight modification of the SniffIt 3.1 preprocessor. The resulting 3200 vectors were randomly split into four groups to train four instances of the 4-layer backpropagation network in the GNU R neural-network toolbox. Each trained network was then fed again with all 3200 vectors, and the resulting output used to train McCaigh’s FuzzyClass classifier. The recall rate achieved by FuzzyIDS on the test set is 34% better than the BLAFAS’05 winner, at a comparable CPU load.

Markus的其它建议有：

• 最后再写摘要，因为摘要是文章的结论
• 摘要应该完整体现所做的工作，因为通常专家读者没有时间去读其它的内容。
• 不要在其中加引用、脚注、复杂的数学公式。因为显示摘要的文献系统不支持这些功能。

关于论文的电子版的准备，Markus也有一些经验和大家共享。

 

随机过程

内容多，一些特殊字符显示不出来，改存在Google Doc里了。

 

博弈论初探

博弈论挺有意思。

博弈论研究的是游戏中的各方如何能够动态地达到平衡。它研究游戏参与者的交互，帮助参与者确定战略，也试图预测游戏的最终结果。

博弈，太普通了，象吃饭喝水一样，是人类与生俱来的本能，也是自然界中万物进化遵循的准则。但越是普通的东西，越难以找准它的本质。

对博弈论的数学化研究起源于Jone von Neumann。这位伟大的工程师总是以他独特的视角来研究自然的奥秘，并带来激动人心的、单纯而又优美的结论。1944年，他和Oskar Morgenstern对动态的博弈过程进行了定量的数学分析，使博弈成为一项可以进行数学分析的研究。

此后，博弈论的系统研究不断为一些已往难以分析的社会问题的研究提供独特视角和系统研究的工具，从而越来越被人们所重视。20世纪70年代，博弈论初步成熟，然后，博弈论的创始人纳什获得诺贝尔奖的殊荣，确定了博弈论在人类探索自然奥秘的旅程中应有的地位。

两个简单的例子。

1、在博弈论未有之前，现代政治学的奠基之作－Hobbes的《列维坦》通过发现：对个人没有任何限制的社会将导致”所有人对抗所有人的战争”来证明政府的合理性，看起来无懈可击。博弈论说明了他的发现是一个非常单纯的一次性博弈的事例，具有很大的局限性。

2、亚当.斯密（Adam Smith）基于他对自由市场的分析发现：市场中各方的充分自由竞争能够带来对资源的最佳配置。博弈论说明了他的研究是建立在”完美竞争”这一虚假的假设上的，即：没有进入、退出成本，没有规模效益，没有成员的互相作用，因此在现实社会难以存在，更不足以指导这个真实世界的行为。

那么，现代博弈论包括了那些内容呢？

博弈论的核心在于研究游戏参与者的”交互”，就是一方的动作要受到其他各方动作的影响，这就导致它研究的是相互作用的动态过程。

在博弈论中对博弈的表述通常有两种结构：矩阵和树。矩阵能够一目了然地显示出博弈各方权衡的依据，从而制定战略，而树能使参与博弈的各方通过对各种情况的一个个分析，来得到自己应该做出的动作。

而对博弈分析可以定性，也可以定量。非常有名的博弈例子－囚徒困境就可以定性分析。在囚徒困境中，因为对另一方行为不确定性的恐惧，囚徒最后都选择认罪，以避免自己拒绝，另一方认罪导致自己负全责的最坏的结局。

零和游戏的特点是：一方的得1就是另一方的失1，现实社会中也有可能各方有各自的利益取向，导致一方的得1只是另一方的失0.5，这就需要von Neumann－Morgenstern 的定量分析把各方的不同权重归一化、同时估计他方的权重以引人自己的分析，最后得到自己的方案。

纳什（Nash）对博弈论科学的开创作用在于，他扩展和提炼了Jone von Neumann和Oskar Morgenstern的定量分析方法，从学科的高度将这门科学概括为寻找博弈中的”纳什均衡”（NE：Nash Equilibrium）。”纳什均衡”，就是在博弈中达到的这样一种均衡：没有一方可以通过单方面改变自己的动作来改善自己的利益。囚徒困境的结局就是这个游戏的唯一的NE。而Hobbes的分析结果也是他的游戏的唯一的NE。

囚徒困境中一个重要特点是游戏是一次性的，因此囚徒们不必担心未来受到报复，从而带来系统的非最佳结局。而现实世界中，还有重复性的游戏，那就是游戏参与者需要长期一轮接着一轮博弈。博弈论发现，不同于一次性游戏，重复性游戏可以导致合作。

重复性游戏需要一些规则来获得合作。最著名的一个规则就是tit-for-tat。它要求参与者遵循两个规则： 1、在第一轮永远合作，2、第一轮以后采取和对方同样的动作就好了。在这两条规则的保证下，参与者在游戏中将永远合作。

目前流行的BT下载工具正是采用tit-for-tat方法，使全世界的下载用户空前地合作，使下载率达到最大，给参与游戏的所有人都带来巨大的好处。

但tit-for-tat需要两个条件才能实现：1）参与者不知道什么时候游戏将结束重复。一旦参与者知道游戏将会最后结束，他就可以只顾自己，不再合作。2）合作和不合作能够被完美地鉴别，偶然的问题不会干扰判别。

对照BT来看。第一条在BT中就存在问题，并导致了BT的种子消失问题。那就是当参与者的文件下载完毕时，对他来说游戏就清楚地结束了，所以他可以不再合作而下线，导致种子消失。第二条在BT中通过适当的容忍来避免偶然的异常导致系统进入不合作的恶性循环。

除了tit-for-tat，承诺（Commitment）和名声（Reputation）也能导致合作，比如美苏争霸时期，他们都斩钉截铁地表示一旦被核攻击一定以牙还牙，从而导致两者合作，谁也不动。而IBM尽力维护自己笔记本的高质量，是为了维护自己的声誉。

前面大概介绍了日常生活中游戏中的博弈问题，另一方面，自然界中也存在博弈呢！

自然界中的博弈不是你争我夺，而是以另一种更有趣的方式展开，那就是比看谁的后代多。

分析自然界中的博弈，即常说的进化博弈，需要引入了一个新的均衡：进化稳定战略（ESS：Evolutionary Stable Strategy）均衡。它是这样一种均衡，即：在这种均衡下，某一种群改变自己的阵营或者种群突变都不能影响到整个生态系统最后的组成比例。比如下面的例子。

在这个例子中，人被分为三种： 1、公平者：只要求一半 ，2、谦让者: 只要求1/3
3、贪婪者：要求2/3 ，游戏规则是：当两方相遇，要求达不到的参与者一点也得不到。

分析这个游戏发现，它存在两个ESS： 1、一半人是谦让者、一半人是贪婪者；2、所有人是公平者。而进一步的分析还发现：能否达到公平者的ESS取决于公平者在游戏开始时占总人口的比例。在一般情况下，如果这个初始比例超过33％，公平者最终能够到达他的ESS，而如果初始比例小于33％，那么公平者将会愈来愈少，直到灭绝。

这真是一个有趣的发现。这就是说，公平者需要抱成团，因为孤独的公平者一定会被贪婪者灭亡，而贪婪者却不需要怕孤独，因为再怎么样，他也不会灭亡。按着这个方向研究最后发现：相关性非常有助于公平者。这个相关性就是指同类的人相遇的机会比较多（因为互相模仿、或者遗传基因相似性等）。小小的0.1的相关性就使那个33%的初始门限可以大大下降。相关性非常有利于公平者的生存，而不利于贪婪者的生存。真是有意思。

还好，Web2.0和SNS不就是促进相关性的最好的工具吗？真不错！:-)

【参考文献】Game Theory, Standford Encyclopedia of Philosophy, Jun 2003.

更新：在梁宁的闲花照水录中她提到：”我个人一个最基本的理论是，如果他还会找你，他基本不会坑你；如果是最后一次合作了，那么出事概率极高。所以和合作伙伴的每次商业合作，都要考虑是否会是最后一次。”是tit-for-tat的第一个条件的现实事例。

Technorati : Game Theory, 博弈论