很多研究人員花一半的時間閱讀文獻。從別人的工作中可以很快地學到很多東西。本節討論的是ai中的閱讀，在第四小節將論述其他主題相關的閱讀。
閱讀文獻，始於今日。一旦你開始寫作論文，就沒有多少時間了，那時的閱讀主要集中於論文主題相關的文獻。在研究生的頭兩年，大部分的時間要用於做課程作業和打基礎。此時，閱讀課本和出版的期刊文章就可以了。以後，你將主要閱讀文章的草稿，參看小節三）。
在
本領域打下堅實的基礎所需要的閱讀量，是令人望而卻步的。但既然ai只是一個很小的研究領域，因此你仍然可以花幾年的時間閱讀本領域已出版的數量眾多論文
中最本質的那部分。一個有用的小技巧是首先找出那些最本質的論文。此時可以參考一些有用的書目：例如研究生課程表，其他學校主要是斯坦福大學）研究生錄
取程式的建議閱讀列表，這些可以讓你有一些初步的印象。如果你對ai的某個子領域感興趣，向該領域的高年級研究生請教本領域最重要的十篇論文是什麼，如果
可以，借過來影印。最近，出現了很多精心編輯的有關某個子領域的論文集，尤其是an－kauffan出版的。
ai實驗室有三種內部出版
<101nove.hnica
reports，正式的程度依次增加，在八層的架子上可以找到。回顧最近幾年的出版物，將那些非常感興趣的複制下來。這不僅是由於其中很多都是意義重大的
論文，對於瞭解實驗室成員的工作進展也是很重要的。
有關ai的期刊有很多，幸運的是，只有一部分是值得看的。最核心的期刊是artificia1nove.e，也有寫作“thejournaofartificia1nove.e“或者“aij“的。ai領域真正具備價值的論文最終都會投往aij，因此值得瀏覽每一年每一期的aij；但是該期刊也有很多論
文讓人心煩putationainteigence是另外一本值得一看的期刊。gnitive<101nove.achineearning是機器學習領域最重要的資源。ieeepaipattern
anaysisandachine
<101nove.e）是最好的有關視覺的期刊，每期都有兩三篇有價值的論文。internationajourna1nove.v）是最新創辦的，到目前為止還是有價值的。ro101nove.h的文章主要是關於動力學的，有時候也有劃時代的智慧機器人論文。ieeero101nove.sand
autoation偶爾有好文章。
每年都應該去所在學校的電腦科學圖書館在it的techsare的一層），翻閱其他院校出版的ai技術報告，並選出自己感興趣的仔細加以閱讀。
閱
讀論文是需要練習的技能。不可能完整地閱讀所有的論文。閱讀論文可分為三個階段：第一階段是看論文中是否有感興趣的東西。ai論文含有摘要，其中可能有內
容的介紹，但是也有可能沒有或者總結得不好，因此需要你跳讀，這看一點那看一點，瞭解作者究竟做了些什麼。內容目錄thetab1nove.ontents）、結論部分ncusion）和簡介introduction）是三個重點。如果這些方法都不行，就只好順序快速瀏覽了。一旦
搞清楚了論文的大概和創新點，就可以決定是否需要進行第二階段了。在第二階段，要找出論文真正具有內容的部分。很多15頁的論文可以重寫為一頁左右的篇
幅；因此需要你尋找那些真正激動人心的地方，這經常隱藏於某個地方。論文作者從其工作中所發現的感興趣的地方，未必是你感興趣的，反之亦然。最後，如果覺
得該論文確實有價值，返回去通篇精讀。
讀論文時要牢記一個問題，“我應該如何利用該論文？”“真的像作者宣稱的那樣麼？”“如果??會發生什
麼？”。理解論文得到了什麼結論並不等同於理解了該論文。理解論文，就要了解論文的目的，作者所作的選擇很多都是隱含的），假設和形式化是否可行，論文
指出了怎樣的方向，論文所涉及領域都有哪些問題，作者的研究中持續出現的難點模式是什麼，論文所表達的策略觀點是什麼，諸如此類。
將閱讀與程式設計聯系在一起是很有幫助的。如果你對某個領域感興趣，在閱讀了一些論文後，試試實現論文中所描述的程式的“玩具”版本。這無疑會加深理解。
可悲的是，很多ai實驗室天生就是孤僻的，裡面的成員主要閱讀和引用自己學校實驗室的工作。要知道，其他的機構具有不同的思考問題的方式，值得去閱讀，嚴肅對待，並引用它們的工作，即使你認為自己明曉他們的錯誤所在。
經
常會有人遞給你一本書或者一篇論文並告訴你應該讀讀，因為其中有很閃光的地方且或可以應用到你的研究工作中。但等你閱讀完了，你發現沒什麼特別閃光的地
方，僅僅是勉強可用而已。於是，困惑就來了，“我哪不對啊？我漏掉什麼了嗎？”。實際上，這是因為你的朋友在閱讀書或論文時，在頭腦中早已形成的一些想法
的催化下，看出了其中對你的研究課題有價值的地方。
3.建立關系
一兩年後，對自己準備從事的子領域已經有了一些想法。此時——或者再早
<101nove.retpaperpassing
ork是很重要的。這個非正式的組織是人工智慧真正在做什麼的反映。引導潮流的工作最終會變成正式發表的論文，但是至少在牛人完全明白一年之後，
也就是說，牛人對新思想的工作至少領先一年。
