經完成那一刻為止。實際上，解決問題通常比精確地描述問題要容易得多。如果你的目標是一個五十年的工程，那麼合理的十年工程是什麼，一年的呢？如果目標的
結構龐大，那麼最核心的部件是什麼，如何最大程度的瞭解核心部件？
?一個重要的因素是你可以忍受多大程度的風險。在最終的成功和風險之間需要權衡。這也並不總是對的，ai中有很多研究者尚未涉及的想法。
?好的論文選題有一個中心部分，你確信肯定可以完成，並且你和你的導師都同意這已經滿足畢業要求了。除此之外，論文中還有多種擴充套件，有失敗的可能，但如果成功了，會增加論文的精彩程度。雖然不是每一個論文選題都符合這個模式，但值得一試。
?有些人覺得同時在多個專案中工作可以在選題的時候選擇可以完成的那個。這確實降低了風險。另外一些人則願意在做任何工作之前，選一個單獨的題目。
?可能你只對某個領域感興趣，這樣你的選題範圍就狹窄得多。有時候，你會發現系裡的老師沒有一個人能夠指導你選擇的領域。可能還會發現好像那個領域沒什麼很自然的選題，反而對別的領域有好想法。
?碩士選題比博士選題更難，因為碩士論文必須在你所知不多沒有足夠自信時就完成。
?
博士選題需要考慮的一個因素是是否繼續碩士階段所研究的領域，可能拓展或者作為基礎，或者幹脆轉到另外一個領域。待在同一個領域事情就簡單了，可能只需要
一到兩年就畢業了，特別是如果在碩士階段的工作中已經發現了適合做博士論文的題目。不足之處在於容易定型，改換領域則能增加知識的寬度。
?有的論文題目很新奇，有的則很普通。前者開創了新領域，探索了以前未曾研究過的現象，或者為很難描述的問題提供了有效的解決方法；後者則完美地解決了定義良好的問題。兩種論文都是有價值的。選擇哪一種論文，取決於個人風格。
?論文的“將來的工作”部分，是很好的論文題目來源。
?
無論選什麼樣的題目，必須是前人未曾做過的。即使是同時有人做的工作，也不好。有很多東西可作，根本無需競爭。還有一種常見的情況，讀了別人的論文後感覺
很驚慌，好像它已經把你的問題解決了。這通常發生在確定論文題目過程中。實際上往往只是表面類似，因此將論文送給某個瞭解你的工作的高人看看，看他怎麼
說。
?itai實驗室的論文並非全是有關人工智慧的；有些是有關硬體或者程式設計語言的，也行。
選好題後，即使有點虛，你必須能夠回答下列問題：論文的論點是什麼？你想說明什麼？你必須有一句，一段，五分鐘的答案。如果你不知道自己在幹什麼，別人也不會嚴肅對待你的選題，更糟糕的是，你會陷在選題——再選題的圈子裡而不能自拔。
開始作論文研究後，一定要能夠用簡單的語言解釋每一部分的理論和實現是如何為目標服務的。
記
住，一旦選好了題目，你必須與導師就論文完成的標準達成清晰的一致。如果你和他對論文具有不同的期望，最後你肯定死得很慘。必須定義好“完成測試”的標
準，像一系列的能夠證明你的理論和程式的例子。這是必須做的，即是你的導師並不這麼要求。如果環境發生了根本的變化，測試也要隨之改變。
首先嘗試論文問題的簡化版本。用例項檢驗。在形成理論抽象之前，要完整的探究具有代表性的例子。
做論文的過程中，有很多浪費時間的方式。要避免下列活動除非確實跟論文相關）：語言表達的設計；使用者介面或者圖形介面上過分講究；發明新的形式化方法；過分最佳化程式碼；建立工具；官僚作風。任何與你的論文不是很相關的工作要盡量減少。
一種眾所周知的現象“論文逃避”，就是你突然發現改正某個作業系統的bug是非常吸引人也很重要的工作。此時你總是自覺不自覺的偏離了論文的工作。要記住自己應該做些什麼。本文對於部分作者來說就屬於論文逃避現象）。
11.研究方法論
[本部分內容比較少，請新增]
研究方法學定義了什麼是科研活動，如何開展研究，如何衡量研究的進展，以及什麼叫做成功。ai的研究方法學是個大雜燴。不同的方法論定義了不同的研究學派。
方
法是工具。使用即可，不要讓他們來使用你。不要把自己陷於口號之中：“ai研究需要牢靠的基礎”，“哲學家只會高談闊論，人工智慧則需要拼搏”，“在問為
什麼之前，先搞清楚計算的是什麼”。實際上，要在人工智慧領域取得成功，你必須擅長各種技術方法，還必須具備懷疑的態度。例如，你必須能夠證明定理，同時
你還必須思考該定理是否說明瞭什麼。
很多優秀的ai篇章都是巧妙地在幾種方法論中取得平衡。例如，你必須選擇一條在太多理論可能與任何實際問題
都無關）和繁瑣的實現把實際的解決方法表達得語無倫次）之間的最佳路線。你經常會面臨區分“幹淨”和“骯髒”的研究決策。你應該花時間將問題在某種程度
上形式化嗎？還是保持問題的原始狀態，此時雖然結構不良但更接近實際？採用前一種方法如果可行的話）會得到清晰確定的結果，但這一過程往往是繁瑣的，或
