主持人： 月球大叔
嘉宾： 徐天音

来源：中文字幕。正文依据字幕合并分段并补充标点，保留口语、重复与片头摘录。

说话人依据上下文推定，尚未逐段核对音频；标有 † 的段落存在归属疑点。时间戳对应原字幕，同一条字幕中的短问答可能使用同一个时间戳。

片头摘录已按字幕时间戳归回开头；源文件中有几段摘录穿插在正文字幕之间。

目录

片头摘录

徐天音（嘉宾） (00:00:00)

我个人一直提倡就是取消 best paper（最佳论文），因为我觉得非常的就是 misleading（误导性的）。

月球大叔（主持人） (00:00:04)

这么敢说，不怕得罪人吗？

徐天音（嘉宾） (00:00:06)

我其实不太 believe（相信） AI（人工智能），但我觉得人是应该被 believed（相信）的。都是由于 AI（人工智能）想去绞尽脑汁想去做这个 reward hacking（奖励投机），然后做 proof（证明）导致的问题。因为我觉得工业界 bug（程序错误）太多了，bug（程序错误）多得人都修不过来。

月球大叔（主持人） (00:00:19)

就是说你是怎么教操作系统这门课程的，然后为什么学生这么喜欢这门课程？

徐天音（嘉宾） (00:00:24)

因为我觉得 research（研究）这个东西是个很美好的东西嘛对吧？然后我觉得所有很美好的东西他都没有一套标准的。

博士申请、拒信与德国的一年

月球大叔（主持人） (00:00:34)

在硅谷采访 100 个有意思的人。这里是月球大叔。本期我们请来了 UIUC（伊利诺伊大学厄巴纳-香槟分校）的徐天音，也就是伊利诺伊香槟的终身教授。拿了很多计算机系统领域的最佳论文奖，是我心中最顶级的系统研究者之一。最近在学术休假，来到硅谷 UC Berkeley（加州大学伯克利分校）的 SkyLab（伯克利系统与人工智能实验室）进行访问。我们有请天音。

徐天音（嘉宾） (00:00:54)

嘿大家好！非常荣幸来月球大叔的播客跟大家聊聊天。

月球大叔（主持人） (00:00:58)

好我们直接进入主题。从 2003 年到 2010 年，这七年你在南京大学完成了本科和硕士，然后在 2010 年的时候开始申请美国的 PhD（博士）。看到一些新闻报道说你一口气被 24 所学校拒绝了。我特别想知道当时到底发生了什么？

徐天音（嘉宾） (00:01:16)

当时到底发生了什么？其实我也说不清楚。因为我觉得一个失败肯定有很多的原因，对吧然后我觉得肯定根因就是说，还是我的 record（履历）不是很强吧我觉得。然后我觉得当时是我应该是 2010 年申请的，那个时候跟现在的这个比如说国内的学术环境也是很不一样的。但是我其实当时拿到了一个 interview（面试），就是我后来去读 PhD（博士）的那个 program（项目），就是当时那个导师，然后我当时跟他有一个 interview（面试）大概 30 分钟。我印象特别深，他当时问了我五个问题，然后我一个都没答上来，然后后来就拿到了拒信。然后那五个问题，我就说 3 个吧。然后反正就是我当时就觉得特别 embarrassing（尴尬的）。那其中一个问题就是你为什么要读 PhD（博士）？对吧你的最后你后面的职业发展是什么？然后第二个问题是你跟你的 peers（同辈）相比，跟 peers（同辈）相比，你的强项是什么？然后第三个就是说第三个是你想做什么样的研究工作？

徐天音（嘉宾） (00:02:13)

我当时反正都没有想过这些问题。这些都不是一些 technical（技术性的） questions（问题），所以我回答得非常粗糙。我记得我当时第一个问题你以后的职业发展是什么？我听说我当时读了一些攻略，就是我听说美国的 professors（教授）他们都喜欢以后的学生去当 professors（教授），所以我当时就说我想去走学术道路然后当 professor（教授）。然后当时的那个我的后来的 advisor（导师）就问我，他说那你觉得怎么样才能够当一个 professor（教授）呢？我回答不出来。然后我说那好好做 research（研究）不就应该可以自然而然就当 professor（教授）嘛？然后他就笑了。他说不是这样的其实。然后就后来就回答到第二个问题。第二个问题是他说你跟你的 peers（同辈）相比，你的你的优势是什么呢？你的技术优势是什么？

徐天音（嘉宾） (00:02:50)

然后我也没有想过这个问题，然后我当时愣了半天，然后最后蹦出来一个答案，我说我这个人 working（工作）特别 hard（努力）。然后他就笑了。他说 working hard（努力工作）是一个 default（默认要求），它不是一个 advantage（优势）嘛对，都不是个 strength（长处）。他说所有的 PhD students（博士生）都 working（工作）非常 hard（努力）。然后他就追问我，他说你到底你的优势是什么？然后我说没什么优势。然后就进入到后面一个问题。然后后面一个问题是你的你想做的研究就是你想做的研究工作是什么样的？然后我当时的准备也很粗糙。然后我当时就看了很多他的论文，然后就说我特别喜欢你的 ABC（ABC 论文（代称））论文，然后我想做这些 projects（项目）。然后他就他又笑了。

徐天音（嘉宾） (00:03:24)

他说一个 professor（教授）把论文放在主页上面，就说明这个论文已经做完了嘛，不然的话你是不会把这个 paper（论文）放在这个 website（网站）上面的对吧？他说我其实是想问的是你想做什么样的研究，而不是说做某一个 project（项目）。然后我还是答不上来。然后过了几天我就收到了一个拒信。这就是我第一次的申请经历吧。我觉得其实我后来我是拿到了一个 offer（录取或工作邀请）的，就是还是一个挺不错的学校，但是我后来没去。也会为后来的那个第二次申请埋了一些伏笔反正。

月球大叔（主持人） (00:03:51)

之后的话，你是 gap（间隔）了一年，选择去欧洲，对吗？

徐天音（嘉宾） (00:03:55)

对当时正好有南大有个有一个交流项目吧反正，然后我当时就申请了，去德国有一个学校叫哥廷根大学。还是那句话，就是我觉得当时的国内的环境跟现在很不一样。因为现在我觉得学生的选择很多嘛，包括我自己实验室里面有很多来访问的学生。但是 10 年左右，其实出国还不是一件很 common（常见的）的事情，所以机会没那么多。然后当时正好有一个机会，所以我就去了。

月球大叔（主持人） (00:04:22)

然后从南大一直到德国那段时间，你还一直在踢球。然后你甚至在你的主页上还写了一份如何从南大一直踢到德国的足球履历。这个是怎么想的？

徐天音（嘉宾） (00:04:33)

我其实已经记不清楚这件事情了，我都不知道有这么一个 page（页面）。对但是我的确非常喜欢就是足球。然后我很喜欢体育。我觉得体育竞技体育跟做 research（研究）非常像，就是说你必须去尽你最大的努力对吧？而且这个东西是个非常 competitive（竞争激烈的）的 game（竞争）。竞技体育更 competitive（竞争激烈的），因为其实只有一个冠军，你拿不到冠军，你其实就是个失败。然后你做 research（研究）也是竞争非常激烈非常激烈嘛。你想想每年的就比如说博士生要投的那些 papers（论文）对吧 top conference（顶级会议）或者 top journal（顶级期刊），它的录取率就那么一点。然后所有的在这里做 research（研究）的人都是非常聪明的，然后非常 hard（努力） working（工作）的，可能是最 hard（努力） working（工作）最聪明的一些人在那没日没夜的做。

徐天音（嘉宾） (00:05:13)

那你作为一个比如说一个 PhD student（博士生）你刚开始，你怎么去 win（赢得） the（这个） game（竞争）呢？然后就是在这个竞技体育跟我觉得跟读做研究里面这 mediocrity（平庸）是没有立身之地的。你要么就做的很好，你要么就不要做。所以我觉得这两个有非常相似的地方。所以我就是一直对体育非常感兴趣，不光是足球篮球什么的我都特别喜欢。只是我后来也不踢足球了，因为太忙了。而且还有一个我自己比较 stubborn（固执的），因为我觉得踢得不是特别好的时候我就不太想踢了。

月球大叔（主持人） (00:05:43)

要做就做最好的那一个，是吧？

徐天音（嘉宾） (00:05:44)

对，就是我自己自己心态不太好。

月球大叔（主持人） (00:05:46)

那你在德国待了一年，最后拿到了 UCSD（加州大学圣迭戈分校）的 offer（录取或工作邀请）。这一年你觉得你做对了什么？然后是 paper（论文）变多了，还是说推荐信变 strong（更强）了？

徐天音（嘉宾） (00:05:54)

我觉得说实话，我觉得没有任何的改变，只是我又试了一下，就仅此而已我觉得。

月球大叔（主持人） (00:05:59)

那仅试了一下之后，拿到这个 offer（录取或工作邀请）是有发生什么故事吗？

徐天音（嘉宾） (00:06:03)

因为我是这样的，我这个人我一直觉得我不是一个特别聪明的人。然后我打小就不是特别聪明。就是比较 challenging（有挑战性的）的事情，我基本上第一次做我肯定做不好。所以就对我来说我自己的人生经历就是，我要做一件比较 challenging（有挑战性的）的事情，我肯定是要踹好多次的。所以其实就是说第一次失败对我来说不是一个特别大的打击。然后我而且我这个人不太喜欢将就，就我不是一个特别喜欢将就的人。我不太喜欢就是这件事情没做好，然后去做一件比较容易的事情。就比如说高考的时候，我填志愿我就填了一个志愿。我当时就想如果考不上，那我就再复读一年呗对吧？所以第二次第一次申请没有申请好，那我就想我再申请一次呗，再努力申请一次。我就是当时就这么想的。然后我第二次申请的时候，后来不是还申请了同样的一个学校，然后最后也去了那儿。然后当时我还记得那个面试的时候，就是我的 advisor（导师），他绰号叫歪歪。

徐天音（嘉宾） (00:06:54)

然后歪歪当时给我又打了个电话，当时打 Skype（网络通话软件）一个电话。然后他打电话的时候我当时还很紧张嘛，因为我第一次被拒了嘛。然后我还好好把他之前那些问题又准备了一下。然后打这个电话打通以后他就，那我在想我要去告诉他一些我深思熟虑的一些答案，对吧？但是他当时不要听。他当时就问了我为什么当时没有去没有去读我当时拿到 offer（录取或工作邀请）的学校，然后我就告诉了他一些我的情况。然后他当时就说我，就开始游说我去 UCSD（加州大学圣迭戈分校）读 PhD（博士）了。我当时就非常的震惊。然后我还问他，我说这个为什么？你要不要听一下我之我后来的一些对你这个问题的一些一些想法之类的？然后他说我也不要听。

徐天音（嘉宾） (00:07:31)

然后他就跟我他跟我说就是做 system research（系统研究）嘛，system research（系统研究）跟 theory research（理论研究）还不太一样，对吧，system research（系统研究）就是你的 persistence（坚持）是很重要的。就一个人他如果不怕失败，然后愿意去不断尝试，那基本上你 system research（系统研究）做得不会特别差。所以他就跟我说，如果你是愿意坚持，愿意做这件事情，那他说你就你已经通过我的检验了所以就，我就拿到了这个 offer（录取或工作邀请）。然后我就去了。所以你问我有当中有没有提高，我其实觉得自己没有太大的提高，只是又坚持了一年对。

月球大叔（主持人） (00:08:00)

但我作为一个旁观者的一个感觉就是你刚才说的，你不愿将就，而且高标准，而且就是说愿意去尝试，就是愿意去失败。就是给我的一个感觉是，这一年你证明了这件事情。你就是不将就，你然后你就是想去完成这件事。

徐天音（嘉宾） (00:08:14)

有可能是有可能是。

月球大叔（主持人） (00:08:16)

你要是说我看到各种各样的系统研究者，我发现这就是系统研究者最宝贵的一种品质。

徐天音（嘉宾） (00:08:22)

对他是因他是一个需一个必须的东西我觉得。

月球大叔（主持人） (00:08:24)

对我发现这是系统研究者必须的一个东西。可能很多的一些研究领域他需要那种灵光一闪，但系统领域研究者好像就是要踏实肯干加不断的去失败，然后不断去尝试。

徐天音（嘉宾） (00:08:34)

对是的，我完全赞同。

导师的研究方法与 PCheck

月球大叔（主持人） (00:08:37)

然后你就加入了 YY（导师昵称‘歪歪’）的实验室。不同的老师有不同的风格。有些老师是那种一手把手的教学生，有些老师是放养型的。你觉得 YY（导师昵称‘歪歪’）是一种怎样的风格？

徐天音（嘉宾） (00:08:46)

我觉得他既不是放养型的，但也不是手把手教学生的吧。因为当时 YY（导师昵称‘歪歪’）已经很 senior（资深的）了，但是他是一个会去指导学生的 advisor（导师）我觉得。所以他会告诉你这件事应该怎么做。刚才有一个问题，就是说，比如一个 PhD（博士），他在前几年的时候，你怎么去想这个 idea（想法）对吧？然后我记得我当时以前的一些 practice（实践），就是说很多时候我们读那个故事嘛，比如说牛顿怎么想出了那个这个这个牛顿定律，是因为他被苹果撞了一下，然后突然来了这个灵感对吧？然后 YY（导师昵称‘歪歪’）其实是很反对这些这样的一个一个过程的。就是他一直是强调，就是说一个 idea（想法）不应该是一个灵光一闪的东西。它也不应该是一个就是你等在一个树下面，然后被砸中了，然后突然来了一个 inspiration（灵感）的东西。它其实是个很系统化的探索的过程。

徐天音（嘉宾） (00:09:38)

然后他反正强调的就是说要从问题出发，就你有一个很重要的问题，那你就开始去理解这个问题对吧？去深入理解这个问题。等你深入理解这个问题以后呢，那你的 solution（解决方案）很多时候是显而易见的，当你理解了这个问题，它甚至很简单，然后也很实用。然后这是他强调的一个做研究的方法，那我们都是从这个方法里面来做的。然后这个方法就规避了很多风险，因为当你深入理解了一个问题以后，你的答案自然而然是非常自然的，而且是非常解决这个问题的。你不会有一个一开始有一个奇技淫巧的 solution（解决方案），然后发现弄了半天发现这个 solution（解决方案）也解决不了这个问题。它其实没有这么一个风险。所以其实我觉得在做研究的时候，由于他这一我当时反正是非常认同他这一个，怎么说呢，这是一个 principle（原则）的。所以我也一直是去实践这个 practice（实践）。然后我觉得还是挺好的，挺顺利的对。

月球大叔（主持人） (00:10:26)

那不断实践这个 practice（实践），就帮助你拿到了 PCheck（配置错误早期检测工具）这篇 best paper（最佳论文）。能跟大家讲一下 PCheck（配置错误早期检测工具）这篇工作的主要内容吗？

徐天音（嘉宾） (00:10:35)

可以可以。这是我 PhD（博士）第二篇 paper（论文）嘛，对吧？它其实 idea（想法）很简单。就是说，当时我们其实研究那个，我其实不知道中文怎么翻译，就是 fault-tolerant systems（容错系统）。中文可能叫容错系统是吧？

月球大叔（主持人） (00:10:48)

容错系统。

徐天音（嘉宾） (00:10:49)

容错系统对。那当时我们的我们当时的 perspective（视角）就是说，因为其实我们研究的那一类的 fault（故障）其实有一种叫 misconfiguration（配置错误），就是配置错误。那配置错误你有了配置错误的时候，这个系统肯定不会运行的特别好嘛对吧？当时 YY（导师昵称‘歪歪’）问的一个问题就是说，为什么我们研究 fault（故障）-tolerant（容错的） systems（系统）都那么多年了，我们很多系统都 claim（声称）它们是 fault-tolerant（容错的），那为什么来了一个 misconfiguration（配置错误）这样的 fault（故障）这个系统就不 work（工作）了呢对吧？因为据各大公司说，misconfiguration（配置错误）是 system failure（系统故障）的一个非常主要的原因。那从我们就从这个角度开始出发嘛，然后当时我就做了第一个 project（项目）。

徐天音（嘉宾） (00:11:25)

然后第一个 project（项目）是回答这个问题，就是为什么那些成熟的 production-level systems（生产级系统）它们对于 misconfiguration（配置错误）这样的 fault（故障）都不能够很好的去容错？然后我们的做法也非常的这个简单和粗暴，就是我们做 fault injection（故障注入）。fault injection（故障注入）是一个非常成熟的技术，就是你去想各种各样的不一样的 fault（故障），这里的 fault（故障）就是 misconfiguration（配置错误），然后你把这个 fault（故障）inject（注入）到这个 system（系统）里面去，就注入到这个 system（系统）里面去，然后你去观察这个 system（系统）的行为是什么样的。然后在做这个 project（项目）的过程当中呢，当时也很忙嘛，就是要做这样一个 project（项目）回答这个问题。

徐天音（嘉宾） (00:11:57)

然后其中有一个现象让我们觉得很有意思，就是有很多的 misconfiguration（配置错误）当你注入到这个 system（系统）里面去，这个 system（系统）其实没有什么 behavior（行为），它还是很正常的工作对吧？它既没有去启动一个容错的 procedure（流程），它也没有就是说有故障。那为什么呢？然后其实道理很显而易见，就是这个系统它把这些 misconfiguration（配置错误）读到了这个系统的状态里面，但是它没有用这些东西。那为什么它没有去用这些 fault（故障）就是 misconfiguration（配置错误）呢？是因为这些代码或者是这些 execution（执行）必须在某一个特定的情况下才会被用。

徐天音（嘉宾） (00:12:31)

然后最典型的例子就是它被用的时候有一个外部的 failure（故障），就是它启用了这些 misconfiguration（配置错误），它在在被用的时候是已经有一个 failure（故障）了，然后我再启动一个 failure-recovery（故障恢复）程序，然后这时候我需要用一些 configuration（配置），然后发现这 configuration（配置）不好，这时候它才会爆炸。然后对我们来说这就是一个定时炸弹嘛，对吧？在在这个系统里面，只是你这个定时炸弹你没有去引爆。那一旦你引爆了，那这个问题一般很大，因为你在做 fault tolerance（容错）的就是 failure recovery（故障恢复）的时候，已经在一个很很 critical（关键的）的时候了。这时候你发现还有一个 failure（故障），这种 double failure（双重故障）一般都会有很大的 disaster（灾难）。

徐天音（嘉宾） (00:13:06)

那在做第一个 project（项目）的时候我们没有功夫去深入研究这个问题，因为它是一个不不同的研究问题嘛。但是这个问题就是在这然后。然后第二个 project（项目）我们就说，那我们去 understand（理解）这样一个问题，然后怎么去解决这个问题。所以就自然而然出来了第二个第二个 project（项目）。

最佳论文奖的意义

月球大叔（主持人） (00:13:22)

我们待会可以聊一下这个第一个 project（项目）。先说一下这个 best paper（最佳论文），就这篇 paper（论文）拿到 best paper（最佳论文），你吃惊吗？

徐天音（嘉宾） (00:13:29)

我当时还是挺吃惊的，因为我当时也不知道 best paper（最佳论文）的标准是什么。所以我觉得被领域认可，我还是挺高兴的。

月球大叔（主持人） (00:13:36)

那他后来呢？当时是吃惊后来呢？

徐天音（嘉宾） (00:13:38)

就现在我自己在这个领域里面待了很长时间。而且去年比如说 SOSP（操作系统原理研讨会），我也是 best paper（最佳论文）评审委员会的一员嘛。然后我个人是觉得，best paper（最佳论文）这件事情是非常 random（随机的）的，非常就是说随机的，而且是主观的。所以我现在完全觉得 best paper（最佳论文）这件事情并不能代表一篇 paper（论文）的 quality（质量），完全不能代表。对我来说，甚至我觉得最近几年比如说我们自己这个领域，SOSP（操作系统原理研讨会）和 OSDI（操作系统设计与实现研讨会）的 best paper（最佳论文）都挺有问题的，对我来说对吧？

月球大叔（主持人） (00:14:04)

这么敢说，不怕得罪人吗？

徐天音（嘉宾） (00:14:06) †

我是我真是这么觉得。因为我其实个人也不知道 best paper（最佳论文）的标准应该是什么。然后它的 process（流程）一般就是，对我来说什么 white（白色的） paper（论文），他得到这个 white（白色的） paper（论文）就说明这个 reviewer（评审人）对吧就是说这个 reviewer（评审人），有一个 reviewer（评审人）特别喜欢你的 paper（论文），并且提名了你的 paper（论文），然后仅此而已，仅此而已。对我来说，它不代表你这个 paper（论文）以后的 impact（影响）会是什么样的，也不代表这是这里最高 quality（质量）的 paper（论文），因为 quality（质量）本身也没法去 measure（衡量）嘛。所以说追寻一篇论文是不是 best paper（最佳论文），实际上是一件挺没意义的事情。

徐天音（嘉宾） (00:14:37)

我个人一直提倡就是取消 best paper（最佳论文），因为我觉得非常的就是 misleading（误导性的）。而且怎么说呢，我觉得就是说大家做 research（研究）比如是去要去拿 best paper（最佳论文）吧对吧？然后我觉得有了这种 paper awards（论文奖项）这个东西，反而让大家不好好做 research（研究）了。

月球大叔（主持人） (00:14:52)

我之前听过类似的一个观点，我也比较非常认同这个观点。

徐天音（嘉宾） (00:14:55) †

对，你把 best paper（最佳论文）去掉，然后大家该怎么做怎么做嘛。然后大家都做自己最喜欢的 research（研究），我觉得这是一个最好的状态。research（研究）真的是应该本质上就应该是这样。

月球大叔（主持人） (00:15:04)

对。而且我还听说一个说法，就是说不用看 best paper（最佳论文），看 test-of-time paper（经得住时间检验的论文）。因为这个 10 年之后它引用量高不高，在各种地方的 impact（影响）大不大，这个是一目了然的。

徐天音（嘉宾） (00:15:14)

对这对我来说，所有的 awards（奖项）都不是特别有意义。我不是一个 believing（相信） awards（奖项）的人。然后我个人觉得，比如说中国学术圈，其实被 awards（奖项）搞得挺糟的。所以我理想的是，一个 academic（学术的）的环境没有这些 awards（奖项）这些糟心的东西，每个 researcher（研究者）就做自己认为比较重要的问题，然后做的很开心很愉快，然后得到认可，然后你就去 present（展示）这个 paper（论文）就行了，我觉得。

月球大叔（主持人） (00:15:39)

这一段担心放出去吗？

徐天音（嘉宾） (00:15:40)

这不担心我真是这么觉得的。

月球大叔（主持人） (00:15:42)

那我们就直接剪出去好吧？

徐天音（嘉宾） (00:15:43)

对，我在 conference（会议）的时候其实也跟很多人表达过我的观点。

配置错误与面向 AI 智能体的系统

月球大叔（主持人） (00:15:47)

好的行。你刚才说了嘛，这篇工作是基于之前的一篇工作。我不知道是不是那篇那篇 2013 年的 Do Not Blame Users for Misconfigurations（《不要把配置错误归咎于用户》）？

徐天音（嘉宾） (00:15:55)

对就是这篇工作对。

月球大叔（主持人） (00:15:56)

那篇工作我真的很喜欢。这个这个题目就很好，不要怪用户做错了配置对吧？

徐天音（嘉宾） (00:16:01)

对。

月球大叔（主持人） (00:16:02)

然后就是说你们这个工作大概就是讲了，我当时看了一下论文，就讲了一个系统配置错了，工程师都会说这是用户操作失误了。但是你们那篇论文反过来就说，如果很多用户都不知道这个问题，都犯了同样一个错误，那可能是你们系统本身设计就有问题。大概是这个 motivation（研究动机），我当时读完。

徐天音（嘉宾） (00:16:20)

是的。对。exactly（完全正确），我觉得你读懂了这篇 paper（论文）。

月球大叔（主持人） (00:16:23)

对然后就是然后你论文里边就说，一个用户仅仅把名字中的字母写成大写，然后就经历了 75 轮沟通，然后收集了 10 次日志。你第一次看到这种问题的时候，是来自于工业界吗？

徐天音（嘉宾） (00:16:37)

这是一个来自工业界的 case（案例），对。我当时看到这个 case（案例），我非常的震惊。但后来我其实 understand（理解）了。因为这个公司就是其实是一个存储公司嘛对吧？然后存储公司存储公司其实很其实他们的这个 model（模型）很麻烦的。当时那个公司他是卖那些，我记得这个公司不愿意把他们名字放在上面，有点 embarrassing（尴尬的）。但是其实他是一个非常好的公司。然后他当时的产品就是一个存储盒子，对吧就是有软件硬件在包在里面的。然后他把这个存储 solution（解决方案）他叫 solution（解决方案），卖给这个用户。然后问题就对于存储公司来说，用户用了你这个东西以后，有了故障，他是不可能把这个公司这个盒子再寄回给你的。他甚至不能把他所有的一些 data（数据）寄回给你，因为这个 data（数据）是 confidential（保密的）的。很多时候都是他们的客户，都是比如说政府部门或者是银行部门对吧？

徐天音（嘉宾） (00:17:21)

你怎么能把这个 data（数据）寄回去寄回寄还回去呢？所以这个 diagnosis（诊断）是非常非常 time（时间） consuming（耗时的）跟 tedious（繁琐的）的。我只能告诉你仅有的一些 information（信息），然后你远端的那个那个人他必须去猜，然后知道看你到底是什么样的问题。所以就是说这个根因可能非常简单，但是一旦有故障了，它就是一个非常 expensive（昂贵的）的然后非常 time（时间） consuming（耗时的）的过程。

月球大叔（主持人） (00:17:46)

然后你们在整个过程当中发现了 743 个这个配置错误的问题。然后你们也报道了，其中大量的问题被他们的开发人员确认了，并且修复了。其中哪一个修复让你觉得，我不是在发 paper（论文）了，而是真的在帮工业界解决问题了？

徐天音（嘉宾） (00:18:04)

我其实当时一直觉得就是说因为我们的出发角度是 system design（系统设计），对吧？就是 fault-tolerant system（容错系统）。然后我觉得这件事情挺 natural（自然的）的。然后我也没觉得就是说某一个 patch（补丁）或者某一个 bug（程序错误）是特别重要。其实我一直对发现 bug（程序错误）这件事情不是那么 exciting（令人兴奋的），因为我觉得工业界 bug（程序错误）太多了，bug（程序错误）多得人都修不过来。所以你再去发现几个 bug（程序错误），我觉得没有太大意义。当然了，我 understand（理解）有很多 paper（论文），我们的 evaluation（评估）就是要证明这个 solution（解决方案）是有用的，那我们一个 evaluation（评估） metric（指标）是要发现新的 bug（程序错误）。

徐天音（嘉宾） (00:18:37)

我觉得这篇 paper（论文）它比较有意义的，地方就是它可能会告诉一些特别是 open-source developers（开源开发者），就是说你在设计系统的时候，你必须去想一下用户是怎么用的。我觉得有一个 moment（时刻）做这件事情还挺有意义的。就是我们当时系里面有一个老师叫 Stephen Savage（斯蒂芬·萨维奇），他是一个非常有名的做 security（安全性）的一个老师，他是我们 system networking（系统与网络）的一个老师。反正他组织了一个 seminar（研讨会）。然后我记得后来有一次，有一个同学 proposed（提出了）一个 idea（想法）在那个 seminar（研讨会）上面。然后那个 idea（想法）就是说去用 machine learning（机器学习）去发现 misconfigurations（配置错误）。然后 Stephen（斯蒂芬）当时的反应就是，为什么不把这个系统 build（构建）好呢？

徐天音（嘉宾） (00:19:15)

因为他当时知道我们这个工作。我们把 Stephen（斯蒂芬）的观点搬过来了，就是他一开始想的不是说这个 machine learning（机器学习）怎么去找到更多的这个 misconfiguration（配置错误），而是他就问，为什么你不像天音一样把这个 system（系统） build（构建）好，这样的话你不用去用你的 machine learning（机器学习）去发现这些问题了。这可能是可以改变一些别人的思路去解决这个问题。

月球大叔（主持人） (00:19:37)

我为什么特别喜欢这个工作的原因就是因为，尤其是现在 AI agent（人工智能智能体）时代，你知道吗？你们当时那个文章说的是系统设计错了，然后导致人会用的话会出问题。你现在看到没有？agent（智能体）在用这些系统。如果说你的系统还是按照之前给人用的那种方式设计，那百分百我认为 agent（智能体）肯定也会出错。

徐天音（嘉宾） (00:19:58)

是的。

月球大叔（主持人） (00:19:59)

所以说就特别想跟你探讨一个问题，就是基于你之前的经验，你有没有觉得 AI agent（人工智能智能体）的系统应该重新被设计？

徐天音（嘉宾） (00:20:07)

我完全同意这个观点。对我觉得现在不是大家都在提 AI-native（人工智能原生）嘛，对吧？然后我觉得现在很多的系统它并不是为 AI agent（人工智能智能体）来设计的。如果你把 AI agent（人工智能智能体）当成一个用户的话，这个系统 hundred percent（百分之百）要 break（失效）。甚至我们最近在做一些 benchmark（基准测试），比如说我们有一个 project（项目）最近跟 TLA+ Foundation（TLA+基金会）合作做的，其实就做一些很简单的 proof（证明）。你有一个 protocol（协议），然后我让 agent（智能体）来写证明，证明这个 protocol（协议）是对的，对吧？然后你可以就是我们的经经验就是说，我们发现 TLA+（时序逻辑动作形式化语言）这套 toolchain（工具链）原来是很成熟的一套 toolchain（工具链）。

徐天音（嘉宾） (00:20:44)

它有一个 proof system（证明系统）叫 TLAPS（TLA+证明系统），这就是 TLA+ Proof System（TLA+证明系统），对吧？然后人写证明都写了很多了，然后从来没有碰到过一些奇奇怪怪的问题。他们这个系统的凸性也很成熟，所以他们想做一个 benchmark（基准测试）。但是你把 AI（人工智能）放进去，把 AI agent（人工智能智能体）放进去，agent（智能体）会写各种各样奇怪的 proof（证明），然后看似这个东西被 proved（已证明）了，但是其实它是不成立的。然后 AI（人工智能）因为它特别会 reward hacking（奖励投机）嘛。因为人写 proof（证明）的时候他真的是想 prove（证明）这件事情，对吧？它真想去证明这个 protocol（协议）是对的。但是 AI（人工智能）它并不是真想证明这个 protocol（协议）是对的。

徐天音（嘉宾） (00:21:16)

AI（人工智能）只是说，因为大叔想证明这个 protocol（协议）是对的，所以我 try my best（尽最大努力），然后能通过这个 proof system（证明系统）。所以就导致了他发现了很多这种奇奇怪怪的 bug（程序错误）。所以很多 TLA+ Foundation（TLA+基金会）的同事，像 Markus（马库斯），或者 Stephan（斯蒂芬），他们就开始修复这些根本就他们之前都没想过的各种各样的 bug（程序错误），都是由于 AI（人工智能）想去绞尽脑汁想去做这个 reward hacking（奖励投机）然后做 prove（证明）导致的问题。然后我觉得就是说 AI（人工智能）agent（智能体）成为一个用户以后，所有的系统都应该去 rethink about it（重新思考它），怎么去做这个 interface（接口），我觉得。

月球大叔（主持人） (00:21:49)

我非常赞同这个观点。因为我能发现，现在硅谷越来越多的公司开始投入到怎么给 AI agent（人工智能智能体）重新设计 interface（接口）。

徐天音（嘉宾） (00:21:57)

是是的。

月球大叔（主持人） (00:21:57)

AI agent（人工智能智能体）该怎么登录？AI agent（人工智能智能体）该怎么做安全？AI agent（人工智能智能体）该怎么去运行？等等一系列这些东西。我觉得未来 AI agent（人工智能智能体）就变成工作的主力，已经是不可避免的一种趋势了。

徐天音（嘉宾） (00:22:09)

是的。

月球大叔（主持人） (00:22:09)

我觉得系统研究者或者系统的一些工程师，接下来最大的机会就是在这一块，说实在的。

徐天音（嘉宾） (00:22:14)

是是我同意。就是我觉得这是对系统研究很好的一件事情。就是以以前你想去 fundamentally redesign（从根本上重新设计）一个系统，对吧？然后这个 cost（成本）是很大的，然后也不一定有人愿意投入。但是现在我觉得 AI（人工智能）给系统研究带来一个非常 positive（积极的）的 impact（影响），就是说大家愿意去就是考虑这件事情了。大家觉得有必要去把这个系统去 redesign（重新设计）一下。我觉得是非常好的一件事情。

月球大叔（主持人） (00:22:38)

是这样的。就是说系统界其实一直有一个点，就是我看到的，它要走在产品和算法的后面。因为你要走到太前面，你做出来一个系统，它不能被大规模部署和应用的话，那其实没有价值。cost（成本）太大，然后投入和产出的比例过低了，就是 ROI（投资回报率）过低。

徐天音（嘉宾） (00:22:56)

对。

月球大叔（主持人） (00:22:57)

现在相当于 AI（人工智能）发展的过快，然后产生了无限多的新的大的需求，来倒逼系统研究者和系统工程师不断的在往前去推进这个新的系统的开发。

徐天音（嘉宾） (00:23:07)

是的。

月球大叔（主持人） (00:23:08)

我觉得这是系统研究者时代的一个非常好非常好的一件事情。

徐天音（嘉宾） (00:23:11)

对我觉得是一个非常好的好的事情。我觉得每个 system researcher（系统研究者）都应该去抓住这个机会。因为包括以包括像以前你比如说你做一个你做一个系统，对吧？然后你说你这个系统非常的好，但是你去只会只能够去做一类的 workload（工作负载），其实你很难拿到甚至在 startup（初创公司）你很难拿到很难拿到融资。你甚至很难去 convince（说服）评委说我这个系统是好的，然后评委肯定把你这个 paper（论文）拒了，说你这东西不 general（通用的）。但你现在就是说我就做一个系统，这个系统就是对比如说 IO（输入输出）非常好，大有人会非常 excited（兴奋的），对吧？觉得你这个系统特别有用，然后它的它的这个 economic（经济上的） market（市场）特别大。所以我觉得这是一个很好的很好的事情。

月球大叔（主持人） (00:23:48)

对比方说你单独做一个就是说怎么给 agent（智能体）登录的，

徐天音（嘉宾） (00:23:52)

是。

月球大叔（主持人） (00:23:52)

对吧那个 agent（智能体）登录可能看起来很小，但是因为他想到了各种 agent（智能体）可能的 reward hacking（奖励投机）和 hack（钻研与改造）这个系统的方式，然后把它做得非常 solid（扎实的）。然后这样的话你能够保证用户整个系统的安全。

徐天音（嘉宾） (00:24:03)

对。

月球大叔（主持人） (00:24:03)

多好的一个一个东西！

徐天音（嘉宾） (00:24:04)

是的。

月球大叔（主持人） (00:24:04)

我觉得这个机会确实很大。我们后边可以聊到那个你最近的一些研究的时候再深入的聊一下这个 AI（人工智能）系统。

导师、学生与适合自己的研究环境

月球大叔（主持人） (00:24:11)

对然后接下来的话，你进入 PhD（博士）阶段的话和你的导师相处嘛。你一直很感谢你的 PhD（博士）导师，不断的在各种地方，还有你在你的主页上说他是一个 rock-star advisor（明星导师）。就为什么？他到底教会了你什么？

徐天音（嘉宾） (00:24:25)

我觉得好的导师都是相似的，不好的导师各有各的问题。但是好的导师都是相似的。所以我觉得他肯定是教会了我怎么做 research（研究），然后他告诉我怎么去正确的思考一些问题对吧？然后我觉得他有一点做的特别好的，就是他其实因为他很强调就是说深入理解问题。我觉得这是我非常非常 appreciate（欣赏）的一件事情。还有就是去 think（思考） differently（以不同方式）。我觉得这两点是他强调的东西，然后我是非常 appreciate（欣赏）的。然后我觉得就是说他让我觉得他让我一直就是对 research（研究）充满热情。我觉得 research（研究）是非常美好的一件事情，然后我也特别喜欢去做这件事情。

月球大叔（主持人） (00:24:59)

这个真的是顶级导师了。

徐天音（嘉宾） (00:25:01)

所以我很对。我觉得这个做他其实是个非常严厉的导师，然后非常直接。但其实我特别喜欢直接的导师，因为我不太喜欢 indirect（间接的）的一些 advice（建议）。这些就是我觉得我的我的 personality（个性）跟他也是非常 match（匹配）。但是我觉得 essential（本质的），就 essential（本质的）的东西，我觉得还是就是对于研究的兴趣跟热情。我觉得这是他我特别喜欢的一些一些东西对。

月球大叔（主持人） (00:25:23)

对因为我他是一个创业很成功的导师，我经常会在网上看到他一些关于创业的一些讲座。我能感受到他是那种雷厉风行、aggressive（进取而强势的）很严厉的那种导师。但是你在那边确实就是说反正就是你们是 match（匹配）的，给我一种感觉是你们，

徐天音（嘉宾） (00:25:38)

我觉得 match（匹配）是最重要的，对一个 advisor（导师）和 advisee（学生）来说。

月球大叔（主持人） (00:25:42)

对那么他就是做了三家公司，都挺成功。他跟你聊过这些事情吗？

徐天音（嘉宾） (00:25:48)

对我就是听他说这个创业这件事情听了三年。对。

月球大叔（主持人） (00:25:53)

什么感觉？

徐天音（嘉宾） (00:25:54)

就我一直觉得就是说其实我觉得做 research（研究）跟做 startup（初创公司）它的内核是一样的对吧？就是说你都要去 innovate（创新），然后你都要去 pursue（追求） excellence（卓越），就这些东西是内核都是非常一样的。你都需要一个团队，你一个人是很难做成一件事情的。你都需要一个好的 advisor（导师），然后能够告诉你一些东西，对吧？不一样的是 research（研究）可能更讲究怎么说呢，更讲究 intellectual merits（学术价值）吧，或者说更讲究去 expanding（拓展） human（人类） knowledge（知识） base（基础）。然后我觉得做 startup（初创公司）他可能要去更多的考虑一些 marketing（市场营销）上的东西对吧，市场的东西。但我觉得它两者是有非常非常多 common（常见的）的东西，就看你喜欢什么了。当然还有就是天时地利人和，你能不能开这个公司。

徐天音（嘉宾） (00:26:36)

有很多的很好的技术他没到这个点，他也开不了开不了公司。但是我觉得就是说这两者是有非常多的共同之处的。

月球大叔（主持人） (00:26:44)

但给我的感觉是，你短时间是不想给自己开公司那种人，对吗？

徐天音（嘉宾） (00:26:48)

我因为这个人比较自由散漫，然后现在还没有特别多的考虑，对。

月球大叔（主持人） (00:26:52)

对虽然你不想开公司，但是你拿到了很多创业成功的认知，一看就。

徐天音（嘉宾） (00:26:56)

那我的确被洗脑了，洗脑了三四年对。

月球大叔（主持人） (00:26:58)

确实没什么任何问题。2018 年的时候，你 PhD（博士）毕业了，然后你一口气拿了 5 个学校的 faculty（教职人员） offer（录取或工作邀请），然后最终你选择了 UIUC（伊利诺伊大学厄巴纳-香槟分校）。为什么选 UIUC（伊利诺伊大学厄巴纳-香槟分校）呢？

徐天音（嘉宾） (00:27:07)

就是我当时的对我当时的 offer（录取或工作邀请）来说，我觉得 UIUC（伊利诺伊大学厄巴纳-香槟分校）还是个挺显而易见的 choice（选择）吧，我觉得。其中一个原因就在于因为我之前的 advisor（导师）他是 UIUC（伊利诺伊大学厄巴纳-香槟分校）的 faculty（教职人员），在那呆了 7 年，所以他是对 UIUC（伊利诺伊大学厄巴纳-香槟分校）有很多美好的回忆。我觉得这个肯定影响到我了。然后对我来说就是说一个 essentially（本质上）就是说，你任何的 offer（录取或工作邀请），不管是学术圈的或者 industry（工业界）的，对吧，就是说你的你肯定考虑的就是说我在这个地方然后他的它是一个什么样的平台嘛对吧？你可以 learn（学习）到什么样的东西？我觉得 faculty job（教职）的 offer（录取或工作邀请）就这几件事情。第一个你有你能不能找到很好的 collaborators（合作者）？

徐天音（嘉宾） (00:27:44)

你有没有好的 mentors（导师）？你有没有一些特别尊敬你特别尊敬的老师，你内心里面非常 respect（尊敬）的，你想让他们你想让他们成为你 mentor（导师）的老师？然后就是你能不能招到一些特别好的优秀的学生？我觉得 UIUC（伊利诺伊大学厄巴纳-香槟分校）都 click（满足）了这些 buttons（条件）。然后我个人觉得香槟这个地方跟我自己的气质挺符合的。我特别喜欢香槟。我就现在来了湾区以后，我还老想念香槟想回去回去回那个地方所以我。我觉得 UIUC（伊利诺伊大学厄巴纳-香槟分校）是个挺好的 choice（选择）。

月球大叔（主持人） (00:28:10)

确实和其他人不一样哈。大多数认识的香槟的同学都觉得那是个纯玉米地，那待不了一天，感觉就是。

徐天音（嘉宾） (00:28:15)

是是个玉米地对。

月球大叔（主持人） (00:28:17)

对所以说就是一个非常纯粹的适合 researcher（研究者）的一个区域。

徐天音（嘉宾） (00:28:20)

对我觉得它是一个非常简单的地方，然后也没什么太多东西。然后你就可以待在那，然后想想一些就是问题我觉得。

月球大叔（主持人） (00:28:29)

那你现在已经当教授 8 年了，你最喜欢怎样的学生呢？

徐天音（嘉宾） (00:28:33)

这个问题我觉得太难了。这个问题其实就是这个问题的一个等价问题就是你想要什么样的伴侣？然后我觉得他是没有答案的。我之前看过一个纪录片，就是说有一个纪录片导演对吧，他采访了很多那个很多单身的男性和女性，然后让他们描述就是说你想你的未来的伴侣是什么样的？然后他们都会列出很详细的这个这个这个描述，比如说我想要一个长得什么样的，然后头发是红的，上过大学的，或者怎么样的。但后来过了 5 年，他这个导演再去采访这些人说看看，他们那时候都已经很多人都已经有了伴侣了，然后说 match（匹配）一下。然后发现根本就不是，他们最后找到的那个 spouse（伴侣）都不是他们当时描述的那样子。然后我觉得学生也是一样的。就说你很难去知道一个人，最后就是说你能够跟这个人工作非常 close（紧密地）地工作五年，而且就是非常的有非常密切的关系。因为我觉得 advisor-advisee（导师与学生）的 relationship（关系）是个终身的 relationship（关系）。

徐天音（嘉宾） (00:29:26)

就是对我来说就是说，什么样的人我觉得能够最后能够 work out（顺利合作），就是说能够建建立一个非常 personal（个人层面的）的 relationship（关系），这样的学生是肯定能够 work out（顺利合作）的。但是如果建立不起来这个 relationship（关系），我一般是不知道怎么去 work（工作）就是 work with this student（与这个学生合作）。然后我知道这个观点非常的 controversial（有争议的），因为很多的我的同事认为这个是非常本质上是错的。然后我有一个同事我非常尊敬他，就是 UIUC（伊利诺伊大学厄巴纳-香槟分校）的。他的观点就是你不应该跟学生建立一个 personal（个人层面的）的 relationship（关系）。

月球大叔（主持人） (00:29:55)

我看到过大量这种观点。

徐天音（嘉宾） (00:29:57)

对但我就是，这个东西就看你自己是怎么怎么怎么想的了。但是对我来说，我完全不能跟一个建立不起来 personal connection（个人连接）的人就是密切的工作。

月球大叔（主持人） (00:30:07)

就感觉话都说不出口是不是？

徐天音（嘉宾） (00:30:09)

对因为我觉，还是那句话，就是我觉得做 research（研究）特别是很难的 research（研究），它是一个本来就是一件很难的事情。对吧就是你在很难的时候，你就得很直接的去说一些话。就是我之前看那个足球比赛，比如说足球比赛嘛，我们不是聊足球比赛嘛。足球比赛你可以看到，那些足球比赛里面那些人比如说世界杯，他们踢足球的时候他们不是在那笑着踢的，特别是那些后卫对吧？你很多时候就得大声 yell（呼喊），然后说你这个球就应该不应该这样弄，然后或者你应该开大脚，然后你不应该开大脚或者怎么样的，然后大声呼喝，然后大声 yell（呼喊），然后把这个团队弄起来。如果你每次都是微笑着，那个足球队我觉得他踢不好。然后我觉得做 research（研究）一样的。每个 research（研究）如果是个 ambitious（有雄心的） project（项目），它肯定是有非常难的时候的。然后这个时候，你怎么能够鼓舞这个团队继续往上做？

徐天音（嘉宾） (00:30:56)

它是依靠一个 personal trust（个人信任）在里面的。如果没有一个 trust（信任），我个人不知道怎么去推进这件事情其实。

月球大叔（主持人） (00:31:05)

还真是就你刚才描述这一段的时候，让我想起来很多我看到的一些镜头。比如说谷爱凌或者说是 c（C 语言）罗，他们在面对一些挑战的时候，他们的眼神不是快乐的，他们是想赢的那种眼神。

徐天音（嘉宾） (00:31:16)

都是扭曲的嘛对吧？你比如说打 NBA（美国职业篮球联赛），你看抢篮板的时候，没有一个人是笑着抢篮板的。每个人都是非常脸上扭曲的去拼尽自己最大的全力去抢这个篮板。然后我觉得 research（研究）有很多时候是很多的 moment（时刻）是这样的。

月球大叔（主持人） (00:31:29)

对包括创业也是。很多那个那个顶级创业者都跟自己团队说，我们是一支体育运动队，我们是来赢的，我们不是来嘻嘻哈哈的。我们赢的方式，我们是让客户来开心。我们在这不是来开心的。对所以说你是，

徐天音（嘉宾） (00:31:45)

然后这种只有在极度信任和能建立 personal connection（个人连接）的情况之下才能够发生这种事情。对。

月球大叔（主持人） (00:31:52)

所以说你是坚定的相信，应该和 PhD（博士）有一些比较好的，

徐天音（嘉宾） (00:31:55)

我觉得这个东西是非常 personal（个人层面的）的。这是我的方式，它不代表是一个普世的方式。就是我刚才说的那个老师他是他也非常成功。就是他觉得每个人，就是我觉得学术圈最好的地方就是，每个人按照自己的想法去做事嘛。这里没有一个标准的方法，所以适合你的就是最好的。就是对我来说，我完全能够 understand（理解）那个观点。就是因为他那个观点的核心就是说，如果你跟一个学生太 personal（个人层面的）了的话，那你教导这个学生那你教导这个学生的方法其实是 biased（有偏见的）的，对吧？它是非常 biased（有偏见的） by（基于）你自己的 taste（品位）或者 preference（偏好）。那他不一定是对这个学生最好的。反而是如果你跟这个学生有个非常 personal（个人层面的）的 relationship（关系），那你在为学生想的时候，这时候可能你是非常的有一些非常 objective（客观的）的 advice（建议）。

徐天音（嘉宾） (00:32:36)

但是我自己做不到这个，因为我这个人的性格就不是这样一个人。所以对我来说最好的就是说能有一个联系，然后能够比较直接去说一些话对。

月球大叔（主持人） (00:32:47)

还是回到了我们最早一聊的一些话题，就是人还是要做自己。做自己那个就是能够更容易就是说自洽一点，然后做事更顺畅一点。

徐天音（嘉宾） (00:32:55)

对。

月球大叔（主持人） (00:32:56)

那有没有一种特质让你觉得这个人就不应该做 research（研究），就不想让他做学生的？

徐天音（嘉宾） (00:33:03)

我觉得没有。我觉得就是 research（研究）这个词它拆开来，我跟学生说，什么叫 research（研究）呢？就是 re（重复）跟 search（探索）嘛对吧？就是这个词就是这个样子，就是 research（研究）。然后 re（重复）就是说重复做一件事情，你 re（重复）很多遍嘛。然后 search（探索）其实就是 search（探索）的一个过程。你任何一个人，他愿意去不断的去 research（研究），那他就是一个 researcher（研究者）对吧？它是一个很普适的 practice（实践）。然后你可以在工业界做 research（研究），你也可以在 academia（学术界）做 research（研究），你也可以在任何的地方做 research（研究）。所以我不觉得，我觉得 research（研究）是一个非常 broad（广义的）的概念，任何人都可以做 research（研究）对我来说。

徐天音（嘉宾） (00:33:34)

当然了，academia（学术界）跟 industry（工业界）的 research（研究），它的风格不太一样，然后它追寻的东西不太一样。那我觉得就是根据你想做什么样的 research（研究），你可能需要得去选选取一个环境来做你想做的 research（研究）。比如说你想做一个天马行空的 research（研究），对吧？你想做一个非常 theoretical（理论性的）的 research（研究），可能这个 research（研究）不太适合在某些地方被 practiced（实践）。就比如说前两天不是得了菲尔兹奖嘛，对吧，那个王虹和那个邓宇，他们得了菲尔兹奖。那他们做的 research（研究）是非常的 beautiful（优美的）的对吧？非常的美好的。但你一定要说这个 research（研究）你要在比如说在一个初创公司做，那我觉得他可能不太适合做这样的 research（研究）。但你在初创公司你完全可以做 research（研究）。

徐天音（嘉宾） (00:34:10)

你自己的产品，你肯定会去反思对吧？然后去想着怎么去 improve（改进），或者去想一些根本性的问题，你就在做 research（研究）。所以我不觉得有哪些人不能做 research（研究）。当然了还是就是要要不要跟我做 research（研究），他的根本问题就是我们两个能不能去建立一些联系，并且就是我能不能帮助这个学生？我觉得这是对我来说最重要的问题。就如果我觉得有些学生可能特别优秀，然后我觉得我不能帮助这个学生，那可能我可能不太想去招这个学生当个 PhD student（博士生），我觉得。

月球大叔（主持人） (00:34:37)

明白。就感觉你说的那种 research（研究）非常高维度，就是什么，大家都可以做 research（研究）。

徐天音（嘉宾） (00:34:43)

是是。

月球大叔（主持人） (00:34:43)

创业公司研究一个产品的 button（按钮）大小是一种 research（研究），因为你去要 re（重复）和 search（探索）嘛。

徐天音（嘉宾） (00:34:48)

对。

月球大叔（主持人） (00:34:49)

然后你在那个学校里边做数学，然后推哥德巴赫猜想是一种 research（研究）。

徐天音（嘉宾） (00:34:53)

是的。

月球大叔（主持人） (00:34:54)

你在学校里边也是一种 research（研究）。

徐天音（嘉宾） (00:34:55)

我觉得都是很有意义的嘛对吧？就是一个 fundamental research（基础研究）跟 applied research（应用研究），都是很有意义的。

月球大叔（主持人） (00:35:00)

这是一种好高维好高级的思想。就是说你只要认认认认真真真在做创新，在往前推进，在做优化，都是一种 research（研究）。

徐天音（嘉宾） (00:35:07)

因为我 17 年的时候不是在 Facebook（脸书）待了一年嘛。我 17 年的时候不是在 Facebook（脸书）待了一年嘛。Facebook（脸书）的 system research（系统研究）它是没有 system research（系统研究）部门的，因为 Facebook（脸书）不 believe（相信）一个完全脱离 production（生产环境）的 system research（系统研究）部门。所以所有的 system researcher（系统研究者）其实都在做 production services（生产服务）。然后我们怎么做的呢？其实我们因为 Facebook（脸书）它不是一个 research（研究）公司嘛对吧？就是我们有跟很多 engineers（工程师）做了一些 systems（系统）。

徐天音（嘉宾） (00:35:32)

然后这个 research（研究）的方式就是，我们当时做了这个 system（系统），然后我们反过来去想，我们就做完这个 system（系统），这个 system（系统）上线了解决了问题，然后我们去 reflect（反思）这件事情。我们说为什么我们当时是这么做的？可能还没有没有其他的好的方法来做这件事情对吧？因为在 production（生产环境）上线的时候，你其实是很紧张的，你没那么多时候可能去想这件事情。然后你不断的去想这件事情哪里可以 improve（改进），哪里可以做的不一样，或者哪里的 cost（成本）跟 benefit（收益）是什么样的。只要你做了这件事情就是 research（研究）。然后我们也都把那些我们做的那些 production services（生产服务）写成了写成了 paper（论文），发在 OSDI（操作系统设计与实现研讨会）上面了。

月球大叔（主持人） (00:36:03)

这个这种 paper（论文）是我个人最喜欢的一种。多产真有味道，真的是这样。

博士如何开始研究，AI 能取代什么

月球大叔（主持人） (00:36:08)

那么你觉得一个 PhD（博士）最早期的前一两年，如果说加入你的组，或者说是培养他的话，他最应该做什么呢？去读 100 篇论文，然后上来就开始跟一个 5 年级 6 年级的做项目，还是自己在那边琢磨写代码？

徐天音（嘉宾） (00:36:25)

对。因为我觉得 PhD（博士）是一个非常 personal（个人层面的）的东西，它没有一个标准答案。所以对。首先读 100 篇论文，我觉得不是一件很好的 practice（实践）。然后我记得我当时的 PhD（博士） advisor（导师），他其实很反对读论文想 idea（想法）的。他反正有一个比较激进的观点，他觉得每篇论文都是非常 biased（有偏见的）的，都是作者自己的一个观点对吧？就每篇论文其实是一个观点嘛，都是一个作者自己的论文的观点。而且你知道现在这个 practice（实践）就是说，top conferences（顶级会议）都非常严酷，所以大家写论文都有很多技巧，也不一定那么诚实。所以就是说你如果去读狂读论文，然后通过这个论文想 idea（想法），它不是一个非常好的创新方式。甚至就是它有时候就是就不应该读它了。就我自己觉得，我觉得很多论文都是饲料。你饲料吃多了，你脑子就木了，然后你就不会去创新了。

徐天音（嘉宾） (00:37:16)

所以我觉得最好的方式不是去读论文想 idea（想法）而是去就是根据真实的问题想 idea（想法）。这里有一个非常重要的问题，那我们要解决这个问题对吧？然后然后怎么去解决这个问题？如果这个问题是重要的，而且是难的，那他就是需要 research（研究）的。而不是说因为有篇论文得了 best paper（最佳论文），然后你说我要去读一下人家的 limitation（局限） section（章节），然后来下一篇论文。我觉得这样的不是一个好的好的方式。所以我其实不提倡读 100 篇论文一开始就。

月球大叔（主持人） (00:37:41)

那一个刚毕业的本科生开始读 PhD（博士）了，他也没有什么经验，发现很牛逼的问题？

徐天音（嘉宾） (00:37:48)

我觉得这个就是一个我觉得是导师的 job（工作），对吧？就导师应该给这个学生一些一些问题来做。其实我觉得基本上我认识的 PhD（博士）都是这么开始的。然后跟 senior students（高年级学生）一起做 project（项目），我觉得是个非常好的 practice（实践）。包括我原来的 advisor（导师），他也是这么干的。然后包括我现在在 Berkeley（伯克利），然后基本上每个学生进了这个这个 Berkeley（伯克利），然后 Berkeley（伯克利）是一个更就是说更大的 lab（实验室），对吧？也老师跟学生的这个也不是那么 hands-on（亲力亲为的）很多时候。然后你就是你其实从你的 peers（同辈）那里 learn（学习）的东西比从老师那 learn（学习）的东西更多。包括我自己的组也是这样的。就是我觉得跟一个 senior（资深的）学生去一起去做一些难的问题，是一个非常好的起步的方式。

徐天音（嘉宾） (00:38:31)

然后你也可以 learn（学习）很多东西，你也可以 build（构建）一些 connection（联系），然后你有一些问题就上来就可以做了。

月球大叔（主持人） (00:38:36)

对。那面对这样一种情况的话，尤其现在 AI（人工智能）时代，你甚至都不用跟 peers（同辈）了，你只要跟 agent（智能体）就可以直接每天对话，然后不断地产生大量的东西。那大学的意义又变成什么了？教老师的意义又变成什么了？

徐天音（嘉宾） (00:38:49)

我自己是觉得 agent（智能体）还是很难取，至少现在的 agent（智能体）还是很难取代取代人的。agent（智能体）是一个挺冰冷的东西，我觉得。然后 agent（智能体）也不是一个那么 considerate（体贴周到的）或者那么 comprehensive（全面的）的东西，considerate（体贴周到的）的一个东西。我觉得一个人的指导还是挺重要的，不管这个人是个 senior student（高年级学生）还是一个 advisor（导师）。我觉得 agent（智能体）它有很多能力，它可以提高你的 coding（编程） productivity（生产力），对吧，system building（系统构建）的 productivity（生产力）。然后它也可以帮你想一些 idea（想法）。

徐天音（嘉宾） (00:39:17)

但最后它帮你想了 idea（想法），那你还是需要你自己去就是说怎么怎么说呢，就是说去 understand（理解）这些 idea（想法），然后到底哪些能做，哪些不能做之类的。

月球大叔（主持人） (00:39:27)

整体我的听下来感觉，就是要相信人的判断力和品味对吧？这些东西是 agent（智能体）在短时间之内无法取代的。

徐天音（嘉宾） (00:39:33)

对我不觉得它其实，我其实不 believe（相信）以后的世界 agent（智能体）完全可以取代这些东西。我还是觉得以后的世界会是个人的世界，但是大量的劳动被 agent（智能体）取代了。

月球大叔（主持人） (00:39:44)

即使 AGI（通用人工智能）实现了，你也不觉得会这样吗？

徐天音（嘉宾） (00:39:46)

我不知道你的 AGI（通用人工智能）定义是什么。就是我觉得首先我自己觉得，想 AGI（通用人工智能）实现了以后的事情是一个挺浪费时间的事情。其实他跟我他对我来说就是想以后世界末日了以后怎么办是一样的一个东西。它是个 fun thing to think about（想起来有趣的事），但不要 take it too seriously（把它看得太严肃）对我来说。然后如果有个学生他老在那里 panic（恐慌），就说以后 AI（人工智能）取代了，我学的这些东西都没用，那 essentially（本质上）你就没法 making（取得） progress（进展）了，对吧？然后反而我觉得咱们应该是不要想那么多就是说，我们想想往前看一点点，现在 agent（智能体）能干什么事儿？然后利用现在的 agent（智能体）去提高自己的学习能力，提高自己的这个工作能力，我觉得这是一个比较 practical（实用的）的事情，对。

徐天音（嘉宾） (00:40:29)

就如果如果这个世界最后人成了 AI（人工智能）的奴隶，那我觉得人的学习能力更重要了，因为不然的话你怎么去对抗 AI（人工智能）呢？

月球大叔（主持人） (00:40:37)

天网是吧？

徐天音（嘉宾） (00:40:38)

对但是如果我们我们人在做正确的事情的话，那 AI（人工智能）是人的奴隶。那 essentially（本质上）还是人来决定这个世界怎么运行嘛对吧？所以你自己的能力，你自己的学习能力，自己的工作能力是还是很重要的。

月球大叔（主持人） (00:40:50)

刚才我们短短经过了半个小时的采访，但是我能够从你的所有的话语中感觉出来，你就是天生的 system researcher（系统研究者）。

徐天音（嘉宾） (00:40:58)

不是。

月球大叔（主持人） (00:40:58)

就是这种感觉很明显很明显。因为系统这个东西，确实就是需要你低下头每天想好手里边的事，一步一步干下去。它是通过干得出来的。它不需要就说每天去想 10 年之后 5 年之后怎么样。你只要一点一点干，一点一点干，这个系统最终是能干出来的。你这种性格特质，我的天呐，真的太适合做系统了研究。

徐天音（嘉宾） (00:41:19)

就还是要不断的去 research（研究）。我觉得就是说对。反正我觉我觉得可以一定要去做 research（研究）嘛，一定要 open-minded（开放思维的），就是要知道周围发生了些什么事情，对吧？但是也的确是需要有一条自己的主线我觉得。

AI 时代的论文写作与评审

月球大叔（主持人） (00:41:32)

OK（好的）。那我们下一个问题就是，现在很多老师都说论文是需要改革的。然后他不再是需要写那么多 8 股的东西，而是觉得你直接写个 abstract（摘要或抽象）和 introduction（引言），讲清楚你为什么要做这个问题，后边直接贴跟 agent（智能体）的对话就可以了。你觉得这种观点你怎么看？

徐天音（嘉宾） (00:41:50)

我觉得这个观点可能在一些特定的 context（语境）下面是成立的吧，我觉得。因为我觉得一篇论文就关键是这个你这个论文的 contribution（贡献）是什么，对吧？就是我不觉得就是说比如说我刚才聊那个菲尔兹奖得主什么王宏邓玉对吧？我不觉得他们的论文应该是以这样的形式被呈现的。就是说如果你这个工作的 contribution（贡献）最后是一个 artifact（研究产物），这个 artifact（研究产物）很有用，大家可以用，然后也用得很好，那可能就是说你这个方法也够了。你有一个 abstract（摘要或抽象）告诉别人这个 artifact（研究产物）是怎么用的，然后它以后成了一个 open-source（开源的） project（项目），然后甚至是 agent（智能体）在那里实现，我觉得有可能是可以的。但是很多的 research（研究）它其实是一个思考的过程。

徐天音（嘉宾） (00:42:27)

因为我觉得 research（研究）的本质就是 understanding the world（理解世界）嘛，对吧？那你这个 understanding（理解）这件事情我觉得不应该就是说完全是通过一个 AI（人工智能）的方式来呈现。Leslie Lamport（莱斯利·兰伯特）是一个图灵奖得主。然后我们我就现现在很多工作其实用了他做的一些 tools（工具）。但他有一个一个观点我非常认同。他就是说你如果不把这个东西写出来，你其实并不能完全的去把这件事情想通透。所以我觉得写作的过程是一个帮助人去把这个东西真正 understand（理解）的过程。我个人其实不觉得它应该被省略掉。

月球大叔（主持人） (00:43:00)

我简直不能太赞成这个观点。因为我也是觉得，就发现 PhD（博士）的主要训练训练这个写论文的过程，就是训练你的大脑的过程。

徐天音（嘉宾） (00:43:08)

对。

月球大叔（主持人） (00:43:09)

你不能写清楚，你这个问题一定是没有思考清楚。

徐天音（嘉宾） (00:43:12)

是的。所以我觉得我觉得很多 fundamental（基础性的）的东西是并没有被改变。然后有很多观点被提出来，是因为现在的 review（评审） system（系统）然后有很大压力，因为现在 AI（人工智能）出来以后大家的 productivity（生产力）变高了嘛，然后有很多 paper（论文）投稿。然后包括现以前一些传统的这个系统的会圈子很小对吧？系统的圈子特别小。然后以前可能每年就 200 篇投稿，现在变成 1,000 篇投稿了。那你按照原来的这个组织来做这件事情，就现在压力很大。然后压力大了以后，就是说你这个 system（系统）其实不 scalable（可扩展的）嘛。然后等你这个 workload（工作负载）的 scale（扩展）上来以后，你这个 system（系统）开始 breaking（失效）了。

徐天音（嘉宾） (00:43:47)

我觉得我们应该反思的是怎么把这个 system（系统）做好，让它 scale（扩展）到现在的投稿量上面去，而不是说去把它简化成一个另外一个 system（系统）。你比如说你把这个 writing（写作）去掉，或者你把这个 thinking（思考）去掉，那我觉得这个 research（研究）本质就 break（失效）了。我觉得。

月球大叔（主持人） (00:44:03)

确实很有道理。确实我们要想办法去提高这个系统的 scalability（可扩展性）。

徐天音（嘉宾） (00:44:07)

对。

月球大叔（主持人） (00:44:08)

之前也听过那个陶哲轩说嘛，现在的数学家和之前的数学家不一样了。之前的数学家要想很多 idea（想法），现在 idea（想法）变得如此容易。数学家要不断地去 review（评审）和做 verify（验证），去验证这个想法。对可能接下来我们不知道哈，就是说这个论文系统到底会变成怎么样，但是一定要经历一些改革。

徐天音（嘉宾） (00:44:29)

是的这个我完全同意。我觉得我完全同意。就是说我们应该去思考一下，在 AI（人工智能）时代里面，system research（系统研究）应该改变什么，它应该怎么做对吧？因为我觉得 AI（人工智能）拔高了这个 bar（门槛）。就是以前在没有 AI（人工智能）的时候你可能可以做一些 research（研究），这个 research（研究）的 idea（想法）也不是特别 interesting（有趣的），但是它有很大的工程量，然后或者说他这件事情需要一些特殊的 skill（技能）来做。然后这样的 research（研究）现在就比较难了，因为 AI（人工智能）可以帮你做这些事情。所以就是说 AI（人工智能）时代你做 research（研究）的方式是不一样的。就是你怎么去 push（推动），因为这个 frontier（前沿）不一样了嘛，你怎么去 push（推动） frontier（前沿）的方式不一样。

徐天音（嘉宾） (00:45:05)

但是它本质，research（研究）本质的东西，我觉得并没有改变。一个好的 researcher（研究者）还是一个好的 researcher（研究者）。Terence Tao（陶哲轩）还是 Terence Tao（陶哲轩），对吧？他不是有哪个人他用了 AI（人工智能）他立马就比 Terence Tao（陶哲轩）还厉害了，那我不觉得是这样的。

月球大叔（主持人） (00:45:17)

很明显尤其是现在能看感知到，有了 AI（人工智能）之后，那些会发论文的会做 research（研究）的大佬，效率更高了。

徐天音（嘉宾） (00:45:25)

对。我觉得 AI（人工智能）把一个人的 productivity（生产力）增加了 5 倍，10 倍甚至是 100 倍有人说。我觉得这个，但是你这个基数在那嘛。就是如果你的能力是 0，那你乘以 100 还是 0。

月球大叔（主持人） (00:45:34)

对我也想说这一点。就是说那这个 100 倍，就是说如果说对于那种 100 分的人，到最后变成 1 万。对于 1 分的人变成了 100 我的天！差距更大了。

徐天音（嘉宾） (00:45:42)

是的。

招学生、带学生与寻找真实问题

月球大叔（主持人） (00:45:43)

对，那我们回到你这个 research（研究）本身。从你的 PhD（博士）到你现在做了这么多年 professor（教授），反正你拿的系统论文的奖是我见过最多的之一吧。就是你是怎么看待这些奖项？虽然你刚才一直说不看好。

徐天音（嘉宾） (00:45:58)

就是无所谓。就我觉得这个都是就是运气，对我来说。

月球大叔（主持人） (00:46:02)

但是一个人的运气反复发生的话，我认为就是实力的一种标准体现。

徐天音（嘉宾） (00:46:05)

不是我觉得不是。我其实不认同。就是我觉得当时就运气好。比如说这两年我就就论文拿奖拿的少了我觉得。但是我就不觉得我的论文的质量降低了太多。

月球大叔（主持人） (00:46:17)

那你回顾过去发了这么多那个好的论文，就是说你觉得怎么能够持续不断地产生这些好的 research（研究）呢？

徐天音（嘉宾） (00:46:26)

我其实觉得做 research（研究）很简单。你招到一个对的学生，他自然而然就会做 top research（顶级研究），做 top research（顶级研究）。就是一个人他的 quality（质量）在这里，他就能做出很好的 quality（质量）的 work（工作）。所以这里面的问题其实就是说你怎么招到一个对的人，然后怎么能够去帮助这个人知道做这件事情的方法。只要你把这两件事情做好了，那后面就是一些 results（结果）了，我觉得。

月球大叔（主持人） (00:46:49)

那我们拆解一下这个步骤哈。首先你怎么招到这个人，第二，你怎么带这个人？来拆解一下。

徐天音（嘉宾） (00:46:54)

怎么招到这个人就是一个我觉得就是完全靠 gut feelings（直觉），对我来说。因为我不是一个想事情想那么细的人。就是我比如说 recruiting students（招收学生）的时候，我就跟他聊聊一会，然后看看有没有一些 chemistry（默契）。因为我个人不 believe（相信）。我有我有个朋友他我这个朋友特别有意思他想，他就是用 dating apps（约会应用）。他用 dating apps（约会应用）以后，他就每每经常在那每就就是跟别人约会嘛对吧？然后想想怎么去，然后我问他 dating apps（约会应用）准吗？因为 dating apps（约会应用）就是说你一开始你把别人约出来，跟人家度过了一个晚上，那这个人最后会不会是你一个长期的伴侣？他说即使是一个晚上都都不行对吧？那我觉得学生一样，你面试这个学生半个小时，你难道这个人就是后面你要工作 5 年的人吗？所以我觉得这个太难了。

徐天音（嘉宾） (00:47:43)

所以就是看看缘分，或者看 chemistry（默契），就是看你一些 gut feeling（直觉）的东西。

月球大叔（主持人） (00:47:47)

那我们拆解后半部分吧。就是这个学生招到了，你怎么帮助他发出好的 paper（论文）？

徐天音（嘉宾） (00:47:53)

发 paper（论文）还是那句话，不是我们的 goal（目标）。

月球大叔（主持人） (00:47:55)

对就怎么怎么样去，

徐天音（嘉宾） (00:47:57)

我觉得怎么样就是说去做他想要做的 research（研究）吧。因为我觉得每个学生他的 goal（目标）也不太一样。有些学生可能他就想做 startup（初创公司），他也不一定说要去发 paper（论文），那我觉得也是件非常有意义的事情。但是他可能他是他要做的 research（研究）跟一个学生说我要去另外一个学校以后要去做 professor（教授），或者我要去在 fundamental（基础性的）research（研究）上面有一些突破，那这两个人的培养方式应该是非常不一样的。所以我倒不觉得有一个 magic formula（万能公式）。就是我觉得就是如果你跟这个学生有一个非常深入的联系的话，你应该是能够 understand（理解）这学生到底想要什么，他喜欢做什么事情，然后他最后的 goal（目标）是什么，然后什么事情能让他很快乐，他需要什么。然后你把这些东西都整清楚了以后，我觉得你是应该能够帮助到这个学生的。

徐天音（嘉宾） (00:48:38)

而且我觉得任何人都能应该能够帮助到这个学生。但是最难的就是说你怎么能够去建立这个联系，怎么能够去 understand（理解）这个学生，然后去帮他去找到一些问题或者资源或者什么。有很多时候也很难。就可能我觉得最难的就是这个，学生说我也不知道要干什么，我也不知道自己喜欢什么。那这个时候你就不断的让这个学生去尝试不一样的东西。然后最后你问他，你到底是喜欢这个还是喜欢那个？然后根据一些经验去选择一些题目，我觉得。

月球大叔（主持人） (00:49:02)

从你刚才这样描述当中我感受到了一种经典的那种师徒制那个研究的美感，你知道吗？就师徒制研究的美感。现在的很多老师和学生的身份有点像雇佣制。但是我觉得就是很早期的那种欧美的 research（研究）做得好的，对吧各种都是那种大户很有钱的那些人，然后手把手带着学生，师徒制做出来的。我通过你刚才的描述感觉确实，就是这是被 AI（人工智能）和 agent（智能体）无法取代的一些东西。

徐天音（嘉宾） (00:49:34)

对。

月球大叔（主持人） (00:49:34)

你理解这个人。

徐天音（嘉宾） (00:49:36)

是。

月球大叔（主持人） (00:49:36)

能够和他一起工作。

徐天音（嘉宾） (00:49:37)

对。

月球大叔（主持人） (00:49:37)

然后推动人类科技进步的发展，做有意义的事。

徐天音（嘉宾） (00:49:40)

没那么伟大。其实就是还 fun（有趣），我觉得对。就但就是做有意思的事情对吧？人生很快乐。

月球大叔（主持人） (00:49:46) †

真棒虽然你很谦虚哈。就一直在说 best paper（最佳论文）无所谓，但是你在你的主页上说了一句话，就叫作 fight dragons, not windmills（挑战恶龙，而不是风车），就是去，征服恶龙，不要去征服那个风车，对吧？对风，那个风车对。这个怎么体现在你与学生的相处当中呢？

徐天音（嘉宾） (00:50:04)

我觉得就是恶龙其实代表了一个真正的问题，然后风车代表了一个假的问题。所以我觉得就是说去解决一个真的有意义的问题是很重要的。然后去解决一个假的问题我觉得没有太大的意义，特别是对于 system research（系统研究）来说。因为 system research（系统研究）是一个很贴近 practice（实践）的事情。就如果这个问题它不是很重要，那去解决它可能没有那么大的意义我觉得。

月球大叔（主持人） (00:50:27)

两个点第一个点，你怎么帮助学生发现这个问题？第二个点，在伊利诺伊香槟，远离硅谷这么远的一个玉米地，你怎么去发现真实的问题？

徐天音（嘉宾） (00:50:36)

这是个很深刻的问题，我觉得。就虽然这首先是第二个问题是挺简单的。因为我觉得即使是系统领域最重要的几个问题就这么几个问题，就 fundamental（基础性的）的问题没那么多。但是这个 fundamental（基础性的）问题在实际系统里面的体现有各种各样的。所以我自己我一直有个观点，很多人不赞同，但是我有个观点，我觉得没有任何一个问题是个小问题，只有一些问题不深入。就是说对我来说就是说，fundamental（基础性的）的问题就这么多。然后这里面有一些 fundamental（基础性的）的问题，然后他在具体的这个系统的实践当中它的 reflection（体现）可能不太一样。有些问题看上去很大，有些问题看上去很小。但是这些问题如果你挖得足够深，它如果是个很难的问题，或者很重要的问题，它必定是会回归到一个非常 fundamental（基础性的）的 deep（深层的）的问题上面去。

徐天音（嘉宾） (00:51:24)

比如说很多 reliability（可靠性）的问题，它最后就是这几个最 fundamental（基础性的）的问题，怎么去 reason about concurrency（推理并发问题），对吧？怎么去 reason about asynchrony（推理异步问题）？然后怎么去 reason（推理） about（关于）一些 nondeterministic（非确定性的） behavior（行为）？如果你把这个问题解决了，那上层的问题全解决了。但是这些问题非常难。所以就是说你即使是个很小的问题，你也可以最后把这个问题做得很大。而且我其实是建议学生就是，一开始的时候去做一个比较具体的比较小一点的问题，而不要去就是我们说的 boiling the ocean（一开始就铺开过大的摊子）。你一开始摊子铺太大了，反而很难做。你把摊子你比较 focus（专注），然后有一个具体的问题，你反而比较好做。然后你希望能够挖得越深越好。

徐天音（嘉宾） (00:52:01)

但是可能你反正尽自己的最大努力吧，然后到哪一个层就是哪个层。然后你下面一个 project（项目），可以再去解决一些更 fundamental（基础性的）的问题嘛，对吧？这是第二个，这是第二你的第二个问题我觉得。然后第一个问题是，第一个问题是什么？

月球大叔（主持人） (00:52:13)

就是你怎么帮助学生找到这条，这个最重要的问题对吧？

徐天音（嘉宾） (00:52:16)

这个东西就是还是那句话，就看学生的兴趣了。然后有些学生他可能比较喜欢 theoretical（理论性的）的问题，或者他有些学生他非常喜欢 reasoning（推理）一类的东西。有些学生他非常喜欢 hacking（钻研与改造），他喜他的最大的强能力就是说能够把一个很复杂的东西 hacking（钻研与改造）得很清楚。这样的这个时候你根据他的兴趣，你就可以帮他去 map（映射）到一个比较现实当中比较重要的问题，然后去从那个问题开始着手去做这些问题。就包括我自己组里面有些学生他喜欢做 formal verification（形式化验证），对吧？formal verification（形式化验证）就是说你要去怎么定义 specification（规格），怎么去用正确的工具去写 proof（证明），然后最后这个整个系统可以被 formally（形式化地） verified（已验证）。然后有些有些学生他就比较喜欢 empirical（实证的）的方法。

徐天音（嘉宾） (00:52:57)

然后他可能包括我们自己就是，我自己读 PhD（博士）就是看很多 empirical（实证的） cases（案例），然后去想怎么去通过一些去想怎么去通过一些 automatic（自动化的）的方法，然后把这些问题都给解决。

操作系统课程与计算机教育

月球大叔（主持人） (00:53:07)

我喜欢第二种。然后你在 UIUC（伊利诺伊大学厄巴纳-香槟分校）的时候，承担了一些就是教操作系统课的那个责任吧就是你的操作系统课，我看在网上被学生就评成就是非常牛逼。

徐天音（嘉宾） (00:53:20)

没有没有没有没有。

月球大叔（主持人） (00:53:22)

就是说你是怎么教操作系统这门课程的，然后为什么学生这么喜欢这门课程？

徐天音（嘉宾） (00:53:29)

我觉得我也不知道为什么学生喜欢，可能我在课堂上讲了几个笑话吧，我觉得。

月球大叔（主持人） (00:53:34)

给大家讲一下吧。

徐天音（嘉宾） (00:53:35)

这个我就我觉得操作系统这门课的他其实教的不是操作系统，就对我来说。因为 UIUC（伊利诺伊大学厄巴纳-香槟分校）的操作系统课它其实把它分成了两个课。一个课叫 system programming（系统编程），然后它其实就是教操作系统里面所有的东西，但是除了内核的就是内核编程它不教。但其他所有东西包括 concurrency（并发），包括这些进程控制，memory（内存）控制都教，那些东西。这门课也非常好开的，是我一个同事叫 Lawrence Angrave（劳伦斯·安格雷夫）他 manage（管理）的，然后非常好。然后他可能他里面大作业可能就是说让你去写一个 malloc（内存分配函数），对吧？然后让你去写一个写一个 shell（命令行解释器）这些东西。然后他其实这门课已经分担了大部分的一些基础性的训练。然后后面一门课就是其实讲的就是 kernel programming（内核编程）。

徐天音（嘉宾） (00:54:18)

但是你如果看这个 taking（选修）kernel programming（内核编程）这个课的学生，我觉得每年 10% 不到的学生，甚至 5% 都不到我觉得。最后这个学生他毕业以后他会去比如说来湾区做一个 Linux developer（Linux 开发者）。就这样的人是 5%。95% 的人他最后毕业以后，他都不会去做一个 kernel developer（内核开发者）。他以后干的可能就是比如说 hacking（钻研与改造） Kubernetes（容器编排系统），或者去 build（构建）一些 AI infrastructure（人工智能基础设施），对吧？那对他来说，Linux kernel hacking（Linux 内核开发）到底教会了他什么呢？所以我觉得这个东西是，为什么这门课对他们是有价值的？他不是去完全的讲这一件事情。

徐天音（嘉宾） (00:54:56)

kernel hacking（内核开发）是一个载体，但是他得到的技能是怎么去 manage（管理）这个 complexity（复杂性）。因为在这门 OS（操作系统）课之前，基本上所有的课你比如说做大作业，你都是 building something from scratch（从零开始构建东西）。对吧你数据结构你写一个小数据结构，你算法课，你写个小算法。然后甚至是你之前的写个小 malloc（内存分配函数），写个小 shell（命令行解释器），它都是一个非常小的东西。但是我们那个课呢，你就是去 hacking（钻研与改造） Linux（开源操作系统内核）。那 Linux（开源操作系统内核）是一个非常复杂非常 dirty（杂乱的）的东西。那一个学生怎么一个一个一个学期其实是很难 hack（钻研与改造）明白的。那你在在这个过程当中，你怎么能够 make（做出） progress（进展）？

徐天音（嘉宾） (00:55:29)

其实这个 skill set（技能组合）在 company（公司）里面是很有用的。因为包括我自己到 Facebook（脸书）去，我面对一个巨大的 codebase（代码库），然后你让我一个月能够 make（做出） progress（进展），能够去 build（构建）一些东西，那我是需要去有一个能力去 abstract（摘要或抽象）很多东西，然后去 understand the complexity（理解复杂性），还能够去 make（做出） progress（进展），才能够去交流对吧？然后文档也没有，然后 code（代码）都特别 hacky（欠规范的）。然后这是 Linux（开源操作系统内核）里面都有的问题。当然 Linux（开源操作系统内核）的文档其实很好了。但是 device driver（设备驱动）一些东西，它其实并不那么并不那么优美的。

徐天音（嘉宾） (00:56:00)

然后我觉得就是说如果一个学生他在学完这门课以后，得到的这一个能够去有信心去面对，就像你刚才说的一个恶龙，或者说一个并不那么完美的世界，我觉得这是这个课教给他们最大的一个技能。所以我觉得教 OS（操作系统）是有意义的，倒不是说我要把这 100 个人都培养成 kernel hackers（内核开发者）。

月球大叔（主持人） (00:56:20)

我特别深有感触哈。就是毕业工作了三四年哈，我真的是越来越觉得，如果说你是一个计算机专业的本科生，这种 OS（操作系统），操作系统，网络系统课，就是要好好学。我现在最后悔的就是这些课程学的还不够扎实。等到因为你会发现，无论这个大数据 infra（基础设施）、cloud（云计算） infra（基础设施），甚至到现在的 AI（人工智能） infra（基础设施）怎么发展，它并没有逃脱这个原来的那个就是图形架构，包括这个计算存储网络，这些基本的一些思路但是呢。就是你如何让脑子里边就是把这些复杂的东西变得抽象，

徐天音（嘉宾） (00:56:58)

对。

月球大叔（主持人） (00:56:58)

就是变得清晰。在做一个问题的时候，拿到比如公司的一个大任务，甚至说创业的一个大任务，把它一步步抽丝剥茧成一个最小的单元，再把这些单元一步一步的叠起来。

徐天音（嘉宾） (00:57:10)

是的。

月球大叔（主持人） (00:57:11)

我发现是这些课程最大的意义。

徐天音（嘉宾） (00:57:13)

对我完全同意其实。

月球大叔（主持人） (00:57:15)

对我认为这些课程教的是工程思维，计算机工程思维。对它不会受外界的影响。你只要有了这种思维，无论 AI（人工智能）再怎么发展，你都能够在这个社会找到一个很高价值的工作。

徐天音（嘉宾） (00:57:31)

我其实同意您说的。

月球大叔（主持人） (00:57:32)

对就是现在有一些论点，就是说 CS（计算机科学）不要学了，CS（计算机科学）已经崩了。我不知道该怎么说哈。我认为可能是部分的一些就是说比较简单的那种 software engineer（软件工程师）开发，确实是需求量越来越小。但是整体来 build（构建）这种大的的这种工程的这种，我觉得 CS（计算机科学）这个学科还是不会消亡的。这个学科不会消亡的。

徐天音（嘉宾） (00:57:56)

对我不觉得它会消亡。因为我觉得这种大的 statement（论断）它都是一个比较，我很难 understand（理解）它背后的 argument（论据）是什么。我个人的确觉得 CS（计算机科学）的 job market（就业市场）没以前那么大了，因为 AI（人工智能）可以 take（承担）很多任务嘛，对吧？就以前可能非常简单的一些任务，你都得去雇一个 CS（计算机科学）的 undergraduate student（本科生）来做，那现在 AI（人工智能）可以帮你做了。所以我觉如果你如果我们担心的是说这个 market（市场）会 shrink（收缩），我觉得它是会 shrink（收缩）的。但是你说 OS（操作系统）会消亡，我觉得不可能被消亡。它还是一个，需要人去就像任何一个职业以后，它是需要人在里面去做的事情的。

月球大叔（主持人） (00:58:31)

对它整个这个目前的现代社会都是建立在巨大的这些那个 CS（计算机科学）系统之上的。

徐天音（嘉宾） (00:58:36)

对。

AI 能做哪些系统工作

月球大叔（主持人） (00:58:38)

那我们接下来就聊一聊 AI（人工智能）和这些系统的关系吧。就是你研究了十几年嘛，我看你的论文的主线其实比较对我来说很清晰，就是系统出了问题，怎么找到这种问题，怎么把它修好。reliability（可靠性）居多，fault tolerance（容错）居多。就是说现在有很多那种 AI（人工智能）就是说 SRE（站点可靠性工程），就是让 AI（人工智能）来 debug（调试）。

徐天音（嘉宾） (00:59:02)

对这个特别火现在对。

月球大叔（主持人） (00:59:04)

超级超级火。拿到融资也火然后在，

徐天音（嘉宾） (00:59:06)

是的。

月球大叔（主持人） (00:59:06)

在学术圈里的 paper（论文）也火。

徐天音（嘉宾） (00:59:08)

是这个是吗？我觉得在学术圈里面并不火。

月球大叔（主持人） (00:59:10)

不火吗？

徐天音（嘉宾） (00:59:11)

我不觉得火对。

月球大叔（主持人） (00:59:12)

那可能我们后来再聊。那就说你觉得这些 AI（人工智能）到底能够把这个就是说人的 SRE（站点可靠性工程）这些工作能干到什么程度，又干不到什么程度？边界在哪里？

徐天音（嘉宾） (00:59:21)

其实我觉得现在 AI（人工智能）的能力对吧？就现在那些 frontier model（前沿模型）的能力，比如说 Fable（Fable 模型），或者说那个 GPT-5.6（GPT-5.6 模型）那个 Soul（Soul 模型），对吧？那我觉得他们能力已经非常强了。就基本上我觉得任何 system task（系统任务），Siri（Siri 语音助手） task（任务）我不说，就是说我说任何 system task（系统任务），如果你把这件 task（任务）怎么做告诉 AI（人工智能），AI（人工智能）基本上是能够做出来的。所以我如果这个问题是 AI（人工智能）能不能做这些 task（任务），我觉得它肯定是能够做的。然后关键就是说你怎么去做，和这个成本是什么的问题我觉得。

徐天音（嘉宾） (00:59:52)

就是说如果我们能把这个成本降下来，对吧然后然后还有就是我们能够有一个比较 general（通用的）的方法能够告诉 AI（人工智能）怎么去做这些 task（任务），那我觉得 AI（人工智能）肯定是能把这些事情做好的。我不觉得 AI（人工智能）做不好就是说，而且我并并我甚至不觉得 AI（人工智能）缺了哪些能力去做这些事情。

月球大叔（主持人） (01:00:08)

那么人在这个里面担任的角色又是什么呢？

徐天音（嘉宾） (01:00:10)

我觉得人在这里面担任的可以担任的角色就是怎么去指导 AI（人工智能）做一些对的事情。就我自己一直有一个，我不知道是不是一个非常 stupid（愚蠢的）的想法。因为对我来说，AI（人工智能）它就是一个非常聪明的人。那就像公司里面，咱们假设你这个公司有无敌多的人，而且这些人都非常 hard-working（勤奋的），那还是需要你去告诉他去怎么去做正确的事情对吧？然后我觉得这时候这时候就是人的人的这个工作了。怎么去告诉一些 junior engineers（初级工程师），他可能是非常强的一个人，然后怎么去做这件事情。你的 trade-off（权衡）怎么想？然后你应该去怎么怎么 decompose（分解）这个 task（任务），然后一步步去做起来，然后把一些重复劳动的东西然后让 AI（人工智能）来做。

徐天音（嘉宾） (01:00:49)

但是我不觉得 AI（人工智能）就是至少现在的能力它，你直接给他一个非常 vague（模糊的）的一个 definition（定义）或者 specification（规格），他其实也可以做，但是他可能要迭代很多轮。但是他可能要迭代很多轮，就非常 costly（昂贵的）。

月球大叔（主持人） (01:01:00)

那这就引入另一个问题了。就是人光去指导这些 AI agent（人工智能智能体）了，然后让他完成一些工作了，而而且还是有经验的人，有品位的人。那么问题来了，那个刚毕业的学生怎么变成这样的人呢？就没有这个训练指导的过程了。

徐天音（嘉宾） (01:01:18)

就我觉得这个对于现在的比如说 CS（计算机科学）教育是一个很大的冲击，我觉得。

月球大叔（主持人） (01:01:24)

那我们畅想一下。那如何改变，然后能够帮助比如说现在的 CS（计算机科学）学生，能够拿到这些经验呢？

徐天音（嘉宾） (01:01:30)

我觉得就是现在学生他应该去通过 AI（人工智能）来进行一些学习和工作。我不我其实我并没有理解到为什么现在这些这个东西是很难学的因为，你原来就是说你原来的 senior engineer（资深工程师），你比如说你现原来积累到这些经验是通过一个比较 human-centric（以人为中心的）的 process（流程）来 learn（学习）的嘛？对吧然后你现在，他现在要做的事情是通通过指导 AI（人工智能）来做这件事情。那你作为一个 learning（学习）的 student（学生），那你就 practice（实践）这件事情呗。你就是通过 AI（人工智能）来 practice your learning（练习如何学习），然后包括通过 AI（人工智能）来 practice your research（练习如何研究）。那你自然而然就会得到达到这个这个程度嘛。

月球大叔（主持人） (01:02:08)

有两个问题。第一个问题就是因为你太 junior（初级的）了，你的一些品味和指导可能不太够。然后 AI（人工智能）的输出吧，可能告诉你一些并没有那么就是高质量和高水平的一些一些东西。这是第一个问题。第二个问题就是这种岗位越来越少了嘛。然后就是说原来的话都是人通过一些小的岗位慢慢慢慢走上去的，能够能够学到这个人与人之间交流能够提升自己。

徐天音（嘉宾） (01:02:34)

对。

月球大叔（主持人） (01:02:35)

那就这两个问题导致，

徐天音（嘉宾） (01:02:36)

就我觉得我觉得第一个问题就是我之前说的，就我觉得人人还是在这里面是一个非常重要的东西。我们不应该就是去畅想一个完全没有人的进行的行为。所以我觉得 advice（建议）这些东西，或者 mentorship（导师指导）这些东西是不会被 AI（人工智能）取代的。这是至少是我的观点。就是说你如果有这么一个成长环境，你用 AI（人工智能）还是能够达到一个非常好的 quality（质量）的。然后 market（市场）变小了是一个很现实的问题。然后但是这我不其实并不知道怎么去解决这个问题。

月球大叔（主持人） (01:03:05)

那我们大家一块来反思和讨论吧。就是让观众可以在弹幕里边和那个评论里边聊一聊。

徐天音（嘉宾） (01:03:11)

对。

SREGym 与真实故障的模拟

月球大叔（主持人） (01:03:11)

对那么你最近开始就是做一些 AI（人工智能）加系统的一些工作了吗？就是有一个工作我觉得我很喜欢的就是 AI SRE（人工智能站点可靠性工程）嘛。你们 build（构建）了一个 SREGym（站点可靠性工程智能体基准环境），就是 build（构建）了一个环境，然后来来让 AI（人工智能）去解决 reliability（可靠性）这个问题。就你们这个环境现在差不多有 102 个真实的 IT（它）操作场景。然后你们的整个 benchmark（基准测试）讲的是 agent（智能体）只能解决 11.4% 的问题。就是你的观察就是，它为什么只能解决这么少的问题？它到底缺什么，AI agent（人工智能智能体）？

徐天音（嘉宾） (01:03:48)

你那个结果应该是一年前的事情了，我觉得。

月球大叔（主持人） (01:03:51)

是。

徐天音（嘉宾） (01:03:52)

对然后首先第一点就是我觉得，就是这个工作是我学生做的。其实我的不是我最开始 initiate（发起）起来的，所以他不能够完全是认为是我的工作。一开始的 benchmark（基准测试），我觉得现在就现在 model（模型）的能力，我觉得已经把这些问题全攻克了。就如果你现在用最新的 model（模型）来跑一遍，我觉得他们应该是能够到 90% 了都快。

月球大叔（主持人） (01:04:13)

一一年就这么夸张？

徐天音（嘉宾） (01:04:14) †

一年就这么夸张对。然后我觉得 AI（人工智能）的能力，反正去年年底有一波大幅度的波动，就是，

月球大叔（主持人） (01:04:20) †

Fibonacci（斐波那契）。

徐天音（嘉宾） (01:04:21) †

不对。不是 4.4、4.6、4.8。

月球大叔（主持人） (01:04:23) †

对。

徐天音（嘉宾） (01:04:24)

去年年底我觉得就是去年年底跟今年年初，就是 25 年年底跟 26 年年初，我觉得这个有一个本质上的能力有个本质上的飞跃。然后还有就是今年，最近反正有一波新的 model（模型）出来嘛，我觉得他的能力又提高了。我觉得去年暑假的时候它的能力还是一般的。然后这个 work（工作）是其实是前年年底的时候做的应该是，所以那个时候的 AI（人工智能）能力没有那么强，然后有各种各样的问题。就是包括它的 reasoning（推理），hallucination（幻觉）特别高，然后它的 context（语境）也不是那么大，所以就它能力是很有限的。但是现在其实这些就是之前的那些 problems（问题）它 AI（人工智能）已经非常容易去攻克了。但这里面本质的一个问题就是，原来我们写的那些问题是非常简单的。

徐天音（嘉宾） (01:05:08)

因为我觉得 benchmark（基准测试） research（研究）的它的 practice（实践），就是说它是随着 AI（人工智能）的能力来逐渐地去 build（构建）这个 benchmark（基准测试）嘛，对吧？因为一个 benchmark（基准测试）一个好的 benchmark（基准测试）能够测到 AI（人工智能）的 boundary（能力边界）。所以当 AI（人工智能）能力很弱的时候，你如果搞一个巨难的 benchmark（基准测试），AI（人工智能）一一个都做不出来，那这个 benchmark（基准测试）其实也不好。然后当然了，如果一个 AI（人工智能）能力很强，你这个 benchmark（基准测试） 90% 都被 AI（人工智能）做出来，那这 benchmark（基准测试）基本上也有点废了。

徐天音（嘉宾） (01:05:31)

所以 benchmark（基准测试）最好就是说，你 30%40% 能够被 AI（人工智能）做出来，然后 60%AI（人工智能）做不出来，它能够 keep（保留） challenging（有挑战性的）这个 AI（人工智能）。现在就是其实我们这个 benchmark（基准测试）最大的一个 challenge（挑战）。然后一个很清晰的问题就是说，因为 benchmark（基准测试）本来就是个小的小的环境嘛对吧？就我们我们也只能有个小的环境。虽然我们这个 benchmark（基准测试）其实是可以有一些问题是一个比如说三个节点，5 个节点的一个一个系统，但是跟比如说跟 Meta（元宇宙平台公司）的这些 hyperscale（超大规模的） systems（系统）相比它还是非常不一样的。所以 AI（人工智能）在这些小环境里面很强，它究竟在这个巨大的环境里面强不强？那我觉得它不一定。然后但是你怎么去把一个小的环境去模拟一个巨大的复杂的环境？

徐天音（嘉宾） (01:06:11)

到底是怎么哪些东西是应该被在这个小环境里面被 simulate（模拟）出来？哪些东西你是可以去 abstract out（抽象掉）的？然后这是我们的一个比较关注的地方。然后这件事情其实挺难的，挺难的。

月球大叔（主持人） (01:06:23)

对。

徐天音（嘉宾） (01:06:23)

对因为，因为你从你从一个大的系统变成一个小的系统，你必定得扔掉一些东西。那你扔掉什么东西呢对吧？就是说你扔掉的东西如果很重要，那你这个这个小的小的 simulator（模拟器）就不管用了。但是你如果什么都想 keep（保留），那你 essentially（本质上）没法去把一个大的变成一个小的。但你小的又需要。因为你如果要做 RL（强化学习）的话，那你太复杂或者在线的话，你是做不起来的。所以我觉得这是 SRE（站点可靠性工程）的一个难点之一。然后 coding benchmark（编程基准测试）就没有这个问题，因为 coding benchmark（编程基准测试）是个 offline（离线）的东西。你就不断生成 code（代码）呗，对吧？然后去做对。

月球大叔（主持人） (01:06:53)

SRE（站点可靠性工程）的话就太实时了。就是说你解决了一个问题之后，它真能不能真正解决这个问题，fix（修复）线上的 bug（程序错误），然后拿到一个反馈。然后整个反馈的话，它不是 offline（离线）的，它是 online（在线）的。

徐天音（嘉宾） (01:07:05)

就所以我们现在想解决的问题就是这个 fidelity（保真度）的问题，对。

月球大叔（主持人） (01:07:08)

这个能具体解释一下吗？

徐天音（嘉宾） (01:07:10)

就是怎么去模拟一个具体的 production failures（生产环境故障）。比如我们最近，我们学校有一个 program（项目）就是一个 undergraduate research experience program（本科生科研体验项目），叫 REU（本科生科研体验项目） program（项目）。然后我们那个 program（项目），今年夏天我们就让那些 undergraduate students（本科生）他干的事呢，就是他去读一个 postmortem（故障复盘报告）。这个 postmortem（故障复盘报告）可能是那些 high-tech company（高科技公司）的，比如说 Cloudflare（云服务公司），或者怎么样。然后他们公布了一些 failure（故障）嘛，就是他们讲他们某一个时候然后有一个 failure（故障），然后他把这个详细的描述放在这个网上面。

徐天音（嘉宾） (01:07:37)

然后这个学生就根据他的描述去把这个 failure（故障），然后实现在这个小比较比较小的这个 simulated environment（模拟环境）里面，然后去测试 AI（人工智能）。然后我们发现，即使它这个小的环境并不能够完全代表这个大的环境，但是比之前您刚才提到的那些最最 basic failures（基础故障）对于 AI（人工智能）的 challenge（挑战）是完全不一样的。就是 AI（人工智能）其实没那么强，在这些比较仿真的 failure（故障）面前。

月球大叔（主持人） (01:08:02)

我听到了两点信息。第一点就是我觉得学生在这个过程当中确实能够获得很多锻炼。整个学校里边帮他去找到这些大公司的一些真实的问题，他可以提前的去上手。第二个点就是他在抽象成一个就是小的 simulator（模拟器）的过程当中，这个 simulator（模拟器）之后可以用于做 RL（强化学习）。

徐天音（嘉宾） (01:08:24)

对。

月球大叔（主持人） (01:08:25)

这个东西的话，现在这种 RL（强化学习） environment（环境）公司，simulator（模拟器）公司在硅谷可太火了。

徐天音（嘉宾） (01:08:30)

是吗？

月球大叔（主持人） (01:08:31)

对太火太火了。每一个 environment（环境）能够只要能够帮助这个模型真实的提高能力，之前的模型不能够解决这个问题，然后通过在上面训练之后解决了这样的一些问题，然后它就能够这个 environment（环境）就会卖得非常贵。

徐天音（嘉宾） (01:08:45)

I（我） see（明白）。

月球大叔（主持人） (01:08:46)

对这是在硅谷大家一个已经默认已经约定俗成的一件一件事情。对所以说的话之后接下来的话，接下来的话，SRE（站点可靠性工程）这个 environment（环境）会越来越多，会越来越多，我能感觉到就会越来越多。然后 AI（人工智能）需要通过这样的环境去学习，来不断的学习在真实世界当中解决工业级生产问题的一种能力。

徐天音（嘉宾） (01:09:07)

是的。

月球大叔（主持人） (01:09:08)

真好，感觉 UIUC（伊利诺伊大学厄巴纳-香槟分校）也已经走在了前面，开始培训学生了。

AI 如何帮助形式化建模

月球大叔（主持人） (01:09:14)

那下一个问题就是，在咱们这次访谈之前，你还发布了一个新的工作。那个工作我也很喜欢。就是说通过 agent（智能体）加上 formal methods（形式化方法）的方式，来帮助更好的测试。

徐天音（嘉宾） (01:09:25)

对。

月球大叔（主持人） (01:09:26)

能跟大家解释一下整个工作的大概的一个过程和原理吗？

徐天音（嘉宾） (01:09:30)

可以，我们其实做 model checking（模型检测）就是，model checking（模型检测）的本质是什么呢？model checking（模型检测）的本质就是你有一个非常 detailed（细致的）的 low-level code（低层代码），然后你要把这个 code（代码）写成一个 high-level abstraction（高层抽象）。然后这个 abstraction（抽象）是用一个 mathematical（数学的） language（语言）来描述的。这个 mathematical（数学的） language（语言）可以有各种，对吧？我们用的这个 language（语言）叫 TLA+（时序逻辑动作形式化语言），就是之前我提到的 Leslie Lamport（莱斯利·兰伯特）他写的。

徐天音（嘉宾） (01:09:53)

然后如果你能把这个系统用一个 formal language（形式化语言）来描述，那你就可以把这个东西那你就可以做很多 formal analysis（形式化分析），叫 formal reasoning（形式化推理）。你可以 reason（推理）这个系统的很多的性质。比如说 safety（安全性），safety（安全性）其实和 liveness（活性）。safety（安全性）就是显而易见地说坏的事情永远不会被发生。然后 liveness（活性）就是说好的事情它一定最后会发生的。然后但是你只要描述成一个 formal model（形式化模型），然后你就可以去 check（检查）这些 properties（性质）。但是这里面最难的地方就是你怎么去写一个非常 low（低的）-level（级别）系统的 high-level（高层的）描述呢，对吧？一个 abstraction（抽象）呢？

徐天音（嘉宾） (01:10:30)

那这件事情是很 intellectually challenging（在智力上很有挑战性）的。然后对于一个 PhD student（博士生）来说，这可能就是他四年的时间，四年的人生。如果在 AI（人工智能）之前，我们之前有一个 project（项目），然后有一个非常 talented（有才华的）的 student（学生），现在在 Microsoft Research（微软研究院）做研究员。他就是整整五年，他就干这件事情。为什么他要干五年时间呢就是，他一开始得去学这套 formal（形式化的）的东西，就 TLA+（时序逻辑动作形式化语言）这套 formal（形式化的）的东西，其实在所有的 undergrad（本科阶段）课程里面是没有教到的，对吧？课程里面是没有教到的对吧？你可能花一两年时间去把这套东西学懂了。然后你学懂了以后呢，你还要去写一个 specification（规格）。

徐天音（嘉宾） (01:11:03)

我们说 specification（规格）是一个非常 overloaded（含义过多的） term（术语）。其实他写一个 formal（形式化的）的 model（模型）和一些 invariants（不变量），invariants（不变量）就是这些性质。然后你要写这个你要把一个系统写一个好的 model（模型），你必须去非常 deep（深层的）地 understand（理解）这个系统，不然你是没法去 abstract（摘要或抽象）它的嘛，对吧？你得去 understand（理解）这个 system（系统） by（基于） heart（内心）。那对于系统系统研究员来说，这个系统必须是一个真实的系统。咱们就假设这个系统是，大叔你最喜欢的系统是什么？分布式系统。

月球大叔（主持人） (01:11:28)

最喜欢的分布式系统，那就是 Google（谷歌）那个 Borg（谷歌集群管理系统）吧，就是 Kubernetes（容器编排系统）吧。

徐天音（嘉宾） (01:11:32)

Kubernetes（容器编排系统），OK（好的）。我们当时一开始做的时候是 ZooKeeper（分布式协调服务）。ZooKeeper（分布式协调服务）是一个 consensus（共识） system（系统），它已经很复杂了。它有一个 consensus（共识） protocol（协议）叫 ZAB（原子广播协议）。然后就是这个学生呢他得去 understand（理解）所有 ZAB（原子广播协议）里面的 detail（细节），并且能够 understand（理解）ZooKeeper（分布式协调服务）是怎么 implement（实现） ZAB（原子广播协议）的。然后 understand（理解）了这些所有东西呢，他就可以去写一个 formal model（形式化模型）。

徐天音（嘉宾） (01:11:52)

然后他写完以后呢他，而且你的系统在变，你的 code（代码）在变，你明天又有一个新的 release（版本发布），你还得去跟进这个 code（代码）的 evolution（演进）去写不一样的 model（模型），对吧？这件事情是非常 costly（昂贵的），而且是非常需要 skill（技能）的。所以就是那个学生叫瑞泽。瑞泽就是花了 4 年四五年时间去写了这些所有的东西。然后写完以后呢，你就可以 plug（接入） in（在）所有 formal（形式化的）的那些非常美好的 tools（工具），然后让他们能够去转，然后呢发现这里面的这里面的问题。你可以做 model checking（模型检测），你也可以做 proof（证明）。proof（证明）是一个更强的 guarantee（保证）。但是这件事情就是得做 5 年，而且我们 5 年就做了一个系统。但是我们做了这一个系统以后呢，就是我们解决了很多这个系统里面很多年都没有解决的问题。

徐天音（嘉宾） (01:12:30)

对吧就有一些有一，我记得 ZooKeeper（分布式协调服务）里面有一个问题，然后那个问题好多很多人都去研究过了，然后非常复杂。但是通过 formal reasoning（形式化推理），它可以清晰地告诉你到底是怎么回事。然后但是它太贵了，它需要一个 PhD（博士）花五年时间去做这件事情。然后但是现在有了 AI（人工智能）以后，它就变成了一个五个小时的工作，就真的。

月球大叔（主持人） (01:12:49)

这么夸张吗？

徐天音（嘉宾） (01:12:50)

变成了 5 个小时。就 5 年变成了 5 一个 5 个小时的工作。因为 AI（人工智能）它不需要去学这个所有的 formal specifications（形式化规格），它已经 learn（学习）了。现在 frontier model（前沿模型）写 TLA+（时序逻辑动作形式化语言）它写得很好，它就像写一个 C（C 语言）语言或者写一个 Python（Python 编程语言）语言一样，写得非常溜对吧？而且 AI（人工智能）对系统的 understanding（理解）其实是很深的，因为它已经 learn（学习）了所有的 source code（源代码）之类的。你再把 code（代码）给它一下，它就立马能够 learn（学习）到。所以这些时间全被 AI（人工智能）自动化，自动就是说 naturally（自然地）已经知道了。然后唯一一件事情就是说没解决的，就是以前比较 intellectual（智力层面的）的事情。

徐天音（嘉宾） (01:13:22)

就是你在 model（模型）这个 system（系统）的时候，它最难的一点就是说你怎么去 model（模型）呢？因为你如果还是那句话，你想 keep（保留）所有的东西，那你最后这个 model（模型）就写不出来了。因为它你什么东西都想要嘛，你这个 model（模型）就变得足够大，然后你就没办法去能够做一些形式化的事情了。但你如果这个 model（模型）太简单了，那你也发现不了任何问题。那什么样的东西应该被 model（模型）？什么样的东西不应该被 model（模型）？这个以前就是靠老师傅的经验了，或者靠一个非常 talented（有才华的）的 PhD student（博士生），他的 intuition（直觉），他的 intelligence（智能）了。那我们现在就把这块东西交给 AI（人工智能）了。我们说 AI（人工智能）你还是挺聪明的，然后你能不能帮我们去去把这个这个这件事情自己 figure out（想明白）？

徐天音（嘉宾） (01:13:57)

然后我们 figure out（想明白）这件事情的方法呢，因为一个成熟的 open-source（开源的） project（项目）它都经历了很多年了，所以它其实知道哪些地方很 tricky（棘手的），哪些地方其实不太会出现问题对吧？然后这个其实就是我们 human intuition（人的直觉）出来的时候嘛。很容易出错，所以我要把它 model（模型）得细致一点。然后另外一个地方我觉得没什么大问题，所以我就不 model（模型）它了。所以我们原来是写这个 model（模型）。然后我们现在就告诉 AI（人工智能）说，就是在根根据你的经验，这样的 code（代码）非常难，非常 error-prone（容易出错的），然后非常容易出问题，你就去把它 model（模型）得精细一点。那个地方可能历史上从来没有人出出现过问题，那你就不要去 model（模型）它，你就把它 abstract out（抽象掉）。然后 AI（人工智能）其实这件事情也做得很好。

徐天音（嘉宾） (01:14:38)

所以 run（运行）了一下以后，就是说 AI（人工智能）其实能够去写一个很好的 model（模型），而且这个 model（模型）能够跟你的 interpretation（理解）去 conform（相符合）。当你这套东西都弄成熟了以后，那后面的事情就交给以前的 formal methods（形式化方法）了。就是说你想做 model checking（模型检测）或者你想做 proof（证明）都可以。当然了，这里面主要的一个 challenge（挑战）就是说还是那句话，就是 AI（人工智能）它不是人。它会去做 reward hacking（奖励投机）。它经常去写一个 model（模型），这个 model（模型）看上去很好，但是不是你想要的。

徐天音（嘉宾） (01:15:03)

然后这时候你就得去想一个办法去指导 AI（人工智能），或者甚至是去 force（强制） AI（人工智能）不要去做这样的 reward hacking（奖励投机），然后能够去一步一步的帮助 AI（人工智能）去 understand（理解）这个 system（系统），然后能够去把这件事情做起来。然后这件事情基本上对于一些 open-source distributed system（开源分布式系统）的 project（项目），它就是 5 个小时的时时间了现在。

月球大叔（主持人） (01:15:22)

这个我听出来很多东西。第一个就是，对于这个领域来说，这个生产力提高了这么夸张吗？从 5 年变成了 5 个小时。

徐天音（嘉宾） (01:15:29)

是的。所以现在 AI for formal methods（面向形式化方法的人工智能）是个非常火的领域。就是以前的 formal methods（形式化方法）就是说这一套东西其实一直有了。所以我一直觉得就是做 fundamental research（基础研究）是非常有意义的，因为，为什么我们能加速到这个？是因为前人都给我们 paved（铺好了） the（这个） way（方式）嘛，就已经把路都铺好了。只是原来它一直在 industry（工业界）没有大规模生产的原因就在于它太贵了。它需要非常强的 talent（人才），然后能够又非常昂贵。然后在硅谷这么一个 moving（快速行动） fast（快速地） and（和）breaking（失效） things（事情）的 culture（文化）里面，他是不成立的对吧？然后其实在 NASA（美国国家航空航天局）就成立。

徐天音（嘉宾） (01:15:59)

NASA（美国国家航空航天局）一直是 verify（验证）他们的东西的，因为你把一个火箭扔到 Mars（火星）上面去，出错了特别昂贵。然后他们都不写 multithreaded（多线程的） code（代码），因为 concurrency（并发）太 hard（努力）了。他们每次都是写一个 single-threaded（单线程的） code（代码），然后 formally（形式化地） verify（验证），然后放到 NASA（美国国家航空航天局）的 Pathfinder（探路者号）上面，到火星上面去。但这套东西在硅谷不成立，因为大家竞争那么激烈，你 code（代码）写那么快，对吧，但是？一旦 AI（人工智能）把这套东西自动化了，那它就成立了。所以现在大量的 AI（人工智能） for（用于）science（科学）公司就冒出来了。

证明的成本与规格的边界

月球大叔（主持人） (01:16:27)

太夸张了。就能不能跟最普通的观众解释一下，这个东西对于大公司，对于各种公司到底有什么意义？

徐天音（嘉宾） (01:16:34)

它就是能够帮你去解决一些非常就是通过人人人脑去做 reasoning（推理）没办法去做的一些事情。你现在可以去用一些 mathematical（数学的） tool（工具），然后来帮助你去验证，或者说是 check（检查），你这个系统里面的一些 behavior（行为）。

月球大叔（主持人） (01:16:52)

就是这个东西平常通过 debug（调试），反复试错的方式查不到吗？

徐天音（嘉宾） (01:16:56)

debug（调试）是以一个 reactive（被动响应式的） approach（方法），就是你出了问题才会 debug（调试），对吧？但是我们的 dream（理想）就是说这个问题永远不会出现。就是我们假设我们能够去 completely（完全地） formally（形式化地） verify（验证）一个系统，那你就根本不会出问题。因为如果你 verify（验证）了，就说明你不会有这个问题。我用数学证明了这个系统不会有一个你想要你 target（针对）的一个问题。

月球大叔（主持人） (01:17:20)

那之前的话我能理解，就是说对于很多公司来说投入产出比不成正比，太太耗时间了。

徐天音（嘉宾） (01:17:27)

是的。

月球大叔（主持人） (01:17:27)

你还不如不断的试错。

徐天音（嘉宾） (01:17:28)

对。

月球大叔（主持人） (01:17:29)

对吧你把系统上线了再说，然后每天那个，

徐天音（嘉宾） (01:17:32)

或者你买买保险嘛，你去买个保险就行了。

月球大叔（主持人） (01:17:34)

对。

徐天音（嘉宾） (01:17:35)

如果这个问题它 10 年出一次，你就去买个大保险。万一它出了，你找保险公司赔付嘛。

月球大叔（主持人） (01:17:39)

对。

徐天音（嘉宾） (01:17:39)

但现在你不用买保险了。你直接可以这个 formal proof（形式化证明）可以告诉你，我 10 年我保证你不会，你 100 年你也不会出这个错。那你就不用买保险，你也开开心心地在那 run（运行）。

月球大叔（主持人） (01:17:48)

我之前有一个同事他曾经帮过一些公司在做这个东西，就是比如说帮助那种大型的云计算厂商。

徐天音（嘉宾） (01:17:55)

对。

月球大叔（主持人） (01:17:55)

他每次挂一下，非常昂贵。对吧那种 EC2（亚马逊弹性云计算服务）挂一下，整个美国一半上不了网了，就是说那个服务全挂了。对他们就不得不养一支团队来专门做这件事情。

徐天音（嘉宾） (01:18:05)

做这件事情，以前在 AI（人工智能）时代之前最热衷的是就是这现在还是最热衷的就是，Microsoft（微软），因为他们有 Azure（微软云平台），他们的 reliability（可靠性）很重要。还有就是 AWS（亚马逊云服务）。

月球大叔（主持人） (01:18:15)

AWS（亚马逊云服务）是对。基本上就这两家公司，是在养着团队。

徐天音（嘉宾） (01:18:18)

是的。但是有了 AI（人工智能）以后，我觉得这个 barrier（门槛）就变得非常 low（低的）了。然后很多人都可以去做这件事情。

月球大叔（主持人） (01:18:26)

那你觉得成本会怎么样呢？会需要消耗多少 token（令牌）？就是说这种产生这些东西的和到最后产生的价值？

徐天音（嘉宾） (01:18:33)

这里面的问题就比较 technical（技术性的），因为看你想做到什么样了。就是我觉得如果你想做完全的 proof（证明），它还至少现在还是很贵的。就是瑞泽之前，我们不是做那个 TLAPS（TLA+证明系统）的东西嘛。就是说他因为他之前写他之前写了这个东西写了五年，然后他现在想让 AI（人工智能）来写这个 proof（证明）。然后他就 run（运行）了一个就是 ZooKeeper（分布式协调服务）的 system spec（系统规格）。system spec（系统规格）是一个描述系统的 specification（规格），它不是一个描述 protocol（协议）的 specification（规格），所以它是比较 low-level（低层的）的。然后他当时 run（运行）了一下，然后花了 2,000 刀，run（运行）了 5 天。那如果这个我觉得还是一个比较昂贵的昂贵的事情。

徐天音（嘉宾） (01:19:07)

但是所以我们当时选择做这个 project（项目）的时候，我们没有去选择做 proof（证明），我们选择做 model checking（模型检测）。然后 model checking（模型检测）是一个比较便宜的，而且你能够立马就能够得到这个反馈的一个东西。我觉得我们当时想做一个 tool（工具），所以我觉得这样的一个 tool（工具）更实用，比做 proof（证明）更实用一些，或者更更更 practical（实用的）一点，至少在现在这个这个当下。但是我们也想去做一些 proof（证明），为未来去做一些 investment（投入）。

月球大叔（主持人） (01:19:30)

那我再进一步的理解的话，就是现在的话，很多公司在开发自己的系统的过程当中，就可以着手加这个东西了。

徐天音（嘉宾） (01:19:39)

完全可以。

月球大叔（主持人） (01:19:39)

就是边开发，边用这套系统。

徐天音（嘉宾） (01:19:42)

是的。

月球大叔（主持人） (01:19:42)

去不断的验证。

徐天音（嘉宾） (01:19:43)

是的。

月球大叔（主持人） (01:19:44)

这样的话每一步他都是不出问题的。

徐天音（嘉宾） (01:19:45)

是的。

月球大叔（主持人） (01:19:46)

就是因为我们都做系统都知道嘛，过早优化是万恶之源。

徐天音（嘉宾） (01:19:50)

对。

月球大叔（主持人） (01:19:50)

对但是你在你在做系统的过程当中，就在最简单的 MVP（最小可行产品）过程当中就开始应用它。然后每加一个东西，对的加进去，再每加一个东西，看起来会是一个很美好的一个光景哈。

徐天音（嘉宾） (01:20:02)

是的。

月球大叔（主持人） (01:20:03)

尤其是现在 AI agent（人工智能智能体）在没人的照看之下，即使有人的照看，你现在你都不看他代码了，很多人都对吧？直接一把梭。我说一个需求，光出来一个软件。

徐天音（嘉宾） (01:20:12)

对。

月球大叔（主持人） (01:20:13)

如果说在这种情况之下，我们能够提供一种服务，能够帮助这些各种人写的乱七八糟的这些 AI（人工智能）系统去校验，在上线之前做校验，那看起来能够避免很多问题。

徐天音（嘉宾） (01:20:27)

是。我觉得现在大家都提的一个概念叫 SDD（规格驱动开发），叫 specification-driven development（规格驱动开发）。

月球大叔（主持人） (01:20:32)

对。

徐天音（嘉宾） (01:20:33)

就是说你先把 formal specification（形式化规格）写好，然后你每次让 AI（人工智能）写东西，你都能够 prove（证明）它或者 verify（验证）它。你写出来的 code（代码）跟你的 spec（规格）是 satisfied（相符合）。那这样的话你不管 AI（人工智能）怎么搞，你最后产生的这个东西都能够被 verified（已验证）。所以如果是能够这样的话，我觉得它可以减少很多 AI（人工智能）的问题我觉得。

月球大叔（主持人） (01:20:51)

无论是从学术还是从创业角度，这都是一个很好的 idea（想法）。

徐天音（嘉宾） (01:20:55)

对，我觉得现在 AI for formal methods（面向形式化方法的人工智能）有很多 startup（初创公司）在做，就是看你的 anchor（切入点） point（要点）是什么，对。

月球大叔（主持人） (01:21:02)

给现在的这种 AI agent（人工智能智能体）然后 build（构建）的系统，做各种各样的 formal methods（形式化方法）。

徐天音（嘉宾） (01:21:10)

对。

月球大叔（主持人） (01:21:11)

去 verify（验证）它，去 prove（证明）它。我发现确实要跟大家不断地去交流哈。你像我这种从来没有做过这件事情的人，就对这个很空白。刚才你已经用可能用最朴实的语言给大家讲了。虽然我还有很多东西不明白，但是能够感知到这个东西现在可行了。

徐天音（嘉宾） (01:21:27)

对他但是我想指出来的就是，现在我觉得怎么说呢，就是说其中一个很难的问题，你可以看到现在有两个声音对吧？就现在比如说现在所有的做 reliability（可靠性）有两个声音。第一个声音就是说现在 AI（人工智能）时代你用 AI（人工智能）做系统，最大的一个问题就是 reliability（可靠性）跟 security（安全性）。

月球大叔（主持人） (01:21:43)

是的。

徐天音（嘉宾） (01:21:43)

你没法去保证它，而且你特别慌，你特别慌这件事情。

月球大叔（主持人） (01:21:47)

太慌了。

徐天音（嘉宾） (01:21:48)

对然后但是还有一个声音，就是说现在系统都能够去被 formally（形式化地） verified（已验证），然后这件事情都现在已经开始一键生成了。5 年的时间变成了 5 个小时的时间，或者 5 分钟的时间。那为什么这里有个巨大的鸿沟呢？在这里就如果第一个事情成立，第二个事情应该不成立。

月球大叔（主持人） (01:22:02)

为什么呢？

徐天音（嘉宾） (01:22:03)

就原因就在于，即使你能够 formally（形式化地） verify（验证），它只是告诉你你的系统 code（代码）跟你需要的 specification（规格）是一致的。它其实就干了这件事情。但是我觉得还是一个很难的问题，就是你需要一个什么样的系统？你的需求是什么？你要什么样的 specification（规格）？这个事情我觉得很难解决，就完全靠 AI（人工智能）来做很难解决。然后是需要去有经验的人来来来做这件事情的。

月球大叔（主持人） (01:22:30)

就是高层需要有一个人来指导完成这个 specification（规格）。

徐天音（嘉宾） (01:22:33)

对甚至这件事情是挺难的，因为你有时候你一开始要这个系统，你自己也想不透你到底要一个什么样的系统对吧？

月球大叔（主持人） (01:22:40)

对。

徐天音（嘉宾） (01:22:40)

你可能你一开始定这个系统说我的，就在这个 formal specification（形式化规格）里面有一个叫 fault model（故障模型），就是说你 envision（设想）就是说你的 faults（故障）会长什么样，然后你就可以 build（构建）一套 fault-tolerant（容错的）的系统。那可能明天第二天你发现，你的 infrastructure（基础设施）里面有一些不被你的 fault model（故障模型）描述的其他 faults（故障），那怎么办呢？所以就是定义这个 specification（规格）其实还是并不那么容易我觉得。

月球大叔（主持人） (01:23:03)

太难了太难了。

徐天音（嘉宾） (01:23:04)

对。

系统出错后如何恢复，以及如何应对智能体的错误

月球大叔（主持人） (01:23:04)

那你整个的职业生涯的前半段就是在设计这些 reliability（可靠性）那个操那个操作系统，让人不容易犯错，是更好的去帮人去解决这些系统的问题。现在能够看到你开始逐步的设计一些就是和 agent（智能体）联系起来，就是能够让 agent（智能体）也好，让各种 AI（人工智能）工具也好，帮助人去做这些维修，以及建立更好的 agent-native（智能体原生）的一些系统。

徐天音（嘉宾） (01:23:31)

哼哼。

月球大叔（主持人） (01:23:32)

那你最终的一个比如说理想是什么？就是说你最终可能达不到哈，你希望计算机操作系统会变成怎样的一个状态？

徐天音（嘉宾） (01:23:43)

这个问题挺 deep（深层的）的。我觉得还是一个就是从 reliability（可靠性）角度出发吧。就是一个 reliable（可靠的）的系统，这个系统可能未来它的用户至少 80% 是 agents（智能体）。然后 agents（智能体）也不是完美的，它会犯错误对吧？然后它有可能会 hallucinate（产生幻觉），然后它有可能不不着调。然后你这个系统怎么能够去就是 tolerate（容忍）tolerate（容忍）这些东西，并且能够给一些 feedback（反馈）？因为 agent（智能体）也是个很聪明的东西，你只要给它 feedback（反馈），它第二轮它就会做的比较好。然后这里面我觉得有很多很多的系统问题必须被解决。不解决的话，这个系统是成不了这样的一个系统的。

月球大叔（主持人） (01:24:20)

我也是深有同感。就感觉这个系统在未来特别的美好。但是你真细想的话中间，多少困难？就是需要多少 PhD（博士）多少就是系统的那种工程师去一点一点去抠出来。感觉有点曼哈顿工程的感觉。

徐天音（嘉宾） (01:24:36)

我其实我觉得很多 principles（原则）都已经在那儿了。然后就我不知道你知不知道有个 project（项目）叫 ROC（面向恢复的计算），叫 recovery-oriented computing（面向恢复的计算）。

月球大叔（主持人） (01:24:45)

不知道。

徐天音（嘉宾） (01:24:46)

它是 2000 年左右，David Patterson（戴维·帕特森）是伯克利的一个 professor（教授），他后来得了图灵奖，因为做那个 RISC-V（精简指令集架构）。

月球大叔（主持人） (01:24:53)

RISC-V（精简指令集架构），对。

徐天音（嘉宾） (01:24:54)

他当时领导的这个 project（项目）叫 ROC（面向恢复的计算），叫 recovery-oriented computing（面向恢复的计算）。然后他当时大的 headline（核心口号）就是说他说，因为 computer（计算机） system（系统）必须会挂嘛。就是说如果你你把所有的钱全投入在——即使你把所有的钱全投入在 testing（测试）或者 formal verification（形式化验证）上面，这个系统还是会挂。所以他说我们应该把至少很多的钱投入在怎么做 recovery（恢复）这件事情上面。我们不应该去 assume（假设）说一个系统永远是 reliable（可靠的）的，反而是应该去思考当一个系统不 reliable（可靠的）的时候，你能够怎么办？然后我们能不能把这个系统把它构架成一个，即使它挂了，它也能够快速 recovery（恢复）回来的一个系统？这就是他们的一个大 project（项目）。

徐天音（嘉宾） (01:25:33)

那是一个 Stanford（斯坦福大学）跟 Berkeley（伯克利）的 collaboration（合作） project（项目）。他当时从 NSF（美国国家科学基金会）拿了很多钱。然后他当时有很多 idea（想法），这些 idea（想法）在当时都没有被实现。然后第一个 idea（想法）就是说，我一个很好的系统，那我如果，他当时就是，他其实是一个面向人的。他当时就是说他去观察了一下 industry（工业界）的系统，他其实有特别有意思。他问这个系统那个故障出故障到底是硬件不好呢还是，网络不好呢，还是人人的人的问题呢对吧？然后一般大家做 fault-tolerant system（容错系统），我们的脑子里面想的都是，肯定是硬件又出故障了，或者这个机器又挂了，或者英特尔这个 core（处理器核心）又 bit-flip（发生位翻转）了，或者怎么样的。

徐天音（嘉宾） (01:26:09)

但是当他们去自己做了一套调研以后，他发现故障率最高的是因为人的操作的问题，就是 operator（操作人员）的问题。因为一个系统是要通过人操作的，然后系统又很复杂，然后所以人经常犯很多错误，然后这是其实最大的原因导致这个系统挂掉。然后这个被吉姆格雷，吉姆格雷后来也得了图灵奖。他写了一篇 seminal paper（奠基性论文）。他当时有一个公司嘛，在硅谷叫 Tandem Systems（天腾电脑系统公司），那个 product line（产品线）叫 NonStop system（NonStop 不间断系统）。就他那个公司想做的这个 system（系统）就是一个非常鲁棒的 nonstop system（NonStop 不间断系统），它名字就叫这个。然后后来他自己去研究了一下，他把所有的他把很多的精力全花在怎么去做 reliability（可靠性）什么的，但那系统还是会挂。

徐天音（嘉宾） (01:26:46)

所以他就写了一篇 paper（论文），做了一个 empirical study（实证研究）。然后他就说，这么一个公司，它的 selling point（卖点）就是 reliability（可靠性），那最后我们在那个卖给用户的时候，它挂了它到底是什么原因？然后他发现了同样的问题，就是它最大的原因就是人的操作上的问题。它不是硬件，硬件挂这个系统，软件已经能够去容错了对吧？然后 David Patterson（戴维·帕特森）反正就把这件事情推进了一步。然后他就是说那我们我们不能够去 assume（假设）用户不要犯错。我们应该 assume（假设）就是说我们这个，系统当挂了以后该怎么办？然后他有两个非常 cute（巧妙的）的 idea（想法）。一个 idea（想法）叫 system-wide undo（系统级撤销）。就是说如果这个人他 make（做出）了一个 failed（失败的）的操作，那我怎么能够把这件事情 undo（撤销）回来呢？我重做一下对吧？

徐天音（嘉宾） (01:27:23)

因为人会犯错误嘛，那人错了就我重重新重新再做一次。就像我第一次申请 PhD（博士）失败了，那我再重新申请一下。但是他觉得这个系统必须能够 allow（允许）你做这个。就如果这个系统不让你做这个，你先失败了一下，你怎么能够做 undo（撤销）呢？因为其实这件事情是很难的，因为没有一个系统 support（支持）。你比如说发一个邮件，你已经发出去了，那你怎么去 undo（撤销）这件事情呢，对吧？所以它必须有一个很系统化的机制来保证你能够去做这个 undo（撤销）。然后他们当时有一个 paper（论文）。而且这件事情是很难去 generalize（推广），所以他们做了一个特例。他们做了一个 email server（电子邮件服务器）。他们觉得 email server（电子邮件服务器）是一个很难的事情，因为发 email（电子邮件）或者怎么样，这些这些东西是很难回滚的。

徐天音（嘉宾） (01:27:58)

所以他们就说我们就针对一个比较难的问题，我们做一个可以 undo（撤销）的 email server（电子邮件服务器）。然后他们有 3 个，也不知道 5 个 principles（原则）。然后这是他们当时的一个 paper（论文），发在 USENIX ATC（USENIX 年度技术会议）上面的。他们的一个 cute（巧妙的） idea（想法）。另外一个 cute（巧妙的） idea（想法）叫 microreboot（微重启）。然后他当他当时说的就是，我们在系统就是有问题的时候，我们最常规做的一个操作是什么重启？我们其实很少，比如说我们蓝屏了，很少时候说我蓝屏了以后我要去知道这个 bug（程序错误）在哪里。直接重启，然后又又又可以恢复，那我们继续工作嘛对吧？所以 70% 的 recovery mechanism（恢复机制）都是 reboot（重启）。但是 reboot（重启）很在工业界系统里面是很昂贵的。

徐天音（嘉宾） (01:28:33)

因为你有 cache（缓存），那些东西，TLB（地址转换后备缓冲器）之类的东西，对吧？你就 reboot（重启）了一下，你所有的 state（状态）全丢了。所以这个东西很昂贵。但是它却是一个非常有效的方法。那怎么办呢？那我能不能把这个系统构建成一个你不用全局 reboot（重启），然后能够 microreboot（微重启）的系统？就是你只要去 reboot（重启）那一个组件，而不要去 reboot（重启）整个 memory（内存）或者怎么样。这是他们当时的一个 idea（想法）。他们当时也做了一个案例，也很难去 generalize（推广），就做了个案例。但这件事情其实已经被现在的一些范式实现了。就比如说我们现在说的那个什么 microservice（微服务）或者 serverless（无服务器架构），它就可以 microreboot（微重启）。

徐天音（嘉宾） (01:29:06)

它可以去 reboot（重启）一个 microservice（微服务），或者 reboot（重启）一个 service（服务）。service（服务）本来就一直在那 reboot（重启）嘛，对吧？所以这个东西已经在那了我觉得。所以我觉得 agent（智能体）的时代，你就可以把那些经典的 principles（原则）拿过来，然后拿来主义嘛对吧？然后想一想哪些东西其实是非常好的东西，然后能够用在能够去帮助 agent（智能体）的。然后哪些东西可能并不需要了。然后你就去不用去那么重视这些 property（性质）。然后你就可以做一个非常好的、为 agent（智能体）设计的就是说一个系统。

月球大叔（主持人） (01:29:32)

我的天呐！感觉就是还是要和俊成老师说的一样，要多读计算机的那种发展史。就你从发展史当中，你一定可以找到一些非常好的人类的智慧。

徐天音（嘉宾） (01:29:44)

是的。

月球大叔（主持人） (01:29:45)

在这个新的时代应用这些智慧，就是反倒能取得很不错的效果。就刚才你在说这个东西的时候，undo（撤销）这件事情，妈设计一个系统，这个系统是 agent（智能体）用的，然后每个 agent（智能体）的操作全部都可以 undo（撤销）。多么漂亮的一套系统！

徐天音（嘉宾） (01:29:59)

是的。我觉得这完全是可以实现的。这是不并不是一个理论上多难的事情。只是有没有人愿意去，我觉得现在 AI（人工智能）系统的一个很大的 challenge（挑战），就是说它发展太快了对吧？就说很少有人愿意说我潜心下来花一年两年时间去做一个系统。那我觉得这是一个 challenge（挑战）。就是说如果你 AI（人工智能）的能力一直在变，或者说你很多的范式一直在变，那你的确是就是说你怎么去快速的做一套系统出来，然后能够想清楚，然后能够用，让未来的 agent（智能体）范式也能够用。我觉得这是个 challenge（挑战），这是个现实的 challenge（挑战）。

月球大叔（主持人） (01:30:34)

而且之前的时候大家能感觉到 Claude（Claude 人工智能模型）在升级完之后反倒变得有些地方变得不太好用。就是但是因为它这是一个训练过程嘛，你是加数据然后踢数据的一个过程。如果说这套系统应用在这里边，你可以 undo（撤销），对吧？你不用重训练，你可以 undo（撤销） something（某件事），对吧？每一次训练都好几亿美金。这也是，无论从大的 AI（人工智能）训练系统层面，还是在小的 AI（人工智能） application（应用）层面，这些智慧都看起来好好用。

徐天音（嘉宾） (01:31:04)

是的。

月球大叔（主持人） (01:31:04)

但就是比较难，这东西需要潜心修炼。

徐天音（嘉宾） (01:31:06)

我觉得现在是个非常好的机会因为，在过去比如说二三十年之前，就是 reliability（可靠性）和 security（安全性）一直不是一个 first-class principle（一等原则），对吧，因为 reliability（可靠性）跟 security（安全性）不赚钱。就是 performance（性能）赚钱，性能赚钱。就是所有基本上所有的人 build（构建）系统它都是靠第一件事情就是性能，你把性能提上去。或者 feature（功能），feature（功能）跟 performance（性能）这两件事情是赚钱的。reliability（可靠性）呢，就是说或者 security（安全性），你就是担心他不要丢钱。所以你其实可以通过很多其他的方法来来实现，包括就刚我刚才说的买买保险，你买买个保险，或者说你写很多 test cases（测试用例）。虽然 test cases（测试用例）从来不完备嘛，但是你至少有很多 confidence（信心）。

徐天音（嘉宾） (01:31:48)

所以你让一个公司去投很多成本在 security（安全性）跟 reliability（可靠性）上面，很多公司是不愿意投的。但是我觉得 agent（智能体）把这件事情掰过来了。因为有了你如果让 agent（智能体）来主导做很多事情，包括写 code（代码），那 reliability（可靠性）、security（安全性）就是最大的一个问题。它都不是一个你可以去 scale（扩展）test cases（测试用例）能够解决的问题。所以我觉得这是一个很好的机遇。然后 researcher（研究者）可以去抓住，特别是 reliability（可靠性）、security（安全性） researcher（研究者）可以抓住，然后得到很多资源，然后去做一些更有意义的事情的。

月球大叔（主持人） (01:32:17)

那实际上是这样的。你现在每个公司的那种掌握资源的人也都发现了，让 agent（智能体）去做一些提高上限的事情不那么困难。反倒是如何不断的反倒是如何信任这个 agent（智能体）变得很慌，就大家都很慌。包括你现在用一些 AI agent（人工智能智能体）的时候，你会发现一些高价值的跟钱有关，跟那些填表有关，跟个人信息有关的时候，你让它去做，它那个官方就说不建议你你去做这件事情，因为不想承担这种责任嘛。那如果说有人能够帮助去解决这种安全性问题，产生的那套系统带给大家的价值不可估量。

徐天音（嘉宾） (01:32:52)

但我觉得这就是现在比如说最火的几个 topic（话题）之一嘛，就是 trustworthy AI（可信人工智能）之类的，对。

在伯克利的学术休假

月球大叔（主持人） (01:32:58)

是这样的。那么最近的话，你也来到了这个湾区嘛，来到 UC Berkeley（加州大学伯克利分校）去做访问。这是一个怎样的考虑呢？

徐天音（嘉宾） (01:33:06)

这个其实没什么考虑。因为我这个人不是一个计划特别多的人。就我其实从来不计划 5 年以后的事情，或者 3 年以后的事情。我最多计划计划这一年要干些什么事儿，非常粗浅的一些一些计划所以就。因为因为我本 sabbatical（学术休假）是个学术休假。就是美国的大学它有一个机制，就是你工作了一般是 6 年以后，你有一个一年的时时间的学术休一个学年的学术休假。然后它的这个本质上的意义就是说，因为每个学校都有很多 limitations（局限）嘛，都有很多 biases（偏见）。你在一个地方呆久了，有可能你就你就很难去 thinking outside the box（跳出固有思维），对吧？因为你把所有东西都 take for granted（视为理所当然）了。所以他其实想 push（推动）你去到其他的地方去看看跟你不一样的环境，然后能够有一些反思。然后甚至是你回到这个学校，你可以去 implement（实现）一些你看到的好东西，然后改变一些不好的东西。

徐天音（嘉宾） (01:34:00)

所以它是这个这个这个这个这么一个机制去学术休假。然后我去年本来就可以学术休假，因为我本来打算是去年学术休假的，因为我已经工作满满 6 年了。但是去年因为 President Trump（特朗普总统）嘛，他不是大量削减 NSF（美国国家科学基金会）的经费嘛。所以因为 UIUC（伊利诺伊大学厄巴纳-香槟分校）又是一个非常大的公立学校，我们是最大的几个公立学校之一。然后当 federal（联邦的） funding（经费）被大量 cut（削减）以后，其实对学校的压力是非常大的。当然我实话实说就是我们当时学系里面也挺 panic（恐慌）的。然后这个 panic（恐慌）我个人觉得也传染给了很多 PhD students（博士生），因为 PhD students（博士生）也觉得经费削减了，也觉得经费削减了，再加上 AI（人工智能）的冲击，我觉得大家都非常 nervous（紧张焦虑）。然后所以那时候我就觉得还是，那个时候如果你我走了的话不是特别好。

徐天音（嘉宾） (01:34:43)

所以我就想，那就暂时不学术休假了，所以就推后了一年。然后今年我觉得比较稳定了，所以我觉得就来进行这个学术休假。然后当时，我也没什么计划。然后有一天我碰到了碰到了现在的 host（接待导师），就是 Ion Stoica（扬·斯托伊卡）。然后我当时就聊起这件事情，那我就说你们 Berkeley（伯克利）欢不欢迎？然后他就说那你那你来吧，然后所以就来了。但是当然还是他这个人还是非常 considerate（体贴周到的）的。他当时就是说，他考虑的是你会不会你来了以后会不会开心，或者说你来了以后会不会得到你想要的东西？所以他当时就邀请我去参加他们 SkyLab（伯克利系统与人工智能实验室）的一个 retreat（闭门交流会）。那个 retreat（闭门交流会）特别大，我当时都没有想到那么大。然后有工业界的，有学学术界的，然后学生在那做 presentation（报告）。然后我去了，我觉得还挺好的，所以我就我就来了。其实没什么太太多的计划。

月球大叔（主持人） (01:35:26)

你刚才信息量也太大了。第一点就是大时代背景之下，然后无论是学校层面还是个人层面，确实都会有很恐慌的那种那种情况。

徐天音（嘉宾） (01:35:36)

对是这样的。

月球大叔（主持人） (01:35:37)

这东西就很难抗挫哈。

徐天音（嘉宾） (01:35:38)

是的没办法的一些东西。

月球大叔（主持人） (01:35:40)

第二点就是，你自身实力过硬的情况之下，找到这种比较顶级的 research（研究）去做一些 visiting（访问交流）也是易如反掌。

徐天音（嘉宾） (01:35:49)

我觉得因为 sabbatical（学术休假）这个东西对别人是没有一个太大的压力的。它其实提供的就是一个 position（职位），你过来可以做交流。所以大部分的学校都是很欢迎的。所以我觉得就如果有老师他在考虑学术休假，我觉得你不用去太担心这些事情。你应该去多问，然后其实机会还是很多的。然后我觉得我选 Berkeley（伯克利）的一个原因就在于，因为 Berkeley（伯克利）的研究风格跟 UIUC（伊利诺伊大学厄巴纳-香槟分校）是非常不一样的。我觉得是两个对立面甚至说。对有，非反正是非常不一样的。所以我觉得学术休假嘛，就应该找一个非常不一样的地方。所以我觉得伯克利可能是一个挺好的挺好的选择。比如我去一个非常相似的学校，有可能那学校也特别好，但是可能就是说由于太相似了，那为什么我要再去去那个地方了？对吧就是。

月球大叔（主持人） (01:36:31)

对我也听之前听过一个说法嘛，就是说一个顶级聪明人的表现形式就是脑子里边允不允许多种不同的声音和方法论世界观？

徐天音（嘉宾） (01:36:42)

是的。

月球大叔（主持人） (01:36:42)

你现在已经有了一个那种玉米地科研的强大的方法论和世界观了，你也想来看一看嘛对不对？

徐天音（嘉宾） (01:36:50)

对。

月球大叔（主持人） (01:36:51)

反正以你个人的性格，其实你也没有预设你一定要怎么怎么着，就看一看就好了。

徐天音（嘉宾） (01:36:56)

是的。因为我觉得 research（研究）这个东西是个很美好的东西嘛对吧？然后我觉得所有很美好的东西他都没有一套标准的。他都没有一个就是你必须做 practice（实践） A（一个）或者 procedure（流程） A（一个）。我觉得 academia（学术界）或者 research（研究）最吸引人的地方就是它是一个百花齐放的东西。所有的人他可以有不同的这个方法，或者不同的 philosophy（理念），或者不同的 principle（原则），他最后都能够做出一个让你觉得美的东西那你。美的东西大家都喜欢嘛，你就应该允许各种各样的不一样的风格我觉得。然后 Berkeley（伯克利）的风格跟 UIUC（伊利诺伊大学厄巴纳-香槟分校）的风格是非常不一样的。然后 UIUC（伊利诺伊大学厄巴纳-香槟分校）的风格跟 MIT（麻省理工学院）也不太一样。那我觉得所有的就是说都可以都可以，应该应该是这样的对。

徐天音（嘉宾） (01:37:35)

所以这也是为什么就是 sabbatical（学术休假）这个东西被 designed（被设计）出来的原因之一。对吧就他就想让你去看看不一样的东西，最后能够去有这样一个交流我觉得。

月球大叔（主持人） (01:37:45)

又出现了一个金句哈。就是美好的东西都是没有什么标准的。

徐天音（嘉宾） (01:37:49)

对。

月球大叔（主持人） (01:37:50)

百花齐放。

徐天音（嘉宾） (01:37:50)

是的。

月球大叔（主持人） (01:37:51)

这个我觉得也是人的一个本质哈。

徐天音（嘉宾） (01:37:54)

是是是。

月球大叔（主持人） (01:37:54)

你现在 AI agent（人工智能智能体）能力这么强了，你要让自己就是过得开心，过得快乐，还是要去找一些没有标准化的东西。包括最近大家一直在说嘛，AI（人工智能）现在做得最好的是什么？标准化的东西，能做题的东西，能出题的东西。AI（人工智能）做得最差的是什么？就是很难定义，很不标准化的东西。

徐天音（嘉宾） (01:38:12)

对我觉得您说的挺对的。是的。

学术界、工业界与职业选择

月球大叔（主持人） (01:38:16)

那这就是你整个的一个研究的一个讨论吧算是。那么再聊一些比较比较务虚的大的话题吧。就是你博士期间，去过很多地方做实习，NetApp（网络设备公司），然后 Facebook（脸书），然后 Microsoft Research（微软研究院）。然后现在是长期耕耘在学术圈。你觉得就是说计算机的工业界和学术圈最大的区别是什么？

徐天音（嘉宾） (01:38:45)

你指的工业界是其实是就是 industry research（工业界研究），对吧？因为不然的话是没法比较的。industry research（工业界研究）跟 academic research（学术研究），它们的区别在哪里？

月球大叔（主持人） (01:38:53)

都行吧，反正你看你怎么去判断就好。

徐天音（嘉宾） (01:38:55)

我觉得就是 industry（工业界）我就是他，我觉得这两种 research（研究），虽然都是 research（研究），它的本质是一样的，但是它的表现形式是非常不一样的。我觉得 academia（学术界），特别是现在有了 AI（人工智能）以后，我觉得更要做 fundamental research（基础研究）。因为 academia（学术界）现在资源变少了嘛，就是由于政府上的一些干预之类的。那你资源变少了以后，你就得去做一些特别 fundamental（基础性的）的东西。然后我觉得 academia（学术界）的 job（工作）是去 push the boundary（拓展边界）。对吧，你可能今天 push the boundary（拓展边界），明天 AI（人工智能）就学到了这个东西。那但是你不去不断地去 push the boundary（拓展边界），然后那 AI（人工智能）才能够去学习嘛。

徐天音（嘉宾） (01:39:30)

所以我觉得 academia（学术界）应该做这样的，一个好的 research（研究）应该是这样的 research（研究）。然后 industry research（工业界研究），它是一个 applied research（应用研究）。它应该是由实践来检验的 research（研究）。那它必须是有用的，然后必须是比较短期就可以见到成效的 research（研究），甚至应该是有很大 impact（影响）的 research（研究）。所以我觉得这两种 research（研究）的 style（风格）是非常不一样的，而且你的目标是不一样的，它做起来的方法也非常不一样。这就是我觉得就是看比如说有一个人他他面对选择的时候，他你先处理这个问题，就是你想要做什么样的 research（研究）？

徐天音（嘉宾） (01:40:04)

如果你一个一个人他说我就想做一个非常 practical research（实用研究），然后能够造福很多很多人明天或者下个月，那我觉得 industry research（工业界研究）可能是个很好的 goal（目标）。那有些人说我就想做一个 pie-in-the-sky（不切实际、天马行空的）的 research（研究），对吧就看着天空，然后就觉得我去想象一下未来的世界是什么样，我觉得这样的 research（研究）在 Princeton（普林斯顿大学）就挺好的，对。

月球大叔（主持人） (01:40:23)

那之前的话，俊成有个观点，就是说 PhD（博士）去实习的时候去工业界就不要做 research（研究）。他说俊成就说在，工业界的 PhD（博士）就应该天天就是说完全的深入到工业界这套系统当中，每天看到身边的人在系统工程师在写什么，他就写什么，然后拿到最一线的对这套系统的认知。然后回到学校去慢慢的去提炼，就看能不能做出更好的东西。你怎么看这个观点？

徐天音（嘉宾） (01:40:47)

我觉得这是个很好的方法。我觉得就为什么我们要去实习？因为我还是很鼓励学生去实习的，我觉得实习也是个非常好的事情。因为你换一个环境，然后你看看到一些不一样的系统，原来你是在根本没有机会去接触的，对吧？然后而且你跟不不一样的人去工作。所以我觉得你如果去了实习然后你还在做学校那一套，那明显不是一个很好的不是一个很好的 practice（实践），对吧？所以我觉得你去了 industry（工业界）或者你去了实习，你就应该干一些不一样的东西这个暑假里面，然后你去学一些东西。当然这个学习的方法有很多了。我觉得就是说你可以去，比如说我第一个时期就是把我自己的一个 research（研究）去 apply（应用）到 industry（工业界）的系统里面去。我觉得这是一个很好的很好的方法。那你也可以去就是到 industry（工业界）里面去学他们的问题，然后他们那里最重要的问题。就我第一我有一个学生就旭东他，他第一个实习就是他跑到 Walmart（沃尔玛）里面。

徐天音（嘉宾） (01:41:37)

他第一他我记得他第前两个礼拜，他就他就逮着人问，他说你们公司最重要的问题是什么？我想解决你们最重要的问题。然后他得到了十几个 answers（回答）。然后很多人也没法去把他 frame（提炼表述）成一个 research（研究）问题。但是大家会很诚实的告诉他，我觉得我工作当中最重要的问题或者最难的问题是这个。然后这时候你自己再提炼。我觉得这个可能跟俊成说的有点有点像。

月球大叔（主持人） (01:41:59)

太像了。

徐天音（嘉宾） (01:41:59)

但是我觉得就是 understand（理解）这个，因为现在 academia（学术界）已经不是 70 年代的 academia（学术界）了，对吧？就 70 年代可能美国就五个计算机都在学校里面，学校里面做些什么事情，industry（工业界）立马 follow up（跟进）。但现在你看 industry（工业界）很多时候是完全领先 academia（学术界）的。包括我自己读 PhD（博士）的时候，那时候 Google（谷歌）做了一些系统比如说 MapReduce（分布式计算框架）、Bigtable（分布式数据库系统），然后发一篇 paper（论文），然后几千篇 paper（论文）都在那优化 MapReduce（分布式计算框架）。然后发个 Bigtable（分布式数据库系统），几千篇 paper（论文）都在 optimize（优化） Bigtable（分布式数据库系统）。

徐天音（嘉宾） (01:42:27)

所以我觉得很多时候 industry（工业界）都是领先于 academia（学术界）的。所以我觉得你到了 industry（工业界），你应该是去做一些 industry（工业界）要做的事情。就以前不是有句古话嘛什么，就是到到罗马你应该做罗罗马人干的事情。我觉得这个是对的我觉得。

月球大叔（主持人） (01:42:42)

完全同意。就是那如果说你的一个学生，他在毕业的时候问你，就是我拿到了两个 offer（录取或工作邀请），一个是去 Google（谷歌）做这套系统，另一个是去某个学校当 professor（教授），你怎么帮他去做判断呢？

徐天音（嘉宾） (01:42:59)

一个是去谷歌跟做核心系统。

月球大叔（主持人） (01:43:02) †

对。

徐天音（嘉宾） (01:43:02) †

另外一个是去，

月球大叔（主持人） (01:43:03)

某个牛校当 professor（教授）。

徐天音（嘉宾） (01:43:06)

这个 choice（选择）非常 personal（个人层面的）。我觉得就是他跟这个人的追求的东西，包括跟他的经济情况对吧，或者他对一些物质的需求，然后他的性格，我觉得都得，这他不是一个能够绝他没也是还是那句话它没有一个 formula（公式）。他是得根据这个人不同的情况，我觉得去做一个选择。然后包括去 industry（工业界）做系统，那你做这个系统，你到底是做什么对吧？就是说如果你是到这个工厂里面去拧螺丝钉，有可能这个系统非常的 pretty（漂亮的），但是你拧螺丝钉不一定觉得 pretty（漂亮的）。所以它我觉得任何一个 experience（经历）都是一个，第第一件事情对我来说就是说，你在这个 experience（经历）里面能够学到什么样的东西？我觉得这是最重要的一个问题。不管你是去 academia（学术界）还是去 industry（工业界）。

徐天音（嘉宾） (01:43:49)

如果你去了再再再漂亮的一个地方，你学不到东西，那我觉得还是 nothing（毫无意义），对我来说，对吧？就是你拷问自己的就是说，我如果在这个地方干了 5 年，我能够学到什么样的东西？能够锻炼自己什么样的能力？然后如果你把这个问题回答了，那我觉得你就会有一个很清晰的 next step（下一步）。然后很多时候你甚至你问的是我跟什么样的人 work（工作）？我觉得跟什么样的人跟什么样的人 work（工作）取决于你的高度。你跟一些比较就是非常热就是 excited（兴奋的）的人，或者对 technical（技术性的）非常 enthusiastic（热情的）的人工作，跟一些可能就是说想混日子的人工作就是不一样的。甚至那些人在一个非常大的厂里面，我觉得你也学不到什么东西。对，所以我觉得去 startup（初创公司）也好，去大厂也好，去 academia（学术界）也好，essentially（本质上）就是 what can you learn（你能学到什么）？

徐天音（嘉宾） (01:44:37)

当然了，还有很多其他的 constraints（约束条件），对吧？我觉得 academia（学术界）一个很大的问题就是大家都很穷。就如果你真的是需要钱，然后家里需要钱，我觉得那可能不是一个特别好的特别好的选择。

月球大叔（主持人） (01:44:47)

反正说说到了，基本上说的太全面了。就是对吧？有那种职业的兴趣，有那种和谁工作，还有那种家庭的一种各种各样的情况。

徐天音（嘉宾） (01:44:57)

对。

月球大叔（主持人） (01:44:57)

尤其是刚才你说那种和很 exciting（令人兴奋的）的人合作这一点，我听过无数大佬的一些表述嘛。那意思就是说这个团队在做的一些事情和这个团队的人，不给我钱，我也在愿意毕业当天就加入这个公司。我觉得每个人都就是就是现在，因为找工作确实越来越难嘛。就是每个人的职业发展就是也有点不太清晰了。什么爬梯子，什么去那个升职，这些都很模糊。但是后台很多的那种粉丝都来问这种怎么选择的问题。其实我觉得就一个标准，就是真的就刚才您说的那样，能不能学到东西以及，以及和这些人 exciting（令人兴奋的）不 exciting（令人兴奋的）？

徐天音（嘉宾） (01:45:35)

是是的。

月球大叔（主持人） (01:45:36)

尤其是职业初期，这是最最最最重要的。

徐天音（嘉宾） (01:45:38)

对。

月球大叔（主持人） (01:45:38)

其他那些你刚才你说的就是很诚实的一些话，就是大公司或者某些地方看起来就是熠熠闪闪耀但是，那个小团队不太行，那你就真的，

徐天音（嘉宾） (01:45:50)

对因为我觉得是这样。academia（学术界）是一个非常标准化的地方。就美国最好的学校跟美国一个一般的学校它其实并没有太大的区别。你作为一个 faculty（教职人员），你就做那 3 件事嘛对吧？一个 teaching（教学），一个做 research（研究），还有一个就是 mentor students（指导学生）。但是 industry（工业界），不同的 team（团队），不同的公司，不同的 team（团队）差别太大了。所以其实很难去一句话概括你要不要 take（承担）一个 industry（工业界） job（工作）。因为你可以在 industry（工业界）做非常有创造力的 job（工作），也可以做非常 boring（无聊的）的 job（工作）。所以一定要去知道这个 job（工作）到底是干嘛的。然后一个很好的办法就是去跟这个 team（团队）里面的人最好能够聊一聊，看看他们的想法。

徐天音（嘉宾） (01:46:26)

其实你跟人家一聊你就知道，你想不想跟这些人 work（工作）了很多时候。

月球大叔（主持人） (01:46:30)

对这是核心的原因对。因为你一家公司人实在太多了，team（团队）实在太多，project（项目）实在太多。

徐天音（嘉宾） (01:46:35)

对。

月球大叔（主持人） (01:46:35)

你不能想清楚自己要什么，然后不能和这些人非常每天激动的工作，那我觉得尤其是职业初期，太浪费自己的生命。

徐天音（嘉宾） (01:46:43)

是的。我以前的 PhD（博士） advisor（导师）他有一个非常好的观点。他说如果你是做计算机的，那你的 first job is not your forever job（第一份工作不是你永远的工作），对吧？就是说你第一份工作你其实不要那么 care（在意）。你不要把它想象成这个工作就是我这辈子要干的铁饭碗，而是把它当成一个 learning process（学习过程）。你 learn（学习）到东西，你如果真的 learn（学习）到东西了的话，你下一份工作会比这份工作更好的。如果你没有 learn（学习）到东西，那你现在就算有个大 package（薪酬包），可能过两年你也被 laid off（裁员）了，我觉得。

月球大叔（主持人） (01:47:09)

是这样的。计算机这个行业发展太快了。就是说这个这个大家已在这短短的这五六年就是这五六年太明显了。咱咱都不说前面那个从互联网时代，互联网泡沫，再到移动互联。咱就光说 AI（人工智能）这个时代，这短短 AI（人工智能）两三年，这发生了多少变化？从不能写从刚出来 AI（人工智能）的 chatbot（聊天机器人）到现在的 coding（编程）。那到接下来你还不知道的，说不定机器人也大爆发了。然后你天天你一开始可能美滋滋地做了一个 chatbot（聊天机器人），但可能今年已经完全跟不上了。这都是两年之间的事情。

徐天音（嘉宾） (01:47:36)

是，我觉得工业界，这是我个人的观点，就是可能非常偏颇。但我觉得就是最重要的一点就是一个不断学习的能力。然后工业界最危险的我觉得就是你去了一个 position（职位）然后你不学习了。那我觉得随着这个日新月异的技术发展，你就难免被淘汰。然后 academia（学术界）的好处就在于你被被迫学习对吧？因为比如说你当了个 faculty（教职人员），那你还要 advise students（指导学生），你还要申 funding（经费），然后你还要干各种各样你还要 teach（教学）。那他这个环境被迫你去学，因为你不学你没法混在这个环境里面。但 industry（工业界）很多时候如果你这个 job（工作），你没有一个主动学习的意识，你在那两年待的挺舒服的，然后后面怎么办呢对吧？我觉得这是一个问题。

月球大叔（主持人） (01:48:17)

对其实无，有些人说学术后劲强，工业界前期挣钱多，什么各种各种各样的评判标准。其实在我看来这些都是太，就是说怎么着来着，模糊了其实。咱们俩聊完之后，我觉得最明确的一个点就是，你这个人本身。

徐天音（嘉宾） (01:48:34)

是是。

月球大叔（主持人） (01:48:35)

你这个人本身，只要你有持续学习能力，你在学术圈，在工业界，在任何一个位置，他都不可能很差。

徐天音（嘉宾） (01:48:42)

是是是对，我觉得。

月球大叔（主持人） (01:48:44)

究其到最后就是一个人。

徐天音（嘉宾） (01:48:45)

其实对我来说就是 essentially（本质上）就是这个东西。我觉得一个 high-quality person（高素质的人），他是永远是有办法的。

月球大叔（主持人） (01:48:52)

对永远往前。

徐天音（嘉宾） (01:48:53)

我非常 believe（相信）这个人的原因之一。

月球大叔（主持人） (01:48:56)

向前。

徐天音（嘉宾） (01:48:56)

我其实不太 believe（相信） AI（人工智能），但我觉得人是应该被 believed（相信）的。

月球大叔（主持人） (01:49:00)

我做这个 podcast（播客）一段时间了，我也是这种感觉。就是真的，你要永远相信人。

给博士生的建议与持续学习

月球大叔（主持人） (01:49:05)

那么接下来一个问题就是，你刚才在描述的过程当中大家也能听出来，你是一个特别关注人，特别关注人与人之间的连接，特别愿意手把手的去看一个学生的本质来带他的一个一个老师。那如果说面对咱们这个观众群体里边这么多学生，你肯定没法手把手带他们。如果说你愿意给他们一个建议，就是他们怎么能够把自己培养成一个好的 PhD（博士），自己培养自己。就是说一个最最朴实的建议，你会给出怎样的建议？

徐天音（嘉宾） (01:49:40) †

那个我觉得所有的建议都是所有的建议都是 bad advice（糟糕的建议）。怎么说呢，就是说做 research（研究）或者做 PhD research（博士研究）最重要的三件事情，我觉得把它做好。你应该想各种各样的方法去把这三件事情做好。第一第一个是就是找到一个自己热爱的问题。我觉得我觉得这是第一个。你有一个热爱的问题，你就不会觉得累。因为做 research（研究）是很难的，然后你只有喜欢了你才不会觉得累。对吧你每天你每天就是起床的时候，刷牙的时候，你看着镜子，你是觉得我特别 excited（兴奋的），我还要去解决这个问题，还是你觉得呦我又要去办公室做这件事情，怎么那么烦呢？我觉得第一个就是找到一个自己热爱的问题。这个其实是很难的。这有可能会花一到两年或者 3 年时间。但是只要你不断的去寻找，你还是会去知道自己喜欢什么样的事情的。然后第二个就是说我觉得很重要的一点就是有一个正确的做 research（研究）的方法。

徐天音（嘉宾） (01:50:29)

research（研究）这个东西，它跟 engineering（工程）也不太一样。其实很多时候它不是一个就是说有捷径的事情。然后找到正确的方法，我觉得快跟慢都不重要，因为快跟慢是可以通过时间来解决的。但是方法，只要你能够有一个正确的方法，你肯定是能做出来的。然后第三个就是你不断打磨自己的 skill sets（技能组合）嘛。因为你有了个问题以后，你就容易去知道哪些 skill sets（技能组合）是有用的，哪些 skill sets（技能组合）是没有用的。因为人的精力是有限的，你不可能做所有的东西。你知道要做什么了，然后你就可以根据它去打磨自己的把这件事情做好的 skill sets（技能组合）。然后如果这 3 件事情搞好了，我觉得你肯定是能够，system research（系统研究）又不是 theory（理论），对吧？它不需要很多 genius（天赋）。system research（系统研究），其实对 genius（天赋）的要求不是那么强。

徐天音（嘉宾） (01:51:09)

然后你只要这件 3 件事情搞清楚了，我觉得肯定是能够做出来的。我觉得每个人都可以做 system research（系统研究）。

月球大叔（主持人） (01:51:16)

这还是 bad advice（糟糕的建议）吗？这不是 perfect advice（完美的建议）吗？非常的非常。

徐天音（嘉宾） (01:51:20)

我就觉得这个这些东西每个人都知道，但是实践起来并不容易。

月球大叔（主持人） (01:51:24)

对可能会感觉有点悬空是吗？

徐天音（嘉宾） (01:51:27)

对我觉得这个非常空，就叫 cliche（陈词滥调），我觉得。对就很多东西呢，就是比如说我们之前我们聊说要做个创业公司，或者我们聊写一篇 paper（论文），怎么写一个好 paper（论文），怎么做一个好的创业公司，这书都几百几百本了对吧？但是不代表你读了这个书，你就会去写一个好 paper（论文），或者是写做一个好的公司。所以很多东西还是要去通过实践当中去摸索的。所以我还觉得得找找一些 mentors（导师），我觉得。

月球大叔（主持人） (01:51:54)

对我这个东西我也想说。就是之前看到一个说法嘛，就是这种正确的建议大家可能听到了很多。但为什么有些人成长快，有些人成长慢？你要看那个成长快的人是不是找到了一个能够及时给他提供反馈的 mentor（导师）。对这个无论是在创业的过程当中，你看那些成功的创业者，还是那些做得很好的 PhD（博士），无外乎，他们能够在一个非常有经验的 mentor（导师）身上拿到最及时的反馈。如果说大家拿不到这种东西，就找不到这种东西，我觉得还是要努力去找。

徐天音（嘉宾） (01:52:28)

是我觉得是这样的。而且这个 mentor（导师）我觉得他不一定要是一个非常大牌的人对吧？

月球大叔（主持人） (01:52:33)

对。

徐天音（嘉宾） (01:52:33)

就是非常那个有名的人。他是一个愿意 invest（投入）in（在）你这个人的人，就是他愿意花时间在你身上他越。这样的人是最重要的我觉得。

月球大叔（主持人） (01:52:44)

这个如何让别人 bet on you（看好你），然后 invest in you（在你身上投入），这又是一个大的课题了。这个东西就没法说，你知道吗？每个都看见很难。

徐天音（嘉宾） (01:52:51) †

是的。这是一个终生需要学习的 topic（话题）。

月球大叔（主持人） (01:52:54)

又又回到了刚才咱们说的，终生学习，不断成长。没有这种劲儿的话，你自身没有这种劲儿的话，

徐天音（嘉宾） (01:53:01)

对。你要成为一个 worth investing in（值得投入）的人，对吧？

月球大叔（主持人） (01:53:04)

对。

徐天音（嘉宾） (01:53:05)

这是你的 point（要点）。

月球大叔（主持人） (01:53:05)

对你值你得值得去别人花时间。那值得别人花时间，他不是靠嘴说 please（拜托），就是 invest（投入），你能指导我。这种事情他不会发生的，永远不会发生的。

徐天音（嘉宾） (01:53:14)

是的。

月球大叔（主持人） (01:53:15)

只有你不断的去自我努力，自我提升。这个东西好好好好玄幻。全是鸡有先有先有鸡先有蛋的这个这个事情。

徐天音（嘉宾） (01:53:22)

是是。

月球大叔（主持人） (01:53:23)

对这个这个，但我可能都后边做到 100 期的时候，我会我会跟大家说怎么做这件事情。但我现在只做了这么几期，我不敢说。对那还有一个问题就是，你是如果学生愿意去做创业公司的话，你也会支持。而且你之前你的导师就是一个很成功成功的企业家。你身边有很成功的一些案例。

徐天音（嘉宾） (01:53:44)

对。

月球大叔（主持人） (01:53:44)

那如果这个学生从入学就跟你说，OK（好的），老师，我读完这个 PhD（博士）要做创业家。你怎么带他？

徐天音（嘉宾） (01:53:51)

那我肯定会跟这个学生说，我从来没开过创业公司。所以就在创业这方面，我可能帮不了他太多对吧？那就我现在有个学生其实他就老想在创业。那我其实给他的建议就是说，你可能需要一些其他的 connections（联系）或者其他的一些 advice（建议），所以他，也得到了一些反正一些帮助吧我觉得。但是就是怎么说呢，就是我觉得创业分两种嘛。一种就是你通过你自己的 research（研究）来创业，比如你做了一个特别有意思的 technique（技术），然后你把这个 technique（技术）用用来创业。那在做这个 technique（技术）的时候，我觉得还是可以起到一些帮助的。当然，如果你说你这个创业公司是完全拿一个现有的 technique（技术）来做一个公司，那我可能不是一个很好的 advisor（导师）我觉得。

月球大叔（主持人） (01:54:31)

是这样的。然后这种用已有现有的 technique（技术），或者说创新一个 technique（技术），创造公司，确实 Google（谷歌）当年有很多公司就是这么起家的。但是之前听过你的导师说过一段话，就是尽量不要有这种方式。这种方式就是拿着锤子找钉子的一种方式。实际上是不如从一个真实的商业需求来做。没事这就是另外另外的话题了。但是每个人有不同的观点，因为肯定肯定有成的，有失败的。

徐天音（嘉宾） (01:54:57)

是是。

月球大叔（主持人） (01:54:57)

那第三个问题就是，这个学生想去工业界，一开始就想清楚，要去工业界带大的系统，做 practical（实用的）的系统，你打算怎么带？什么建议？

徐天音（嘉宾） (01:55:09)

就我觉得就是学术圈跟工业圈需要的 skill sets（技能组合）是不一样的。然后我其实我觉得学术圈跟工业圈没有什么区别，就是你做 creative work（创造性工作）都是很好的。essentially（本质上）就是你去的这个地方能不能给你创造一个环境，这个环境能够帮助你去做你想要的事情嘛。就可能是个学术圈，也可能是 industry（工业界），对吧？然后就是说但是他需要的 skill sets（技能组合）是不一样的。就是有些东西学术圈其实不是很看重，但是 industry（工业界）是很重要的。然后如果你上来就想清楚了的这个学生想清楚要去 industry（工业界）的话，我觉得最重要就是说能够想清楚你要去的 industry（工业界）需要的一些 skill sets（技能组合）是什么？

徐天音（嘉宾） (01:55:45)

然后你在博士期间，或者在 graduate study（研究生学习阶段）期间，着重培养这些 skill sets（技能组合），然后让你成为一个比较 competitive（竞争激烈的）的 person（人）嘛。比如说你 publish papers（发表论文）， industry（工业界）其实并不 care（在意）你，

月球大叔（主持人） (01:55:58)

对。

徐天音（嘉宾） (01:55:58)

发了多少 paper（论文）。

月球大叔（主持人） (01:55:59)

一篇能够毕业，其实剩下的时间就应该 coding（编程），system design（系统设计），最时髦的那种。

徐天音（嘉宾） (01:56:05)

想象一些想一些这个比较前沿的事情对吧？

月球大叔（主持人） (01:56:07)

对。就 AI（人工智能）。

徐天音（嘉宾） (01:56:09)

然后如果你要去学术前的话，那你可能得把 paper（论文）就是积累一下对。

月球大叔（主持人） (01:56:12)

专注于这个东西。

徐天音（嘉宾） (01:56:14)

对堆满。

月球大叔（主持人） (01:56:14)

是这样的。咱们今天和天音聊了两个多小时，完全的看出来天音是一个怎样的顶级 system researcher（系统研究者）。之前在硅谷有一段话就是说，founder（创始人）要创业的时候，要人事匹配。就是你只有这个人适合做什么事，他其实是有一些内核。然后我刚才通过这两个小时，我能很明显的感觉到，我见过许多 system researchers（系统研究者），我也自己做 system research（系统研究），我做的很一般。就是我觉得你真的是那种天生的 system researcher（系统研究者）。

徐天音（嘉宾） (01:56:47)

我觉得没有天生的。对你喜欢做这件事情就好。我觉得 research（研究）是件很美好的事情。我觉得大家应该是去，而且现在这个 barrier（门槛）变得很小了嘛。以前咱们说 research（研究）感觉是一个象牙塔里面的事情对吧？只有一些很少的人能做。但我觉得有了 AI（人工智能），或者现在这个现代的社会，我觉得 research（研究）其实应该成为一个 daily practice（日常实践）。它其实就是个反思的过程嘛。所以我觉得大家都应该去尝试一下对。

月球大叔（主持人） (01:57:10)

好的那我们就感谢天音。希望大家听完这个之后，能够每天去做一做 research（研究）。

徐天音（嘉宾） (01:57:16)

对。

月球大叔（主持人） (01:57:17)

提高自己的工作效率。

徐天音（嘉宾） (01:57:18)

是的。

月球大叔（主持人） (01:57:19)

提高自己各方面的一些能力。

徐天音（嘉宾） (01:57:20)

是的。你研究一下，就是说怎么去搞一下就是说腹肌，怎么去搞健身，也是一种 research（研究），对不对？

月球大叔（主持人） (01:57:27)

这是一个迭代和试错的过程。

徐天音（嘉宾） (01:57:28)

对。

月球大叔（主持人） (01:57:29) †

感谢提议。

徐天音（嘉宾） (01:57:30) †

好的好的。

月球大叔（主持人） (01:57:30)

谢谢。

† 该段至少有一处说话人切换或短应答需结合音频复核。