Một trong những vấn đề mà tất cả chúng ta đang quan tâm hiện nay, đó là research. Một câu hỏi hoàn toàn không tầm thường đặt ra, làm sao có thể làm nghiên cứu ở first class level.
Trước hết, để mở đầu là một bài viết của Hamming, you and your research.
Richard Hamming
You and Your Research
Transcription of the
Bell Communications Research Colloquium Seminar
7 March 1986
J. F. Kaiser
Bell Communications Research
445 South Street
Morristown, NJ 07962-1910 [Only registered and activated users can see links. ]
At a seminar in the Bell Communications Research Colloquia Series, Dr. Richard W. Hamming, a Professor at the Naval Postgraduate School in Monterey, California and a retired Bell Labs scientist, gave a very interesting and stimulating talk, `You and Your Research' to an overflow audience of some 200 Bellcore staff members and visitors at the Morris Research and Engineering Center on March 7, 1986. This talk centered on Hamming's observations and research on the question ``Why do so few scientists make significant contributions and so many are forgotten in the long run?'' From his more than forty years of experience, thirty of which were at Bell Laboratories, he has made a number of direct observations, asked very pointed questions of scientists about what, how, and why they did things, studied the lives of great scientists and great contributions, and has done introspection and studied theories of creativity. The talk is about what he has learned in terms of the properties of the individual scientists, their abilities, traits, working habits, attitudes, and philosophy.
In order to make the information in the talk more widely available, the tape recording that was made of that talk was carefully transcribed. This transcription includes the discussions which followed in the question and answer period. As with any talk, the transcribed version suffers from translation as all the inflections of voice and the gestures of the speaker are lost; one must listen to the tape recording to recapture that part of the presentation. While the recording of Richard Hamming's talk was completely intelligible, that of some of the questioner's remarks were not. Where the tape recording was not intelligible I have added in parentheses my impression of the questioner's remarks. Where there was a question and I could identify the questioner, I have checked with each to ensure the accuracy of my interpretation of their remarks.
INTRODUCTION OF DR. RICHARD W. HAMMING
As a speaker in the Bell Communications Research Colloquium Series, Dr. Richard W. Hamming of the Naval Postgraduate School in Monterey, California, was introduced by Alan G. Chynoweth, Vice President, Applied Research, Bell Communications Research.
Alan G. Chynoweth: Greetings colleagues, and also to many of our former colleagues from Bell Labs who, I understand, are here to be with us today on what I regard as a particularly felicitous occasion. It gives me very great pleasure indeed to introduce to you my old friend and colleague from many many years back, Richard Hamming, or Dick Hamming as he has always been know to all of us.
Dick is one of the all time greats in the mathematics and computer science arenas, as I'm sure the audience here does not need reminding. He received his early education at the Universities of Chicago and Nebraska, and got his Ph.D. at Illinois; he then joined the Los Alamos project during the war. Afterwards, in 1946, he joined Bell Labs. And that is, of course, where I met Dick - when I joined Bell Labs in their physics research organization. In those days, we were in the habit of lunching together as a physics group, and for some reason this strange fellow from mathematics was always pleased to join us. We were always happy to have him with us because he brought so many unorthodox ideas and views. Those lunches were stimulating, I can assure you.
While our professional paths have not been very close over the years, nevertheless I've always recognized Dick in the halls of Bell Labs and have always had tremendous admiration for what he was doing. I think the record speaks for itself. It is too long to go through all the details, but let me point out, for example, that he has written seven books and of those seven books which tell of various areas of mathematics and computers and coding and information theory, three are already well into their second edition. That is testimony indeed to the prolific output and the stature of Dick Hamming.
I think I last met him - it must have been about ten years ago - at a rather curious little conference in Dublin, Ireland where we were both speakers. As always, he was tremendously entertaining. Just one more example of the provocative thoughts that he comes up with: I remember him saying, ``There are wavelengths that people cannot see, there are sounds that people cannot hear, and maybe computers have thoughts that people cannot think.'' Well, with Dick Hamming around, we don't need a computer. I think that we are in for an extremely entertaining talk.
THE TALK: ``You and Your Research'' by Dr. Richard W. Hamming
It's a pleasure to be here. I doubt if I can live up to the Introduction. The title of my talk is, ``You and Your Research.'' It is not about managing research, it is about how you individually do your research. I could give a talk on the other subject - but it's not, it's about you. I'm not talking about ordinary run-of-the-mill research; I'm talking about great research. And for the sake of describing great research I'll occasionally say Nobel-Prize type of work. It doesn't have to gain the Nobel Prize, but I mean those kinds of things which we perceive are significant things. Relativity, if you want, Shannon's information theory, any number of outstanding theories - that's the kind of thing I'm talking about.
Now, how did I come to do this study? At Los Alamos I was brought in to run the computing machines which other people had got going, so those scientists and physicists could get back to business. I saw I was a stooge. I saw that although physically I was the same, they were different. And to put the thing bluntly, I was envious. I wanted to know why they were so different from me. I saw Feynman up close. I saw Fermi and Teller. I saw Oppenheimer. I saw Hans Bethe: he was my boss. I saw quite a few very capable people. I became very interested in the difference between those who do and those who might have done.
When I came to Bell Labs, I came into a very productive department. Bode was the department head at the time; Shannon was there, and there were other people. I continued examining the questions, ``Why?'' and ``What is the difference?'' I continued subsequently by reading biographies, autobiographies, asking people questions such as: ``How did you come to do this?'' I tried to find out what are the differences. And that's what this talk is about.
Now, why is this talk important? I think it is important because, as far as I know, each of you has one life to live. Even if you believe in reincarnation it doesn't do you any good from one life to the next! Why shouldn't you do significant things in this one life, however you define significant? I'm not going to define it - you know what I mean. I will talk mainly about science because that is what I have studied. But so far as I know, and I've been told by others, much of what I say applies to many fields. Outstanding work is characterized very much the same way in most fields, but I will confine myself to science.
In order to get at you individually, I must talk in the first person. I have to get you to drop modesty and say to yourself, ``Yes, I would like to do first-class work.'' Our society frowns on people who set out to do really good work. You're not supposed to; luck is supposed to descend on you and you do great things by chance. Well, that's a kind of dumb thing to say. I say, why shouldn't you set out to do something significant. You don't have to tell other people, but shouldn't you say to yourself, ``Yes, I would like to do something significant.''
In order to get to the second stage, I have to drop modesty and talk in the first person about what I've seen, what I've done, and what I've heard. I'm going to talk about people, some of whom you know, and I trust that when we leave, you won't quote me as saying some of the things I said.
Let me start not logically, but psychologically. I find that the major objection is that people think great science is done by luck. It's all a matter of luck. Well, consider Einstein. Note how many different things he did that were good. Was it all luck? Wasn't it a little too repetitive? Consider Shannon. He didn't do just information theory. Several years before, he did some other good things and some which are still locked up in the security of cryptography. He did many good things.
You see again and again, that it is more than one thing from a good person. Once in a while a person does only one thing in his whole life, and we'll talk about that later, but a lot of times there is repetition. I claim that luck will not cover everything. And I will cite Pasteur who said, ``Luck favors the prepared mind.'' And I think that says it the way I believe it. There is indeed an element of luck, and no, there isn't. The prepared mind sooner or later finds something important and does it. So yes, it is luck. The particular thing you do is luck, but that you do something is not.
For example, when I came to Bell Labs, I shared an office for a while with Shannon. At the same time he was doing information theory, I was doing coding theory. It is suspicious that the two of us did it at the same place and at the same time - it was in the atmosphere. And you can say, ``Yes, it was luck.'' On the other hand you can say, ``But why of all the people in Bell Labs then were those the two who did it?'' Yes, it is partly luck, and partly it is the prepared mind; but `partly' is the other thing I'm going to talk about. So, although I'll come back several more times to luck, I want to dispose of this matter of luck as being the sole criterion whether you do great work or not. I claim you have some, but not total, control over it. And I will quote, finally, Newton on the matter. Newton said, ``If others would think as hard as I did, then they would get similar results.''
One of the characteristics you see, and many people have it including great scientists, is that usually when they were young they had independent thoughts and had the courage to pursue them. For example, Einstein, somewhere around 12 or 14, asked himself the question, ``What would a light wave look like if I went with the velocity of light to look at it?'' Now he knew that electromagnetic theory says you cannot have a stationary local maximum. But if he moved along with the velocity of light, he would see a local maximum. He could see a contradiction at the age of 12, 14, or somewhere around there, that everything was not right and that the velocity of light had something peculiar. Is it luck that he finally created special relativity? Early on, he had laid down some of the pieces by thinking of the fragments. Now that's the necessary but not sufficient condition. All of these items I will talk about are both luck and not luck.
How about having lots of `brains?' It sounds good. Most of you in this room probably have more than enough brains to do first-class work. But great work is something else than mere brains. Brains are measured in various ways. In mathematics, theoretical physics, astrophysics, typically brains correlates to a great extent with the ability to manipulate symbols. And so the typical IQ test is apt to score them fairly high. On the other hand, in other fields it is something different. For example, Bill Pfann, the fellow who did zone melting, came into my office one day. He had this idea dimly in his mind about what he wanted and he had some equations. It was pretty clear to me that this man didn't know much mathematics and he wasn't really articulate. His problem seemed interesting so I took it home and did a little work. I finally showed him how to run computers so he could compute his own answers. I gave him the power to compute. He went ahead, with negligible recognition from his own department, but ultimately he has collected all the prizes in the field. Once he got well started, his shyness, his awkwardness, his inarticulateness, fell away and he became much more productive in many other ways. Certainly he became much more articulate.
And I can cite another person in the same way. I trust he isn't in the audience, i.e. a fellow named Clogston. I met him when I was working on a problem with John Pierce's group and I didn't think he had much. I asked my friends who had been with him at school, ``Was he like that in graduate school?'' ``Yes,'' they replied. Well I would have fired the fellow, but J. R. Pierce was smart and kept him on. Clogston finally did the Clogston cable. After that there was a steady stream of good ideas. One success brought him confidence and courage.
One of the characteristics of successful scientists is having courage. Once you get your courage up and believe that you can do important problems, then you can. If you think you can't, almost surely you are not going to. Courage is one of the things that Shannon had supremely. You have only to think of his major theorem. He wants to create a method of coding, but he doesn't know what to do so he makes a random code. Then he is stuck. And then he asks the impossible question, ``What would the average random code do?'' He then proves that the average code is arbitrarily good, and that therefore there must be at least one good code. Who but a man of infinite courage could have dared to think those thoughts? That is the characteristic of great scientists; they have courage. They will go forward under incredible circumstances; they think and continue to think.
Có lần mình gặp bác XYZ (người Việt, khá nổi, thuộc dạng đầu ngành, ai làm về DB chắc biết ), hỏi bác ấy có làm về MNP nữa ko (là cái mà mình quan tâm), bác ấy bảo, tao làm cái đó 8 năm rồi, giờ chán rồi, ko thích làm nữa, giờ tao làm cái khác. Bác ấy còn nói (chắc đùa vui) là cái MNP ấy những bài toán dễ người ta giải quyết hết rồi, giờ chỉ còn những bài toán xương xẩu nữa thôi, hàng chục năm nữa cũng chưa chắc ra dc cái gì. Câu chuyện ngoài lề nên cũng nói theo kiểu vui vẻ thôi, nhưng quả thực lúc đó mình vẫn thắc mắc không hiểu nguyên nhân thực sự của việc chuyển mối quan tâm là gì. Giờ đọc bài này, tự nhiên lại nhớ câu bác ấy nói, hiểu thêm 1 chút. Nhưng cũng giống như WB, quả thực vẫn chưa hiểu rõ hoàn toàn.
Anh THT có thể giải thích rõ thêm 1 chút về điều này ko?
Một trong những điều khá kỳ lạ mà Hamming khuyên, đó là cứ sau mỗi bảy năm thì lại chuyển sang lãnh vực một lần, bởi theo ông ta, sau 7 năm thì người ta sử dụng hết idea trong lãnh vực đó rồi, và cần phải bắt đầu lại như một baby để có thể tiếp tục tạo ra các ideas mới.
Mọi người nghĩ sao về chi tiết này?
Tớ không rõ các ngành nghiên cứu thiên về lý thuyết thì các mainstreams trong ngành được định hướng bởi cái gì, còn trong những lĩnh vực mang tính practical nhiều như database trong CS thì các nghiên cứu luôn được định hướng bởi các nhu cầu thực tế. Cụ thể với thì các nghiên cứu trong DB thì tớ thấy thường được driven bởi 2 yếu tố chính:
- Market demands: cái gì sản sinh ra tiền là bọn industry sẽ quan tâm. Industry research bị định hướng bởi điều này là tất nhiên, academic research cũng bị xoáy theo vòng cuốn này. Ví dụ như system R của IBM (DBMS đầu tiên) được ra đời từ những năm 70 vì nhu cầu quản lý khối lượng lớn dữ liệu có cấu trúc (structured data) một cách tự động. Hiện tại thì sự bùng nổ của Web dẫn đến sự ra đời một lượng lớn unstructured data (ví dụ như text data) trên Internet và một hệ thống quản lý các dữ liệu này một cách hiệu quả đang là một nhu cầu cấp thiết. Hay như sự ra đời của các mạng xã hội cực lớn (như facebook) dẫn đến nhiều bài toán về hệ thống tính toán hạ tầng hiệu quả và các vấn đề với large-scale graph.
- Technology advances: mỗi khi có sự ra đời của một công nghệ mới (như multicore technology) thì câu hỏi đặt ra luôn là làm thế nào để sử dụng các ưu việt của công nghệ đó để cải tiến hệ thống hiện tại hoặc đưa ra các giải pháp mới. Market demands và Technology advances có quan hệ qua lại lẫn nhau, cái đầu push còn cái sau pull.
Những người nghiên cứu đầu ngành luôn là những người có đầu óc nhạy bén và thấy được những xu hướng mới ra đời. Khi mình là người tiên phong ở một lĩnh vực mới thì sẽ có nhiều vấn đề cần giải quyết và các solution ban đầu tuy không cần phức tạp lắm nhưng sẽ có ảnh hưởng lớn, được nhiều người sau đó quan tâm và cite. Càng về sau các bài toán đơn giản nhưng quan trọng càng được giải quyết hết và chỉ còn lại những vấn đề xương xẩu nhưng lại không quá quan trọng.
Có lần mình gặp bác XYZ (người Việt, khá nổi, thuộc dạng đầu ngành, ai làm về DB chắc biết ), hỏi bác ấy có làm về MNP nữa ko (là cái mà mình quan tâm), bác ấy bảo, tao làm cái đó 8 năm rồi, giờ chán rồi, ko thích làm nữa, giờ tao làm cái khác. Bác ấy còn nói (chắc đùa vui) là cái MNP ấy những bài toán dễ người ta giải quyết hết rồi, giờ chỉ còn những bài toán xương xẩu nữa thôi, hàng chục năm nữa cũng chưa chắc ra dc cái gì. Câu chuyện ngoài lề nên cũng nói theo kiểu vui vẻ thôi, nhưng quả thực lúc đó mình vẫn thắc mắc không hiểu nguyên nhân thực sự của việc chuyển mối quan tâm là gì. Giờ đọc bài này, tự nhiên lại nhớ câu bác ấy nói, hiểu thêm 1 chút. Nhưng cũng giống như WB, quả thực vẫn chưa hiểu rõ hoàn toàn.
Anh THT có thể giải thích rõ thêm 1 chút về điều này ko?
Một trong những điều khá kỳ lạ mà Hamming khuyên, đó là cứ sau mỗi bảy năm thì lại chuyển sang lãnh vực một lần, bởi theo ông ta, sau 7 năm thì người ta sử dụng hết idea trong lãnh vực đó rồi, và cần phải bắt đầu lại như một baby để có thể tiếp tục tạo ra các ideas mới.
Mọi người nghĩ sao về chi tiết này?
Làm mãi một cái sẽ luôn bị ảnh hưởng bởi suy nghĩ cũ -> khả năng sáng tạo bị giới hạn.
- Sang lĩnh vực mới, sẽ có những idea mới, có cái nhìn khác so với những người đang ở trong đó.
- Nhiều khi sang lĩnh vực mới lại có thể sử dụng được những ý tưởng của lĩnh vực cũ hoặc ngược lại lấy ý tưởng của lĩnh vực mới áp dụng lại vào lĩnh vực cũ. Trong physics mình thấy cái trò recycle idea rât là nhiều.
Einstein sáng tạo nhiều như vậy là bởi vì ông nhúng mũi vào rất nhiều thứ.
Làm mãi một cái sẽ luôn bị ảnh hưởng bởi suy nghĩ cũ -> khả năng sáng tạo bị giới hạn.
- Sang lĩnh vực mới, sẽ có những idea mới, có cái nhìn khác so với những người đang ở trong đó.
- Nhiều khi sang lĩnh vực mới lại có thể sử dụng được những ý tưởng của lĩnh vực cũ hoặc ngược lại lấy ý tưởng của lĩnh vực mới áp dụng lại vào lĩnh vực cũ. Trong physics mình thấy cái trò recycle idea rât là nhiều.
Einstein sáng tạo nhiều như vậy là bởi vì ông nhúng mũi vào rất nhiều thứ.
Tôi thấy mấy ông ở VN nhà ta, học PhD xong cái gì là cứ cả đời làm mỗi một cái đó. Hay đó là lý do mà VN ko mạnh?
Hic, chúng ta học xong phd, hì hục 7 năm nữa để lấy tenure, rồi lại chuyển sang ngành khác ngay sau khi xong tenure à? Thế có khác gì lừa người ta ko nhỉ?
Kiểu ở VN, học về một thứ rồi học mãi, làm mãi về thứ đó là style ở Liên Xô cũ thì phải. Sang Mẽo thì lại khác, giáo sư ở đây chuyển hướng nhiều. Tớ chẳng nghĩ lên tenure rồi chuyển hướng là lừa người ta đâu. Người ta chắc gì đã expect tenure làm mãi một thứ. Tenure master thêm một món, công lực càng cao siêu, người ta càng khuyến khích ấy chứ. Vả lại khi tu luyện lâu năm, các bác prof. đã luyện được khả năng link các lĩnh vực với nhau rồi. Họ có thể chưa nắm được lĩnh vực mới ngay từ đầu, nhưng họ biết cách approach nào là work, process ra sao cho chóng ra kết quả -> nghiên cứu mới cũng chẳng kém thành công hơn nghiên cứu cũ.
Mà có kém thành công hơn thì đã sao. Sự năng động của họ vẫn được coi trọng (nhưng coi chừng grant bị cắt). Hơn nữa ích lợi của việc nghiên cứu một lĩnh vực mới đối với sự nghiệp nghiên cứu lâu dài khó mà đo cho hết được.
Có lần mình gặp bác XYZ (người Việt, khá nổi, thuộc dạng đầu ngành, ai làm về DB chắc biết ), hỏi bác ấy có làm về MNP nữa ko (là cái mà mình quan tâm), bác ấy bảo, tao làm cái đó 8 năm rồi, giờ chán rồi, ko thích làm nữa, giờ tao làm cái khác. Bác ấy còn nói (chắc đùa vui) là cái MNP ấy những bài toán dễ người ta giải quyết hết rồi, giờ chỉ còn những bài toán xương xẩu nữa thôi, hàng chục năm nữa cũng chưa chắc ra dc cái gì. Câu chuyện ngoài lề nên cũng nói theo kiểu vui vẻ thôi, nhưng quả thực lúc đó mình vẫn thắc mắc không hiểu nguyên nhân thực sự của việc chuyển mối quan tâm là gì. Giờ đọc bài này, tự nhiên lại nhớ câu bác ấy nói, hiểu thêm 1 chút. Nhưng cũng giống như WB, quả thực vẫn chưa hiểu rõ hoàn toàn.
Anh THT có thể giải thích rõ thêm 1 chút về điều này ko?
Cái này mình nghĩ cũng là chuyện bình thường. Một phần lý do cũng như là bác gì má Pisces nhắc đến ở trên. Sau 7 năm, những bài toán, vấn đề trong những hướng nghiên cứu "nóng bỏng" hiện tại hầu như đã được khai thác hết, chỉ còn những vấn đề khó thì rõ ràng là graduate students hoặc junior researchers không nên đâm đầu vào.
Tuy nhiên cũng có 1 lý do nữa mà applicable hơn cho first class research là những người xuất sắc thường nhìn trước được những vấn đề "nóng bỏng" hoặc interesting, có khả năng tạo ra được một hướng nghiên cứu mới cho society. Do vậy, họ switch qua, tập trung làm một số papers, rối...ngừng. Sau đó họ lại suy nghĩ vấn đề mới vá tiếp tục process như trên. Cái này thì rõ ràng chỉ đúng cho những người làm đúng nghĩa first class. Đây là một số ví dụ bên Electrical, wireless communications.
[Only registered and activated users can see links. ]
David Tse, khả năng sáng tạo siêu việt mặc dù em nghe nói là Maths cũng không ghê gớm lắm. Tất cả các key papers của hắn đều bắt đầu 1 hướng nghiên cứu mới trong ngành. Nếu vậy thì mình classify Tse là mainstream hay thờii thượng, cũng khó nói. Rõ ràng trong information theory cũng có mainstreams, là những bài unsolved hàng chục năm rồi.
[Only registered and activated users can see links. ]
Vahid Tarokh, inventor cùa space-time codes chỉ làm codes trong 1 thời gian đầu, kéo cà môt big society làm theo, sau đó không làm nữa mà chuyển sang làm những vấn đề khác. Nếu bạn để ý sẽ thấy Tse không làm cái Tarokh làm và ngược lại. Dĩ nhiên là họ có thể làm và make less significant contributions nhưng mình nghĩ là họ...không thích. ***Interesting note là Tarokh là postdoc mentor cho 1 chị Vietnam và chị này có job faculty ở 1 trường xịn nhất ở Canada***.
Thường theo mình biết thì những lĩnh vực mới là khó hơn so với mấy cái họ đã quen làm (ví dụ như dân control, dân networking, applied maths...) chuyển sang làm biology (rõ ràng khó hơn) hoặc các lĩnh vực mới có nhiều impacts hơn (ví dụ như ai ai hiện giờ cũng chuyển sang làm energy...). Cái trường hợp đầu tiên rõ ràng là real challenges cho bản thân người làm research.
Tuy nhiên, cũng có rất nhiều big shots không làm cái khác vì có thể họ không tự tin lắm sẽ đạt được nhiều thành tựu như là cái mà họ nổi tiếng. Trong trường đó, họ sợ là society nghĩ là mình hết làm được cái mình đang làm nên chuyển hướng làm mấy cái "linh tinh" (Dĩ nhiên "linh tinh" với họ nghĩa là không tạo được tiếng vang lớn).
Làm research, fame (chính đáng) and peers' acknowledgment là mục tiêu và sở thích, việc chuyển hướng research chắc cũng không nhằm mục tiêu nào khác.
__________________ 124 điểm. To view links or images in signatures your post count must be 10 or greater. You currently have 0 posts.
thay đổi nội dung bởi: Kev, 11-11-2009 lúc 01:19 PM
Làm mãi một cái sẽ luôn bị ảnh hưởng bởi suy nghĩ cũ -> khả năng sáng tạo bị giới hạn.
- Sang lĩnh vực mới, sẽ có những idea mới, có cái nhìn khác so với những người đang ở trong đó.
- Nhiều khi sang lĩnh vực mới lại có thể sử dụng được những ý tưởng của lĩnh vực cũ hoặc ngược lại lấy ý tưởng của lĩnh vực mới áp dụng lại vào lĩnh vực cũ. Trong physics mình thấy cái trò recycle idea rât là nhiều.
Einstein sáng tạo nhiều như vậy là bởi vì ông nhúng mũi vào rất nhiều thứ.
Cái này thì hoàn toàn đồng ý với Champs, nếu champs cho thêm vài ví dụ researchers nào nữa thì thuyết phục hơn.
Đây là một ví dụ mình biết, John Doyle là control theorist, very very famous trong control theory society. Hiện giờ hắn interested in biology, dùng ideas của control mà hắn đã quá rành rẽ. Đây là 1 bài hắn published ở Science.
[Only registered and activated users can see links. ]
Reversed engineering trong biology? Sounds cool eh? Đây nữa, mình trích ra 1 đoạn relevant nhất cho những ai không muốn đọc toàn bộ article.
[Only registered and activated users can see links. ]
"Back at Doyle’s messy Caltech office, he props his robust yet fragile body in a recliner by his desk and shifts the conversation from technology back to biology. Around the time Doyle began to use control theory to understand the Internet, he also began using it to explore the mechanism of life. If his ideas about control really were universal, he realized, then a cell ought to share some basic organizational principles with an airplane or the Internet—although finding the similarities might require some digging. “If you want to understand how airplanes fly, looking at birds helps, but you may end up thinking it’s all about flapping,” he says. “If you look at bats and insects, too, you’ll see how it’s lift and drag and things like that. You use them to understand the deep stuff.
Control theorists have pondered living things for decades, but until recently they lacked the mathematical tools to analyze them as they would a technological system. Doyle and his colleagues have created some of those tools. In keeping with Doyle’s gritty real-world philosophy, he then set out to see how they applied to a common bacterium, Escherichia coli. He soon discovered remarkably precise parallels between living networks and technological ones.
When E. coli is heated to dangerous temperatures, for example, it can rapidly churn out thousands of heat-shock proteins, molecules that help protect the microbe’s workings. When the temperature falls, the heat-shock proteins quickly get dismantled. Doyle demonstrated that this behavior takes place through a series of feedback loops inside the bacterium, akin to the feedback loops that keep an airplane on autopilot steady even as the plane is buffeted by gusts.
Doyle is now tackling a far bigger network of genes in E. coli: the master network responsible for governing its metabolism. He and his team are probing the control systems that allow the microbe to eat many different kinds of sugar and transform them into the thousands of molecules that make up the bacterium. E. coli’s metabolism is nothing if not robust, able to easily withstand significant environmental fluctuations.
The reason the bacterium works so well, Doyle finds, is that it is organized in much the same way as the Internet. Both the Internet and E. coli are conceptually organized like a bow tie, with a broad fan of incoming material flowing into a central knot and then flowing into another broad fan of outgoing material. On the Internet, the incoming fan is made up of data from a huge range of sources— e-mail, YouTube videos, Skype phone calls, and the like. In E. coli, the incoming fan is made up of the many sorts of food it eats. As information and food move into their respective bow ties, they get homogenized: E. coli breaks down its food into a few building blocks, while the Internet breaks down its motley incoming data streams into streams of standardized packets.
From the knot, both bow ties then fan out. E. coli turns its building blocks into DNA, proteins, membrane molecules, and any other special ingredient it needs. On the Internet, data packets reach a computer, where they can be reassembled into the original e-mail, YouTube videos, Skype telephone calls, and the like.
A bow-tie organization allows both the Internet and E. coli to run quickly and efficiently. If E. coli (like all bacteria, indeed like all living things) did not have a bow tie, it would have to use a different set of enzymes to make each of the thousands of different molecules it needs from each type of food. Rather than use such a huge, slow system, E. coli just points all its metabolic pathways into the same bow-tie knot, making everything from the same raw materials. Likewise, the Internet’s bow-tie architecture means that it doesn’t have different ways to handle, say, e-mail traffic and instant-message traffic. Everything passes through as the same types of data packets.
The bow-tie architecture also makes both the Internet and E. coli robust. If the type of incoming material changes rapidly—say, a surge in video traffic in the Internet’s case, or a new food source for the E. coli—the system can process that material without having to retool its entire metabolism to cope.
Another advantage of a bow tie is that it makes feedback control easy. Information travels back from a receiving computer to the sender, which can speed up or slow down its packets in response. E. coli’s metabolism is loaded with analogous feedback loops. Normally E. coli can synthesize all the amino acids it needs for making proteins. But if it can get a certain kind of amino acid from the environment, that information shuts down its own production line.
But as Doyle points out, improving robustness comes with a price. The bow-tie structure opens the door to a vulnerability that could prove very hard to fix. Because of the homogenization that occurs at the heart of the bow tie, it’s difficult to identify and block harmful agents. In the case of the Internet, it takes only a short piece of code to produce a digital virus that can spread quickly to millions of computers and cause billions of dollars of damage. In living organisms, real viruses hijack cells in much the same way.
Doyle thinks the similarity between E. coli and the Internet is no accident. As networks get big and complicated—either through the tinkering of Internet engineers or through millions of years of evolution—they must follow certain rules to stay robust. “There is an inevitable architecture,” Doyle says.
Over dinner, Doyle muses on how to deal with these fundamental vulnerabilities. He hasn’t found a way to improve biological reliability (yet), but he does think he can help address the Internet’s limits.
Thêm nữa một ví dụ về việc chuyển ngành, từ networking (network coding, information theory) sang hoàn toàn biology. Thời PhD hắn hoàn toàn không làm gì đến biology luôn và có khá significant contribution trong lĩnh vực network coding.
[Only registered and activated users can see links. ]
Desmond Lun is Director of the Phenomics and Bioinformatics Research Centre (PBRC) and an Associate Professor in the School of Mathematics and Statistics at the University of South Australia. Prior to his present position, he was a Computational Biologist at the Broad Institute of MIT and Harvard and a Research Fellow in the Department of Genetics at Harvard Medical School. In 2006, he was a Postdoctoral Research Associate in the Coordinated Science Laboratory at the University of Illinois at Urbana-Champaign. He received bachelor's degrees in mathematics and computer engineering from the University of Melbourne, Australia in 2001, and S.M. and Ph.D. degrees in electrical engineering and computer science from the Massachusetts Institute of Technology (MIT) in 2002 and 2006, respectively.
Associate Professor Lun's research interests are in synthetic biology, systems biology, and biological signal processing. He is co-author, with Tracey Ho, of Network Coding: An Introduction (Cambridge University Press, 2008).
__________________ 124 điểm. To view links or images in signatures your post count must be 10 or greater. You currently have 0 posts.
thay đổi nội dung bởi: Kev, 11-11-2009 lúc 03:43 PM
Tôi không muốn làm mất hứng của nhiều người, vì tôi biết trong cộng đồng PhD student của chúng ta có nhiều người có khả năng và tài giỏi thực sự. Tôi cũng biết là có nhiều người không chỉ tài năng bằng thể hiện qua 1 số publications, mà còn có những hoài bão rất lớn. Tôi cũng không có ý kiến gì phản đối những mục tiêu đặt ra để thảo luận, vì điều đó là cần thiết cho việc dám làm, dám theo và dám táo bạo. Tất cả đều hoàn hảo.
Nhưng tôi chỉ xin đặt ra 1 câu hỏi nho nhỏ, trong khi 1 số các bạn có thể được xem là tầng lớp Elite (ít nhất so với nhiều người) đang thảo luận về nghiên cứu cấp cao, thì đại bộ phận các nghiên cứu sinh còn lại (trong đó có tôi) là tầng lớp dân thường, cố gắng bươn chải với bài toán của Advisor giao, liệu việc bàn luận về Einstein, Terence Tao... các tầm cỡ vĩ nhân khác... cũng như đem họ ra làm ví dụ có khi nào đang là bước khởi đầu vào con đường sai lầm của Ms Vìu không? Có nghĩa là đại bộ phận ăn cơm rau muống nói chuyện bắn B52.
HIển nhiên theo tiêu chuẩn đề đạt thì forum không phải dành cho chã, cũng như tên của topic này không phải dành cho hạng nghiên cứu loại thấp như đại đa phần các nghiên cứu sinh (trong đó có tôi), nhưng những thứ tầm cao, tôi nghĩ có lẽ nào không phải xây dựng từ tầm thấp trở lên?
Rất nhiều bạn trong forum có potential để trở thành first class research, nhưng tôi nghĩ là original contribution thì đa phần Phd student trong Forum này chắc chắn hầu như chưa ai đạt được. Vậy hạ tầm câu hỏi xuống 1 chút, làm thế nào để doing research 1 cách hiệu quả nhất trong bài toán ta đang nghiên cứu, thì tôi nghĩ thảo luận sẽ effective hơn.
Ps: Tôi không phản đối ngoại ngữ, cũng như không phản đối việc dùng 1 vài từ tiếng anh thêm vào trong cả 1 đoạn tiếng Việt, nhưng tôi nghĩ, chúng ta đều đã qua tuổi trưởng thành để thể hiện accent ta như dân native, nên tiếng Việt luôn là first priority, để truyền đạt đến người đọc trong Forum. Hiển nhiên trong Forum có rất nhiều người thạo rất nhiều ngoại ngữ, trong đó ít nhất 1 thứ tiếng Châu Âu gần bằng tiếng mẹ đẻ là tiếng Việt, nhưng chúng ta là các nghiên cứu sinh NGƯỜI VIỆT, vậy nên tiếng Việt cần được phải chú trọng 1 cách trong sáng hơn. Hơn nữa diễn đàn là dành cho nghiên cứu sinh VN, do đó trong sạch hoá ngôn ngữ tiếng Việt là 1 việc tốt nên làm. Việc lạm dụng tiếng anh, đưa lên 1 đoạn hầu như không tiếng Việt, sẽ gây nên phản cảm. Mong 1 số nên chú ý điều này.
We thank Le Dang Thi NGUYEN for this original paper:
Hoàn toàn đồng ý với bác Thi ở điểm này. Thực ra tớ rất ngại vào viết bài ở thread hoành tráng như thế này. Bản thân tớ thấy việc bàn luận về research của những Einstein, Hamming... chỉ giống như một liều thuốc phiện ru ngủ mình đến một chân trời xa xăm nào đó chứ tớ thấy nó không hề thực tế và giúp ích gì cho mình cả. Tớ không thích cảm giác khi đứng ở đâu đó mà chân không chạm được vào mặt đất.
Bản thân tớ cũng chả dám ép mình tham vọng phải leo đến first class research làm gì cả, chỉ đơn giản là mình có được công việc mình thấy yêu thích và hứng thú để làm là đủ rồi. Cứ đi nhặt nhạnh từng viên gạch một để xây cái móng cũng đủ vui rồi, xây được đến đâu thì xây thôi.
Bây giờ các bác có bác nào có các câu chuyện nhỏ nhỏ, hay hay về kinh nghiệm làm research thì kể ra đây để chia sẻ với mọi người thì tớ thấy hay hơn.
Nhưng tôi chỉ xin đặt ra 1 câu hỏi nho nhỏ, trong khi 1 số các bạn có thể được xem là tầng lớp Elite (ít nhất so với nhiều người) đang thảo luận về nghiên cứu cấp cao, thì đại bộ phận các nghiên cứu sinh còn lại (trong đó có tôi) là tầng lớp dân thường, cố gắng bươn chải với bài toán của Advisor giao, liệu việc bàn luận về Einstein, Terence Tao... các tầm cỡ vĩ nhân khác... cũng như đem họ ra làm ví dụ có khi nào đang là bước khởi đầu vào con đường sai lầm của Ms Vìu không? Có nghĩa là đại bộ phận ăn cơm rau muống nói chuyện bắn B52.
HIển nhiên theo tiêu chuẩn đề đạt thì forum không phải dành cho chã, cũng như tên của topic này không phải dành cho hạng nghiên cứu loại thấp như đại đa phần các nghiên cứu sinh (trong đó có tôi), nhưng những thứ tầm cao, tôi nghĩ có lẽ nào không phải xây dựng từ tầm thấp trở lên?