标 题: [zz]Ian Horrocks:大器中成
发信站: 瀚海星云 (2007年09月13日01:26:00 星期四), 站内信件
这篇文章是我师兄写的，做过Semantic Web的人肯定都知道Ian Horrocks，看了他的成
才历程，真不容易，而且文中很多做科研的想法，也很有启发。和各位共勉～
[zz]http://boole.cs.iastate.edu:9090/popeye/Wiki.jsp?page=Net.Weblog.20060324
Ian Horrocks： 大器中成
by baojie
Ian Horrocks （http://www.cs.man.ac.uk/~horrocks/）在描述逻辑界可谓泰山北斗，
常人不可望之项背。看他的履历，确也并非一条直线。1981年，Ian在曼彻斯特大学计算
机本科毕业
，去一家微处理器实验室，后来去一个数据流并行结构工作组工作。1983年他去了一家
公司，负责字处理程序和桌面出版软件的开发。 （引自其博士论文）
直到1994年，Ian才回到曼大读硕士，95年毕业。又过了2年，作出了Fact，拿到了博士
学位。此时Ian已经40岁上下，无论如何不能算少年得志了。况且，他3年只有2个worksh
op论文（根据其个人主页），若按美国标准申请教职，怕连面试机会都不会有。
然而Ian的博士论文却是一个震撼性的结果。以前，逻辑学家觉得一个逻辑语言，如果有
超过多项式的复杂性，就是一个不应该被考虑的，不实际的语言。而Ian 实践证明，有
若干优化算法，可以极大的降低一些有丰富表达力的语言的复杂性（甚至达到三个数量
级），这就使后来一系列语言如S, SH, SHIQ, SHOQ, SHIOQ（也就是OWL-DL）成为可能
。这是一个很了不起的突破。当时还没有语义网，连XML也没有，可是Ian的工作为10年
之后今天的应用打下了坚实的基础。
从此以后，Ian的创造力犹如滔滔江水，连绵不绝。除了在推理优化之外，他在DL表达力
的丰富， RDF, OIL 和OWL语言的指定，ABox推理，datatype扩展，语义网规则语言等方
面都有不凡的贡献。和许多研究者不同，Ian的大量工作是自己（而不是学生）的原创。
大多数年份，他能有10篇甚至更多的第一作者论文，而且绝对是高质量的论文。对于大 数据挖掘实验室
多数研究人员，这就是奇迹了。（国内有些学者号称一年 20,30篇SCI论文的，除了大多
数是学生的工作不算，就是那些论文本身往往看了就让人生气，比如常识性错误）
我04年见过Ian Horrocks一面，有幸他坐到我的桌子对面也拿出笔记本改slides，聊了
几句. 他给我的印象是个很内敛的人，和Mark Musen, Nataliya Noy, James Hendler,
Bijian Parisa之类都大不相同－ 后面这几个都是很喜欢出风头，说话很居高临下的派
头。 （L. Serafini和 Alan Rector也满和蔼的 - 大概就是学者和学术官僚的区别吧）
Ian 四十岁前并无为世人知的成就，而五十岁时则必可以一代宗师的地位傲视群雄，可
谓大气中成。我辈后生，除景仰外，又能得到什么启示呢？
我个人觉得，当代科学，早已不是天才的时代。Ian是不是天才？我不敢说。不过我辈昭
昭俗人，恐怕没有几个是天才。博士毕业，大多也30左右了，比之牛顿，爱因斯坦，狄
拉克，海森堡之类青年得志者，已经足够老了。不过既然现在科学研究是大科学，个人
在其中无非是一个螺丝钉，或者一个在科学进化的育种场中提供随机变异用的种子，真
正的个人聪明，比重是越来越小了。科学家成名的年龄越来越晚，实在是一个时代的趋
势。这不是一个浮躁者的舞台。（当然，当不了科学家还可以当学术官僚，一样功成名
就。）
许多时候，感觉读博士一种程序性的折磨。无穷无尽的寻找，失败，再寻找，再失败。
在对一个领域没有了解的时候，寻找的方法不是意义不大，就是别人已经做过了，或者
有意义别人也没做过但是自己或者老板的水平又不足以解决。所以许多人都希望开始就
找到一个好的题目，不要"浪费时间"。不过快毕业的回过头来一看，恰恰不是最后写在
博士论文里的那些东西，而往往是被否定掉的那些想法和方向，使自己对整个领域有了
广泛的了解。选择做什么难，选择不作什么就更难了。这恐怕也是博士教育和硕士教育
的一个区别吧。
之所以说到这个是从Ian的履历想到，其实人何尝能一开始就找到自己的人生定位呢？如
果Ian接着做字处理软件，是不是也会一样出色哪？一个具体的研究课题是一种选择，一
个学位是一种选择，在什么国家生活和居住，在什么行业从事工作，和什么样的人终身
生活，等等，一个选择就意味着更多的不选择。怎样才能知其可，知其不可呢？如何看 数据挖掘研究院
待生活中的无穷无尽的寻找，失败，再寻找，再失败呢？
其实一个好的学者，往往有一个好的心态。不急躁，不冒进，调查而后结论；名利视之
当然，失败视之当然。我想博士的程序性折磨，对形成这种健康的心态是有益的。教育
当然不仅是塑造一个学者，也是塑造一个人，一个健康的，全面的，成熟的人。
再回到选择的问题。博士选题，什么样的最好？我以为计算机科学有大体有两种：树叶
型的树枝型的。树叶型的研究，基于既有的理论，或者加以修订，或者加以应用，春天
长出，秋天落下，来年便不再有人记得。有的博士论文，就是三四个树叶的集合，何以
能指望产生持久影响呢？树枝型的研究，并不着眼于立即生叶开花，而是找到领域的一
个切入点，寻求一个不光是对特定对象有效的研究方法，扎扎实实的做几年比较和积累
，或许几个春秋之后，才能长出叶芽。而一旦奠定这样的基础，每年都会有新的叶子产
生，过几年之后，小枝变大枝，又衍生出新的小枝。Ian的选题，无疑就是一个恰当的树
枝，而现在的树叶，也无非是厚积薄发，从当年的小枝演化而来的具体成果。
知道什么不去做是最难的。如果着眼于眼前的publication，做了几个树叶，也及时发了
几篇论文，是否就是最优的选择呢？有没有一个规划让自己的工作在更广泛的范围内产
生影响呢？Ian如果当年的切入点就是医学知识库的建模和具体实现（其博士论文的资金
来源），是否还会产生今天这样大的影响力呢？
子曰，从心所欲不逾矩，大概就是指这种"不选择"的艺术吧。
共勉。
