计算机图形学研究生

首先，对于计算机专业的同学来说，不论是选择往图形学方向发展，还是往大数据、区块链、边缘计算等方向发展，就业前景都是比较广阔的，未来在工业互联网的推动下，产业领域依然会释放出大量的计算机专业人才需求。虽然计算机专业人才的需求量比较大，但是当前IT互联网领域对于从业者的要求也有了新的变化，这个变化可以从三个方面来进行概括，其一是在注重实践能力的基础之上，当前IT互联网企业也越来越注重毕业生的创新能力，这一点在当前的面试环节上就有了较为明显的体现，而读研则能够明显提升自身的创新和科研能力。其二是在注重新技术的基础之上，更注重新技术的应用能力，对于很多同学来说，不仅要了解新技术，同时还要会使用新技术，基于新技术的场景应用也是当前用人单位比较重视的内容。以大数据技术为例，不仅要掌握大数据的技术体系，同时还需要了解如何基于大数据技术来做行业应用。其三是在注重知识结构全面性的基础之上，同时注重毕业生的学习能力和交流沟通能力，当前很多大厂都比较注重毕业生的交流沟通能力，所以对于计算机专业的同学来说，在日常的学习和科研过程中，也要不断提升自身的交流沟通能力。最后，计算机图形学是一个非常重要的研究方向，每年有大量的毕业生会从事图形学方面的岗位，随着人工智能技术的不断发展，图形学领域的技术也在不断迭代更新，所以如果想在内卷越来越严重的当下获得出口，一定要重视课堂之外的机会。我从事互联网行业多年，目前也在带计算机专业的研究生，主要的研究方向集中在大数据和人工智能领域，我会陆续写一些关于互联网技术方面的文章，感兴趣的朋友可以关注我，相信一定会有所收获。如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以私信我！

机器之心分析师网络作者：李媛媛编辑：H4O随着2019年ACM 图灵奖授予计算机图形学的两位学者Patrick M. Hanrahan和Edwin E. Catmull，人们也重新将目光投向了 CGI 领域以及这一领域在印刷媒体、视频游戏、商业广告、互动多媒体等方向上的应用。本文以时间为轴，以皮克斯电影为重心，讲述了自上世纪50年代以来 CGI 的发展历程。2019 ACM 图灵奖大奖出炉，最终花落计算机图形学专家 Patrick M. Hanrahan 和 Edwin E. Catmull，以表彰他们在概念创新和软硬件方面的贡献，以及对计算机图形学所产生的根本性的影响。而上一次图灵奖颁给图形学领域的科学家，还是在 32 年前——1988 年计算机图形学之父 Ivan Sutherland 凭借其发明的 Sketchpad 而获得图灵奖。这种图形用户界面的早期版本直接影响了计算机的用户交互方式，现在早已在个人计算机中无处不在。它发明了一系列在今天的用户界面中被视为「基本操作」的功能：绘制水平线和垂直的线、将绘制的线组合成不同形状、调整图形大小、旋转图形以及缩放窗口等。本次获奖的 Patrick M. Hanrahan 和 Edwin E. Catmull，则从另一个角度深刻的改变了我们的生活。作为皮克斯的创始人——Edwin E. Catmull 还曾是华特 · 迪士尼动漫工作室的总裁——他们的贡献主要集中在从计算机图形学发展出的电脑生成图像（Computer-generated imagery，CGI）技术中，他们的研究成果展示了利用计算机来绘制的故事影片能够如何为电影制作赋予新的灵感。正如 Patrick M. Hanrahan 和 Edwin E. Catmull 本身的兴趣在电影制作上，CGI 最广为人知的应用是在影视作品中创造角色，又称「CGI 动画」，比如迪士尼动画电影中的所有角色都是通过 CGI 技术创造出来的。但 CGI 在印刷媒体、视频游戏、商业广告、互动多媒体等方向也有广泛应用，例如宜家 70% 以上的场景图都是在电脑中建模渲染完成的，并且 CGI 的商业应用还在呈逐年上升的趋势。如果我们跳出 CGI 的定义范围，进入它的父领域计算机图形学（computer graphi，CG），那么应用该技术的研究几乎涉及到我们生活中与计算机有关的方方面面了，比如用户界面设计、渲染、光线跟踪、计算机动画、3D 建模、着色器、GPU 设计等等。为什么 CGI 应用如此广泛？直观来讲，CGI 的主要目的是提供足够逼真的视觉效果。这种视觉效果，最直接的的作用就是提供更好的感官体验——比如用 CGI 技术为电脑生成的图像加上一些「瑕疵」，使其更贴近我们在现实生活观察到的形象。或者对一些纹理的渲染——毛发、皮肤、布料等，电脑直接生成的图像往往锐度过高并且不具有纹理。在一些现代医学治疗中，由于一些植入产品需要根据患者的情况进行高度定制，CGI 已经成为制定手术计划的一部分，用以对患者的器官进行精准建模。类似地，利用 CGI 生成的 3D 建筑模型比传统图纸更准确，并且可以提供交互式体验，从而为客户提供更好的概览，并且能够对细节、特殊的应用环境进行检测。由于交互式可视化可以动态展现数据，CGI 也可以允许用户从多个角度查看数据，比如对复杂机械结构的可视化。在过去的半个世纪，CGI 以电影行业为起点，的确悄然无息将其影响力扩散到了电子游戏行业和 VR、AR 等行业，包括数据中心管理和人工智能在内的多个领域。在本文接下来的内容中，以皮克斯为中心，走过 CGI 半个世纪的发展，我们将看到 CGI 是如何从一些非常基础的应用，发展到今天这样的规模的。1950 年代-1970 年代这一阶段是 CGI 的创始发展期，一个「从无到有」的时期。1958 年，阿尔弗雷德·希区柯克（Alfred Hitchcock）发布了首部应用 CGI 技术的电影 VERTIGO，在该片中，一个绿色的螺旋动画从一只眼睛中缓缓升起。这个「简单」的特效，是世界上第一个计算机动画。电影 VERTIGO 截图。来源：youtube在这一期间最重要的技术之一当属由 N. Konstantinov 领导的一组苏联数学家和物理学家所研发的猫的运动的物理数学计算模型。该算法是在 BESM-4 计算机上编程的，使用时需要用计算机打印出数百帧，以后再转换为胶片。他们使用的模型和其理论形成了今日动画电影和计算机游戏的基础技术之一。但整体来看，这十几年中有关 CGI 技术 的研究寥寥无几，直到下一个十年的来临。1970 年代-1980 年代70 年代，Edwin E. Catmull 等大佬工作逐渐起步。当时还是犹他大学的学生的 Edwin E. Catmull 和 Fred Parke 合作，于 1972 年制作了世界上第一部 3D 多边形动画（polygonal 3D animation）：A Computer Animated Hand。这部动画模拟了他自己的左手，被视为 CGI 发展史上的 milestone 之一。动画 A Computer Animated Hand 截图。来源：youtube1974 年，Fred Parke 在发表的论文中将他们的工作延伸到了人脸建模领域，这是世界上最早的高仿真人脸 3D 渲染作品之一。这两项工作最终于 1976 年汇集在了电影 future world 中。由于 Edwin E. Catmull 和 Fred Parke 的杰出工作，犹他州立大学计算机图形实验室吸引了来自各地的人，这些人随后散布在各行各业，创造了许多我们意想不到的联结——比如慕名而来的约翰·沃诺克（John Warnock），他之后成立了 Adobe Systems。电影 future world 海报 来源：https://en.wikipedia.org/w/index.php?curid=5819539这一时期 CGI 技术发展突飞猛进，大量目前使用的算法的雏形都在这一时期被创造出来，而这之中，最重要的恐怕要数渲染（render）技术在这一时期的突破了。在 CGI 技术之中，一般在图像初步创建之后，就要进行渲染了，渲染效果将会直接决定模型与动画最终显示效果。简单的来说，渲染涉及到如何将 3D 物体投射到 2D 图像中，并尽可能的符合在肉眼情况下我们会观察到的几何效果。下图给出了一个简单的例子——图左中，可以看到一组已经建模好的 3D 物体，每个物体的位置和形状都由几个顶点定义，在这里顶点之间仅简单的通过直线连接，并形成了多个平面，以组成该物体的表面。很显然，在现实世界中，我们无法直接透视到物体被遮挡的部分。因此，渲染程序首先需要根据定义好的视角来决定哪些表面可以被观察到、哪些则不能，也就是下图中所呈现的效果。随后，渲染程序可以在物体表面上进行着色，来进一步突出其表面纹理、物体位置等信息。在下图右中物体仅被填上了不同程度的灰色，没有涉及更多的步骤。在实际应用中，出于不同的目的，渲染程序可以将重点放在图像的不同特征上——为图片增加更丰富的色彩和亮度、为物体表面增加纹理、为物体表面增加凹凸起伏、模拟光照在不同环境（如雾）中散射的效果、增加阴影、增加反射、调整透明感、增加光的折射效应、模拟间接光源光照的效果、增加景深、运动模糊、不追求真实感而增强图像的艺术性等。一个简单的渲染示例 来源：http://www.graphics.cornell.e/online/tutorial/objrender/更准确的定义的话，渲染是通过计算机程序从 3D 模型生成 2D 图像。在这一定义中，模型是用语言或者数据结构进行严格定义的三维物体或虚拟场景的描述，它包括几何、视点、纹理、照明和阴影等信息。如前文提到的，出于不同的目的，渲染程序可能会侧重不同的角度——被渲染物体本身的质感、纹理、透明度、真实感等。用计算机语言来模拟这些过程，涉及到大量的几何原理、光学原理和数学计算。皮克斯在今天的电影动画中有如此重要的地位，很大程度上也源于他们在渲染领域中做出的突出贡献。当时，早期使用的光栅化渲染方法主要通过考虑视角和被渲染物体之间的光线连线来确定物体在 2D 图像上的投影，但这种方法没有考虑深度信息，因此无法确定重叠物体的遮挡情况。也就是说，在上例中，我们甚至无法完成从图左到图中的步骤。1974 年，Edwin E. Catmull 博士毕业，在他的毕业论文中，他描述了深度缓冲算法（Z-buffering）用于管理计算机图形学中图像深度坐标的方法。根据他的算法，在进行物体渲染时，程序需要同时生成一个缓冲区用以保存生成的像素的深度。如果之后发现另一个物体所生成的像素与此有所重合，就根据缓冲区中保存的深度进行选择，以达到较近的物体遮挡较远物体的效果。下图给出了深度缓冲算法图例。深度缓冲算法图示（左）：3D 场景（右）：深度缓冲表示 图源：https://en.wikipedia.org/wiki/Z-buffering#/media/File:Z_buffer.svg但带有深度的光栅化渲染方法仍然无法解决物体在光照下应该具有的反射、折射、阴影效果。几经发展后，1979 年，Turner Whitted 提出了极大影响了渲染技术的光线追踪算法（ray tracing）。在这种算法中，当光线从视点发出并撞击到物体上时，会产生最多 3 种类型的光线：反射、折射和阴影。如下图所示，从相机发出的（红色）光线打到了球体上并发生了反射，如果反射光最终反射到了光源，根据光线可逆原理，我们知道该光源可以照亮这个球体。而在球体的另一侧则处于阴影之中，因为在其和光源之间存在球体的其他部位，遮挡住了光源。光线追踪图解 图源：https://upload.wikimedia.org/wikipedia/commons/8/83/Ray_trace_diagram.svg光线追踪算法在今天也是一个十分活跃的研究领域，一个主要原因是光线追踪的计算复杂度极高，一般都需要利用蒙特卡洛方法等求近似解。在游戏等产品上应用实时光线追踪直到几年前都是一个挑战，今年在英伟达 GTC GPU Technology Conference 上仍然有好几个 session 的主题是如何对光线追踪计算进行加速。1980 年代-2000 年代从 80 年代开始，越来越多的电影参与进了 CGI 技术的使用中，其中今天我们耳熟能详的经典电影多到令人目不暇接，这种繁荣在一定程度上也反哺了 CGI 技术的发展。1982 年，在著名电影星际迷航 II 中，「创世纪效应」（Genesis Effect）大放异彩——在电影中，Carol Marcus 博士解释道创世纪项目是一种计算机模拟的项目，旨在将不宜居住的世界转化或重塑为郁郁葱葱的天堂。为在电影中实现这种视觉效应，电影首次使用了当时还在卢卡斯影业旗下的皮克斯创造的 32 位 RGBA 绘画软件，并使用了分形生成的景观（fractal-generated landscape）和颗粒效果进行渲染。其实在当时，勇于应用 CGI 技术的电影除了科幻片以外，还有很多恐怖片——这倒也很合理，毕竟这两者都需要丰富的想象力，需要创造更多的「异形」，只不过当时使用 CGI 拍摄的恐怖电影中流传到今天成为经典的较少。电影著名电影星际迷航 II 中「创世纪效应」截图 图源：https://www.youtube.com/watch?v=QXbWCrzWJo4光线追踪算法的提出，使 CGI 生成图像的真实感大大增加，因为它本质上是在试图模拟自然界中光线传播的过程。在此基础上，为了更进一步增强 CGI 生成的某些类型的图像的真实感，Hanrahan 于 1988 年提出了立体渲染技术（volume rendering）。其背后的思想主要是在自然界中有一些物质本身就是以一定体积存在的——如云、火、雾——用前文提到的那些几何渲染方法很难取得逼真的效果。立体渲染技术仍然致力于如何将 3D 物体投射到 2D 图像中，但更关注如何在体素（voxel）而非像素（pixel）水平上实现这种渲染，以及如何保证物体纹理质感的呈现，比如生成一副伤口的图像需要关注如何真实的表示肌肉的走向、纹理等。1993 年，Hanrahan 还开发了利用次表面散射（subsurface scattering）描绘皮肤和头发、利用蒙特卡罗光线追踪来渲染复杂照明效果的技术。次表面散射模拟的是光在穿透半透明物体时以不规则的角度在物体内部反射多次，然后再从不同角度离开物体表面的效果。这种现象在大理石、皮肤、蜡等类型的材质上非常常见，因此要逼真的渲染这种材料，首先必须模拟光的这种传播机制，下图左中给出了一个现实生活中的例子——当光穿透手指时，会产生一种半透明、光亮、毛茸茸的质感，图右则给出了计算机根据次表面散射算法渲染的图像。人手的次表面散射现象。图源：By Davepoo2014 - Own work, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=39205630计算机渲染的次表面散射现象图源：By Piotrek Chwaa - Own work, CC BY-SA 3.0, https://commons.wikimedia.org/w/index.php?curid=7615927也是在这一时期，3D 建模技术开始初露头角。通过专用软件在三个维度上进行数学表示，3D 建模可以对被建模对象的任何表面进行建模。具体来说，3D 模型使用 3D 空间中的点集合表示实体，点与点之间由三角形、直线（Polygonal modeling）、曲面（Curve modeling）等进行连接。这个点集可以由使用者手动创建、根据已有算法创建、或者通过扫描实体创建。初步建模完成后，再通过纹理映射（texture mapping）技术，对建模的物体表面进行优化。纹理映射——又是 Edwin E. Catmull 对 CGI 领域一个重要贡献，由他在自己的博士论文中最早提出——主要是为物体表面着色的一种方法。现实世界中的物体一般都具有非常丰富的颜色，即便是黑色的物体也不可能具有同一的黑色，要令电脑生成的图像足够逼真，为图像上的物体添加这些多样的颜色必不可少，有无纹理的物体对比见下图所示。然而，如果程序要为图像中的每一个像素制定颜色，效率就太低了。纹理映射要做的，简单来说，就是找到选择一个纹理/图像，然后将它「贴」到图像中制定的物体上。图（1）没有纹理的 3D 模型（2）有纹理的 3D 模型图源：By Anynobody - Own work, CC BY-SA 4.0，https://commons.wikimedia.org/w/index.php?curid=3441137立体渲染技术 + 3D 建模 + 纹理映射，为电影业带来了新的革命。1995 年，皮克斯（首映电影）与迪斯尼制片厂合作制作出了玩具总动员，这无疑也是对 CGI 技术影响最大的电影。这是第一部完全由计算机动画（CG）制作的长篇电影，也是全 3D 动画。在当时的电脑计算能力下，每帧需要 4 到 13 个小时才能完成。在这部电影发行之前，计算机图形（CG）通常用于短片或具有特殊效果的真人电影的补充，直到在 1990 年代中期，人们多少都认为用计算机制作整个数字电影是不切实际的。在此片出现后，CGI 展示了其巨大的潜力，计算机动画电影或多或少已成为新规范，并取代了传统的手绘动画电影。皮克斯在这部电影的制作中使用的自家软件 RenderMan 负责 3D 建模和动画应用程序与渲染引擎之间的通信，到今天，RenderMan 无疑成为了好莱坞工业中的标准工具。据统计，在 47 部被提名了奥斯卡最佳艺术特效的电影中，44 部使用了这一工具。电影玩具总动员 图源：https://zh.wikipedia.org/wiki/玩具总动员 #/media/File:Movie_poster_toy_story.jpg在电影行业之外，CGI 技术的影响也逐渐扩展到了视频游戏中。1992 年，在 Sega Model 1 街机系统板上运行的 Virtua Racing 奠定了全 3D 赛车游戏和在更广泛的受众中普及实时 3D 多边形图形的基础。电影玩具总动员 图源：https://zh.wikipedia.org/wiki/玩具总动员 https://en.wikipedia.org/w/index.php?curid=60308343渲染一直是对计算资源要求很高的一类算法，很难不认为渲染技术的发展对电脑的计算资源的发展没有起到推动作用，两者至少一直是紧密结合的。也是在 90 年代，在目前深度学习中最为重要计算资源的 GPU 开始流行，并将这一趋势持续到了今天。90 年底后期，Hanrahan 和他的学生扩展了 Renderman 着色语言，使得其可以在当时刚打入市场的 GPU 上实时运行。Hanrahan 和他的学生为 GPU 开发的编程语言带动了商业版着色语言的开发（包括 OpenGL），从而彻底改变了电子游戏的程序编写。1999 年，英伟达发布了具有开创性的 GeForce 256，这是第一张被称为图形处理单元或 GPU 的家庭视频卡，计算机使用通用的图形处理框架——例如 DirectX 和 OpenGL——的惯例也是在那时建立起来。正是由于功能更强大的图形硬件和 3D 建模软件，计算机图形才变得更加详细和逼真。这十年中，AMD 占据的市场份额也不断增加，最终形成了我们今天所熟悉的「双寡头」市场。2000 年代至今进入千禧年后，CGI 技术的发展仍然非常快，其中不乏图形处理单元的持续增长和日益成熟带来的推动力——到了此时，3D 图形 GPU、3D 渲染功能已成为台式计算机的标准配置。CGI 开始变得无处不在——CGI 电影激增，诸如冰河世纪和马达加斯加等传统动画动画片电影以及诸如《海底总动员》等众多皮克斯产品在该领域的票房中占据主导地位；在视频游戏中，索尼 PlayStation 2 和 3，Microsoft Xbox 系列游戏机以及 Nintendo 的产品（例如 GameCube）和 Windows PC 都吸引了大量的追随者，诸如超级侠盗猎车手，刺客信条，最终幻想，生化奇兵，王国之心，镜之边缘。CGI 在这两个领域的成功发展将计算机图形学的影响力传播到了主流领域，并逐渐引入其他领域，比如电视广告。软件方面，OpenGL 也变得更成熟，它与 DirectX 有了很大的改进。在这一十年中，第二代着色器语言 HLSL 和 GLSL 开始流行。电影冰河世纪。图源：合理使用, https://zh.wikipedia.org/w/index.php?curid=294080游戏最终幻想。图源：合理使用，https://zh.wikipedia.org/w/index.php?curid=3621086这一时期，在电影制作中大量应用了另一非常重要的技术：动作捕捉（motion capture）。运动捕获，又称运动捕捉或运动捕捉，是记录物体或人的运动的过程。最早在 1978 年的电影指环王中其实就有用到，但由于当时的技术限制，还不能做到对演员的表情等细节进行捕捉。2009 年，阿凡达（Avatar）以使用运动捕捉技术为其角色进行动画而不是使用软件来手工绘制/创建角色而闻名。另外，阿凡达（Avatar）是最早使用「Simulcam」的电影之一。这款特殊的摄像机能够将 CGI 动画图像叠加在实时拍摄的实时图像之上（Outlaw）。电影阿凡达。图源：By Source, Fair use, https://en.wikipedia.org/w/index.php?curid=23732044到了 2010 年后，CGI 在视频中几乎无处不在，预渲染的图形在科学上几乎是真实照片级的。这时期的工作主要集中在集成更复杂的多阶段的图像生成。纹理映射也已经发展为一个复杂的多阶段过程，使用着色器（shader）将纹理渲染、反射技术等多种算法集成到一个渲染引擎中的操作并不少见。阻碍 CGI 技术，特别是渲染技术，发展的一大瓶颈仍然是计算，在深度学习、人工智能火爆的今天，AI 也为 CGI 在这方面的突破助了一臂之力。几天前英伟达发布的 DLSS 2.0（deep learning super sampling），根据官方宣传，可以保证渲染程序在较低分辨率下对游戏画面进行实时光线追踪，而 DLSS 2.0 则会将渲染后的画面进行 4 倍超采样，从而保证细节与帧率的兼顾。也就是说，在 DLSS 2.0 下，要运行实时 4k 游戏，渲染程序只需要在 1080k 的分辨率下进行计算。「要在游戏中的每一帧上运行一个神经网络」，像这样疯狂的想法还有很多，很难想象 AI 和渲染结合起来将会把 CGI 生成图像带到什么方向上。至此，CGI 技术从一开始只能对一些简单的形状进行建模的研究，逐渐发展成了一个子研究极度丰富的复合学科，其对其他计算机科学领域的影响数不胜数，涉及到 CGI 的跨学科领域也屡见不鲜。正如 ACM 主席 Cherri M. Pancake 所说：「Hanrahan 和 Catmull 做出的贡献表明，计算机某个专业领域的进展能够对领域内其他学科产生深远影响」。在这一小苗成长为一颗参天大树的过程中，始终有 Patrick M. Hanrahan 和 Edwin E. Catmull 的参与，他们也因此获得了 ACM 大奖。Patrick M. Hanrahan 和 Edwin E. Catmull 的成功对所有正在从事自己所热爱的工作的人都是一个巨大的鼓励，因为他们证明了个人在自己的研究领域内的坚持和贡献，不仅可以推动该单个领域的进步，甚至还可以改变世界。我们所生活的世界真正由我们的双手亲自创造。颁奖典礼预期 6 月在美国旧金山举行，Patrick M. Hanrahan 和 Edwin E. Catmull 将分享 100 万美元奖金。可见，五毛钱的特效可能随处可见，但好的特效，不仅费时费力，还很值钱。作者介绍：李媛媛，几次转行，本科国际贸易，研究生转向统计，毕业后留在比利时，选择从事农用机械研发工作，主要负责图像处理，实现计算机视觉算法的落地。欣赏一切简单、优雅但有效地算法，试图在深度学习的簇拥者和怀疑者之间找到一个平衡。我追求生活的宽度，这也是为什么在工作之外，我也是机器之心的一名技术分析师。希望在这里和大家分享自己对于技术的理解，通过思想的碰撞拓宽思路和眼界。

20世纪40年代，世界上第一台真正意义上的现代化计算机诞生于美国。自此，美国一直居于全球计算机科学界的领袖地位；同时，美国计算机产业也在世界计算机行业中占据了绝对优势，美国硅谷几乎成为计算机行业的代名词。在介绍美国大学的计算机科学专业（Computer Science-简称 “CS”）时，不得不提到的是中国高校自建立计算机科学专业和院系以来，从国外引进的原版教材绝大多数都来自美国，这既为中国同学申请美国大学计算机科学系奠定了良好的基础，同时也加剧了中国同学之间的内部竞争，所以计算机科学专业历年来都是赴美留学申请中竞争最为激烈的专业之一。 CS专业在美国计算机专业作为理工科申请中的热门专业之一，对专业知识要求高，竞争激烈。美国计算机专业（简称CS专业）的研究领域极为广阔，美国的各大高校的CS系的专业方向也有不同的侧重点。如何选择适合自己职业发展和兴趣的专业方向和院校便成了众多学子所关注的问题。毫不夸张地说，CS专业是美国就业前景最好的专业。在计算机行业日新月异的今天，CS毕业生基本不愁找不到工作。此外，该专业的毕业生的薪酬水平非常高，而且近些年以来呈不断增加的趋势。在美国计算机科学领域，排名靠前的学校较之排名靠后的学校有着巨大的优势，80%以上的图灵奖（计算机界的诺贝尔奖）得主集中于排名前十位的学校。这些学校无论在学术界还是在计算机工业界均有着举足轻重的影响。因此，对于广大有志赴美攻读计算机科学领域高级学位的中国同学而言，尽可能地进入排名靠前的学校相对于其它专业而言是一个更加现实和迫切的需要。 CS专业在英国英国大学开设的计算机科学课程，覆盖了计算机理论研究以及生产生活实践应用的各个方面，不仅包括了人工智能、计算机系统、数字系统设计、电子系统设计、信息技术与系统、计算机模拟、软件工程、人机互动、多媒体技术、电脑游戏开发、网络信息安全等专业领域，也囊括了金融计算机学、信息系统管理、生物信息学、分子计算学、认知科学等跨学科领域，因此，大家可以根据个人兴趣进行选择。在英国计算机科学领域，University of Oxford、University of Cambridge、Imperial College London、Unviercity College London以及University of Edinburgh是其中最有名的5所大学。 CS专业的主要分支和研究方向1、系统与网络（System and Network）计算机网络是利用通信设备和线路将地理位置不同的、功能独立的多个计算机系统连接起来，以功能完善的网络软件实现网络的硬件、软件及资源共享和信息传递的系统。简单的说 即连接两台或多台计算机进行通信的系统，此分支方向主要的学习内容：网络基础理论、拓扑结构、相关组成硬件、传输媒体，到各种网络协议等2、人工智能与机器人（Artificial Intelligence and Robotics）目前来讲是非常火热的方向。该方向学习的内容主要包括：机器意识（包括机器学习，知识表达与推论，机器人）、动态系统模拟、动力学计算、触觉控制（haptic control）自然语言习得与处理、计算语言、统计语言技术、自动推理、图形图像、人机交互、成像感知与传感器、计算机视觉、视觉场景认知、模式识别、神经网络、信息提取、制造和控制理论等。3、计算机隐私与安全（Privacy and Security）概括地说，计算机安全主要是保护计算机与网络免于滥用和干扰。从过去的历史看来，计算机攻击一般来说包含了攻击系统的完整性，保密性与可用性。而如今的信息安全技术一直在发展中，不单包含了对上述攻击的防御，同时也增加了更多的应用，如垃圾邮件，以及防止身份盗用而导致的信息泄露等。4、编程语言（Programming Language）包括开发新型编程语言以助程序员实用高效地开发可靠的软件，计算机辅助语言学习，计算语言学，从初阶的打字理论，自动定理证明，语义学等。发展到如今的基于语言的途径以解决计算机安全与分布式编程中的重大问题，语言应用，编程分析与优化等，可以从根本上提高软件可靠性与安全性。5、数据库（Database）与数据管理相关的所有方面，包括数据存储，数据检索，数据分析和视觉化，如为超大型数据组开发高效算法，为各种新型的应用领域建立大型的数据系统，也有与其他领域进行跨学科的研究，可应用的领域有电脑游戏设计，数据隐私与安全等。6、计算机图形学（Computer Graphics）计算机图形学（Computer Graphics，简称CG）是一种使用数学算法将二维或三维图形转化为计算机显示器的栅格形式的科学。 如何在计算机中表示图形,以及如何利用计算机进行图形的生成、处理和显示的相关原理与算法，构成了计算机图形学的主要学习内容。图形通常由点、线、面、体等几何元素和灰度、色彩、线型、线宽等非几何属性组成。从处理技术上来看，图形主要分为两类，一类是由线条组成的图形，如工程图、等高线地图、曲面的线框图等，另一类是类似于照片的明暗图（Shading），也就是通常所说的真实感图形。7、生物信息学与计算生物学（Bioinformatics and Computational Biology）人类基因工程的完成对现代生物学中的新型计算和理论工具提出了新的要求。这些计算和理论工具对于分析，理解和控制生命的具体信息都是至关重要的。生物信息学与计算生物学在此历史背景下应运而生。此方向属新兴的研究，主要是利用应用数学，信息学，统计学与计算机科学的方法来研究生物学的问题，因此也需要从事此方向学习和研究的学生有较强的数学和统计背景。目前来说研究方法包括对生物学数据的搜索（收集和筛选），处理（编辑，整理，管理和显示）及利用（计算和模拟）。8、算法（Algorithm）广义上面的算法是指为解决一个问题而采取的方法和步骤，而CS下的算法则是指计算机为了解决某一个问题或者完成某一个任务的一系列清晰的指令。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。现代的算法理论主要的研究目的在于如何开发出更加效率的算法，研究相关的算法的设计方法与实现技术。9、计算机理论（Computer Theory）计算机理论，顾名思义，是为计算机科学的发展与研究提供理论基础的一门学科。这个课程的学习涉及到CS的核心课题，归纳起来涵盖了可计算性、文法与自动机、逻辑学、复杂性及语义学等5个部分，涉及到可计算性理论、形式语言、逻辑学与自动演绎、可计算复杂性和编程语言的语义等内容，并学习和研究这些内容之间的联系。10、科学计算（Scientific Computing）科学计算，又称为计算科学，它的主要学习内容和研究领域是利用数学模型的构造以及数量分析的技术，通过计算机来分析和解决科学问题。在实际的应用中，科学计算经常用于计算机仿真以及其它各种问题的数学计算，包括数值模拟、模型拟合与数据分析以及最优化计算等等。数值分析（Numerical analysis），是科学计算专业方向中所会应用到的核心方法。11、软件工程（Software Engineering）软件工程是一门研究用工程化方法构建和维护有效的、实用的和高质量的软件的学科。它的目标是在时间、资源、人员这3个主要限制条件下构建满足用户需求的软件系统，包括提高软件质量设计新的形式与结构、开发新的科技以降低软件系统的成本、提高软件的正确性与实用性。软件工程的关注点是如何为用户创造价值。在学习内容方面它涉及到程序设计语言、数据库、软件开发工具、系统平台、标准、设计模式等方面。12、计算机视觉（Computer Vision）计算机视觉就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取―信息的人工智能系统。比较经典的计算机视觉应用包括识别（如在巨大的图像集合或视频中寻找包含指定内容的所有图片或视频片段）、运动（图像跟踪：跟踪运动的物体）、场景重建以及图像恢复等等。13、计算机体系结构（Computer Architecture）计算机体系结构主要学习与研究计算机的结构和功能，以及它们在电子技术方面的应用。抽象来说，计算机体系结构是一个系统在其所处环境中最高层次的概念；它确定了一台计算机硬件和软件之间的衔接。具体地说计算机体系结构指的是计算机系统设计的观念与架构。它确定了一台计算机设计的部件、部件功能以及部件间接口。以常见的冯·诺伊曼设计为例，体系结构设计包括了：指令集、微体系结构、数据表示、寻址方式、寄存器定义、指令系统、异常机制、机器工作状态的定义和切换、输入输出结构等。14、人机交互（Human Computer Interaction）人机交互，简称HCI，是一门研究人、计算机以及它们之间的相互影响的学科。人机交互技术是指通过计算机输入、输出设备，以有效的方式实现人与计算机对话的技术。它包括机器通过输出或显示设备给人提供大量有关信息及提示请示等，人通过输入设备给机器输入有关信息，回答问题等。人机交互技术是计算机用户界面设计中的重要内容之一。它与认知学、人机工程学、心理学等学科领域有密切的联系。申请要求前言：CS专业，作为一个热门专业，可以说是所有理工科专业中申请难度最大的。故若要申请名校的CS专业，那申请者一定要从多方面去提高自己的背景，这样子才能有更大的希望在激烈的竞争中脱颖而出。申请者专业背景一般来说，除了 CS相关专业，其他，如EE, MIS，数学，物理等专业的同学，也可以申请CS专业。但由于本身该专业的竞争压力大，所以对于转专业申请的同学来说，更是需要有针对性地去提高自己的背景。首先，理工科的转专业需要完成先修课程的准备，针对计算机专业而言，不需要了解复杂的数据结构，“只要了解 LIST, ARRAY, TREE 等基本知识就可以，同时学习些 Object-Oriented Programming ，所以基本入门课程包括数据结构，计算机组成原理， C++/Java 等。建议去各大学校官网了解相关的课本列表，出现次数最多的就是比较推荐的。在此基础上可以根据自己的能力和情况补充其它的相关课程，比如 networks(Computer Networks by Andrew Tanenbaum), operating systems(Operating Systems by Andrew Tanenbaum), database （ Stanford 的经典教材 A First Course in Database System ） 4, Software Engineering 等，整体的计算机专业知识结构就相对比较不错了。” 通常来说，申请者需要掌握以下知识和技能。硬件条件（GPA, TOEFL/IELTS, GRE/GMAT)对于GPA当然是越高越好，但基本上来说，TOP50的CS专业的GPA至少达到3.3，才有比较大的申请可能性。而一些名校的CS专业，建议GPA能够至少是3.5，甚至3.8，才具备一定的竞争力。ü TOEFL/IELTS:申请U.S News的综合排名TOP50之前的学校的学生建议IELTS至少要达到7.0(小分不低于6.0), TOEFL至少达到90（小分不低于20)。而申请TOP30之前学校的学生建议IELTS至少要达到7.5（小分不低于7.0）TOEFL必须达到100以上（不包含100）（小分不低于22）。ü GRE/GMAT:申请CS专业只接受GRE成绩，不接受GMAT成绩。综合排名TOP50之前的学校，综合多个学校的要求来看, GRE的话，建议至少达到320+。 而对于Top 30的学校而言， GRE至少要达到325+。如此一来，才具备一定的竞争力。ü 英国与美国申请的不同之处而对于申请英国大学的CS专业而言，与美国相比略有不同。由于英国大学非常看重申请者所在的学校是不是211,985院校 ，所以，所指定的录取标准也有所区别。不少学校并不接受非211学生的申请。换言之，即便申请者自身背景非常出色，但由于所在院校为非211，必然会收到拒信。当然，英国中，不需要提交GRE成绩。而且，英国学校申请的时候，并不严格要求申请者提供雅思成绩，雅思成绩可以在拿到有条件录取之后再补充。所以，对于没有相关成绩的申请者来说，申请英国也算是一个不错的选择。此外，最为有重要的是，部分英国院校，如帝国理工学院，Newcastle University等院校，开设了针对非CS背景申请者的Computer Science专业。这对于其他背景想转CS的同学来说，无疑是个利好消息。虽然美国也有类似项目，但相对来说，数量没有英国那么多。软件要求（实习，科研，工作等等）虽然大部分的CS项目不强制需要工作经验，但如果有相关的实习经历，对于申请而言是非常有帮助的。而拥有多年全职工作经验的申请者，更是能够取得非常好的录取。此外，科研背景对于申请CS也是极为重要的。申请者一定要在本科期间尽可能地参与CS相关的科研项目。有条件的话，能够发表相关paper，那是最好不过的了。如果我背景不好，但想去好学校，该怎么办？众所周知，CS专业历年都是竞争的热门，所以很有可能出现一些学生拿不到学校录取的情况，当然我指的是缺乏一定研究背景，转专业申请，GT偏低，GPA也偏低的一些申请人，如果你对自己期望也比较高，非名校不去的，其实这样子的一个申请难度是比较高的，虽然你们所制作的文书还可以适当帮他们加分，但毕竟文书的力量还是有限的。所以在这个情况之下如何是好呢？不妨考虑一下MIS专业，该专业都是学习一些系统的开发、网络的设计等内容，偏向于软件方向，与CS不少课程都有交叉和重叠。但从申请难度上来说，MIS相对来说是比CS低一些的。所以建议申请者们必须谨慎选择自己的专业方向和所要申请的学校，申请不同的专业方向和学校可能会有不同的结果。在选校之前最好能分析一下过往学校的录取数据，分析一下学校的招生特点，知己知彼，才能百战百胜。学费介绍前言：由于CS专业为理工科专业，通常来说，学费不会太高，一般会比商科专业便宜一些。以下是美国部分大学CS专业学费的介绍，每年的学费范围基本在 $25,000~$70,000之间。（注：美国大部分CS专业为两年制，剩下基本都是一年制）以下是英国部分大学CS专业学费的介绍，每年的学费范围基本在 16,000~35,000之间。（注：英国CS专业为一年制）典型项目介绍Carnegie Mellon University卡内基梅隆大学，（跟那位心理学家卡耐基没有什么关系哦），由于名字有些拗口，我们一般称之为“CMU”）。这个学校的计算机科学科学系是美国最早建立的计算机科学系，目前已经升级为计算机科学学院。而该学院下包括Computer Science Department, Computational Biology Department，Institute for Software Research，Language Technologies Institute，The Robotics Institute， Machine Learning以及Human-Computer Interaction Institute等七个下属院系，开设了Computer Science，Computational Biology，Automated Science，Software Engineering, Privacy Engineering，Language Technologies, Intelligent Information Systems, Computational Data Science, Artificial Intelligence and Innovation, Robotics, Computer Vision等数十个研究生专业。规模之大，学科之全，可见一斑。在CMU的教学和科研项目中，机器人领域的研究一直处于世界领先地位。在整体课程设计方面，CMU摒弃了对传统离散数学的过分强调，而是在入学之初就注重概率、代数、算法、加密理论、复杂性理论和博弈论等理论的研究，把学习的趣味性和实用性紧密结合。值得一提的是，CMU除了在匹兹堡的主校区之外，2002年在硅谷开设的一个新校区，简称CMU-SV。硅谷的地理位置就比较得天独厚了，所有的顶级公司应有尽有，苹果，谷歌，Facebook，都在附近几千米的距离。这对于就业而言，简直就是顶级配置。University of Pennsylvania宾夕法尼亚大学（University of Pennsylvania ），简称宾大（UPenn），位于宾夕法尼亚州最大城市--费城。宾大作为藤校之一，同时也是人类历史上第一台通用电子计算机ENIAC的诞生地，故宾大被誉为现代计算机科学文明的发源地。宾大的CS是和信息科学并在一起的Computer and Information Science。纵观计算机科学和技术的发展，宾大的CS起到了里程碑的作用。该系主要的研究内容包括人工智能、算法、信息管理、软件原理、系统以及计算机理论，其中阵容强大的主要是人工智能、信息管理和软件原理三个方向。宾大的计算机硕士项目的设置与其他学校不同。分为CIS，MCIT, CGGT,EMBS,Robotics等。前两者是大家申的比较多的。其中MCIT是针对转专业申请者所开设的，同专业申请可以选择CIS。其他几个项目是小方向的项目，如果学生有兴趣可以申。转专业的背景申请CIS，被拒的概率非常大；对计算机图形学和游戏设计感兴趣，可以申CGGT,对嵌入式感兴趣，可以申EMBS,对robotics感兴趣，可以申请Robotics。宾大所在的城市--费城是美国第六大城以及宾夕法尼亚州人口最多和面积最大的城市，费城有着较为发达的高科技产业和金融服务业，有自己的证券交易所。 诸如网络与有线电视公司Comcast、保险公司CIGNA、林肯金融集团等这些实力雄厚的公司也位于这里，这对于CS毕业生提供了很大规模的人才需求。因此，费城对于宾大的CS毕业生来说就业的机会也是比较多的。University of California,Berkeley加州大学伯克利分校(University of California, Berkeley,简称UC Berkeley, Berkeley, California, 或Cal)。伯克利大学是一个被世界熟知的高等学府，排名第一的公立大学，也是加州大学系统里的第一所学校。加州大学伯克利分校电子工程和计算机科学系(EECS)是世界知名的院系，计算机领域在2020 USNews排名第一。EECS的使命是教育、创新和服务社会。自创建以来，为社会培养了大批人才，诞生7位图灵奖得主。EECS认为，其成功的背后，是强大的合作传统、与工业界紧密联系和互助的文化。加州大学伯克利分校其他比较有特点的课程还有：将离散数学和概率论结合讲授的CS70，主讲是名教授Christos Papadimitriou；CS98-1 编程练习课，以主要大学生编程竞赛中的赛题为授课素材；CS 169 软件工程直接用Kent Beck的《极限编程》（人民邮电出版社出版了中译本）作为教材，非常超前，但是既然连Pressman的《软件工程：实践者方法》新版中敏捷方法都已经成为重头戏，既然IEEE都已经开始制定敏捷方法相关标准，这种课程选材也就不显得那么骇世惊俗了。除了软件工程课程常见内容外，教学侧重实际，贯穿了极限编程的思想，涵盖UML、JUnit单元测试、软件架构、设计模式和反模式、重构、CVS版本控制、系统和集成测试，最后要求完成一个实际产品，并进行演示。由于地处加州，加上本身计算机专业十分强势，伯克利计算机专业的毕业生就业可以说是非常好了。不少毕业生都去往了微软，谷歌，甲骨文等世界顶级的IT企业。可以说，对于伯克利的毕业生而言，从来都不需要为就业而担心。Columbia University哥伦比亚大学（Columbia University），正式名称为纽约市哥伦比亚大学（Columbia University in the City of New York），简称为哥大，是一所位于美国纽约曼哈顿的世界顶级私立研究型大学。哥大的计算机系成立于1979年，研究的领域涵盖了CS领域的各个研究方向，包括计算生物 学、计算机工程、算法和用户界面、机器学习、网络、自然语言处理和语言、安全与隐私、软件系统、计算机理论、视觉与机器人等等。 共开设有25个研究小组和实验室。其中，实力较强的专业方向包括机器学习、安全与隐私、软件系统以及计算机理论。由于哥大位于纽约曼哈顿，它的声誉以及地置赋予了毕业生的多样的就业去向，包括学术界、工业界；此外，该校有很多工科毕业生包括CS专业的毕业生经常会在该校转读金融类课程以后涉足纽约金融业，有很多选择。纽约作为世界最大经济中心、金融中心、传媒中心，对于CS人才有很大的需求。金融行业对于软件工程师、IT分析师、数据管理员、信息安全专家等人员需求非常大，而传媒行业对于计算机网络、互联网管理员、网络维护专家等人才也有非常大的需求。 除了NYC，纽约州能够提供给CS学生就业机会的地方还有：拥有发达的计算机和电子工业宾汉姆顿、银行业发达的布法罗等城市。另外，纽约距离费城只需要不超过2小时的车程。费城对于CS毕业生来说就业的机会也是比较多的。Imperial College London帝国理工学院作为一所世界级的理工名校，其计算机专业也是世界著名。帝国理工学院的计算机系是英国教学质量最佳和研究人员最多的计算部门之一，其计算机系不但提供了多种研究方向的项目，比如，人工智能与机器学习，软件工程，管理学与金融学，机器人学等，更是开设了供非计算机背景学生申请的Computing Science项目。该校的毕业生不仅有重要的核心技能,也学会了如何适应技术变革,挑战和机遇。就业来看，在计算机方面的工作可以开启通往广泛范围职业的大门。角色跨越了在许多行业的技术创新、管理，分析、咨询、培训和研究。该校与许多计算机专业毕业生的主要雇主有着密切关系——不仅仅是软件和通信公司如微软、IBM、惠普、Facebook、亚马逊、谷歌和飞利浦——也包括金融计算机用户,包括Goldman Sacks,布隆伯格,瑞银(UBS)、巴克莱资本、瑞士信贷和德意志银行。然后该校的许多毕业生选择继续为小型IT企业工作,并且不少人已经开始自己的生意。一些毕业生进入管理咨询或会计职业,良好的计算机知识可以成为一种优势;有些人从事公司战略和市场营销或在投资银行从事业务分析师的工作以及成为股票经纪人。University College London伦敦大学学院 (University College London），简称UCL，建校于1826年，位于英国伦敦，是一所世界顶尖公立综合研究型大学，排名稳居世界前十，为享有顶级声誉的英国老牌名校。同为英国G5超精英大学之一。伦敦大学学院计算机科学系是实验计算机科学研究的全球领导者。其61％的研究工作被评为世界领先（最高类别），伦敦大学学院的计算机科学在研究层次上的科研水平尤其高，而且业界大佬不在少数。深度学习的教父级人物杰夫·辛顿（Geoffrey Hinton）从1998年开始，花了三年时间在伦敦大学学院建立了盖茨比计算神经科学中心。它与计算机科学系、统计科学系、认知神经科学研究所通力合作，共同让伦敦大学学院成为计算机专业的学术重镇。该系提供计算机科学理学硕士、计算统计学与机器学习理学硕士、计算金融理学硕士、信息安全理学硕士、互联网工程理学硕士等项目。就业方向与平均薪资根据根据PayScale统计，计算机科学专业毕业生在美国早期的平均年薪在$88,000，而中期年薪则达到了$142,200。目前，在美国，计算机科学毕业生主要就业方向如下：第一类：多媒体动漫方向这个专业包括了计算机图形学Computer Graphics，主要研究图像的表达、处理等。计算机成像、三维动画、网络影像传播都属于这个方向的范畴。学习这个专业的同学可以去游戏设计公司，电影视频公司、电子出版、教育软件开发、商业简报、平面广告设计及其它多媒体应用领域的媒体集成与系统设计的工作岗位寻找机会。现在的生活离不开图形图像的数字表达处理，也就离不开学多媒体，计算机图形学的同学。第二类：软件编程方向大体上分成软件设计、编程语言和软件测试。包括需求分析、结构设计、开发流程、生命周期等等相关内容全部在关注范围。计算机专业的基础学科如操作系统、数据结构和算法全部包含。此方向几乎属于CS内部第一大的方向了。这个专业是培养coder的，而计算机专业的从业者大部分就是coder。因此学这个专业工作机会较多，但是起步阶段的收入居于中等。第三类：计算机网络Networking甚至包括Telecommunication这个范围可以说是非常的大。网络应用、网络协议、网络通信、网络理论、网络安全、加密解密、路由算法、甚至编解码都是需要学习的学科。这个学科申请的竞争者非常多，来自EE，ECE背景的同学也都可以申请。Telecommunication就业不错，从设备商到运营商到第三方软件开发商，都有职位可以选择。很多公司的招人广告上写的就是Telecommunication和CS，EE相关专业，可见这个范围达到什么程度，明明是个应用专业，却都快成了与EE，CS平起平坐了。中国国内这方面工作机会也多，中国移动按照用户数量是世界第一大运营商。Networking里面有方向设计及到网络安全方面，这个方向的工作主要是在大型政府、国防、电信、电力、金融、铁路等部门的计算机网络系统——若在美国就业，因受到公民身份等限制不少，回国形势还是不错的。第四类：计算机科学技术方向该方向包括了理论性非常强的计算机理论、计算机科学与工程计算Scientific Computing等。计算理论是完全偏向理论的学科，研究的不只是算法，更加重要的是算法的有效性和可行性。算法可行性，算法复杂度，密码学相关领域都是这个偏理论的方向的研究对象。本专业不太建议美国留学生申请，从各个渠道得来的消息都是这个专业不好找工作。这一点在美国和中国都是一样的，过于偏重理论和科技前沿探索的专业方向往往工作比较难找。计算机科学与工程计算具体包括生物信息学，气象数据处理，数字处理算法，计算物理，计算化学等等。这个专业的特点就是交叉，往往要求申请者除了计算机科学相关的背景还要有一点生物、物理、化学等等方面的背景。目前此类学科属于前沿新生的专业，就业形势不明朗。很多学习此类专业的同学就业的时候还是转向了传统的写代码相关的岗位。第五类：人工智能与人机交互方向人工智能其实是很综合的学科，他的目的就是把人类的智能扩展到信息处理的机器的上。人工智能里面涵盖了计算机专业的很多小方向。比如机器学习系统，计算机语言，图像处理，语音识别，机器人，人机交互等等。对于申请者的计算机科学背景要求较高，包括数据结构算法之类纯计算机专业的课程，都有一定要求。人工智能的产品包括机器人、语言识别、图像识别、自然语言处理和专家系统等。这个方向最近很热，招收的名额也比较多，也有从主要招收PhD向Master转移的趋势。完全对口的工作是纯研发的性质，找起来有一些难度，不过退一步海阔天空，在各类电子设备商处都有大批学习此类专业可以涉足的工作。唯一需要注意的是AI的某些部分在美国也一定程度上应用于国防，所以如果自己要进入的program涉及此类就不推荐了。人机交互和人工智能专业互相交叉。并且此专业是计算机科学、行为科学、人体工程学、设计类的一个交叉领域。这样的专业的特点就是对工作经验比较看重。与人工智能一样，这样的领域如果找完全对口的工作有时候较难，但是凭借着扎实的计算机科学相关专业功底，可以在大量工作机会中寻找突破口。综上所述，美国留学计算机专业，就是由操作系统、算法、架构、编码、电路设计、信息科学、数学等等一大片专业联系起来的一个大平台。计算机专业里面的任何一个方向，都是由组成这个平台的一些小领域结合而成，互相交叉，不可割裂。案例分享案例一毕业院校:美本主修:计算机科学GPA: 3.8/4.0托福/雅思: WaiveGRE/GMAT: 322实习/工作: 一段500强实习科研经历: 一段相关科研+一段游戏开发经历录取院校: University of California, Los Angeles, University of Southern California, Columbia University案例二毕业院校:香港某本科院校主修:计算机科学GPA: 3.1/4.0托福/雅思: 99GRE/GMAT: 324实习/工作: 一段相关实习科研经历: 两段相关科研项目，半年全职RA经历录取院校: Georgetown University, University of Rochester, Boston University, University of Florida案例三毕业院校:国内某985院校主修:土木工程GPA: 2.8/4.0托福/雅思: 95GRE/GMAT: 315实习/工作: 一段相关实习科研经历: 无录取院校: George Washington University，Stevens Institute of Technology案例四毕业院校:国内某985院校主修:物联网工程GPA: 3.5/4.0托福/雅思: 96GRE/GMAT:321实习/工作: 两段相关实习科研经历: 两段相关科研录取院校: University of Southern California, New York University, Boston University案例五毕业院校:国内某二本院校主修: 软件工程GPA: 3.8 /4.0托福/雅思: 102GRE/GMAT: 320实习/工作: 一段相关实习科研经历: 无录取院校: University of California, San Diego, Washington University in St. Louis案例六毕业院校:国内某985院校主修:计算机科学GPA: 2.6/4.0托福/雅思: 95GRE/GMAT: 318实习/工作: 两段相关实习科研经历: 两段相关科研录取院校: Boston University, Southern Methodist University, Syracuse University

机器之心报道机器之心编辑部我们经常在奥斯卡颁奖礼上感受到皮克斯的力量，但这一次，它的创始成员登上了图灵奖的颁奖台。昨日，ACM（国际计算机协会）宣布，将 2019 图灵奖荣誉授予两位皮克斯联合创始人、计算机图形学专家 Patrick M. Hanrahan 和 Edwin E. Catmull。这也是继 1988 年 IVAN SUTHERLAND 之后，图形学第二次获得图灵奖。Edwin E. Catmull 与 Patrick M. Hanrahan 均为皮克斯动画工作室创始成员。Hanrahan 现为斯坦福大学计算机图形学实验室教授。Catmull 不仅参与创立了皮克斯，还曾担任华特 · 迪士尼动漫工作室的总裁，目前已经退休。据 ACM 官方公告，Catmull 和 Hanrahan 的获奖理由为：「他们在概念创新和软硬件方面的贡献，对计算机图形学产生了根本性的影响。从 25 年前的《玩具总动员》至今，这种由计算机所绘制的全新故事影片为电影制作带来了革命性的影响。」图灵奖是国际计算机协会（ACM）于 1966 年设立的奖项，专门奖励对计算机事业作出重要贡献的个人，有「计算机界诺贝尔奖」之称，奖金为 100 万美元，由谷歌赞助。图灵奖的名称取自英国数学家、计算机学先驱艾伦·图灵（Alan M. Turing），他奠定了计算机的数学基础和局限性理论。这一次获奖的 Catmull 和 Hanrahan 二人，将在 2020 年 6 月 20 日于加利福尼亚州旧金山举行的 ACM 年度颁奖宴会上，正式接受奖项颁发和 100 万美元奖金。在如今全球价值 1380 亿美元的电影行业之中，3D 计算机动画影片是最受欢迎的类型。3D 计算机图形学的发展，对当前热门的电子游戏行业和 VR、AR 等行业都起到了至关重要的作用，而 Catmull 和 Hanrahan 在这一领域做出了开创性的技术贡献，这些贡献至今仍是 CGI 图像开发中不可或缺的一部分。此外，他们在 GPU 方面的见解不仅在计算机图形学方面具备影响力，同时也影响了数据中心管理和人工智能在内的多个领域。ACM 主席 Cherri M. Pancake 表示：「CGI 图像开发已经改变了电影制作和体验的方式，同时也对更广泛的娱乐产业产生了深远的影响。我们特别高兴大家能够认可 Pat Hanrahan 和 Ed Catmull 做出的成就，计算机图形学是 ACM 协会中最大且最具活力的研究领域之一。Hanrahan 和 Catmull 做出的贡献表明，计算机某个专业领域的进展能够对领域内其他学科产生深远影响。例如，Hanrahan 在 GPU 着色语言方面的研究使得这些语言被用作更广泛领域内的通用计算引擎，包括我自己的高性能计算领域。」谷歌高级研究员、Google AI 高级副总裁 Jeff Dean 表示：「当今，由于 3D 计算机图形图像无处不在，我们常常忘记该领域的发展情况如何，就像模拟两个人打乒乓球的电子游戏 Pong 一样，两条线中间一个点在动，这也是尖端科技。技术虽然一直在进步，但不得不承认 Hanrahan 和 Catmull 数十年前的研究成果依然是现今该领域的标准惯例，这实在是太厉害了。非常重要的一点是，我们应该认识到 CGI 技术的科学贡献，并让公众了解这门技术会在未来几年对 AR、VR、数据可视化、教育、医学影像等诸多领域产生影响。」3D 动画电影的开山鼻祖说到这两位科学家的名字，大家未必觉得耳熟能详，但你绝对看过他们前公司的「作品」。这家公司叫皮克斯，前身是卢卡斯电影公司旗下的工业光魔公司的电脑动画部，1986 年被乔布斯以 1000万 美元收购，现在已经成长为全球顶尖的动画电影公司。这个片头你一定见过很多次。作为一家动画电影公司，皮克斯开创了一个新的时代。1995 年，该公司上映了世界上第一部 3D 动画电影——《玩具总动员》。在此之后，越来越多的 3D 动画电影问世，点燃了全新的电脑动画工业。而说到 3D 动画电影背后的技术功臣，不得不提 Edwin E. Catmul 和 Patrick Hanrahan。Edwin Catmull。Catmull 1945 年出生于西弗吉尼亚州西北部的帕克斯堡，后移居犹他州。他最初的动画梦想来源于《彼得·潘》和《皮诺曹》等迪士尼电影，甚至曾经自己制作过翻书动画。但出于现实条件的考量，他最终没有选择在电影界入行，而是利用自己在数学方面的天赋，进入犹他大学学习物理和计算机科学，毕业后曾在西雅图波音公司短暂地担任程序员。自从 1970 年回到大学攻读研究生开始，Catmull 就确立了「制作一部计算机动画电影」的目标。期间，Catmull 创建了一种通过规范粗粒度多边形网格来表示光滑表面的新方法。此外，在他的博士论文中，Catmull 引入了两种突破性的技术来显示曲面补丁，取代了多边形，它们分别是：管理计算机图形学中图像深度坐标的 Z-buffering；将 2D 表面纹理映射在 3D 对象上的纹理映射（texture mapping）。Catmull 的技术在开发拟真图形学以及消除「锯齿状图形」方面发挥了重要作用。在离开犹他大学之后，Catmull 成立了纽约理工学院（NYIT）计算机图形实验室，这是美国最早期的专门化计算机图形实验室之一。在那个时候，Catmull 就有着制作动画电影的梦想。1979 年，执导了星球大战系列电影的著名导演乔治·卢卡斯（George Lucas）聘请了 Catmull，彼时动画电影领域还是以传统 2D 技术为主导，Catmull 及其同事则致力于推动图形学向真实感图像发展。在 1986 年乔布斯收购卢卡斯营业并将其更名为皮克斯动画工作室后，Catmull 继续出任总裁职位，并推动了一部又一部经典动画电影的诞生，如玩具总动员系列、赛车总动员系列、海底总动员以及寻梦环游记、飞屋环游记等等。自 1986 年成立以来，皮克斯动画工作室就为观众献上了众多经典的动画电影。2008 年，Catmull 获得奥斯卡戈登·E·索耶奖（奥斯卡奖的特别奖之一），获奖理由是他在「电脑图形学上的杰出成就对电影行业所作出的贡献」。与 Catmul 相比，Hanrahan 进入皮克斯的时间要稍晚一些。Hanrahan 1985 年在威斯康星大学麦迪逊分校获得生物物理学博士学位，随后在 NYIT 计算机图形实验室有过一段工作经历。1986 年，Hanrahan 进入皮克斯担任高级科学家，是 Catmull 在皮克斯招募的第一批员工之一。在皮克斯就职期间，Hanrahan 与 Catmull 等人一起开发了一种新的图形系统，可以让制作者利用真实的材料属性和光照对弯曲的图形进行渲染。该系统后来被命名为「RenderMan」，这一系统后来被应用于《玩具总动员》、《哈利波特》、《星球大战》等多部皮克斯动画电影的渲染设计。RenderMan 无疑是好莱坞工业中的标准工具。据统计，在 47 部被提名了奥斯卡最佳艺术特效的电影中，44 部使用了这一工具。它主要帮助计算机生成电影中的视觉特效，从简单的塑料玩具表面纹理到更复杂的物理现象，如皮毛和水花等。Patrick M. Hanrahan此外，Hanrahan 还开发了立体渲染技术（olume rendering），该技术可以让 CGI 绘图者渲染 3D 数据集的 2D 投影，比如一缕烟雾。在他最常被引用的一篇论文中，Hanrahan 介绍了光场渲染。这种技术可以让人产生一种飞过场景的感觉，它从任意点生成新的视角，无需借用深度信息或特征匹配。Hanrahan 还开发了利用次表面散射（subsurface scattering）描绘皮肤和头发、利用蒙特卡罗光线追踪来渲染复杂照明效果的技术。1990 年，Hanrahan 在 ACM SIGGRAPH 上发表了关于 RenderMan 的研究论文。然而，当时的计算机硬件并没有达到可以充分利用 Hanrahan 的 RenderMan 系统的水平，所以 5 年之后 3D 电脑动画电影《玩具总动员》才问世。1989 年，Hanrahan 离开皮克斯，之后在普林斯顿和斯坦福大学担任教职。进入 1990 年代之后，Hanrahan 和他的学生扩展了 Renderman 着色语言，使得其可以在当时刚打入市场的 GPU 上实时运行。Hanrahan 和他的学生为 GPU 开发的编程语言带动了商业版着色语言的开发（包括 OpenGL），从而彻底改变了电子游戏的程序编写。GPU 上着色语言的广泛性和多样性促使 GPU 硬件设计者开发了更加灵活的架构。这些架构使得 GPU 可用于各种计算环境，包括用于高性能计算应用程序的算法，以及用于在海量数据集上训练 ML 算法等。Hanrahan 和他的学生还发明了 Brook，这是一种用于 GPU 的语言，最终间接导致了 CUDA 的诞生。在皮克斯的 30 多年间，Catmull 领导实验室的数十名研究人员开发了包括图像合成、运动模糊、布料模拟等多项基础技术，而 Hanrahan 和 Catmull 二人也均以其技术贡献获得过 ACM SIGGRAPH 和美国电影艺术与科学院的奖项。参考链接：https://awards.acm.org/about/2019-turinghttps://www.wired.com/story/pixar-pioneers-win-computing-instrys-nobel-prize/https://www.nytimes.com/2020/03/18/technology/pixar-pioneers-win-1-million-turing-award.html?partner=IFTTT

问耕 编辑整理量子位 出品 | 公众号 QbitAI2015年1月，有位用户在知乎上提问：为什么现在这么多研究生想退学？四年后，这个问题开始每隔一段时间，就登一次知乎热榜。到现在，已经累积了1420个回答。一直持续不断地有人来说自己的故事。因为话题的原因，大多数回答都在讲述他们自己学术道路上的一些苦闷。有些匿名，有些实名。不少人提到了抑郁、枯燥、挣扎、压力大。其中一位回答者的ID，名叫：哈里叔叔。他是一位90后。今年9月，刚刚从北京大学计算机图形学直博第五年退学，这意味着，他连硕士学位都拿不到，只有一个盖着红章的肄业证书。看到他的讲述，不少人都感到惋惜和不可思议。评论是这个风格的：哈里叔叔为什么要退学？他自己亲笔写下了的事情原委。量子位获得授权转载于此。因为图片内容发布后无法修改，尽管作者没有特别要求，但为保护隐私，我们还是做了一些轻微的处理。作者回答在此：https://www.hu.com/question/27479057/answer/834579040以下是回答原文：这个月刚刚肄业。计算机图形学直博第五年退学，没有硕士学位。读博读到怀疑人生，所以就退了。退学之前我问了自己下面五个问题，在全部想清楚回答之后，就毅然选择退学。1、当年为什么想要读计算机图形学的直博？实际上我一直以来希望从事游戏开发方面的研究，翻出13年申请直博的个人陈述备份（https://rpg.blue/home.php?mod=space&uid=57889&do=blog&id=11951），我发现我的目标一直没有变。△ 个人陈述节选（量子位添加）但是在中国目前没有好的游戏设计专业，所以当年推免保研的时候，我在计算机专业里选择了一个与游戏最接近的方向：计算机图形学。当时对硕士与博士的区别并没有什么概念，家人都觉得5年读个直博比3年读个硕士，看起来更有性价比；再加上自己本科连续四年都是中南大学的年级专业第一，自己也有些飘了。学长学姐们苦口婆心地劝我不要直博，我偏偏不信这个邪，觉得只要努力，一定能把博士学位拿下。所以在浙大硕士、清华硕士与北大博士三个offer中，选择了最难的那个。2、自己是靠什么被北大录取直博？凭借体面的本科成绩单，以及不错的算法、编程能力，我顺利进入了北大计算机研究所。我是山东学生，最不怕的就是吃苦。从小就信奉天道酬勤，读书学习与应试是我的强项，所以在北大读研期间，我的成绩在所里依然首屈一指。还拿过学习优秀奖。3、这几年直博我都做了什么，为什么不顺利？直博的前两年主要是上课与做横向项目，这两年非常顺利。我的成绩与编程能力都不错，所以很得心应手。但是从第二年下学期开始，我感觉越发不对劲起来。导师在学术方面并没有展现出作为一个北大教授应有的科研素质，有很多次与他讨论课题，都让我感觉他已经脱离学术圈很久，却日益骄固，对待学生专横暴躁。在北大这五年，身边的学姐学长学弟学妹全部都是不敢言而敢怒。另外，我的导师是收割型教育，在北大的这五年，导师只有在需要我做横向的时候才对我表现出一丝尊重。但是每当我遇到了问题，导师就只有一句：你自己看着办。除了催进度与非常大非常空的批评（比如他会批评我科研能力差，学术水平低。我心里会很委屈：如果我本科毕业就能达到很高的学术水平发出顶会论文，我直接去微软亚研院工作去了，干嘛来您这读博？），几乎给不出实质性能够落地帮到我的指导。之前论文投稿，导师压根没看就让我投出去，让我一度感觉连盲审的审稿老师对我的论文都比我的导师更上心更负责。修行在个人的前提是要先让师傅领进门。但是我直博了五年，在科研方面丝毫感觉不到自己有任何长进。我一直感觉自己是在搞民科。4、读博不顺，是个人原因导致，还是非个人的不可控原因导致？导师把我们实验室不出成果全部归咎为招的学生不努力。但是我能够看到眼里：能考到或者保研到北大的学生，都是很有才华很努力的学生。纵向比较实验室的其他人：我读博一时，一名延毕的学姐退学了；我读博二时，一位大我一级的学长因为开题时与导师的意见产生了分歧，所以换了导师。（当时我的导师说这个学长所做的课题是“粪坑”，结果学长在新实验室里频频发顶会，出国交换一年，今年顺利毕业了）。一名已经发够了论文、达到毕业要求的硕士学姐由于跟导师关系不好被导师穿了小鞋，导致这位学姐在条件够的情况下答辩没过，一年之后再次回学校答辩才拿到学位。在我读博期间，同门的博士里只有一位博七的博士毕业了，而这位博士在读博期间所承受的来自导师的污名化与延毕的压力我们也是有目共睹的。让我更加难过的是，这位博士师兄即使这么努力，他最后的毕业论文，在我看来也是不堪卒读的——他但凡接收过好一点的科研指导，也不至于写出这种水平的论文。种种迹象让我相信，读博不顺并不是我出了问题。5、我未来的职业规划是什么，如果退学对我将来的规划是否有不利影响？未来我还是希望能在游戏设计方面有所建树，但是自从我来到这个实验室后，导师给我安排的选题都是他感兴趣的方向。另一方面，就像王妙一在《为什么中国不会有3A游戏》（ https://www.vgtime.com/forum/946714.jhtml）里所说的，真实感渲染技术在游戏这个领域已经非常成熟了。每次看图形学顶会里的一些论文，感觉大家都是已经没有新鲜东西可发，在找一些边边角角的Show case进行凑数。在这种情况下，我认为即使勉强读完博士学位，对我将来的人生规划也没有太大帮助，徒有博士头衔的虚名而已。综上所述，我不是一个沽名钓誉的人。我的导师可以混日子，混时间，但是我不行。我还年轻，我还有很多重要的事情去做。所以，我选择了退学。以上就是哈里叔叔关于为什么退学的回答。每个人的境遇都不尽相同。有人一直在学术道路上探索前进，也有人最终选择了另外的方向。希望大家都能认真想清楚，做出无悔的选择。最后，在这里我们祝哈里叔叔以后一路顺利，最终实现他自己的梦想。也祝所有的老师同学们节日快乐。

◎ 作者丨科技日报记者 张盖伦◎ 编辑丨陈磊2020年年末，退学后的张楚，第二次走入研究生招生考试的考场。此前，他从没想过，自己会成为化学研究的“逃兵”。张楚爱化学，高中时就在学校创办了化学实验社。大家都以为他会是未来的化学家，张楚自己也这么坚信。顺理成章地，张楚进入某985高校，念了化学。路径也很清晰——本科，硕士，博士，出国做博后，回国，进高校，做科研。同样顺理成章地，大四那年，张楚起早贪黑准备了5个月，以高分考上了另一所985高校化学专业的研究生。但设定好的路线拐了个弯。开学后不久，张楚就休了学。几个月后，他退学了。读研也如围城。城外的人想进来，城内的一些人想出去。教育部已经明确，要加强研究生招生、培养、学位授予的全过程质量管理，对不适合继续攻读学位的研究生要及早按照培养方案进行分流退出。图片来源：视觉中国对主动退出的人来说，这像是“及时止损”。张楚说，既然意识到自己选错了方向，那就勇敢一点，重新找到方向再出发。“毕竟人生是一场马拉松，找到自己的节奏，才能跑得愉快，跑得长久。”被裹挟的“热爱”，不是人人都适合科研在问答网站知乎上，“为什么现在有些研究生想退学”这一提问，截至1月12日记者发稿时，已经有两万余个关注者，浏览量达到2191万次。知乎提问截图而在豆瓣，“博士，退学了吗？”小组里有一万余名成员，他们在组内倾诉、吐槽和求救。他们遇到了坎，在挣扎，不知是放弃还是继续。张楚的坎来得非常早。2019年7月，他进入导师的实验室。仅仅两周之后，他就感到无法喘息。张楚找不到归属感，总觉得自己是工具人；他怕做不好实验，怕失败，怕满足不了老师的期待。成天浑浑噩噩，压抑、疲惫。“有时在厕所里偷偷哭，每天跟蹲监狱一样。”导师没有压榨他，实验室也没有排挤他。但是心理医生告诉张楚，他已经有了焦虑和抑郁情绪。“本科时，我连科研的皮毛都没摸到就毕业了。”当张楚真正接触到化学科研，他才发现，这是一种他无法忍受的寂寞。日复一日，做着可能100次会失败99次的实验。把青春耗在这样一件事上，他受不了。张楚重新思考他究竟怎么走上了这条路。“为什么之前拼命想读博？因为这似乎才是彰显自己喜欢化学的唯一方式。”周围所有的人都告诉他，热爱化学的孩子就该以科研为业。但张楚后来才明白，不是所有热爱者，都适合做科研。和张楚相似，2016年，李湛进入某以研究生教育为主的著名高等院校读研，他告诉科技日报记者，当年选择保研，其实是一种“路径依赖”。对自己本科所学的材料专业，李湛一直兴味索然。他想当程序员，但又觉得还没准备好转行，那就先把研究生念了吧。“但谁知道做科研这么难呢？以前只听说过难，但你没亲身体会过啊。”和张楚一样，李湛也经历了实验的反复失败，强烈的挫折感包裹住了他。那时是研究生二年级。李湛复盘自己当时的状态，是进退两难，举棋不定。做实验吧，做不下去；去工作吧，编程水平又是半桶水。前途未卜，时间又一直流逝。他后悔，觉得天天搞这些干吗，还不如早点出去赚钱。他又忐忑，早点出去，真就能赚到钱吗？李湛因为对未来的绝望而陷入情绪低谷。最严重的时候，他有时嗜睡，有时又失眠，连刷牙这件事，都觉得好难。“我实在是扛不住了。”后来，在确定自己的编程水平能谋得一份还过得去的工作后，李湛在2019年1月正式退学，逃离科研。在国内某名校从事基础科学研究的博士生导师余姚告诉科技日报记者，从他接触的研究生来看，有三分之一是自己想读，有三分之一是当年本科没考上理想学校或专业，靠读研“圆梦”；还有三分之一，则纯粹是父母或者其他人帮忙做的决定。“很多人做科研的动力并不足，尤其是做了基础研究之后。此前的教育中没人对他们进行指导，他们经常不知道研究的意义何在。”西安交通大学公共政策与管理学院教授王昕红等人曾对长学制直博生的退出情况做过一次实证研究。研究指出，一些学生虽然学业成绩优异，但并不适合做科研。比如，他们缺乏对科学问题的好奇和探究精神，缺乏投身科研的勇气和毅力。有些人也抱着很强的职业目的，当外在工作动机的诱惑大时，也容易使得研究生终止学业。交恶的师生关系，成为压死科研生命的最后一根稻草读到博士三年级时，王阳觉得，他上当了。本科毕业后，他被保送到某名校信息科学技术学院，硕博连读。王阳的人生一直顺风顺水，以为上了国内顶尖高校，就可以顺着流水的方向驶向更广阔的大海。然而他发现，自己这艘船搁浅了。王阳喜欢游戏，他的愿望是推动中国游戏产业的发展。但学院里并没有游戏开发和设计相关专业，他就把计算机图形学作为了自己的方向。选导师时，王阳并不草率。他看过导师与人合写的一篇论文，研究如何把三维模型渲染成水墨画的画风——这正是王阳感兴趣的。拜入导师门下后他才意识到，导师对此方向知之甚少。“那篇论文他可能只是挂了个名。”入校后，王阳先被导师派去了公司，做了两年横向项目。第三年，他正式开始做科研，只是个跌跌撞撞还没摸到门道的新手。导师似乎并没体谅他只是个科研经验还非常欠缺的学生。没有游戏中常有的新手村训练和指引，导师直接把王阳扔到了“外面的世界”——自己升级打怪去吧。没有武器，没有装备，没有地图。但是有人身攻击。这都已是旧事，但回忆起来，王阳依然能感到鲜明的刺痛。工作没做完，导师就认为他在故意偷懒；事情做不好，导师就质问他是不是不想读了。导师也曾直接羞辱他：“现在我去大街上随便拉来一个程序员，都能做得比你快。”在王阳看来，导师的研究方向已经过时，他没有及时更新自己的知识库。对学生的研究，也提不出太有价值的建议。“用现在流行词的来说，他就是在精神控制我。”偶尔，王阳也和研究所里其他课题组的同学一起吃饭。他听到，有的导师一个月给学生发三四千补助，有的导师温柔、耐心、尽职尽责，再看看自己的处境，“这是最可气的”。博士三年级，王阳委顿了下来。他每天要睡到很晚才起床。就算早上八九点就醒了，他也要赖到吃过午饭再去实验室。他在逃避。“我非常厌恶科研，觉得这是我永远也做不好的事情。” 王阳一直是个好学生，但那时他心里的声音是——“我什么都不是了。”王阳想退学。行政老师和辅导员建议他，先休学，调节一下。图片来源：视觉中国脱离了实验室的环境，王阳一下就重拾了自信。他去了一家和游戏相关的创业公司，在工作半年之后，就独立挑头开发游戏。在休学满一年要复学的时候，王阳开发的那款游戏“出圈”了，“火”了。在社会摸爬滚打了这一遭，王阳重新回到学校，试图继续学业。他换了种方式和导师沟通，但依然磨合得磕磕碰碰。“除了会侮辱我，导师给不了我任何有用的指导。”王阳一向很讨厌利用沉没成本诱导玩家投身其中的游戏设计。如果玩家持续向游戏投入了好几千块钱，即使后来游戏本身的吸引力已经不足，玩家也会因为不想前期投入打了水漂而放弃。“我感觉导师也是用这种方式，逼迫你一直‘玩’下去。”特别是硕博连读的学生，连硕士学位都没有，在王阳看来，这是最容易被拿捏的群体。王阳挣扎过，寻找其他途径自救过。他想做感兴趣的游戏相关方向，被导师拒绝了。他跟导师商量能不能转为硕士，被导师批判为“你是个精致的利己主义者”。他向研究所写信，说自己想换导师或者换研究方向。“结果，信第二天就转到我导师手里。”导师给的解决方案是，让王阳再去企业做一年横向项目，就当是调整心态。王阳接受不了。换导师也无果。王阳的导师在所里颇有资历，王阳猜测，其他年轻老师不敢收他。几种途径全部无效，王阳决定抽身。“我在这里继续‘混’个三年，也许也能混个博士文凭。”但再耗下去，就只是浪费时间。虽然这只是极端个例，但身处高校，同为导师的余姚能深刻感到，做导师是个良心活。他看到，确实有些导师把学生当成廉价劳动力，有些导师在指导方法和精力投入上都有欠缺。多位博士生导师告诉科技日报记者，导师对一名研究生的成长影响重大。“如果两人性格不合，相处不来，这个学生会生活在很大的阴影下。”离开或留下？选一条对自己更负责的路“所有人都会说，遇到困难，你要克服。我克服困难的方式，就是选择一条更高效、对自己更负责的路，而不是躺下来，为了学位，任人宰割。”王阳说。父母自然是反对的。王阳至今也不认为他真正说服了他们。他只是用了激烈的方式表达自己——你们要是不同意我退学，我就去跳楼。“如果你们一定想要一个有博士学位的孩子，那你们去认一个博士毕业的干儿子吧。”2019年9月开学后不久，王阳向导师正式递交了退学申请。那已经是他读博的第五年。王阳的退学申请和导师说的最后一句话，是体面的一句“谢谢老师”。花了两天的时间，盖了不同的章，王阳办完了一系列退学相关手续。“其实，不管去哪里盖章，他们都会问同样的问题——你确定吗，你想清楚了吗？但是，当你已经非常坚决的时候，也不会觉得这些问题是拷问了。”就连陌生人，都为王阳感到可惜。去派出所迁户口，人家感慨：都读了第五年了，为什么不坚持啊？回家里上户口，他也听到人念叨：哎呀，你是不是吃不了苦啊。“没有拿到博士学位确实是一个遗憾，但我已经获得的知识依然还是我的。站在名牌大学肄业生的起点上，我就让自己再活一次。放下所有物质焦虑、年龄焦虑，我就当自己只有17岁。”王阳的微信名，就叫“今年17岁的王阳”。当你觉得自己只有17岁，那就不必给人生设限。退学后，王阳凭着自己的本科学位以及休学期的成果，在一家大型互联网公司就职。做的，就是他最爱的游戏。他说，也许在多年之后，他还会去哪个地方读个博士，了却自己二十多岁时的这场遗憾。“如果我继续留在当时的学校，甘于虚度光阴，才是失败者。”“现在回头看，我最后悔的，是没有早做决定。”之前，李湛在知乎上记录下了自己纠结要不要退学的心情，后来，他的回答“火”了。很多身陷类似困境的学生给他发私信，把他当成“树洞”，倾诉自己的困惑。“其实，这些苦恼的人中，绝大部分最后都顺利完成了学业。”李湛无意用自己的经历“劝退”任何人，他也清楚，有时候再坚持一下，就柳暗花明。“我当年那么纠结，把自己搞得那么痛苦，其实没有必要。要么果断退学转行，要么老老实实潜心学业。瞻前顾后、犹豫不决，才是问题。”张楚就是李湛认可的那种迅速做出决定的人。想清楚自己要什么之后，张楚给导师写了一封长信。“我想选择一种我更适合的生活。”他引用别人的话，“人生最遗憾的，莫过于轻易地放弃了不该放弃的，固执地坚持了不该坚持的。”在休学的日子里，张楚认清了自己。他仍然爱化学，但他不想做科研。他想去中学当老师，把当年化学实验给他的那份兴奋、新奇，带给更多孩子。张楚休学期间考了教师资格证张楚以为导师会指责他的逃避和放弃，但导师近乎温柔地回复了他：人总得找到真的自我，才能感觉生命和生活的幸福快乐。我尊重并全力支持你的选择和决定，祝你一切顺利。于是，张楚又考了研究生。这次的目标，是教育硕士。前路依然未卜，但他想试一试。（应受访者要求，张楚、王阳、李湛和余姚为化名） 文中图片除注明外由作者提供科技日报深瞳工作室出品微信编辑 | 张爽审核 | 王小龙

读研如围城。城外的人想进来，城内的一些人想出去。教育部明确，要加强研究生招生、培养、学位授予的全过程质量管理，对不适合继续攻读学位的研究生要及早按照培养方案进行分流退出。而对主动退出的人来说，这像是“及时止损”。2020年年末，退学后的张楚，第二次走入研究生招生考试的考场。此前，他从没想过，自己会成为化学研究的“逃兵”。张楚爱化学，高中时就在学校创办了化学实验社。大家都以为他会是未来的化学家，张楚自己也这么坚信。顺理成章地，张楚进入某985高校，念了化学。路径也很清晰——本科，硕士，博士，出国做博后，回国，进高校，做科研。同样顺理成章地，大四那年，张楚起早贪黑准备了5个月，以高分考上了另一所985高校化学专业的研究生。但设定好的路线拐了个弯。开学后不久，张楚就休了学。几个月后，他退学了。读研也如围城。城外的人想进来，城内的一些人想出去。教育部已经明确，要加强研究生招生、培养、学位授予的全过程质量管理，对不适合继续攻读学位的研究生要及早按照培养方案进行分流退出。对主动退出的人来说，这像是“及时止损”。张楚说，既然意识到自己选错了方向，那就勇敢一点，重新找到方向再出发。“毕竟人生是一场马拉松，找到自己的节奏，才能跑得愉快，跑得长久。”被裹挟的“热爱”，不是人人都适合科研在问答网站知乎上，“为什么现在有些研究生想退学”这一提问，截至1月11日记者发稿时，已经有两万余个关注者，浏览量达到2191万次。而在豆瓣，“博士，退学了吗？”小组里有一万余名成员，他们在组内倾诉、吐槽和求救。他们遇到了坎，在挣扎，不知是放弃还是继续。张楚的坎来得非常早。2019年7月，他进入导师的实验室。仅仅两周之后，他就感到无法喘息。张楚找不到归属感，总觉得自己是工具人；他怕做不好实验，怕失败，怕满足不了老师的期待。成天浑浑噩噩，压抑、疲惫。“有时在厕所里偷偷哭，每天跟蹲监狱一样。”导师没有压榨他，实验室也没有排挤他。但是心理医生告诉张楚，他已经有了焦虑和抑郁情绪。“本科时，我连科研的皮毛都没摸到就毕业了。”当张楚真正接触到化学科研，他才发现，这是一种他无法忍受的寂寞。日复一日，做着可能100次会失败99次的实验。把青春耗在这样一件事上，他受不了。张楚重新思考他究竟怎么走上了这条路。“为什么之前拼命想读博？因为这似乎才是彰显自己喜欢化学的唯一方式。”周围所有的人都告诉他，热爱化学的孩子就该以科研为业。但张楚后来才明白，不是所有热爱者，都适合做科研。和张楚相似，2016年，李湛进入某以研究生教育为主的著名高等院校读研，他告诉科技日报记者，当年选择保研，其实是一种“路径依赖”。对自己本科所学的材料专业，李湛一直兴味索然。他想当程序员，但又觉得还没准备好转行，那就先把研究生念了吧。“但谁知道做科研这么难呢？以前只听说过难，但你没亲身体会过啊。”和张楚一样，李湛也经历了实验的反复失败，强烈的挫折感包裹住了他。那时是研究生二年级。李湛复盘自己当时的状态，是进退两难，举棋不定。做实验吧，做不下去；去工作吧，编程水平又是半桶水。前途未卜，时间又一直流逝。他后悔，觉得天天搞这些干吗，还不如早点出去赚钱。他又忐忑，早点出去，真就能赚到钱吗？李湛因为对未来的绝望而陷入情绪低谷。最严重的时候，他有时嗜睡，有时又失眠，连刷牙这件事，都觉得好难。“我实在是扛不住了。”后来，在确定自己的编程水平能谋得一份还过得去的工作后，李湛在2019年1月正式退学，逃离科研。在国内某名校从事基础科学研究的博士生导师余姚告诉科技日报记者，从他接触的研究生来看，有三分之一是自己想读，有三分之一是当年本科没考上理想学校或专业，靠读研“圆梦”；还有三分之一，则纯粹是父母或者其他人帮忙做的决定。“很多人做科研的动力并不足，尤其是做了基础研究之后。此前的教育中没人对他们进行指导，他们经常不知道研究的意义何在。”西安交通大学公共政策与管理学院教授王昕红等人曾对长学制直博生的退出情况做过一次实证研究。研究指出，一些学生虽然学业成绩优异，但并不适合做科研。比如，他们缺乏对科学问题的好奇和探究精神，缺乏投身科研的勇气和毅力。有些人也抱着很强的职业目的，当外在工作动机的诱惑大时，也容易使得研究生终止学业。交恶的师生关系，成为压死科研生命的最后一根稻草读到博士三年级时，王阳觉得，他上当了。本科毕业后，他被保送到某名校信息科学技术学院，硕博连读。王阳的人生一直顺风顺水，以为上了国内顶尖高校，就可以顺着流水的方向驶向更广阔的大海。然而他发现，自己这艘船搁浅了。王阳喜欢游戏，他的愿望是推动中国游戏产业的发展。但学院里并没有游戏开发和设计相关专业，他就把计算机图形学作为了自己的方向。选导师时，王阳并不草率。他看过导师与人合写的一篇论文，研究如何把三维模型渲染成水墨画的画风——这正是王阳感兴趣的。拜入导师门下后他才意识到，导师对此方向知之甚少。“那篇论文他可能只是挂了个名。”入校后，王阳先被导师派去了公司，做了两年横向项目。第三年，他正式开始做科研，只是个跌跌撞撞还没摸到门道的新手。导师似乎并没体谅他只是个科研经验还非常欠缺的学生。没有游戏中常有的新手村训练和指引，导师直接把王阳扔到了“外面的世界”——自己升级打怪去吧。没有武器，没有装备，没有地图。但是有人身攻击。这都已是旧事，但回忆起来，王阳依然能感到鲜明的刺痛。工作没做完，导师就认为他在故意偷懒；事情做不好，导师就质问他是不是不想读了。导师也曾直接羞辱他：“现在我去大街上随便拉来一个程序员，都能做得比你快。”在王阳看来，导师的研究方向已经过时，他没有及时更新自己的知识库。对学生的研究，也提不出太有价值的建议。“用现在流行词的来说，他就是在精神控制我。”偶尔，王阳也和研究所里其他课题组的同学一起吃饭。他听到，有的导师一个月给学生发三四千补助，有的导师温柔、耐心、尽职尽责，再看看自己的处境，“这是最可气的”。博士三年级，王阳委顿了下来。他每天要睡到很晚才起床。就算早上八九点就醒了，他也要赖到吃过午饭再去实验室。他在逃避。“我非常厌恶科研，觉得这是我永远也做不好的事情。” 王阳一直是个好学生，但那时他心里的声音是——“我什么都不是了。”王阳想退学。行政老师和辅导员建议他，先休学，调节一下。脱离了实验室的环境，王阳一下就重拾了自信。他去了一家和游戏相关的创业公司，在工作半年之后，就独立挑头开发游戏。在休学满一年要复学的时候，王阳开发的那款游戏“出圈”了，“火”了。在社会摸爬滚打了这一遭，王阳重新回到学校，试图继续学业。他换了种方式和导师沟通，但依然磨合得磕磕碰碰。“除了会侮辱我，导师给不了我任何有用的指导。”王阳一向很讨厌利用沉没成本诱导玩家投身其中的游戏设计。如果玩家持续向游戏投入了好几千块钱，即使后来游戏本身的吸引力已经不足，玩家也会因为不想前期投入打了水漂而放弃。“我感觉导师也是用这种方式，逼迫你一直‘玩’下去。”特别是硕博连读的学生，连硕士学位都没有，在王阳看来，这是最容易被拿捏的群体。王阳挣扎过，寻找其他途径自救过。他想做感兴趣的游戏相关方向，被导师拒绝了。他跟导师商量能不能转为硕士，被导师批判为“你是个精致的利己主义者”。他向研究所写信，说自己想换导师或者换研究方向。“结果，信第二天就转到我导师手里。”导师给的解决方案是，让王阳再去企业做一年横向项目，就当是调整心态。王阳接受不了。换导师也无果。王阳的导师在所里颇有资历，王阳猜测，其他年轻老师不敢收他。几种途径全部无效，王阳决定抽身。“我在这里继续‘混’个三年，也许也能混个博士文凭。”但再耗下去，就只是浪费时间。虽然这只是极端个例，但身处高校，同为导师的余姚能深刻感到，做导师是个良心活。他看到，确实有些导师把学生当成廉价劳动力，有些导师在指导方法和精力投入上都有欠缺。多位博士生导师告诉科技日报记者，导师对一名研究生的成长影响重大。“如果两人性格不合，相处不来，这个学生会生活在很大的阴影下。”离开或留下？选一条对自己更负责的路“所有人都会说，遇到困难，你要克服。我克服困难的方式，就是选择一条更高效、对自己更负责的路，而不是躺下来，为了学位，任人宰割。”王阳说。父母自然是反对的。王阳至今也不认为他真正说服了他们。他只是用了激烈的方式表达自己——你们要是不同意我退学，我就去跳楼。“如果你们一定想要一个有博士学位的孩子，那你们去认一个博士毕业的干儿子吧。”2019年9月开学后不久，王阳向导师正式递交了退学申请。那已经是他读博的第五年。和导师说的最后一句话，是体面的一句“谢谢老师”。花了两天的时间，盖了不同的章，王阳办完了一系列退学相关手续。“其实，不管去哪里盖章，他们都会问同样的问题——你确定吗，你想清楚了吗？但是，当你已经非常坚决的时候，也不会觉得这些问题是拷问了。”就连陌生人，都为王阳感到可惜。去派出所迁户口，人家感慨：都读了第五年了，为什么不坚持啊？回家里上户口，他也听到人念叨：哎呀，你是不是吃不了苦啊。“没有拿到博士学位确实是一个遗憾，但我已经获得的知识依然还是我的。站在名牌大学肄业生的起点上，我就让自己再活一次。放下所有物质焦虑、年龄焦虑，我就当自己只有17岁。”王阳的微信名，就叫“今年17岁的王阳”。当你觉得自己只有17岁，那就不必给人生设限。退学后，王阳凭着自己的本科学位以及休学期的成果，在一家大型互联网公司就职。做的，就是他最爱的游戏。他说，也许在多年之后，他还会去哪个地方读个博士，了却自己二十多岁时的这场遗憾。“如果我继续留在当时的学校，甘于虚度光阴，才是失败者。”“现在回头看，我最后悔的，是没有早做决定。”之前，李湛在知乎上记录下了自己纠结要不要退学的心情，后来，他的回答“火”了。很多身陷类似困境的学生给他发私信，把他当成“树洞”，倾诉自己的困惑。“其实，这些苦恼的人中，绝大部分最后都顺利完成了学业。”李湛无意用自己的经历“劝退”任何人，他也清楚，有时候再坚持一下，就柳暗花明。“我当年那么纠结，把自己搞得那么痛苦，其实没有必要。要么果断退学转行，要么老老实实潜心学业。瞻前顾后、犹豫不决，才是问题。”张楚就是李湛认可的那种迅速做出决定的人。想清楚自己要什么之后，张楚给导师写了一封长信。“我想选择一种我更适合的生活。”他引用别人的话，“人生最遗憾的，莫过于轻易地放弃了不该放弃的，固执地坚持了不该坚持的。”在休学的日子里，张楚认清了自己。他仍然爱化学，但他不想做科研。他想去中学当老师，把当年化学实验给他的那份兴奋、新奇，带给更多孩子。张楚以为导师会指责他的逃避和放弃，但导师近乎温柔地回复了他：人总得找到真的自我，才能感觉生命和生活的幸福快乐。我尊重并全力支持你的选择和决定，祝你一切顺利。于是，张楚又考了研究生。这次的目标，是教育硕士。前路依然未卜，但他想试一试。（应受访者要求，张楚、王阳、李湛和余姚为化名） 来源：科技日报

Computer Science（CS）指的是计算机科学，它是一门包含各种各样与计算和信息处理相关的系统学科。计算机科学根植于电子工程、数学和语言学，是科学、工程和艺术的结晶，在20 世纪最后的三十年间兴起成为一门独立的学科，并发展出自己的方法与术语。《启德教育2019美国留学报告》指出，美国开设计算机科学专业的院校众多，每年申请计算机科学的学生也非常多，导致美国计算机专业申请成为了工科申请中竞争最大的专业，常见申请方向包括人工智能、计算机编程、计算、软件工程、计算机图形学、数据库、信息科学、信息系统、信息技术、信息安全、管理信息系统等。考虑到良好的就业前景及高达8万美金的平均起薪，更多中国学生普遍倾向于申请计算机科学排名前100的学校，并且为了一个好的就业前景，会优先选择加州、德州、纽约州和五大湖地区等大公司云集、就业岗位众多的地区。申请人一般建议本科专业为计算机专业，转专业申请需要熟练掌握2-3 个编程语言。常规的先修课要求有Python, C, C++, Java, Verilog, OpenGL, Git, Linux, OSX, Html, CSS, Javascript, PHP, JSP, AE, PR,Mysql, MangoDB, SQLite 等。申请硬件指标包括学生的GPA，GRE，TOEFL 成绩，TOP30 的计算机硕士要求如下：GPA 3.5+ / GRE 320+ / TOEFL 105+。软件背景则包括学生的工作/ 实习经历、学术研究、课外活动。实习经历要选择计算机相关的工作职位，有条件的话建议选择跨国知名公司。一般需要1-2 段较深入的实习经历，着重体现学术运用能力等，每段经历时长在1 个月以上为宜。申请人要选择2-3 个学术型或应用型科研项目，有条件的话建议选择国内外重点实验室科研项目。美国研究生计算机专业排名1 麻省理工学院 Massachusetts Institute of Technology2 卡内基梅隆大学 Carnegie Mellon University2 加州大学伯克利分校 University of California--Berkeley2 伊利诺伊大学香槟分校 University of Illinois—Urbana—Champaign5 佐治亚理工学院 Georgia Institute of Technology6 密歇根大学安娜堡分校 University of Michigan--Ann Arbor7 康奈尔大学 Cornell University7 德州大学奥斯汀分校 University of Texas--Austin9 加州理工学院 California Institute of Technology9 普林斯顿大学 Princeton University（数据来源：2018U.S. News 美国大学专业排名）

在过去的十年中，围绕人工智能的突破，投资和企业家活动的爆炸式增长完全由深度学习驱动，深度学习是一种复杂的统计分析技术，用于发现大量数据中的隐藏模式。1955年创造的一个术语（人工智能）被应用到（或错误地应用到了）深度学习，这是一种训练计算机执行某些任务的方法的更高级版本- 机器学习，这个术语是在1959年创造的。深度学习的最新成功是由于大量数据（大数据）的可用性增加以及图形处理单元（GPU）的出现，显着增加了用于训练计算机的数据的广度和深度，并减少了所需的时间用于训练深度学习算法。“大数据”一词最早出现在1997年10月由Michael Cox和David Ellsworth撰写的计算机科学文献中，该文章发表在IEEE第八届可视化会议论文集中，“ 针对核心外可视化的应用程序控制的需求分页 ” 。他们写道：“可视化给计算机系统带来了一个有趣的挑战：数据集通常很大，这给主内存，本地磁盘甚至远程磁盘的容量增加了负担。我们称此为大数据问题 。当数据集不能容纳在主存储器（核心）中，或者甚至不能容纳在本地磁盘中时，最常见的解决方案是获取更多资源。”该术语在学术界之外也曾使用过。SGI的创始人吉姆·克拉克（Jim Clark）于1974年在“计算机图形之父”伊万·萨瑟兰（Ivan Sutherland）的指导下在犹他大学完成了博士学位论文。克拉克后来创立了Netscape Communications，其成功的网络浏览器和1995年的IPO引发了“互联网热潮”。蒂姆·伯纳斯·李（Tim Berners-Lee）在1989年发明了网络，并成功地使全世界数十亿人成为数字数据的消费者和创造者，这为数十亿广泛共享的数字图像（例如，将猫的照片识别为一只猫”）。2007年， 普林斯顿大学的计算机科学家Fei-Fei Li和她的同事开始组装ImageNet，ImageNet是一个带注释的图像的大型数据库，旨在帮助视觉对象识别软件研究。五年后，即2012年10月，由多伦多大学研究人员设计的深度学习人工神经网络在ImageNet大规模视觉识别挑战赛中的错误率仅达到16％，大大超过了25％的错误率。一年前最好的进入，预示着“人工智能”的兴起。大数据确实很大。 RJT Morris和BJ Truskowski在“ 存储系统的发展 ”一书中说，在1996年，数字存储在存储数据方面比在纸上更具成本效益。在2002年，数字信息存储首次超过了非数字存储。根据马丁·希尔伯特（Martin Hilbert）和普里西拉·洛佩兹（Priscila Lopez）的“世界存储，通信和计算信息的技术能力 ”，在1986年至2007年之间，世界的信息存储能力以每年25％的复合年增长率增长。他们还估计， 1986年，所有存储容量中有99.2％是模拟存储，但在2007年，有94％的存储容量是数字存储，这完全颠倒了角色。2000年10月，加州大学伯克利分校的Peter Lyman和Hal Varian发表了“ 多少信息？”，这是第一个以计算机存储量来量化世界上每年创建的新信息和原始信息（不计算副本）总量的综合研究。1999年，全世界产生了1.5艾字节的原始数据。2007年3月，John Gantz，David Reinsel和IDC的其他研究人员发布 了第一项研究， 以估计和预测每年创建和复制的数字数据的数量-2006年为161艾字节，据估计，该数字将增加六倍，达到988艾字节。 2010年，或每18个月翻一番。信息爆炸（根据牛津英语词典的说法，该术语在1941年首次使用）已经变成了大型数字数据爆炸。但是，可用数据的数量只是使深度学习成功的两个催化剂之一。另一个是GPU。虽然深度学习算法的开发及其实际应用在1980年代和1990年代稳步发展，但它们受到计算机能力不足的限制。1986年10月，David Rumelhart，Geoffrey Hinton和Ronald Williams出版了“ 通过反向传播错误学习表示法 ”，其中描述了“一种新的学习过程，即反向传播，用于神经元样单元网络，”是一个概念性突破。在深度学习的发展中。三年后，Yann LeCun和AT＆T贝尔实验室的其他研究人员成功地应用了反向传播算法到多层神经网络，识别手写的邮政编码。但是鉴于当时的硬件限制，培训网络大约花了3天的时间（与以前的工作相比有很大的改进）。大数据诞生的计算机图形学得以拯救。到1990年代，实时3D图形在街机，计算机和游戏机游戏中变得越来越普遍，导致对硬件加速3D图形的需求增加。索尼在1994年推出家用视频游戏机PS1时，首先将GPU一词称为 “几何处理单元”。视频游戏渲染需要快速并行执行许多操作。图形卡具有较高的并行度和较高的内存带宽，但相对于传统CPU而言，其时钟速度较低且分支能力较低。碰巧，在人工神经网络上运行的深度学习算法需要类似的特性-并行性，高内存带宽，无分支。到2000年代末，许多研究人员已经证明了GPU在深度学习（特别是对于人工神经网络训练）中的实用性。由新的编程语言（如NVIDIA的CUDA）支持的通用GPU已应用于各种深度学习任务。此类应用程序中最明显的是上述2012年ImageNet挑战赛的冠军。2020年3月18日，计算机技术协会（ACM）将Patrick M.（Pat）Hanrahan和Edwin E.（Ed）Catmull提名为2019 ACM AM图灵奖的获得者，以表彰其对3D计算机图形学的基本贡献，以及这些技术对电影制作和其他应用中的计算机生成图像（CGI）产生了革命性的影响。根据ACM新闻稿，今天，“ 3-D计算机动画电影代表了在价值1380亿美元的全球电影行业中广受欢迎的类型。3-D计算机图像对于蓬勃发展的视频游戏行业以及新兴的虚拟现实和增强现实领域也至关重要。Catmull和Hanrahan做出了开创性的技术贡献，这些贡献仍然是当今CGI图像开发方式不可或缺的部分。此外，他们对编程图形处理单元（GPU）的见解不仅对计算机图形学产生了影响，还影响了包括数据中心管理和人工智能在内的各个领域。”像吉姆·克拉克（Jim Clark）一样，卡特姆（Catmull）是伊万·萨瑟兰（Ivan Sutherland）的学生，并于1974年获得犹他大学的博士学位。正如罗伯特·里夫林（Robert Rivlin）在1986年的著作《算法图像：计算机时代的图形视觉》中所写的那样，“现代计算机中几乎每个有影响力的人图形社区要么通过了犹他大学，要么以某种方式与之接触。”在2010年对 Pat Hanrahan的采访中，Catmull描述了U U工作环境：“戴夫·埃文斯（Dave Evans）是该系主任，伊万（Ivan）在教书，但他们的公司埃文斯（Evans）和萨瑟兰（Sutherland）花费了所有多余的时间。这些学生几乎是独立的，这是我真正的肯定，因为学生必须自己做一些事情。我们期望创造原创作品。我们处于前沿，我们的工作是扩展它。他们基本上说：“您可以每隔一段时间与我们联系，我们将与您联系，但我们将关闭这家公司。”我认为效果很好！它建立了相互支持，共同工作的环境。”在同一讨论的稍后部分，Hanrahan说：“当我第一次对研究生院的图形感兴趣时，我听说过要制作完整的计算机生成图片的要求。当时，我对人工智能非常感兴趣，因为人工智能具有图灵测试和模仿思维的想法。我认为制作计算机生成图片的想法是对人的思维进行建模的先驱，或者至少与之类似，因为您必须对整个虚拟世界进行建模，并且必须在该世界中拥有人-如果虚拟世界和其中的人们看起来并不聪明，那么该世界将无法通过图灵测试，因此看起来似乎不太合理。我想我很聪明，以为我们一生中实际上无法建立人类智力模型。因此，我对图形感兴趣的原因之一是我认为它具有良好的长期职业发展潜力。”