倔强下的不畏——2023年美赛回顾和反思

倔强下的不畏——2023年美赛回顾和反思

美赛已经结束了几天了，终于让自己稍微平复一下心情。这几天我也不断的在思考美赛于自身而言，到底带来了什么，虽然由于整场比赛的节奏并未很好的把握好，很多想做的工作像作为亮点的地方并未很突出的展现，直到现在回想起来，我仍然记得那天在官网上交完文章后，看似轻松无比表面下的另一种复杂的情感，深层的倔强。🌻

🚩场记回顾

本次美赛总体感觉题目的难度趋于平和，并且从A-F的每个类型赛题背景新颖，但是总体思路是较为清晰，并且让我有个最大的感受是，虽然美赛规定A-F是分别来自不同类型的题目，但是今年的赛题感觉这种每道题独特类型的味道欠缺。比如，B题的离散类型的题目，根据题目背景和要求，在和多位同学的讨论中发现得出的算法思路好像并不用考虑离散类数据就能解决，如果不是类型的限制，完全可以以另一种方式解答。

不过还是和往届一样，MCM中的C题和IMC中的E题一直是学生们最受青睐的题型。我们队伍一开始就未考虑C题，因为直觉告诉我这道题会涉及到过多的程序设计算法的知识，这也是恰恰是我们队伍中比较薄弱的队伍。后来，选择C题的一支队伍恰好和我说，他发现这道题的背景和命题思路和洛谷上的一道题非常相像，并且洛谷官方给出的解答思路恰好是大多数人的解答思路，也就是说如果从出题人的角度而言，肯定是希望能有更加另类的方法出现，这就要求C题除了在实操之外，思路的构建上要下足功夫。

我们队伍经过很长时间的讨论，终于决定选择之前曾经有过练习稍有把握的E题，尽管这就意味着将加入到庞大的竞争队伍中进行比拼和厮杀。于是，我们将队伍的核心放到了如何根据已有经验并结合赛题特点，给出更加新颖和贴合的方法。

如果让我再做一次，我绝对不会花三天的时间讨论模型。我想，正因为讨论模型的时间太久太长，而让我对于整场比赛的节奏，趋于失衡。可是，模型的讨论本就是需要时长的，但是不管怎样讨论总感觉都会有更好的模型和方法出现，也可以在讨论的过程中，不断的发现之前的弊端。于是，我们前三天谈笑风生、和谐讨论的讨论模型的过程和最后一天通宵呈现论文的无奈有着强烈反差，我总觉得应该再考究一些，或者说再”有理可依“一些，可是这毕竟是一场竞赛，谁能在规定时间内，扬长避短，直击要害，呈现出特点鲜明、语言丰满、模型贴合的论文，谁就在诸多各异的论文中更加游刃有余。

🚩我该如何才能说服你，或者，说服自己

让我说在整个过程中，那一个地方最需要改进，那就是在模型建立的时候。半本的学校稿纸每一页都被涂改的笔画纵横，从模型的大体建立释义阐明，到公式的提炼，再到考虑如何构建特有的函数以满足各个指标的变化趋势，以一遍一遍的讨论，觉得好像行了，又一次次的被说这个不符合趋势那个超出定义区间。

其实，还有一个很共性的问题，就是E题没有数据。对于这个问题的处理和解决，从某种程度上决定了整支队伍的推进速度。其实没有数据这个问题，不是说查找不到数据，而是说当我需要构建一个公式或者是模型的时候，这些公式或模型所选取的指标，是需要作为已知量代入的，所谓的已知量其实本质就是合理可用的数据。举个最简单的例子，比如我需要构建一个衡量某地区夜晚光照水平，我们第一时间想到的可能是光照强度，于是我当然最希望最好直接有公开的光照强度的数据，但是遗憾的是公开数据网上很难找到该信息，所以那我就想选取哪些指标进行组合能间接衡量光照强度，但是紧接着就会面临另外两个问题，其一，是选取的另外的这些指标的数据是否能较为容易的获取；其二，这些来间接度量光照强度的指标满足的某种组合形式是否有学术专业的理论支撑，那是否又继续满足建立该模型之初想要的变化趋势甚至是数据分布形式呢？

对于数据的查找，此次还凸显了一个问题，就是未能短时间内迅速提高专业化程度。什么是专业化程度，就是对于某个之前并不怎么了解的新专业新领域的宏观通盘的了解。虽然我之前，在和队友说我们在实际过程中，需要在极短时间内就明了某种方法的运用或者是某种任务的时间，但是却弱化了对于新领域的了解过程，反而以"找论文"这样的语言给遮掩过去。找论文固然重要，一篇某领域的硕博论文能够极快解决我们想要的某种指标之间的关联，甚至可以寻找到直接可以使用的模型和公式。但是，只读论文，是深挖，是没法宏观的去看和理解的。而中间转化的方式和桥梁，在我这几天的反思中，我一直在想一个场景，就是当我去了解了那么多背景后，看来那么多用于解决某种问题的公式或者是模型的时候，为什么我还是对这个领域缺乏基本的全局观。比如，在寻找数据的时候，我们找到了很多的TIFF和GRID这一类的栅格类数据，我以为我找到了数据了，于是我不断的在找如何将这些格式数据提取中我想要的那个指标，殊不知这些栅格类数据是需要通过类似于ArcGIS等专业类软件才能打开、操作甚至是读取，而我却花了很大量的时间在做现在看起来并无作用的事情，可是这是这是这个专业内最基本最浅显的知识储备，然而自己却没有。那做到这个很难吗？其实现在看起来一点都不难，任何一篇文章在介绍介绍创新点和实验之前，都会介绍自己的工作，而这些工作就恰好描述了这些基本的问题和知识，而当时却在看这部分的时候，一笔带过、不以为意，反而只关注我想要的模型公式。同时，比细致或者说用心看更重要的是，要善于去想。比如即使无法看到文章前期的工作介绍时，仅仅落脚在公式上，本质是没错的，但看见公式的新的指标，应该需要联想到它的释义，而同时更应该思考到这些指标数据是如何获取的。

”基本逻辑推进，升维思考指路。“这个在我看来，应该是在后续过程的工作中应该更加坚守或者说更加需要和自己的过程去对照的主体方式。

🚩ChatGPT杀入，如何破局

ChatGPT就在美赛比赛的那几天，可以说是全球的顶流了。那几天关于NewBing如何融入ChatGPT
以及GPT在各行各业尤其是在学术界该何去何从，成为了主流在议论的话题。很早之前我就注册了GPT的账号，不过在注册是当时我最关心的问题，是关于AI该运用何种技术实现反ChatGPT技术，从而鉴别哪些工作是ChatGPT做的而不是人做的。以至于在美赛的前几天，我对ChatGPT的最大关注点都停留在技术路线上而不是功能场景上，属于一个略微无感的状态。

但是，当我突然发现身边大家伙都在用GPT来实现各类操作的时候，我不经察觉到是我远远低估了它的作用。

GPT能够预处理带有大堆缺失和离群的数据，能够构建两个或多个指标之间的关系，能够将你想要的模型写出代码，能够学术化的进行大段的文书，能够将你做的工作描述的深入浅出，能够润色你的文章并译为最地道的英文。

当GPT成为最好的老师，我们的所有学术性问题都可以第一时间得到解决，并且可以极大程度的给出很多意想不到却又及其靠谱的ideas时候，其实我们应该感到恐慌。抛开关乎GPT对于生产力和生产关系影响的探讨，我们应该深思的是GPT对于人创作力的影响。美赛相较于国赛，主要是看重参赛者的创作力和作品呈现力，但是实则这两点GPT都能取而代之并发扬光大，那类似于此类需要ideas+jobs比赛，是否还有如此高的含金量呢？

不管怎样，GPT都应该会成为趋势，人类都应该适应与之共存，同时也更需要不断凸显人类的独特的一面。为了达到此目的，我在文章中做了很多的思考，比如我弱化了GPT带来的帮助，转而更相信自己的语言表述很逻辑，同时在表述的时候增加一些人为的趣味性和押韵对偶的巧思，尽管面对如此GPT的洪流有那么一瞬间感到无所适从，但洪流之后应该是清醒的自我认知和更强的思维崛起。

🚩较劲着的倔强，才敢于不畏的前行

写到这里的时候已经很晚了，我突然想起几天前那个晚上，无奈的通宵时刻，那天整个夜晚就离开了椅子四次，也真正意义上体会到什么是一夜未合眼。其实无所谓通宵与否，但是难以承受的是本可以安排妥当的进度却因为节奏失衡，带来的无限的焦灼。说真的，在提交前的一段时间内，我也一度怀疑我们到底能不能很好的完成。

其实很难把一篇短平快的文章称为所谓的作品，虽然也不断的告诉自己这不过是竞赛，应该更多的讲究技巧性，但是我还是有的时候很固执的较着劲，想通过某种方式将能力范围内的东西尽可能的精益求精。

你说它是倔强吧也行，但是更多的我感觉可能就是这股劲吧，我很喜欢。推着我无所畏惧的往前走~

哦对，坐在我前面的俩哥们，提交前一天就已经早早的把文章全都写完了，不过没想到的是他们最后一天也通宵了，争论了一些仍然可以进行improve的小细节，慷慨激昂，一夜未睡。可能也在默默的倔强着的吧！🌻