反刍（chú）俗称倒嚼，是指某些动物进食经过一段时间以后将半消化的食物从胃里返回嘴里再次咀嚼。顾名思义，针对于科研训练，指已经开始有目标有倾向的寻找问题，在前奏思考理解的基础上，开始设计问题的解决方案了。

说到反刍消化，基本已经进入我们读论文的最后阶段也是最关键阶段。这是我们所有创新创意、灵感迸发的阶段，也是我们开始登堂入室，初步产生作品的阶段。这个阶段离不开前面两步的积累，某种程度上，前面两步中的部分动作有可能与第三步的“反刍消化”形成局部迭代。比如，细嚼慢咽的时候，可能会发现问题，直接开始局部反刍；反刍消化的时候，也有可能发现某个问题当时并未做到细致和透彻，就需要反过头来，继续细嚼慢咽。

反刍消化阶段，“半消化”的食物主要指第二阶段创意本上的idea，这时每个idea的可行性分析与技术论证，是消化的主要动作。某些同学，在反刍消化阶段，就能够完成整个课题的关键设计、计算和验证工作；如果是这样，说明你运气是爆棚的。因为，很多时候，即便大家已经进行了算法设计，开始了数据实验，也有可能被推翻重来！

那么，到了反刍消化的时候，我们需要强化这样几个科研思维，并尽量避免几个误区。

1、打破惯性思维，多问为什么

反刍消化不是单纯的理解，而是知其然还要知其所以然，推陈出新，进而帮助我们推衍新的idea的一种科研路径。这就要求我们不断打破原有的惯性思维，多问几个为什么？当发生条件、数据、结论矛盾的时候，敢于去质疑任何一个已经被证明的环节。因为我们做科学研究，某些时候追求的是全局最优，而不是局部最优。前几日，看到某本书的里一句话“当我们习惯了，就习惯了，但是孩子不这么看，他们会发现问题，他们会觉得不正常，他们会质疑这些，他们会有新的想法。但是，我们不是，只是因为：习惯了。”当时，深受触动，是啊，为何我们就习惯了呢？因为惯性思维，因为大家很容易被已知经验条件束缚住，形成思维的盲点，进而也就失去了创新和发现真理的机会。拥有敢于质疑定论的勇气，同时小心求证，不断探索，才能真正的破除惯有思维的束缚。

2、技术推演不等于逻辑证明，有效性与正确性是辩证存在的

大数据时代的到来，将人工智能再一次推向高潮。面向行业和领域应用的大数据挖掘，给经典学科的研究范式带来巨大冲击。一个传统行业走向智慧化，需要经历电子化、信息化、数据化、智能化这样的四个阶段。由业务驱动转变为数据驱动，进而方法论也从原有的严谨逻辑推理和定理证明，走向实证数据科学的新范式。这意味着，我们对应科学问题的学术研究，也要顺应时代发展需要，方法论要变革、科研路线和思维也要变革。

很多做机器学习、深度学习等核心算法研究的同学和老师们，有一个感受，那就是这方面的很多研究，落实到实验角度，就需要做大量的调参工作，模型的有效性很难做到完全通用和泛化。这里我们无法用简单的数学定理证明，告诉研究者哪个算法最好；但是，在不同的数据集（实际业务数据和应用）上、不同的参数调整，会带来一个直接的结果，告诉你这个算法就是有效的。此时，为什么参数要这样调整？这样的参数配置是不是最优的？这些问题都没有明确的答案。可以说，某种程度上研究有效比单纯的正确性更重要。顺理成章，反刍消化的时候，技术方案的论证和推演不等于逻辑证明，只要你的数据分析方案是有效性，哪怕是一个特定问题，也是有价值的。

当然，这个观点不是普适的，涉及到不同学科，学术论文的方法论，略有不同。比如数学、物理等，还是需要严格的逻辑证明。但是对于时下的大数据、人工智能，是比较适用的。

3、多维度对比，进一步夯实思维的缜密性

反刍消化的时候，需要对于同一个问题，不同角度和层面的技术路线，进行横向、纵向的多角度对比。在对比论证的过程中，科研人员能快速掌握同行的研究思路，并且定位出自己的技术优势。科研创新可以简单分为三个层次，一种叫应用创新，指的是同一个技术，应用于不同的场景和行业，将思维进行创新迁移；一种叫技术创新，指将不同的方法和技术做整合与嫁接，用于解决同一个或同一类问题，在这个过程中会有部分技术的创造性发明；第三种叫原创创新，是最难的，也是价值最高的智力活动，从零到一，发明创造出全新的方法、原理或技术。有了这个基础认知，对于反刍消化的时候，大家也可以多鼓励和肯定自己的灵感，进行不同层次的创新活动。进而逐步建立科研成就感，慢慢形成专业的“真知灼见”。

其实，反刍消化、细嚼慢咽、囫囵吞枣，这三个步骤或方法，不是孤立的，也不是浑然一体的万精油。针对于不同的学科、不同的研究目标、不同的研究主体，是会有变种和迭代的。

只是希望，这三个方法，在一定范围内，能帮到部分科研工作者。