2022的新想法：我想用自己的亲身经历和大家说，不是每个大学老师都非要建立"自己的大团队"。

回想了一下我个人在2015年底的状态：虽然那时我已经当老师十年，但我仍是“独行侠”。我在非参贝叶斯(Bayesian non-parametric) 上有所建树，也培养了几个非常不错的学生（虽然他们的主导师不是我) 。我自己的机器学习视频开始在国内外流传开来。 即2012年后，我也准备在2015年第二次去牛津大学统计学院访问半年和大牛再次合作将这三年中的半成品做成文章。那时候一切都朝着研究欣欣向荣的方向前进。突然，我被一个偶然的机会改变了我至少四年时间的工作重心。

在这四年里面，我自己被一个所谓的“建立自己大团队”的想法给诱惑了。 为了建立团队，我开始和很多澳洲企业合作数据科学的应用，然后用剩下的经费去支付博士生奖学金与博后及工程师工资。为了更好的拓宽我的“企业知名度”，我花了大量时间开设了为企业定制的人工智能课程，做了无数次的演讲，举办了很多次数据科学社区大会。 每天花了大量时间去和企业商讨，妥协，立项，交付，谈判。虽然在这几年内我成为了一个起码在澳洲数据工业界最知名的大学老师之一,创立了一个30多人的团队。但这些对我自己的科研确实没什么特别大的帮助。我每天花大量的时间不是考虑下一个数学公式，而是去考虑如何支付下个季度工程师，博后工资和博士生奖学金。 慢慢的我发现我和博士生们关于做项目的因果关系的看法也是完全颠倒的：从我的观点出发，我是为了支付学生的奖学金才去接的工业项目，让学生在力所能及的范围内帮助一起做项目的同时，他们大部分的时间还是做科研工作。 但是从学生的观点出发，则认为招他们来的目的本身就是为了做工业项目。

因为要完成项目, 这些年招募的很多学生, 和博后的选择上也都是以项目工程能力为主。这样的话，科研课题与我以前的知识体系积累也慢慢脱钩了。我感觉在2016-2019，我自己还在吃2015年前的老本。我没时间去学习新的知识体系，为大家录制更多的机器学习视频, 继续保持与包括牛津大学在内的牛人们的合作(特别可惜)。 这些直到2020年后开始有改变。

我感觉我本人对研究界的主要贡献应该是：(1) 做出特别出色的个人研究 (2) 分享更多更好的机器学习研究视频 (3) 和更多的老师合作与 (4) 培养更多以理论为主的学生(并不一定是我自己名下)。

建立庞大工业数据科学团队可能适合别的老师。但对于我个人，对于我的几万粉丝，对于整个机器学习研究的大社区来说不是一个特别合适的选择。

所以我来香港之后，我决定不再被建立大团队的思想束缚。在今后的一段时间内，我主要的工作由我自己一个人完成，或和其他牛人 合作, 再加上和很多国内老师合作远程带他们的学生。 这样我可以把所有时间都放在科研上。我能更好的享受科研带来的乐趣的同时，也能加深与合作者们的关系。 而且我有了更多的时间去坚持不懈的分享我的机器学习公开课, 从新录制新的视频，为广大的机器学习研究者们尽我的一份力。