《AI系列课独立篇》
这是我为AI框架课撰写的最后一个模块，我将其命名为《AI时代的生存与学习指南》，因为它可以作为一个独立的文章来阅读。关于现代AI的技术部分，大家可以去看我之前发的三篇文章《机器学习》、《大语言模型》、《深度神经网络》。
在这篇中，我会从更宏观的视角出发，探讨在AGI（通用人工智能）时代到来后，这个社会发生什么样的变化，以及我们如何应对这些变化。我会从个人职业规划、子女教育以及我们的学习三个角度出发，分享我的一些看法和建议，帮助大家更好地迎接AI时代的到来。
AGI将至，人类独占的陆地在缩小
这是一张由著名机器人学家Hans Moravec于1997年提出的“人类能力地形图”。图中，低海拔处的人类能力区域，如“算术”和“象棋”等，已经被AI不断上升的海平线所淹没，高海拔的部分则代表那些目前AI尚未或无法很好替代人类完成的任务。海拔越高，意味着这些能力越难以被AI取代，比如艺术创作、科学推理和写作等。
然而，仔细观察这张图，会发现这一版对AI能力的评估已经过时。在过去十年中，随着深度学习的迅猛发展，围棋、语音识别、翻译等能力，已经在很大程度上被AI掌握。而在自动驾驶、投资、影视制作、编程等领域，AI也在不断挑战并逐步削弱人类的独有优势。每一次AI能力的提升，其应用都有一些共通之处。例如，当前这一轮的大模型——基于Transformer架构，首先在自然语言处理（NLP）上取得了显著成果，提升了AI在信息抽取、语音识别、文本生成、翻译和问答等多方面的能力，实现了文本生成类人工智能内容（AIGC）的突破。随后，基于Transformer框架的技术逐渐扩展到其他领域，如图像和视频处理和生成（如DALL-E）*。这种底层技术的进步，往往会推动了整个“AI水平面”的上涨，迅速蔓延至各个应用领域。
在这里，我们需要区分两个概念：自动化和人工智能。自从电脑问世以来，自动化已经融入了我们生活和工作的方方面面。这包括如特斯拉无人工厂那样的自动化生产线，也涵盖了通过手机完成外卖点单、网上银行、股票交易等服务。然而，自动化与人工智能不同的是，自动化主要适用于简单、重复的任务，其核心依赖于人类设计的规则。而现代人工智能则能够像人类一样自主学习、推理、决策，并解决复杂问题，而不仅依赖预设规则。现在很多主流的学者认为，AGI（通用人工智能）的出现可能也就在未来5~10年之内。
随着技术和数据的积累，人工智能将参与到自身的开发当中。未来不仅有可能实现具有人类能力的通用人工智能（AGI），OpenAI的创始人Sam Altman已经开始在广泛探讨超级智能（SGI）的可能性，即远超人类的人工智能。
在Max Tegmark于2017年出版的《生命3.0》一书中，他提出了一个关键概念——AI奇点（AI Singularity）。Tegmark指出，过去AI的发展依赖于人类对机器的改进，所以开发周期会很长很满。但一旦跨越奇点，机器将能够自我改进，进步速度可能远超过去的效率，迅速在各领域占据主导地位。面对这一未来的不确定性，我们不禁要思考：我们作为一个普通人，是否应该担心自己的饭碗问题。我们是否需要打造一艘AI时代的“诺亚方舟”？下面我就来就着这个话题展开讲讲。
我们的社会价值何去何从
”工作新定义“
在AI时代，我认为用“社会价值”一词代替”工作“更加合适，因为我认为用“工作”来定义会局限我们对AI时代的思考。从人类文明的起源开始，交易的概念就已存在。每个人生存在这个世界上，都需要思考如何生产他人所需要的物品或服务，以此换取相应的回报，这就是所谓的社会价值。而如今，大家对人工智能的焦虑，源于过去的自动化只是一种静态的工具，用来帮助我们完成重复性的工作。现在，人工智能具备了自我学习的能力，并且正在不断蚕食原属于人类的独特能力。那么，人类在未来还能创造出什么独特的价值？我们会不会因此失去所有的工作？
我自己偏向于AI乐观主义者，因为我相信AI带来的变化大概率是积极的。生产力的提高意味着人类作为一个整体将拥有更多的可支配资源和时间。过去，许多工作实际上是将人类当作机器使用，而现在我们首先应当将这类工作交还给机器。例如，中国约有3000万职业司机，他们每天在交通工具上工作超过10个小时。此外，诸如财务基础岗位、基础新闻撰写者、法律文书整理员、基础计算机程序员等，也可能成为最早被AI替代的职业。当然，这些岗位不会完全消失，但由于AI的赋能，同样的工作量只需要原来十分之一的人力就能完成。因此，所谓的岗位替代，并不是所有人都会失业，而是大部分人将受到影响。那么，失去这些岗位的人将何去何从？我认为他们可能会有两类发展方向：一类人会找到新的社会价值定位，另一类人将依靠AI创造的富余生产力所赡养。换句话说，未来的工作将是一种主动选择，而非迫不得已。
这听起来或许像是天方夜谭，但实际上，这种现象已经开始出现。我们知道，在北欧一些国家，福利制度优越，即使不工作也能获得丰厚的政府补助。这是因为这些国家的生产力很高，而人口相对较少，因此社会可以养活他们。然而，大多数北欧人仍然选择工作，因为他们希望能够被社会所需要。并且，他们往往会选择自己喜欢或感兴趣的工作，而将不受欢迎的工作留给没有身份的外籍雇工。我认为，在AI赋能的社会中，也将出现类似的现象。
一万小时法则被打破
那么，在AI时代，人类的“工作”会是什么样子？以及如何才能保持自己的竞争力？
对于第一个问题，我相信任何人都难以给出确切的答案。这就像让农耕时代的人去描述工业时代的工作会是什么样子一般。然而，我可以明确的是，未来的职业生涯将变得更加不可预测。我们可能会在一生中经历许多不同的工作，而且这些工作之间的跨度可能非常大，因为任何单一或重复性的工作都很快会被AI掌握。而我们人类的工作，或许正如《星际迷航》里描述的那个世界一样，其底层动因是去探索人类文明的边界，并满足自己的好奇心。一旦某个领域被人类所证明可行，AI很快就会接替我们继续在这个领域发展。限制我们职业能力的将不再是专业，而是洞察力和创造力。而培养这种能力，需要我们改变传统思维方式，以及跨多领域的进行知识布局。
上世纪90年代，埃里克森提出了“一万小时法则”，即要在任何复杂技能或领域达到专家水平，大约需要一万个小时的刻意练习。然而现在，借助AI的协助，你可能只需要1000小时的学习，同时配合AI就能成为专家。这样一来省下的时间，便可以用于学习和掌握其他相关领域的知识和技能。人类的任务是完成项目早期的探索，在实践过程中创造数据，实现从0到100的过程，而AI则通过学习这些数据，实现从100往上的产业化升级。所以，未来的社会可能会不断有旧工作被AI替代，也不断有新的机会产生，一生只聚焦做一件事的生活，可能对于未来的职场人是无法想象的。
君子不器
基于这样的社会形态，那么保持竞争力的最佳方式就是让自己具备“反脆弱”的能力。是的，就是纳西姆·塔勒布写的《反脆弱》里的这个意思，没看过的欢迎自行阅读，在此我就不展开讨论了。在中国文化中，我们也有类似“反脆弱”的哲学，那就是“君子不器”。中国的传统教育中，长辈们总是希望我们能“成器”，意思是希望我们被“雕刻”成社会所需要的模样。但事实上，一旦一个人成了器，他就被”物化“了，变成了一个定型且易碎的物件。
而“君子不器”的含义，是说一个人能随时再把自己再捏回成一团泥，根据环境的需求变成有所需要的形态。过去很多优秀的企业家就具有这样的品质，所以能在屡次创业中不被打倒，快速实现自我迭代。而我们的要做到“不器”，首先就要改变自己的思维模式。这些思维模式总结下来有三点：
1. AI时代来临后，职业经验的保鲜期会越来越短。信息高度扁平后，“一招鲜，吃遍天”不再可能，终身学习是每一个职场人的基本素养。我们要保持“空杯”的心态，愿意接受新的事物，同时愿意被年轻人所挑战。
2. 作为职场人，永远不能觉得自己老了。所谓“变老”是指当一个人仅依靠经验做事，停止学习的那一刻。有些人在35岁时已经“老”了，而有些人在60岁依然保持“年轻”。我们要在这个变化的世界中，保持年轻人的心态。
3. 每个人都可以随时拿起一本书，或在GPT里输入一个prompt，开启一个新领域的学习。有了AI这个老师，我们成为跨专业、多学科的专家是完全有可能的，只要你有这个意愿。
虽然不断接受新的变化会给人带来不安全感，但是当社会能够给你的物质生活兜底，那么人生如果能够有机会尝试更多不同的工作，了解不同领域和世界，不也是很美妙的一件事吗？所以，学会拥抱变化，这个听上去“俗透了”的一个词，在AI时代尤其重要。
AI时代的儿童教育
先抛出结论：我认为中国现行的教培体系已经无法适应AI时代的发展。这句话说得很绝对，但我不怕被打脸。在中国读过书的人都知道，我们的教育体系往往设立一个明确的答案标准，然后要求大家按照这个标准来学习，像挤独木桥一样培养和考核学生。素质教育有吗？有，但基本只限于小学三年级以前。尤其是到了中学，孩子们渐渐变成了学习机器，缺乏创造力。老师通常也不接受学术上的挑战，因为那被认为太浪费时间，死记硬背就好。当机器变得越来越像人时，人却还在努力把自己和孩子培养成机器，这难道不是一种时代的讽刺？
我认为要回归博雅教育（Liberal Arts）！什么是博雅教育？以下是GPT-4对博雅教育理念的总结：
跨学科性：博雅教育强调在多个学科领域学习知识，涵盖人文学科、社会科学、自然科学等，培养学生广泛的知识面。
批判性思维：它鼓励学生质疑和分析信息，而非被动接受。通过讨论、写作、辩论等方式，学生能够培养独立思考和解决问题的能力。
道德与公民意识：博雅教育还强调社会责任、伦理问题和公民参与，培养学生成为对社会有贡献的公民。
全面发展：博雅教育不仅关注学术成就，还重视学生个人成长、情感发展、价值观形成以及社会责任感。
博雅教育可以追溯到古希腊和罗马时代，最初的目的是培养自由公民在公共事务中需要的知识和技能。那时候，自由艺术包括文法、修辞、逻辑、算术、几何、音乐和天文学等领域，目标是塑造能够参与社会生活的全面公民。现在，很多大学，尤其是西方的文理学院，还在提供博雅教育课程。
虽然“Liberal Arts”这个词里有“Art”这个字，但它并不局限于狭义的艺术。例如，《孙子兵法》的翻译是“The Art of War”，这里的“Art”更接近我们中国人讲的“道”，是一种更高层次的智慧和判断力的培养，强调的是思维、分析和表达能力的提升。博雅教育认为各种艺术形式的展示，都需要内在修养的积累和沉淀。因此，我认为学校应该逐步转型为融合现代科学的博雅教育，可以更好地帮助学生在面对复杂的社会和职业挑战时，具备更全面的应对能力，而不只是学习某一项专业技能。因为在AI时代，单项专业技能并不能体现人类的独特优势。相反，我认为教育应该注重以下三个方面：科学与探索精神、社交能力、艺术审美能力。
科学与探索精神
目前最先进的AI都是基于大模型的，我们无法预知未来是否会出现不基于大模型的通用人工智能。然而，只要是基于大模型，它就依赖于人类进行早期验证，直到有足够的数据供大模型学习。因此，在可预见的未来，许多从0到1的领域仍需要人类来探索，而这需要我们具备科学探索的精神。
中国现行的教育体系侧重于应试教育，换句话说就是已经设立了标准答案，学生无需探索，只需要学会按照标准模式解答即可。在很多学科领域，学生只需掌握解题方法，而对背后的原理并不深入了解也能取得高分。例如，当年我补习微积分时，老师只教如何计算，却从未讲过微积分的来源及其实际用途。因此，应试教育最大的问题不在于它教的内容，而是师生都以一种“hack”的心态传授知识，教师和学生都试图以最短时间掌握做题技巧，通过刷题来提高能力，以高分通过考试为终极目标。而科学探索精神需要我们回归到解答问题的过程本身，甚至质疑问题本身是否成立。
前段时间我去了法国，学习了他们的启蒙运动。这是科学与理性主义的发源地，这种文化氛围至今依然存在。我们来看一下2024年法国高考哲学科目的作文题：
1. 科学能否满足我们对真理的需求？（La science peut-elle satisfaire notre besoin de vérité ?）
2. 国家是否欠我们什么？（L'État nous doit-il quelque chose ?）
这些问题没有标准答案，考官关注的是学生解答问题的思维链条，评估他们是否具备质疑精神、逻辑分析能力和独立思考能力。这些品质在AI时代将变得尤为重要。如果中国的教育体系缺乏这样的培养方式，那么作为父母的我们就需要额外创造场景，给孩子提供形成理性、开放和批判性世界观的机会。只有具备这些素质的人，未来才能拓展人类价值的边界。
社交能力
人类是社群动物，在满足温饱和安全之后，就渴望在社会层面得到满足（心理学里说的亲和需求）。AI可以模仿人，但无法真正替代人类。即便未来出现非常逼真的机器人，它们也无法代替人际关系中的情感互动，因为我们在潜意识中明白它们只是一套算法模型，并不具备真正的意识。此外，由于人类普遍共享相似的“硬件系统”，我们感知世界的方式也相似，人与人之间具备一种叫“主体间性”的能力，在相同情境下会产生类似且微妙的感受，因此更容易相互共情。这种共性感受在人与机器之间是不存在的。在未来社会中，尽管AI与人形机器人可以承担某些服务任务的功能性部分，但情感方面的需求短期内仍需要人类来满足。
例如，当家人患重病时，你可能不希望告知你病情的是一个冷冰冰的机器医生。或者当你想找人一起喝酒谈心时，你也不希望陪伴你的是一个只会一味说奉承话的AI聊天伴侣。人与人之间的共情，会建立认同感和信任感。而目前国内教育中往往缺乏人与人之间交往能力的培养，过度强调竞争意识实际上削弱了同理心的建立。教会孩子如何真诚地与他人建立和谐关系，能够让他们在未来更好地利用人类情感的优势，完成注重人文关怀的服务工作。这类领域在未来相当长的时间内都将难以被AI替代。
艺术与审美能力
AI现在可以协助人类作画、写诗，甚至制作视频，但真正的艺术依然难以被AI替代。为什么？因为大模型的生成逻辑是基于对大量数据学习后的概率计算，而艺术的核心在于独特性和不断变化，这种独特性无法通过简单的数据学习来生成。中央音乐学院的周海宏院长曾提到，用莫扎特、贝多芬、海顿的所有古典音乐训练AI，最终生成的音乐似乎融合了所有特点，却缺乏任何个性，而缺乏人文个性的艺术难以形成真正的价值。
在物质文明日益丰富的今天，人们对精神文明的需求变得更加迫切。我们去一家餐厅，不仅在乎它的卫生和食物质量，还会关注它的就餐环境、服务员的穿着与精神面貌，以及餐厅背后所秉承的人文理念。一个Gucci的挎包，其实用价值可能只有200元，但它能够卖到2万元，这样的溢价显然不是因为它的功能性优势。迪士尼也是如此，其背后的IP和打动人心的故事，使得它的主题乐园、酒店和周边产品都能比同类产品更有竞争力。这些产品背后的人文构思和艺术创作，未来相当长的时间内依然会由人类主导。虽然我们可能会对MidJourney或Sora这类AI工具的创作感到惊讶，但这主要是在技术层面上。在艺术创作的本质上，AI仍难以撼动人类的地位。
之前我有幸听了几次周海宏院长的现场分享，对于音乐、艺术和感性认知的培养得到了极大的启发。我了解到周院长曾制作过一套“音乐何须懂”的视频，在网上能够搜索到。这是一个很好的艺术与感性认知启蒙课程，我强烈推荐大家和自己的孩子一起观看。
父母的职责
你可能会想，我们也意识到孩子在学校面临激烈的竞争，但我们无法改变整个教育体系，那该怎么办？的确如此，作为父母，我们只能尽我们所能为孩子创造更好的条件。如果经济条件允许，我建议尽早送孩子去欧美等发达国家读书。过去有些家长认为，应该等孩子完成本科教育后再去国外进修，以确保他们的中文基础扎实，将来回国也能更好地适应中国的环境。我认为这种观点有些片面。出国学习肯定有取舍，但从价值观塑造的角度来看，早出国比晚出国更有优势。青少年时期是形成价值观的关键阶段，而当一个学生大学毕业时已经22岁左右，思维方式已经定型，就比较难以改变了。此外，中国教育体系中，孩子们往往受到许多挫折和压力，这些负面经历会影响他们对学习的热情和兴趣。比如，根据统计，中国人年均阅读量只有美国的三分之一，其中一个重要原因就是中国的教育在某种程度上扼杀了学生对学习的兴趣。学习不应仅仅是为了高考，而是一个终身持续的过程。然而，我们看到有些学生高考结束后的第一件事就是“烧书”，这其实是对学习的一种宣泄和抵触，也会对终身学习的态度产生负面影响。我本人在初一的时候就出国了，但我一直保持中文的学习，2013年回国工作后也并未感受到太大的文化差异。而始终留在国内学习，也不代表毕业后就一定能更好地适应社会。因此，在改变孩子之前，父母首先要调整自己的观念。
如果因为各种原因最终选择让孩子留在中国学习，比如我自己的三个孩子就在国内上学，我建议尽量选择有国际化教育背景的学校，而不是纯公立学校。近年来，国内兴起了一类“半国际”学校，不需要海外身份，每年学费大约在10至30万元不等。这类学校既保留了中国教育部的标准课程体系，同时也融入了国际教育的理念和课程，相较于传统公立学校，考试压力也相对较小。我认为，这类学校比纯国际学校更适合大多数中国家庭，如果条件允许，可以考虑这类学校。不过，一旦选择了这种学校，可能就需要放弃通过高考进入国内大学的路径。其实，出国留学或选择国际学校看起来费用较高，但并不总是如此。很多中产家庭为了让孩子进入好的公立学校，会购买学区房，并为孩子报各种补习班，自己也要投入大量的时间和精力，这些实际的经济和机会成本加起来，未必比国际学校低。
当然，出于种种原因，仍然有一些家长选择让孩子留在公立学校。在这种情况下，我的建议是，给予孩子更多的鼓励和爱，不要因为成绩或学习上的问题而惩罚孩子。有心理学研究表明，如果家长因为孩子在学习上的不足而惩罚他们，这种惩罚实际上是在抑制学习行为本身，最终可能导致孩子对学习产生抵触，甚至出现像“烧书”这样的行为。当孩子表现好时，及时给予正向反馈；当孩子在学习上遇到困难时，则给予支持和耐心。你需要认识到，今天学校强加给孩子的很多知识，在AI时代可能已经没有太大实用价值。调整这样的心态，你可能会改变对孩子学习成果的评价标准。我们现在更需要培养孩子的是发现问题和解决问题的能力，并激发他们对未知领域的好奇心。这种好奇心的培养远比学习具体知识更为重要。切记，千万不要让孩子学一门功课，恨一门功课。
AI时代的成人学习模式
在讨论完子女的教育后，我们再来探讨自身的成长。在之前的篇章中，我提到我们需要具备“君子不器”的思维模式，加强对科学探索精神、社交能力以及艺术与审美能力的培养。这些能力是人类所独有的价值所在。在这一部分，我将分享我对AI时代成人如何有效学习的一些建议，其中包括我个人的学习实践经验。这些内容不一定符合所有人的学习观念，但希望能给一些人提供启发。接下来，我将分享一个核心学习理念以及两个实用的学习技巧。
核心学习理念：用大模型涌现理论培养自己
在深入探讨这个理念之前，我希望大家能先理解一个重要的概念——“涌现”。涌现是指当大量简单的个体或组件按照特定架构组合成一个整体时，这个整体可能表现出远超单个组件能力的复杂行为或能力。一个经典的例子是蚂蚁。单只蚂蚁的能力有限，无法独立完成复杂任务，但当成千上万只蚂蚁协作时，它们能够形成复杂的社会分工，甚至建造精妙的蚁巢。这种集体行为远超每只蚂蚁的能力，这正是涌现现象的典型表现。
人类大脑之所以能够产生意识，本质上也是涌现的结果。然而，刚出生时的人类，只具备硬件框架上的智能涌现潜力，如果不对大脑进行“内容”填充，就像动物一样，难以完成复杂任务。那么，我们该如何优化学习，实现最优效果呢？我认为可以从大模型的涌现中找到一些启发。你可能会觉得奇怪，人工智能模仿的是人类，为什么我们现在要向人工智能学习？其实，人类大脑过于复杂，而大模型的底层框架（之前我们学习过的深度神经网络）是对大脑运作机制的简化模拟，但却实现了类似的智能效果。因此，我们是否可以通过分析大模型的涌现现象，反过来为我们的学习提供一些启发呢？我认为这是完全可能的。
那么，大模型的涌现需要具备哪些条件呢？
在之前的AI技术模块中，我们提到过：大模型涌现 = 大数据 + 好算法 +强算力。我认为，人类能力的提升，也可以通过数据、算法和算力这三大要素出发，帮助我们提升自身的能力。
大数据式的学习
支撑大模型涌现的关键因素之一是“Scaling Law”（规模定律），即随着模型参数规模的增大，模型的性能和能力会显著提升。这种规模定律在大语言模型（LLM）中体现得尤为明显。随着参数数量的增加，模型能够更好地捕捉语言中的复杂关系和上下文信息，从而生成更加准确和富有创造力的内容。简单来说，AI通过输入大量高质量的数据并进行自监督训练（无需人工干预），模型会变得越来越智能。在业内，这种训练方式常被称为“暴力美学”。这种方法不仅适用于大语言模型（LLM），还包括对图像、视频、声音等多模态信息的理解与生成。
在Sora的公开案例中，模型通过对海量视频数据的自监督训练，甚至无需构建复杂的三维世界模型，便能理解现实世界的物理运作，如光学反射、重力现象等，并生成高度逼真的影视片段。然而，数据的数量并非唯一关键，数据的质量同样至关重要。如果训练数据是低质量的、单一的或存在偏见，模型的输出质量也不会理想。因此，在学习过程中，我们应尽可能从高质量的渠道获取信息，并接触多样化的内容。
在AI时代，许多曾被视为“无用”的知识，反而可能成为创新的源泉。苹果公司创始人乔布斯曾在大学演讲中提到，他当年逃课去上了一学期的书法课，仅仅是出于兴趣。十年后，当他创立苹果时，这种艺术的感性能力自然地融入了科技产品中。直到今天，乔布斯的美学理念依然深深植根于苹果公司的文化中。要实现创新，我们必须将时间花在高质量、多样化的输入上。尤其是在算法驱动的短视频时代，我们要警惕自己不被这些快餐信息“僵尸化”，应坚持阅读非小说类的纸质书籍，广泛接触不同类别和观点的时事信息，并结合AI和实践去探索各种新事物。
学习应跟随兴趣，不必过于在意知识的实用性。人类与其他动物的区别，或许正是在抬头仰望星空的那一刻，对世界产生了好奇心。我们不能放弃这种对未知的好奇与探索，也不应过于功利地看待每一项学习。未来，无用便是大用，即便只是满足的好奇心。
打开“业障”接受新算法
前面提到的规模定律（Scaling Law）是涌现的重要因素之一，只有系统足够复杂，才能具备涌现的硬件基础。然而，我们发现，并非所有复杂且庞大的系统都能产生“涌现”现象。例如，现代计算机的底层架构基于冯·诺依曼（von Neumann）架构，通过“与非门”（NAND Gate）来表示“0”和“1”，即开或关的状态，用于处理信息。通过这些基础的二进制操作，我们构建了整个现代计算机和信息网络的基础。尽管如今芯片已经做到2纳米，计算能力极其强大，软件也设计得非常人性化，但真正的智能并未在传统计算机上“涌现”出来。这是因为这种计算架构本身是按照固定规则设计的，线性的逻辑结构限制了智能涌现的可能性。
相反，我们来看人类的大脑，平均大约有千亿个神经元，这些神经元之间通过百万亿个突触连接。突触连接是非线性的，具有可塑性，传递的电信号强弱不一，多个神经元以不同的组合方式被激活。这种结构使得大脑在记录和处理信息方面的能力上限得以指数级地提升，从而实现了人类意识这样复杂的现象。AI深度学习采用类似的人工神经网络架构，通过权重、偏置和激活函数来模仿突触的工作方式，并通过不同的算法连接方式（如DNN、CNN、RNN和Transformer等），使这些千亿级的大模型参数拥有了更多组合的可能性，从而让基于深度学习的AI越来越像人类。因此，算法，即数据和知识的连接方式，也是至关重要的。很多人虽然学习了很多知识，也有丰富的阅历，但如果这些知识和阅历是孤立存在的，没有有机地联系起来，就无法实现创新的涌现。
在这里，我想引入一个佛教的概念供大家参考，叫做“业”。我们可以抛开六道轮回的迷信部分，只聚焦于今生的“业”。它通常指我们过去积累的行为或影响，这些行为会形成因果关系，影响未来的境遇与发展。通常，阅历越丰富、科学和理性思维越强的人，往往也会积累更多的“业障”。无论这些业障是善是恶，它们都可能遮蔽我们的视野，让我们难以接受新的观点，阻碍我们探索新的可能性。
要克服这些业障，首先需要多接触各类高质量渠道的信息，建立坚实的大数据基础。其次，要保持开放的心态，主动接触一些形而上学的知识（如哲学和艺术），多出去走走，开阔视野，并且结交具有更高视野的人，通过这些途径，我们可以潜移默化地优化自己的“算法”。有些曾经学过的知识，可能会在某一时刻以全新的方式被打通或重新理解。当遇到一些你觉得不可理喻的事情时，例如LGBT或持枪法案，不要在没有深入了解的情况下就排斥或鄙视。有些错误的观念在我们小的时候就被家庭或社会植入到大脑，让我们从不曾质疑。去倾听，去理解，才能打开新的可能性。正如深度学习中的“激活函数”一样，即使在权重概率为“0”的情况下，也依然存在被激活的可能性。通过接触多元的信息，保持开放的心态，结交有价值的朋友，我们就能够打开“业障”。用乔布斯的话来说，就是“保持饥渴，保持愚蠢”（stay hungry, stay foolish）。
强算力是练出来的
首先我要强调，算力应在特定框架条件下进行比较。就像之前提到的，即便是在计算机领域，CPU和GPU解决的问题也不同，所以不能直接比较它们，而应该将苹果与苹果比，香蕉与香蕉比。
同样地，人类算力的比较也必须在所面临的问题框架内进行，这个框架指的是解决复杂问题的综合能力，例如前沿科学研究、艺术创造、组织管理等。过去我们在比较“智力”时，常常局限于记忆能力或一些IQ测试题，但这些并不能真实反映我们在现实中面临的问题。因此，即便一个人拥有150的IQ，或者在“最强大脑”节目中夺冠，我们也不能断定这个人在社会上一定会成功。如果仅看人类的“天赋硬件”，人和人之间的记忆能力、计算能力等肯定是有存在差距的。但如果将计算机也纳入到考量范围，那人和人之间的差距那就不算什么了。因此，我们在这里讨论的算力，专指解决复杂问题的综合能力。
这样的算力是不是天生决定的呢？可以说是，也可以说不是。至少从科学的角度来看，算力是具有很大发展弹性的，通过足够的训练，它可以像肌肉一样得到锻炼和提升。例如，我们的前额叶皮层主要负责理性决策、规划、情绪调节和注意力控制。小时候，由于前额叶皮层发育不完善，自控力较差。但在成熟后，我们依然可以通过认知行为训练、习惯性学习、运动锻炼、冥想等方式训练这个脑部区域，使我们的专注力更高、思维更有条理、情绪更加稳定。
因此，尽管每个人的天赋起点可能存在差距，但通过后续的“打怪升级”，我们可以自己选择如何点亮“天赋树”。从解决复杂问题的角度来看，我们重视的是整体过程的完成能力，包括信息的接受、整理与记忆、逻辑思考、情绪控制、决策、表达输出和执行等一系列行为的水平。因此，要提升算力，我们需要平衡地发展整个链条的能力，而不是只聚焦于某一两个环节的优势。
算力提升的另一个重要方法是合理规划时间。实际上，我们发现，即便是再忙碌的人，也有很多时间花在低效忙碌或“假忙”上。无论是边刷手机边开会，还是参加一些可去可不去的社交活动，有时是我们自己做出了不明智的选择。一场没有实际意义的酒局，可能会影响当晚和次日的工作与学习状态，很多时候是我们自己给自己加了“Debuff”。学会礼貌地拒绝，学会规划自己的时间，尽量多留一些能够进入心流状态的任务，这不仅能提高有效算力的总时间，也能增加生活的满足感。
两个学习技巧
“大数据式的学习”、“打开业障接受新算法”、“强算力是练出来的”，这三个启发来自于我对大模型涌现的反思，或许显得有些抽象和宏观，但我希望它们能为大家提供一些新的视角。如果你想要一些更为具体的学习提升方法，接下来会分享两个实用的小技巧：
技巧一：在知识交流场景中善用笔记本电脑和AI
这里所说的“知识交流场景”不仅包括课堂，还包括公司会议。过去一年，我在哈佛医学院上课时，发现课堂上几乎每个学生都有一台笔记本电脑。当老师提到一个难以理解或有争议的观点时，学生们会立刻用AI工具进行核实。如果发现与事实不符，他们会当场提出质疑或补充。这种方式促使老师在提出新观点时更加谨慎。同时，学生们也能够结合老师口述的关键词，快速整理出完整且逻辑清晰的笔记，使课堂成为双向互动的学习模式。
回到职场中，我认为同样适用。过去开会时，很多人只带纸质记事本，但这种会议往往收效甚微，因为信息的输出是单向的，即便有讨论，交流的内容和深度也局限于在场的同事。而现在，结合笔记本电脑和AI工具（尽管手机也能使用AI，但不便于转化为笔记，且容易给人误解是在玩手机），我们可以随时在讨论中引入“外部大脑”，为决策提供参考。我们公司目前逐步采用企微在线文档的方式开会，这使得较为内向的同事也能在不打断他人发言的情况下，通过文档提出反馈表达观点。课堂是学习，工作交流也是学习，我们应尽早将AI作为“外部大脑”融入学习和交流中，帮助我们验证信息、构思框架，并生成笔记或会议纪要。
技巧二：以输出为导向进行学习
这是我在过去两年进行学术研究时深刻体会到的。我的研究领域是人类衰老机制，相关的生命科学知识既复杂又广泛，容易让人陷入坑里，感到绝望并最终放弃。因此，在学习时，我们需要先设定明确的输出目标，然后根据这个目标有选择性地深入学习。这些输出可能是一场内部演讲或分享，也可能是一个研究课题。最近我开启了个人的微信订阅号，把我的学习笔记分享上去。有了输出目标，我们就更好的判断如何选择输入内容。
对于接触到一个全新的科技领域，可以先从科普书籍入手，再通过大学教材+AI进行系统学习。目前，许多国外大学提供优质的线上收费课程，如果没有语言障碍，这些课程是很好的入门选择。我写的《非专业人为更不专业人写的AI框架课》就是以这种方式完成的。首先，我参加了MIT的一门为期六周的线上课程《AI in Healthcare》，为自己建立了基础框架。之后，我开始思考如何将这些知识与我的工作结合。在这个过程中，产生了许多新的问题，通过精准的AI搜索，这些问题得到了很大帮助。
但让我真正扎实掌握这些知识的，是在为员工做培训时撰写的课程笔记。有了明确的输出目标，我必须彻底弄清问题，并用通俗的语言表达出来。这种以输出为导向的学习方式，不仅更有助于将知识转化为长期记忆（进入海马体和大脑皮层），还能够为我们提供坚持学习的正向反馈。其学习过程类似于玩游戏——由浅入深、逐步升级，击败“难关”。每一次小成就带来的多巴胺分泌，不仅能帮助我们克服学习中的畏难情绪，还能逐渐培养对学习的兴趣。
结语：AI时代，我很期待
没有人天生喜欢变化，但我们又不得不去面对。
当AGI到来时，人类能力的地形图谱是否能在新领域建立新的高地，还是会被AI的“海平面”完全淹没，对此我无法预见。但我觉得这并不重要。正如我在开篇提到的，只要AI能带来生产力的大幅提升，物质上的保障也不再是我们最需要担心的问题。你可以选择躺平被AI赡养，也可以选择驾驭AI去做些不一样的事情。AI时代，有些人可能能够实现过去无法想象的个人成就或财富。但我这篇文章并不是从功利性的角度讲AI所带来的变化，而是希望给大家提供一个不同的角度看看我们人生的可能性。同时为我们的孩子做些必要的教育规划。
我们要做到君子不器，能快速适应持续不断地改变，不是为了赚更多钱，而是为了能够过一个有意义的人生。在人的天性中，我们希望被社会认可，被家人朋友需要，被自己所尊重。所以我们需要关注到那些“旧时代”中被忽略了的人类技能。在AI赋能的社会，我们将拥有更多的自由支配时间。那么，如何保持内心的充实，如果如何更好地与家人和朋友建立良好关系，以及如何高质量地取悦自己将变为很重要的一个课题。
愿我们每一个人，都能找到属于自己的人生风向标。
