获得诺贝尔物理奖的科学家约翰•J•霍普菲尔德（John J. Hopfield）和杰弗里•E•辛顿（Geoffrey E. Hinton）都是享誉国际的人工智能和图像处理专家。
获得诺贝尔化学奖的科学家是来自华盛顿大学的David Baker以及谷歌DeepMind 的Demis Hassabis 与John M. Jumper，都是AI蛋白质研究领域的知名人物。
大家都知道下一个时代发展的驱动力就来自AI，诺贝尔奖这次颁奖的对象，正是明示了这个趋势。
关于他们该不该得物理奖和化学奖的讨论已经很多了，我不是专业人士，没有太多发言权，但是从其中两位获奖者的成长经历，我觉得可以聊一聊现在让很多家长都焦虑的关于孩子成才的话题。
在AI时代下，我们传统意义上定义的成才之路已经不再是唯一路径，就连对学术训练要求最严格的学术界，都出现了不走寻常路的案例，这其实是对未来教育一种新趋势的启发。
比如诺贝尔物理学奖获得者杰弗里•E•辛顿，出身学术名门：
他本人从小就是学霸级人物，学术涉猎甚广，而且跨界的跨度非常大：
1970年，获得实验心理学学位的过程中涉猎了哲学。
在剑桥大学开始学习生理学和物理学的时候，得出的结论是，这些科学都没有在解释人类思维方面做得太多。为了寻找更切实的满足感，短暂地转行到木工行业。
1972年，被人工智能的前景吸引回到学术界，开始在爱丁堡大学学习人工智能，但当时涉及的脑科学认知学，还是属于介于科学和伪科学之间的边缘学科。
1978年毕业后，辛顿来到美国，作为加州大学圣地亚哥分校斯隆基金会的博士后研究员，加入了一个认知心理学家小组。
他在专业选择上反复大幅横跳，最终选择了一个在当时看来极为冷门的方向，接着坐了30年的冷板凳，以深度学习的方式去验证自己对人类认知机制提出的假设模型，也就是用一种统计物理学的模型，把人的神经网络模拟出来。
这种超前的极具想象力的思维方式，在现实生活里几乎是注定了小众不受关注，但他始终乐此不疲，保持着不急不忙的节奏，追寻着自己想要的答案。
随着时代发展，他超前的理念逐渐在现实领域得到各种验证和落地，包括Chat-GPT，人工智能的几大巨头诸如杨立昆（法国人）都是他的学生。
获得图灵奖已经可以说是奠定了他学术大家的地位了，现在再拿诺贝尔物理奖，据说连老先生本人也猝不及防，从来没有想过。
虽然他没有发过太多太重量级的物理学论文，但这些看似突兀的结果，细想又都合情合理。毕竟探索人类未知的世界，就是物理学的重要任务，用的又是物理学的模型。
在AI时代的“成功”，可能更需要基于精神世界的目标，基于物质世界的目标，想一步到位功成名就、目的性太强地去探索一件事情，反而适得其反。因为基于直接的目的跟未来的人工智能去PK，人类肯定会落于下风，反倒是对于充满想象力和张力的方向，感受世界的多元性，歪打正着这方面，AI永远打不过人类。
无独有偶，诺贝尔化学奖得主、75年出生的哈萨比斯的经历更炸裂，他首先是科技公司的创始人，创业者，并不是一个传统意义上的学者。
年少时是一个国际象棋神童，13岁就达到了国际象棋大师标准，靠着在国际象棋比赛中赢得奖金。8岁时用200英镑给自己买了人生中第一台计算机，开始研究编程。1992年，哈萨比斯考入剑桥大学计算机系，大学期间就主导过大型游戏设计，在1994年就以热门游戏《主题公园》的联合设计师一举成名。后来创立自己的游戏公司，做出了许多爆款游戏。
2005年，哈萨比斯发现自己的兴趣点还在研究新鲜事物上，他最终回归学术领域。对电脑如何学习下棋萌生兴趣后，在伦敦大学学院攻读认知神经科学博士学位，并开创性地发现了大脑中海马体与情景记忆间的关系。他的研究成果在2007年被顶级学术期刊《科学》评为“年度突破”。
正是同时拥有生物学和计算机学的学术基础，且有开过公司这一系列经历后，哈萨比斯才能“独具慧眼”地发现AI在生物学领域的潜力，2011年，哈萨比斯创立了著名的DeepMind，于2014年被谷歌收购，目前他是谷歌人工智能部门的首席执行官。
2016年，DeepMind开发的AI程序AlphaGo攻克了围棋难题，并打败李世石、打败柯洁一战成名。只是之后他们没有停留在开发AI对弈能力这个层次，而是进行了赋能基础学科的探索。
2020年，在哈萨比斯的主导下，DeepMind开发了一种人工智能模型，解决了一个困扰科学家们50多年的难题：预测蛋白质的复杂结构。因为蛋白质通常由20种不同的氨基酸组成，它们可以有无数种不同的组合方式，解码蛋白质的结构对算力的要求很高，极其耗费人力，但应运而生的AlphaFold突破了算力限制。
在该模型的帮助下，人类得以预测出当时已确定的几乎所有蛋白质的结构，并最终让哈萨比斯获得了诺贝尔奖。
哈萨比斯无论是从学习经历还是身份背景来看，获得诺奖似乎都是一个无心插柳的成果，但这也展示了一种趋势：或许未来学界和许多领域的边界会越来越模糊，比如和商界，甚至可能要想获得商业的成功，必须要有学界技术背景的支撑。
AI大神获得基础学科的诺贝尔奖，看起来出乎很多人意料之外，让这届诺奖充满了爆款气质。
当然，他们的智力天赋肯定是属于超越了99%人群的顶尖级别，他们的成才之路并不能简单复制，但细品大神们的背景经历，跨界、不务正业、学术背景薄弱等等元素，都明示了未来教育的底层逻辑——跨界融合可能未来在各个行业中都会出现。
比如要想成为一位好老师，可能首先得学过几年厨师或者是木匠；可能一个做过计算机游戏场景设计的人去做行政管理，会觉得非常游刃有余，因为他已经通过设计游戏脚本的方式建立了很多虚拟的管理制度，某些管理手段已经被打游戏的人验证过可行了……
一方面这会让未来的社会变得更有趣，另一方面也意味着未来教育会变得更具有挑战性，因为它不再是线性化的单一任务，而是复合型的，同时要完成多条任务线，增加了强度和难度，对个人的韧性和耐受度要求会更高。
如何达成这个教育目标？就是像两位诺奖得主一样，真正回归到孩子对某一件事的最本能的兴趣上来，围绕这个兴趣进行衍生。
无论跨界还是融合，最后的落点都是基于孩子对学习内容最深层的渴望，而不是东一榔头西一棒槌盲目追逐热点，或者以应试升学这些短期目标为终点。
家长如何激发孩子找到自己最渴望的知识落点，我们教育减法体系，有一套可落地的方法。有兴趣的朋友可以看看我的旧文，也可以听听我的读书会。
教育减法读书会：《教育变革、经济转型、AI来袭，焦虑父母如何破局？》
温馨提示
本文编辑：谭琴
本公号不接受任何形式的金融产品广告
◀︎特此声明►
记得点赞、点在看，并且分享哦！
点击“阅读原文”进入所有文章目录
