夜雨聆风如果AI远远把我们人类甩在后面，那么下面个人发展以及我们的教育何去何从？现在我们到了人物红利时代，那么“人物”跟“人才”一个最大的区别是什么？将来应该从事什么样的行业，应该往哪里走？
人类受教育的四个境界
首先我把我们人类受到的教育按照智能分成了四个境界：
- 第一个境界：博闻强识
- 第二个境界：触类旁通
- 第三个境界：一叶知秋
- 最高境界：无中生有
我们从小学、初中、高中、大学乃至研究生所受到的教育，比如说我们是在化学专业、计算机专业，首先我们做到的就是博闻强识。比如说我是计算机系的博士，我可以勉强说我在计算机行业可以做到了博闻强识。
那么会有一小部分人在达到博闻强识、在一个专业的基础上可以继续往上走，就进入到触类旁通的境界。比如我是做人工智能的，现在我又进入到做金融行业，那我就说做AI for金融，这样就可以做到第二个境界——触类旁通。
人类智能受教育继续往前走，一小部分人可以进入到第三个境界，就是说一叶知秋，少部分人可以在自己的专业领域可以做到预测能力和推理能力。
那么人类智能的最高境界是什么呢？就是无中生有，也就是所谓的0到1的创新。有一部分人可以做到像爱因斯坦相对论、牛顿力学或者量子纠缠理论那样的创新。
AI对教育的冲击
为什么要把人类智能按照教育分成四个境界呢？原因是基于大模型的这种人工智能对我们整个教育产业产生了巨大的冲击。
整个基于大模型的人工智能出来之后，直接就把人类智能受教育的前两个境界完全超越了。人类没有办法可以去跟现在基于大模型的人工智能媲美。
所谓的博闻强识，比如说我是计算机系的博士，但是我跟所有大模型比起来，我对计算机知识的记忆我什么都算不上。在整个AI面前，人类现在在博闻强识这个境界非常渺小。
同样在触类旁通这个境界，AI也远远把人类甩在后面。在过去一年，在一叶知秋这个境界，包括推理能力和预测能力，整个人工智能也展现出来了强大的进步能力，从这个境界来说也在逐渐超越人类。
人类该怎么办？
那么就产生了一个关键的问题：我们人类应该怎么办？我们过去所受到的所有教育都是从博闻强识开始，然后到触类旁通，很少的人能达到一叶知秋。那么现在我们直接面临的挑战就是整个人工智能的发展，直接就把过去教育的博闻强识、触类旁通超越了，然后在一叶知秋境界也在快速超越人类。
那么下面我们的教育怎么办？我们作为人类，我们的定位应该在哪里？
另外考虑到一点，现在这个世界是一个数据飞轮时代，也就是说从数据的飞轮产生技术的飞轮，再产生产业的飞轮，这就是这一次以数据驱动的人工智能的整体革命。
那么留给人类的是什么呢？留给人类的就是无中生有的能力，也就是0到1的创新能力。
从现在基于Transformer架构的大模型来说，它做不到无中生有，也就是0到1的创新。那么对于人类来说，什么样的能力在人工智能大模型时代会变得弥足珍贵呢？
提问能力与鉴赏能力
主要是两个能力：
1. 提问能力
2. 鉴赏能力
为什么呢？现在的大模型如果你会提问、善于提问，你才可以把整个大模型的能力发挥出来。其实对绝大多数人而言，在使用大模型的过程中，大家展现出来的提问能力是很难激发大模型真正能力的。也就是说，整个大模型超过50%以上的能力，不容易被普通用户的提问激发出来。
另外一个很关键的点，提问的效果，对AI使用的效果，还有一个很重要的就是鉴赏能力。
举个例子：我们去做演讲给学生高考动员。那借助大模型开始提问：“我是人工智能教授，现在要到高中对高三学生做高考动员，我想讲三句话：
1. 做伟大的事情，永远不要觉得自己开始晚了
2. 努力学，聪明学
3. 高考虽然是人生的关键学习节点，但不是终点，而是培养终身学习习惯的起点”。
这种创作方式：
- 糅合了自己的思想和灵魂（那三句话提示词）
- 糅合了自己的鉴赏能力（我挑选出来的案例、诗歌、笑话）
整个过程展现的是人机混合创新能力。
学习力的巨大差距
现在这个时代对人的挑战非常大。作为教育工作者，我非常焦虑。为什么呢？因为现在人和人之间的差距，已经在学习力上被远远拉开了。
掌握了人工智能自我工作和学习能力的人，学习能力是指数级曲线增长。过去，大多数人的学习曲线最多是线性增长。所以如果现在这个时代，你不能掌握利用人工智能的工具去提升工作效率、进行自我学习，你就无法达到指数级学习能力的成长。
哪怕你非常努力，但你的成长是线性的，别人是指数级的，所以别人可能花四个小时就远远超过你一天十几个小时的投入。
现在整个挑战在于，世界上真正能够掌握利用人工智能提升工作效率、进行自我学习的人非常少。特别是现在认知非常匮乏，不光是小学、初中、高中，甚至大学老师也非常匮乏。
从认知角度，可以给大家分享一下：从一开始人工智能浪潮出来，我自己的工作效率就指数级增长，学习能力也是指数级增长。我一辈子从来没有像现在这样，一年可以做过去五到七年的事情，这是我第一次有这种感觉，真正做到了生产效率和学习能力的提升。
比如过去一年读十几本书就不错了，但现在读现代书籍，我们一年读100本都没问题。
现在读现代书籍的方法：
1. PDF文件丢给大模型，说给我总结十句经典内容
2. 看完十句话，看哪句话或哪几句对我认知有触动
3. 我说就这一句话对我认知有触动，把这句话展开成十句
4. 跟大模型交互几轮迭代后，最后聚焦一两句
5. 我说这一两句是哪几个章节设计的，哪几页给我呈现出来
6. 只读那几个章节、那几页就足够了
整体阅读可以做到非常高速、快速，这是我自己彻底改变的阅读方法。不管专业阅读还是平时闲暇阅读，都完全改变了。这改变了我的学习和学习能力。
现在经常是一个大学科领域，把一些论文放在一起，形成一个简单总结，迅速了解行业。所以现在学习力差距导致人和人之间的差距越来越大。
社会需要什么样的人？
需要人机协同的新型劳动体。
什么是人机协同新型劳动体？出去面试大厂时，告诉用人单位：我不是一个人来战斗的，我是一个人拖着N台机器来工作的。你的任务是告诉用人单位，你能拖动几台机器？能拖动10台，就要5个人工资；能拖动100台，就要50个人工资。这就是新型劳动体时代。
在这个时代，学习内容会发生重大改变。刚才说过，AI在博闻强识方面已经完全超越人类。那么对于人类学习来说，专注点应该在哪里？我们要培养四种能力：
第一种能力：所有学科都要学AI
不管你是化学、物理、生物专业，都要学人工智能，都要学会用人工智能解决问题。不管什么学科，哪怕艺术、美术，都要学习人工智能使用。
第二种能力：与机器差异化的能力
差异化能力体现在哪里？人类知识分为两块：
1. 可言传的（已经转换成数据、书本的）
2. 可意会不可言传的（没有转换成可描述数据）
对于人工智能来说，没有数据它就学不会。可意会不可言传的知识，没有转换成数据时，AI就不会。所以我们要培养学生与机器的差异化能力。
具体做法：让学生去企业实习，解决横向课题，把企业问题带到学校，通过横向课题让学生参与解决问题的过程，培养可意会不可言传的能力，也就是解决问题的能力。
第三种能力：人与机器协同创新的能力
就像刚才举的例子，一起做设计、做演讲稿。
第四种能力：0到1的创新能力
0到1创新非常难，但要从小培养这种意识。怎么培养？通过提问能力、鉴赏能力、发现差异化问题、形成问题的能力。
人类要做三件事
现在世界对人类的要求发生了重大改变，人越来越往思考层面走，执行层面越来越被机器占据。我们将来只需要做三件事：
1. 发现问题
2. 形成问题
3. 分解问题
当你发现问题、把问题转成现实数学问题、再分解成模块后，AI就帮你把执行层面事情做完了。
AI难以替代的人类软性技能
现在人工智能时代，还有很多人类的软性技能是AI难以替代的。原因是什么？数据！比如根植于人类的感知、情感、同理心和创造力，这些都是AI的短板。
为什么呢？因为这些数据相对非常难收集。AI很难培养出这些能力。
换句话说，人类的优势在哪里？
- 系统性思维
- 全局观
- 把人和机器组织在一起的领导力和远见
- 协调人和人之间、团队之间的关系
另外一个重要能力：人类可以适应环境动态变化，有持续适应力和持续学习能力。人类可以快速适应新环境，在新环境中发展解决问题的能力。而机器要等着人类去喂养数据，这些数据是人先做一遍，喂养后机器才能学会。这是人和机器的重要区别。
选择未来行业的三个原则
很多家长会经常问一个问题：人工智能已经对行业、产业、工作产生巨大影响，对于学生而言，将来应该从事什么行业，往哪里走？
总结给学生的建议是，选择未来行业三个原则：
1.兴趣原则：做自己发自内心感兴趣的事情。最终能走多远、扎多深，完全由内心兴趣决定。对事情有兴趣时，可以几天几夜不睡觉、全力以赴也不累。
2.朝阳性原则
3.复杂性原则
如何知道行业在AI时代是否朝阳？是否足够复杂？有个简单判断标准：看这个行业数据质量。
数据质量分为两块：
- 数据覆盖度
- 数据广度
如果行业数据质量非常非常好，那就是夕阳行业。举个例子：我们作为码农（我也是码农出身），码农非常悲剧地自己提供了全开源代码，造成现在AI大模型让码农日子变得困难，但会使用AI的码农日子变得容易。为什么？大模型写代码能力非常强，因为码农提供了高质量的数据。大模型吃了好养料，吐出好产品。这就变成了相对夕阳行业。
我们要努力去数据基础非常差的行业，这就是朝阳。数据基础越差，AI能力越差，这就是朝阳。
但光朝阳还不行，因为有些行业虽然数据基础差，但收集数据很容易，快速收集起来后又变成夕阳了。所以我们要找足够复杂的行业。
足够复杂是什么？数据非常难以被收集，或者收集成本非常高。
比如具身智能行业，为什么既朝阳又复杂？原因很简单：设计机械臂拿一杯水，杯子材料不同（纸杯、玻璃杯、钢杯）、重量不同、机械臂材料不同、电机参数不同，都有影响。换一个杯子、换一个机械臂、换一个电机，所有数据收集过程又要重新采集一遍。人类物理世界足够复杂，整体数据采集就非常有挑战性，这就是复杂行业。
我们要去朝阳性行业、复杂性行业，还要自己感兴趣的行业。
人物红利时代
现在从工程师红利向人物红利时代转移，我们把这种人才叫做科学家创客，或者叫做金头脑，或者叫做复合型人才。因为世界发展越来越，国家之间、城市之间、行业之间，现在是一个人物引领的时代。
对于人物而言，我们做什么？我们对人物的定义是：在科学技术化、技术产品化、产品产业化、资本科学化这个循环过程中，人物做的事情是做平台、建系统、定标准、创品牌。
比如伊隆·马斯克，他对整个电动车行业做了平台、系统、标准、品牌。
现在世界需要这样的人物型人才，不一定像伊隆·马斯克那么宏大，可以在所有细分行业培养。比如广州的西音，改变了快消服装行业，同样是做平台、建系统、定标准、创品牌。
人才vs人物
工程师红利现在到了人物红利时代，高校、城市、国家都期待培养、发掘、吸引、培养这样的人物。
人物和人才最大区别是什么？人才是T字型结构，有专业深度，同时是终身学习者，拥有知识宽度。做金融懂金融知识，做人力资源懂人力资源管理知识，这是T字型结构，只是人才。
人物是从人才中成长出来的，在人才基础上多了一个脑袋——领导力。领导力是什么？人物可以带着人才去打仗。金头脑是人物，金手指是人才，金头脑和金手指组织在一起就可以做平台、建系统、定标准、创品牌。
所以人才和人物最大区别在于人物的领导力。领导力需要什么？需要视野、需要团队管理能力、需要团队建设能力，需要把聪明人才组织在一起。
现在世界发展非常快、非常准、非常狠，为什么？掌握了数据和预测能力，做一切都很快速。所以现在任何行业，领头羊基本占据90%市场份额，所以需要很强的风险控制意识和能力。一切发展都很快，带领人才团队，如果往火坑里带，聪明人才分分钟跑掉。
结语
最后特别喜欢把很多事情分成三个境界，对世界的认知、对技术的理解、对发展的理解，都是三个境界：
1. 第一重境界：看山是山，看水是水
2. 第二重境界：看山不是山，看水不是水
3. 第三重境界：看山还是山，看水还是水
不管技术如何发展，时代如何进步，我们依然要知道自己的本心是什么。所以不管人工智能如何发展，不管人类学习面临多大挑战和转型，我们依然可以记住罗曼·罗兰的话：
这个世界上只有一种英雄主义：当我们经历了人世间的种种，最后我们依然热爱这个世界。
