夜雨聆风AI时代，最好的专业是什么？黄仁勋在今年3月份的一个播客里给出一个答案，英语文学，English Major。
为什么呢？黄仁勋的逻辑是，语言将是AI的终极编程语言，而英语文学，就是掌握这种终极编程语言的技术。
更深的话，黄仁勋没有展开说，但我深以为然，他说这句话的时候，一下子把我脑子里萦绕很久的坚冰砸开了。
因为我曾经看过杰弗里·辛顿的一个演讲，辛顿是2024年诺贝尔物理学奖得主，被视为AI教父，他在这个演讲里提到AI为什么比我们聪明，可以消灭人类，那么AI为什么比人类聪明？
因为AI可能更触及语言的本质，人类在AI方向上曾经有两种选择，一种是，冯诺依曼和图灵路线，这就是生物路线，他们把智能视为神经网络，关键是学习连接强度。
由于俩人英年早逝和各种原因，早期的AI研究其实偏向了另一个路线，符号路线，这一派的路线认为，智能就是逻辑推理，知识用符号表达，思考就是操作符号，这长期以来是AI研究的主流。
辛顿就是带着人类走出符号路线死胡同的那个人，他重新带着AI走向了生物路线，符号主义认为语言是翻译，从自然语言翻译成一种无歧义的内部语言。辛顿完全推翻了这种观点，他认为，语言是一种向量，语言真正的类比是蛋白质折叠：一串氨基酸，有些部分互相吸引，有些互相排斥，你要在键角约束下把它折成三维结构，让喜欢的部分靠近、讨厌的部分远离。
理解句子也是如此——把词的特征向量调整到互相兼容的状态。
我们目前的所有大模型都是基于辛顿的理论，这些AI就是像他说的那样理解语言，说人话，就是，AI对语言的理解是拼乐高，按照乐高块的架构把乐高拼起来，就产生了各种乐高模型，每一个词word就是一个乐高块，把这些word连接起来，就是一个句子。只不过，语言这个乐高模型，要比乐高块复杂得多，一个乐高块，只有几个自由度，但一个word就是几千个自由度。
理解了辛顿对语言的理解，我们来说回黄仁勋的答案。
大模型做了一件事：学习人类语言的排列方式。 AI所做的，就是把自然语言，词与词之间的连接，按照指示，像乐高一样拼起来。
辛顿说了，语言是一种向量，那你知道最厉害的人是谁吗？就是能够找到乐高，并把那块乐高的方向和键角找对，放到拼图里的人。
而英语文学专业，他们的日常学习是什么？他们做的事情有点像我们的阅读理解，就是反复的阅读经典文本，并把每一个词语做word choice，为什么是这个词，而不是那一个词，大师们为啥要用这个词。
也就是说，就是张雪峰认为的最不值钱，最没有出息的文科生，还是文科里最无用的专业，可能在未来掌握了最先进的生产工具。
你问我相信张雪峰还是黄仁勋，我选择相信黄仁勋，因为他至少活到了63岁。
还有几个问题：
1、为什么是英语文学专业，而不是汉语言文学专业？
阿里研究院有一个《大模型训练数据白皮书》给过一个数据，全球网站英文占比59.8%，中文仅1.3%，从语料上，英文有天然的优势，全球互联网，经过质量过滤后，中文token仅有1%左右，汉语言文学在中文大模型训练方面可能有优势，但是基于英文的AI可能更容易涌现新范式。
2、为啥是文字而不是绘图或者别的？
因为文字才是AI的源代码，是AI时代的元知识，人最核心的能力，不是编程，而是精准、富有创造力的语言表达能力。而这项能力，正是英美文学专业训练的核心，或者说这才是真正的编程。
最后我想说的是，一度沸腾的龙虾热，现在已经凉下来了。这几年的AI热潮像极了当年的移动互联网热潮，当时很多人也在跟风学Java，注册下载各种app，上人人网，玩知乎，我当时玩人人网，几乎是当年班里最后一个，玩知乎，更晚一些，但是，我见过很多人，在那场移动互联网热潮中，不过是有了几个粉丝，约了几次炮，发了几次朋友圈，秀了几次优越。
我虽然是一个理科生，但是那时候，我已经开始意识到的语言的伟力，我开始敏感的意识到，精准的使用语言，是一种非常重要的能力，当然，我并没有辛顿的远见和黄仁勋的敏锐，但即使如此也让我享受到了一些时代红利。
那场互联网热潮中，真正坚持下来的，反而是我这种真正热爱文字，对语言的追求，涤荡的始终是浮躁的游来荡去的那波聪明人，AI又是一场浪潮，而且注定是一场更深度的涤荡，我经常说，所有的专业都玩了，最后人类剩下的是什么？我想最后剩下的，是语言、数学这些元知识，和掌握元知识的你我。
