夜雨聆风兴趣是第一位的，但没有经过考验的兴趣，并不坚实。
有人问我：AI 时代，如果读理工科，未来几年哪个专业会比较好就业？
我的第一反应很简单。如果条件允许，先考虑能不能去国外。至少在当下，这意味着你有更大概率第一时间用上最顶级的大模型，接触到更前沿的环境。
大模型：可以理解为一种能力很强的 AI 系统，能处理文字、代码、图片等复杂任务，ChatGPT 就是这一类产品的代表。
如果一定要瞄准就业，当然也可以去找那些暂时不容易被 AI 替代的专业。但坦白地说，现在所谓 AI 替代率低，很多时候只是因为模型公司还没有把力量投向那个方向。这种低替代率一年之后还在不在，都不好说，更不要说四年之后。
我个人感觉，到目前为止，需要动手、需要进入复杂现场、需要和具体的人反复交互的专业，短期内会更稳一点。即使这些行业后来也被 AI 改造，学这个专业的人至少有机会成为那个帮助 AI 改造行业的人。
但能维持多久，我不太乐观。
所以我不建议把就业预测当成选专业的主轴。更重要的事情，可能是发现自己到底喜欢什么，适合什么。
兴趣是第一位的，但没有经过考验的兴趣，并不坚实。
现在 AI 真正有价值的地方在这里：它可以让一个孩子在很短时间内，提前摸到一个专业未来四年最艰难的部分。
重点不在招生简章，也不在别人说这个专业「前景好」。真正要做的，是让 AI 把这个专业最核心的几块内容拆出来，用最简单但非平凡的例子，让孩子自己上手试一试。
如果还有时间，可以先列出自己能去的最好的国家、城市、学校和专业。然后让 AI 给每个专业设计一个一两天的入门体验：这个专业真正难在哪里，需要培养什么能力，最小的上手任务是什么。孩子可以连续这么做，在两周内尝试 5 到 10 个专业。
最后再看，自己到底喜欢哪个。
我感觉预测未来是没有意义的。更有意义的事情，是用我们手里最先进的工具，反过来发现自己。
动手试试
我是懂数学的，所以先拿自己的专业验证一下。
AI 给出的两天数学专业体验大概是这样：第一天，用 ε-δ 语言重新理解「函数连续」，证明「当一个数越来越接近 2，它的平方就越来越接近 4」，再模仿证明「当一个数越来越接近 3，它的平方就越来越接近 9」。这一天的难点，是把「图像不断」这种直觉，改写成没有歧义、可检验、可证明的严格语言。核心能力是精确定义、误差控制，以及从直觉走向证明。
ε-δ 语言：大学数学里用来严格描述极限和连续的一套表达方式，可以把「无限接近」说成可检查、可证明的条件。
第二天，学习「距离」的公理定义，理解欧氏距离和出租车距离，并证明出租车距离满足三角不等式。然后再做反例，检验「把两个数的差的平方当作距离」为什么不符合距离的定义。这一天的难点，是接受数学不再只研究具体对象，也研究对象满足的抽象规则。核心能力是抽象化、公理化思维，以及构造例子和反例。
公理：一套理论里先被接受为起点的基本规则，后面的推理都从这些规则出发。
这个设计的总目标很清楚：让学生在两天内体验数学专业真正困难的部分。难处不在计算，在定义、证明、抽象和反例。
整体看下来，我觉得很精准。我当时学数学，确实也是因为喜欢上了这些东西。高中的时候，我就喜欢用 ε-δ 语言去思考无穷大的问题，也喜欢做证明题。事实证明，上大学之后，我在这件事上确实非常快乐。
我身边也确实有同学不喜欢写严格证明，也对抽象和公理化没有兴趣。那数学学起来就会很困难。当然，这两天的体验难度很高，需要孩子努力坚持才能做下来。整个过程需要和 AI 不断主动交互。我相信对于这两个问题来说，非数学专业的人甚至都很难帮得上这个孩子。
但这就是数学专业的日常。
顺道一提，第二天 AI 给出了距离作为最简单的非平凡例子，和我一位朋友最近在做的「用数学来理解人生」的那个框架不谋而合。那位朋友数学非常厉害。这说明 AI 至少在短期体验专业核心这个层面上是非常厉害的。
接下来我又试了一个自己很有兴趣、但没有系统学过的专业：计算机。
AI 给出的两天计算机专业体验大概是这样：第一天，用 Python 写一个最小程序，比如「成绩统计器」：输入若干成绩，输出平均分、最高分、最低分，并按规则判断等级。这一天的难点，不在会不会写语法，在能不能把一个现实任务拆成清楚的步骤、变量、条件和循环。核心能力是问题分解、算法思维和调试能力。
Python：一种常见的编程语言，语法相对直观，很多初学者会用它开始学习写程序。
第二天，做一个小型「搜索系统」：给定一组文章标题或商品名称，输入关键词，返回匹配结果，并按相关度简单排序。然后再继续改进，处理大小写、空格、无结果、多个关键词等边界情况。这一天的难点，是理解真实程序的麻烦常常不在主流程，而在大量异常情况和用户输入的不确定性。核心能力是抽象建模、数据结构意识和工程化思维。
这个设计的总目标也很清楚：让学生体验计算机专业真正困难的部分。难处不在「会敲代码」，在把混乱问题转化成可执行、可维护、可扩展的系统。
在我看来，这个计算机体验的难度也颇高。至少在高中时期的我，用 Python 写一个小程序会很满足。但要处理异常情况和用户输入的不确定性，其实要费一番功夫。即使现在让我在没有 AI 帮助的情况下写一个搜索系统，我也会觉得困难。
看来 AI 对计算机专业的理解也是比较深的。
我只验证了两个例子。一个是我从事的专业，一个是我略有了解的专业。至于其他专业，我了解不多，就不班门弄斧了。
但这个思路或许是可行的：不要只问哪个专业未来好就业。先让孩子提前碰一碰这个专业真正困难的部分，看自己是不是愿意继续。
如果两天都撑不下来，四年大概率会很痛苦。如果两天之后反而更兴奋，那这个兴趣就比一句「我好像喜欢」坚实得多。
能够经受考验、依然坚实的兴趣，会让孩子度过非常有意义的四年，也能让他更好地把这四年中学到的东西，用在未来的人生之路上。
希望有不同专业的朋友真的试一试，然后给我更多反馈。
《Breaking Home Ties》（1954）
这幅画描绘了一位即将离家上大学的年轻人和他的父亲坐在火车站旁等待列车的场景。儿子穿着整洁的衣服，身边放着行李箱、书本和录取相关材料，神情中既有对未来的期待，也有些许紧张；父亲则穿着朴素的工作服，默默坐在一旁。两人几乎没有交流，却共享着一种复杂而深沉的情感：这是一次普通的送别，也是一个家庭见证孩子迈向独立人生的重要时刻。
这幅作品出自美国著名现实主义画家 Norman Rockwell 之手，于1954年作为《Saturday Evening Post》的封面发表。二战结束后，美国迎来了高等教育快速扩张的时代，越来越多普通家庭的孩子获得进入大学的机会。Rockwell敏锐地捕捉到了这一社会变化。他没有选择描绘校园生活本身，而是将目光投向离家前的最后一刻：一个农民或工人父亲，把自己从未拥有过的机会送给下一代。这种朴素而克制的表达，正是Rockwell作品最鲜明的特点。
在美国文化史上，《Breaking Home Ties》被广泛视为描绘“孩子第一次离家求学”这一人生仪式的经典形象。它不仅反映了20世纪中叶美国社会流动和教育普及的历史进程，也成为家庭责任、代际传承与个人成长的重要象征。数十年来，这幅画经常出现在有关教育、家庭和美国梦的讨论中。许多观众认为，画中真正动人的并不是大学本身，而是那个沉默的瞬间：父亲把希望寄托给下一代，而儿子则第一次踏上属于自己的人生道路。
