吳軍：AI時(shí)代，培養(yǎng)新的學(xué)習(xí)力

來(lái)源_外灘教育

吳軍，谷歌早期員工之一，擔(dān)任過(guò)谷歌總工程師，領(lǐng)導(dǎo)了許多研發(fā)項(xiàng)目，也是國(guó)內(nèi)最早涉足人工智能領(lǐng)域的專(zhuān)家。在近期與外灘教育的訪談中，他從多年硅谷工作經(jīng)驗(yàn)談到教育的方式，以及人工智能時(shí)代我們需要具備的能力。本文轉(zhuǎn)自微信公眾號(hào)“外灘教育”，有刪改。

吳軍，原騰訊副總裁，當(dāng)前Google中日韓文搜索算法的主要設(shè)計(jì)者。著有《數(shù)學(xué)之美》《浪潮之巔》和《文明之光》

“因材施教”才能發(fā)展創(chuàng)新

無(wú)論是中國(guó)學(xué)生在SAT（美國(guó)高考）中屢獲高分，甚至滿(mǎn)分，還是近兩輪PISA國(guó)際學(xué)生測(cè)評(píng)，以上海等城市為代表的中國(guó)學(xué)生，綜合成績(jī)位列世界前列，各種各樣的測(cè)試都表明：中國(guó)學(xué)生的基礎(chǔ)教育，尤其是數(shù)學(xué)，有著極大的優(yōu)勢(shì)。

可另一方面，中國(guó)卻依然缺少在各行各業(yè)的頂尖科技人才。前段時(shí)間，任正非在媒體采訪中直接感慨：“（研發(fā)）芯片靠砸錢(qián)不行，得砸數(shù)學(xué)家、物理學(xué)家！”

為什么基礎(chǔ)學(xué)科并不如我們的美國(guó)學(xué)生，卻成為各個(gè)行業(yè)獲諾貝爾獎(jiǎng)，引領(lǐng)世界科技發(fā)展的創(chuàng)新人才？

我們向吳軍拋出了這一疑問(wèn)，他結(jié)合自己對(duì)中美兩國(guó)基礎(chǔ)教育的觀察，給出了答案。

他表示，在中國(guó)的教育下，因?yàn)閼?yīng)試的需要，學(xué)生不能有短板。因此，學(xué)生成績(jī)比較平均，一個(gè)班級(jí)往往集中在60分到90分之間，缺乏非常拔尖的，成績(jī)很差的也很少。

中國(guó)家長(zhǎng)也希望培養(yǎng)出各個(gè)方面都能出類(lèi)拔萃的學(xué)生。但是人的精力畢竟是有限的，想要所有學(xué)科齊頭并進(jìn)，結(jié)果就是：中國(guó)學(xué)生們沒(méi)時(shí)間在自己最擅長(zhǎng)和喜歡的科目上，進(jìn)行深入地研究和探索。

然而，美國(guó)更提倡“偏才”教育，這就給因材施教提供了土壤。

吳軍熟識(shí)的一位斯坦福教授，曾和他開(kāi)玩笑說(shuō)，即使在這所最難進(jìn)的美國(guó)名校，一個(gè)班里居然有1/4的本科生不知道Sin90度，真不知道他們是怎么混進(jìn)來(lái)的。

這也從側(cè)面反映了，美國(guó)學(xué)生的數(shù)學(xué)能力差距很大，即使是在斯坦福，也有很多基礎(chǔ)很差的學(xué)生。

“如果只看學(xué)生的平均水平，美國(guó)的基礎(chǔ)教育做得確實(shí)不太好，學(xué)生的數(shù)學(xué)可能從零分到一百分都有。但是基礎(chǔ)科學(xué)領(lǐng)域的研究，并不需要太多人，美國(guó)教育更希望通過(guò)‘因材施教’，培養(yǎng)出真正有天賦的拔尖人才?！?/p>

吳軍舉例說(shuō)，他在硅谷一些同事的孩子，因?yàn)閺男【蛯?duì)數(shù)學(xué)感興趣，為了能讓他們的天賦得到更好的培養(yǎng)，學(xué)校里會(huì)有校車(chē)，送他們?nèi)ジ叩膶W(xué)部去上課。有些孩子高二就已經(jīng)學(xué)完了偏微分方程。

此外，美國(guó)很多學(xué)校設(shè)有AP大學(xué)先修課程，鼓勵(lì)學(xué)有余力的學(xué)生，提前完成大學(xué)預(yù)科課程，并提供很多資源支持和競(jìng)賽的機(jī)會(huì)。

被誤解的STEM教育

在中國(guó)，無(wú)論學(xué)生是否有天賦和興趣，都難免會(huì)在同一條賽道上奔跑，這一點(diǎn)，從“全民奧賽熱”到現(xiàn)在很火的“STEM教育”，都能看出。

提及“STEM教育”，吳軍認(rèn)為，國(guó)內(nèi)對(duì)STEM教育的理解其實(shí)出現(xiàn)了一些偏差，大家都把它當(dāng)成一種編程能力的培養(yǎng)，或者是讓學(xué)生去做科學(xué)實(shí)驗(yàn)。

其實(shí)，STEM教育的真正目的，應(yīng)該是培養(yǎng)一種理工科方面的思維，綜合提升學(xué)生的科學(xué)素養(yǎng)。

美國(guó)一直以來(lái)也很注重STEM教育，也有很多這方面的權(quán)威競(jìng)賽。這些比賽的題目，從信息安全，到工程學(xué)方面，覆蓋面很廣，看似很宏觀，卻又和實(shí)際生活息息相關(guān)。

吳軍說(shuō)，國(guó)內(nèi)對(duì)STEM教育有很多誤解，STEM絕不等同于培養(yǎng)計(jì)算機(jī)、編程等具體技能，而是對(duì)“觀察生活，提出問(wèn)題，再到解決問(wèn)題”的思維方式培養(yǎng)

比如，有這樣一道題目是，“全美國(guó)破舊老損的下水管道，如果統(tǒng)一更換需要幾萬(wàn)億美金；用什么方法，能夠以最小的代價(jià)，解決它的漏水問(wèn)題？”

讓吳軍印象深刻的解決方案是，一位學(xué)生提出設(shè)計(jì)一種涂料，沖進(jìn)下水管道，通過(guò)化學(xué)反應(yīng)填補(bǔ)住那些破損的縫隙，還可以在水管壁上形成一層保護(hù)膜有效防止勞損。

這樣的比賽，會(huì)給學(xué)生預(yù)留充足的時(shí)間，進(jìn)行前期調(diào)查和研究，最終找到切實(shí)可行的解決方案。在這過(guò)程中，不僅提升學(xué)生的綜合能力和素養(yǎng)，也能激發(fā)他們“從生活中來(lái)，到生活中去”的科學(xué)興趣。

所以，STEM教育絕不等同于培養(yǎng)計(jì)算機(jī)、編程等具體技能，而是對(duì)“觀察生活，提出問(wèn)題，再到解決問(wèn)題”的思維方式培養(yǎng)。

誠(chéng)然，并不是每個(gè)人都要從事科學(xué)領(lǐng)域工作，但是所有行業(yè)的突破和創(chuàng)新，都離不開(kāi)這樣一種思維方式。

吳軍認(rèn)為，對(duì)于青少年來(lái)說(shuō)，了解那些重大發(fā)明是怎么創(chuàng)造出來(lái)的，了解發(fā)明和創(chuàng)造之間的內(nèi)在邏輯關(guān)系，汲取別人成功的工作方法，也是一種科學(xué)素養(yǎng)的儲(chǔ)備。

“大膽假設(shè)，小心求證”

2011年，人工智能概念還不熱門(mén)時(shí)，吳軍就開(kāi)始負(fù)責(zé)谷歌的計(jì)算機(jī)問(wèn)答項(xiàng)目。這一自然語(yǔ)言處理技術(shù)，是人工智能的一部分，那么作為人工智能的前沿工作者和研究者，他是怎樣看待人工智能帶來(lái)的沖擊的？

吳軍表示， AI時(shí)代里，醫(yī)療診斷、閱讀和處理文件、自動(dòng)問(wèn)答、新聞稿撰寫(xiě)、駕駛汽車(chē)等，都可以由機(jī)器取代，任何可以重復(fù)性的工作和技能，甚至需要智力的工作，都將受到?jīng)_擊。

雖然很多工作被淘汰了，但是原有的產(chǎn)業(yè)依然存在。吳軍強(qiáng)調(diào)說(shuō)，“AI時(shí)代，并非每個(gè)人都要學(xué)習(xí)人工智能，但是我們可以運(yùn)用新技術(shù)來(lái)發(fā)揮自己的專(zhuān)業(yè)特長(zhǎng)，對(duì)具體的領(lǐng)域知識(shí)進(jìn)行升級(jí)?！?/p>

首先，我們需要具備的，就是終身學(xué)習(xí)的能力。否則無(wú)法適應(yīng)這個(gè)快速變化的世界。

吳軍當(dāng)年從清華計(jì)算機(jī)系畢業(yè)后，就敏銳地發(fā)現(xiàn)，整個(gè)計(jì)算機(jī)行業(yè)發(fā)展很快，亟需對(duì)現(xiàn)有的知識(shí)、能力進(jìn)行升級(jí)。于是他回到清華讀研，在這期間，對(duì)語(yǔ)音識(shí)別領(lǐng)域產(chǎn)生了濃厚的興趣，并留校工作。

一次國(guó)際交流的機(jī)會(huì)，讓他發(fā)現(xiàn)，自己所做的科研工作，和當(dāng)時(shí)世界上最前沿的技術(shù)，依然有很大的差距。為了成為世界級(jí)的科研人員，他又赴美國(guó)約翰霍普金斯大學(xué)深造，攻讀計(jì)算機(jī)博士學(xué)位。

畢業(yè)以后，他投身還是初創(chuàng)公司的谷歌，主導(dǎo)中日韓搜索算法的設(shè)計(jì)和研究， 成為一名優(yōu)秀華裔工程師。

其次教育需要更多地偏向?qū)?chuàng)新能力、想象力和創(chuàng)造力的培養(yǎng)。

幾千年來(lái)，人類(lèi)的知識(shí)都建立在歸納法的基礎(chǔ)上，傾向于通過(guò)前人已有的研究結(jié)果，去解決問(wèn)題。就好像，農(nóng)耕文明時(shí)代，種田的技術(shù)，爸爸交給兒子，兒子交給孫子，歷經(jīng)好幾代人都不會(huì)改變。

工業(yè)革命以后，每70年左右就發(fā)生一次技術(shù)變革，那些最先利用關(guān)鍵技術(shù)，進(jìn)行產(chǎn)業(yè)升級(jí)的人，最先成為時(shí)代的受益者。

如今的人工智能時(shí)代，如果我們還在被動(dòng)地接受信息，還在尋找所謂的標(biāo)準(zhǔn)答案，那就是在培養(yǎng)“機(jī)器人”。

那么，如何培養(yǎng)從0到1的創(chuàng)造力？吳軍認(rèn)為，這并非無(wú)章可循，只要掌握一套核心方法論?！拔磥?lái)，每個(gè)人都有機(jī)會(huì)掌握科技創(chuàng)新的思維和方法?！?/p>

在《全球科技通史》這本書(shū)里，他提出，每一次技術(shù)飛躍，都是掌握了某種核心方法。

比如，引領(lǐng)近代科技巨大飛躍的笛卡爾方法論——“大膽假設(shè)、小心求證”，同樣適用于我們今天的創(chuàng)新思維方式——不迷戀權(quán)威和標(biāo)準(zhǔn)答案、有自己的邏輯推理和判斷、開(kāi)放的心態(tài)，悉心觀察、提出問(wèn)題……

這樣一種思維方式，不僅在理工科學(xué)習(xí)中很重要，歷史、文學(xué)、政治等人文學(xué)科，同樣需要這方面的思維鍛煉。

比如，在美國(guó)課堂上，盡量不會(huì)給學(xué)生標(biāo)準(zhǔn)答案的限制，哪怕是歷史課堂中讓學(xué)生評(píng)價(jià)歷史人物華盛頓，也會(huì)鼓勵(lì)他們通過(guò)觀察、提問(wèn)和探究，做出自己的思考。你既可以說(shuō)他是一個(gè)很了不起的政治家，也可以說(shuō)他是信奉白人至上的奴隸主。關(guān)鍵是，一定要有自己的推理依據(jù)。

好品質(zhì)比好學(xué)校更重要

前段時(shí)間的美國(guó)招生舞弊案中，中國(guó)家庭斥巨資將子女送進(jìn)耶魯、斯坦福等名校，這樣的“名校情結(jié)”絕非僅僅是少部分家長(zhǎng)所有，越來(lái)越多的父母，為了子女“爬藤”上名校，不惜一切代價(jià)。

學(xué)校背景，真的對(duì)學(xué)生的未來(lái)，有如此重要的影響嗎？

吳軍表示：名校出身，或許會(huì)讓你比別人有一些優(yōu)勢(shì)，但是并沒(méi)有想象中那么大。對(duì)于學(xué)生來(lái)講，找到一所適合自己的學(xué)校比一味追求學(xué)校的名氣，更重要。

比如，哈佛的入學(xué)競(jìng)爭(zhēng)，要比伯克利大學(xué)激烈得多，每年伯克利錄取的最優(yōu)秀學(xué)生，可能大多數(shù)是申請(qǐng)哈佛被拒的學(xué)生。但是調(diào)查卻顯示，從這兩所學(xué)校畢業(yè)的學(xué)生，在各個(gè)領(lǐng)域有成就的人數(shù)，其實(shí)相差不是太多。

而在硅谷科技公司中，招聘最多的學(xué)生，恰恰來(lái)自一所不太出名的學(xué)校，圣何塞州立大學(xué)。

一方面它靠近斯坦福，有著得天獨(dú)厚的條件，另一方面，這些學(xué)生在讀書(shū)期間，能比較早地進(jìn)公司實(shí)習(xí)和工作，更有針對(duì)性地鍛煉相關(guān)技能。

吳軍強(qiáng)調(diào)說(shuō)，在工作的前五年，名校背景也許帶來(lái)更多的面試機(jī)會(huì)；但是工作五年以后，學(xué)校的影響會(huì)慢慢減弱。

公司更看重的，是你的專(zhuān)業(yè)技能，以及是否具有踏實(shí)、堅(jiān)毅的品質(zhì)，它對(duì)一個(gè)人的未來(lái)發(fā)展，有著更深遠(yuǎn)的影響。

如今蘋(píng)果、谷歌、微軟三大IT巨頭，都是印度裔擔(dān)任CEO。就連全美500強(qiáng)企業(yè)中印度裔CEO人數(shù)也遙遙領(lǐng)先。談到這一現(xiàn)象，吳軍表示，首先要明確的一點(diǎn)是：印度裔工程師的確在軟件方面，更擅長(zhǎng)；但是在半導(dǎo)體行業(yè)，還是華裔工程師更勝一籌。只是國(guó)內(nèi)對(duì)互聯(lián)網(wǎng)關(guān)心比較多，所以看到的更多是印度裔工程師的身影。

不過(guò)平心而論，從管理層人數(shù)來(lái)看，印度裔的確比華裔要多。這主要有兩個(gè)方面原因：

一方面是華裔比較浮躁，沉不下心。有些人在美國(guó)剛剛工作兩三年，成為高級(jí)工程師后就浮躁起來(lái)，忙著跳槽換取更好的待遇。

相比較而言，印度工程師更能沉得下心，他們?cè)谀骋粋€(gè)領(lǐng)域，某一家公司，有時(shí)一干就是20年。

此外，還有文化方面的原因。雖然在技術(shù)能力上相差不多，但是印度裔和美國(guó)人的思維一樣，大多是“一步思維”，喜歡認(rèn)死理，一根筋走到底。雖然他們沒(méi)有我們文化中那么多的靈活變通，但恰恰是這樣的思維和做事方式，反倒讓他們?cè)诼殘?chǎng)上，有一種更踏實(shí)、專(zhuān)注的品質(zhì)?？上Ы裉旌芏嗄贻p人都做不到這一點(diǎn)。

吳軍表示，無(wú)論在哪個(gè)領(lǐng)域，最后能達(dá)到一個(gè)比較高的位置，做得比較成功的，都一定是那些穩(wěn)扎穩(wěn)打，能靜下心的人。