为什么一个「坏系统」却意外制造了最多AI人才？00:06今天来聊聊中国的教育体系，是怎么在看似有很多不利于创新，不利于好奇心的一个环境下，却源源不断为人工智能等前沿领域输送大量人才的。00:22这个话题确实挺有意思。00:25先说说上一篇文章发出来之后，大家都有哪些比较典型的反馈，以及在这一篇文章当中打算回应哪些核心问题。00:34很多人在留言和私信里说，自己就是那个好奇心被慢慢关掉的人。也有一些人对中国的教育到底是不是真的扼杀创造力提出疑问。甚至问为什么硅谷的AI领域里面华人这么多？00:48看来这个话题是引发了大家的共鸣。家长们是不是也有很多焦虑？00:54有家长半夜发私信说，教育既然会关掉好奇心，那我到底还要不要让孩子去上补习班？所以作者就决定直面这些问题，去探讨下中国的教育到底无意中做对了什么，能够不断的往硅谷输送AI人才。这篇文章的答案可能会比上一篇还要残酷。一、中国教育：一个「设计挺坑但功率超大」的筛子01:16中国的教育的设计挺坑，它是功率超大的筛子。01:32把中国的教育比喻成了一个筛子，是那种网眼特别密，功率又特别大的筛子。虽然这个筛子会把很多小石子儿，甚至一些金粉都一起筛下来，但它处理的沙子量特别大，最后留下的金子的总量还是要比那种设计的很合理，但是处理量很小的筛子要多。二、14亿人口的「暴力筛选」优势01:55我们接着来说说这个14亿人口的暴力筛选的优势。对中国这么大的人口基数，在天才的数量上面会带来一个什么样的理论上的可能性呢？02:07假设天才出现的概率是1‱，中国有14亿人，理论上就有14万个天才。就算教育系统的好奇心扼杀率高达99%，最后还能剩下1400个天才。02:28听起来很夸张，印度跟中国人口差不多。那在这个高强度筛选系统下的人口和最终产生的人才幸存者跟中国会有多大的差距呢？02:38印度能进入这种高强度筛选的人口只有中国的30%，天才的基数就变成了42000人。印度的教育又比较宽松，好奇心扼杀率只有50%。剩下的幸存者是21000人。乍一看好像印度剩下的人才更多，但是这就是忽略了一个很重要的点，就是工具箱的差距。三、中国教育给的「工具箱」有多硬核？03:00中国的教育在工具箱上面有哪些硬核的表现呢？03:05中国的中小学阶段的数理基础教育是全球顶尖的，经常会有中国的学渣到了美国就变成了数学天才。因为美国的同龄人还在学初中就学过的东西。03:17真的是这样的，我身边也有不少人说他们去了国外之后都成了数学家教。03:22这就叫数学降维打击。中国学生这种基础训练和欧美普通学校根本就不在一个级别上。而且这个东西你别看它好像是死记硬背，但其实AI研究每天都要用到这些最基础的东西。03:38为什么这个死记硬背和对底层逻辑的理解，在学习数理和AI的时候会这么重要呢？03:45这里面有一个反常识的洞察，人工智能的大模型它是怎么变得聪明的？就是靠喂给它海量的数据。像GPT4，它是把互联网上的各种文本、代码、论文都吞进去了，它才能能够写诗、编程、推理。没有这些低维度的大量的输入，它是不可能有高维度的涌现能力的。04:08所以人脑的学习和这个大模型训练其实是有相似之处的。04:13没错，你的高维认知一定是建立在你对这些基础知识非常熟悉的基础之上的。没有学过微积分，你怎么可能懂神经网络的反向传播，没有亲手算过很多次矩阵，你怎么可能直观地理解Transformer的注意力机制。就像你没见过中文的人，不可能写出唐诗一样。04:36刷题这件事情，为什么有的人刷着刷着就成了只会考试的机器，有的人刷着刷着就成了能进硅谷的AI研究员呢？04:44这个背后的关键在于你是在死记步骤，还是在不断的追问为什么，真正有用的不是你把这个公式背下来，而是每一次做题的时候，都去思考这个公式背后的逻辑。为什么要用这个方法？这两个问题看起来不一样，但他们是不是其实有相同的底层结构，这种不断的去升维思考才是真正能够让你能力跃迁的。05:07看来关键是要知其然，更要知其所以然。05:10比如说你做一万道导数题，你只是在套公式，那真的就是浪费时间。但你做100道题，你每一次都去思考为什么这个链式法则是这样的。那你就是在锻炼你的逻辑推理的能力。那些最终能在硅谷做AI的人，他们一定是最善于从题目当中提炼出逻辑的人。05:30能不能这么理解，就是中国学生在这种反复的训练这些数学基本功的过程当中，到底是获得了一个什么样的认知优势？05:40可以这样看，就是有的人他刷了1000道题，他只是记住了1000个解法。但有的人他可能只做了100道题，他就真正的理解了十个底层的逻辑。那这十个逻辑就可以帮他解决未来遇到的一万个新的问题。这就是一个线性增长和指数增长的区别。05:58也就是说真的本事不是记住解法，而是能够看穿问题背后的结构。06:04是这样的，那些看似枯燥的求导矩阵概率的训练，其实不光是给大脑投喂数据，同时也在锻炼提取逻辑的本事。只有对这些工具无比熟练了，大脑才会有多余的资源去思考更高层次的问题。06:23所以为什么很多中国学生一到了这种斯坦福的博士一年级，就能够立刻在创新上面展现出优势呢？06:32因为他们在国内的时候已经把这些数学的工具训练了十年，所以他们到了博士阶段用这些东西就跟呼吸一样自然。他们的认知带宽是被释放出来的，他们可以马上就去琢磨这个模型为什么有效，能不能改进，或者说有什么新的方向可以探索。06:51听起来就是欧美学生在基础工具这一块儿就消耗了太多的精力。06:56很多欧美学生还在适应这个矩阵还可以这么用的时候，中国学生已经在探索新的模型了。这就相当于一个是用10亿tokens训练的模型，一个是用10万tokens训练的模型。对他们的起跑线根本就不在一个平面上。07:13死记硬背这个事儿，关键还是要看你背后的目的到底是什么。07:17没错，死记硬背本身并不是问题，问题是你是为了考试呗，还是说你是为了将来能够随心所欲的用这些工具去探索未知。这两者虽然动作一样，但是结果是天差地别的这就是工具箱的差距。四、竞赛体系：体制内的「好奇心避难所」07:33下面咱们就来谈谈这个竞赛体系，这个体制内的好奇心避难所。中国的竞赛体系到哪些特殊的地方？为什么这些站在硅谷AI舞台上的华人大佬们大部分都有过竞赛的经历呢？07:47这个说起来很有意思，这些华人大佬他们很多都是数学、物理、信息学竞赛出身。其实竞赛在整个中国的教育体系里面是一个很奇怪的存在。因为它不是一个必修课，你完全是凭兴趣自愿去参加的。08:03就相当于只有真正喜欢的人才会去学。这就把那些有好奇心的怪咖都挑出来了。08:10不光是这样，而且竞赛的题目也没有什么标准的套路，你必须要真正的去理解数学物理的本质才能够做出来。再加上竞赛圈子里面大家比的不是谁更听话，而是比谁的想法更有创造力。就给这些怪咖们提供了一个可以互相激发的环境。08:32在高度标准化的教育体制下面，竞赛体系到底是怎么成为那些怪咖学生的一个避难所的呢？08:40最关键在于竞赛生他是有特权的，老师和家长对于他们会有更多的包容。比如说你上课发呆，普通学生可能就会被说你怎么不认真听讲。但是如果你是竞赛生的话，老师可能就会觉得他可能是在思考一个很难的问题。08:57他们被允许有不同，就给了他们很大的空间。09:01包括你偶尔一次考砸了，家长也不会说过度苛责你，反而会鼓励你说你好好准备竞赛就行。在这个体制里面，本来会被磨平的那些怪咖们就可以在这个缝隙里面生存，还可以得到非常扎实的训练。五、文化因素：东亚式「延迟满足」的双刃剑09:18我们来看一下文化因素，东亚式的延迟满足到底有什么特点？在培养AI人才这件事情上面到底有什么独特的影响？09:29这就不得不提到一个很有意思的现象，东亚文化对于这种苦读十年是特别能够接受的对。比如说中国的博士周末在实验室，暑假在实验室，寒假还在实验室，凌晨两点还在调模型的参数。这种事情在中日韩都是非常常见的。09:48这种投入程度和很多西方的国家比起来简直就是两个极端。09:52你想象一下美国的大学生周末都去party，暑假去实习去旅游，大四才开始找工作。他们对于这种苦行僧式的学术生活很难理解，甚至会觉得你这样是不健康的。但在东亚文化里面，这是被高度认可的对这种愿意延迟满足的集体氛围，会让你在这种高强度的AI研究的赛道上面是一个非常大的优势。10:19但这种长期的投入，如果孩子本身对这个东西没有热情的话，是不是也是一种煎熬？10:24确实，这个就像我刚才说的，它是一把双刃剑。如果说你只是被家长推着走，没有自己真正的兴趣，那这十年对你来讲就是一种折磨。六、最残酷的真相：这是一个「高效的，挺坑的系统」10:34那我们下面要揭开的就是这个最残酷的真相了，就是中国的教育到底是怎么能够高效率的批量的培养出这种顶尖的AI人才的。10:44这个问题的答案其实很让人意外，就是中国的教育能够培养出这么多AI人才，不是因为它的体系有多完美，而是因为它的规模足够大，筛选的功率足够猛，它的这个工具箱，也就是数理基础足够硬核。说白了它是一个高效的坏系统。11:02这个系统到底在哪些地方特别高效，又在哪些地方最让人觉得无奈？11:08高效的地方在于它有14亿的人口做基础。所以哪怕它的这个幸存者的比例只有1%，但它的绝对人数依然是很庞大的。再加上它的数理训练确实是全球顶尖的。还有这个竞赛体系也给那些好奇心特别强的孩子留了一条缝。再加上这种东亚文化里面的延迟满足，让这些最优秀的学生愿意去长期的投入。11:35但它的坏处也很明显，就是它会大规模的扼杀好奇心。99%的孩子都会被这个标准化的过程磨平，它只鼓励你去答题，不鼓励你去提问。所以就会出现很多不敢质疑，只会执行的人。然后为了去培养出极少数的拔尖的人才，却让绝大多数的人都失去了探索的机会。12:00我们最后要聚焦的这个话题，就特别现实了，就是家长们到底应该怎么去看待孩子的兴趣和这个体制内教育之间的关系。七、说几句实话12:10首先就是数学、物理、编程这些基础的能力是非常重要的。你没有这些工具的话，你就算有再强的好奇心，你也没有办法把它变成一个解决实际问题的能力。但是这些东西本身不是目的，它只是一个手段。12:26听你这么说的话，好奇心其实才是最不能丢的火种。12:30是的，兴趣才是最重要的。工具你随时都可以补，但好奇心一旦被浇灭了就很难再点燃。如果说你真的要在会做题但没有兴趣和暂时不会做题但充满好奇的孩子之间选一个的话，一定要选那个好奇的孩子。就是千万不要用这个不考这个没用，这个不能当饭吃，这样的话去否定孩子的兴趣。那些最终能够在硅谷的舞台上发光的人，他们的共同点并不是他们的成绩单有多漂亮，而是他们经历了这么多年的这种高压的教育之后，他们对世界的好奇心还依然在燃烧。13:09有一些孩子他就是没有那么明确的兴趣，这时候体制内的教育对他们来说还有价值吗？13:16其实这个世界上没有那么多一出生就有明确兴趣，并且可以靠兴趣躺赢的人。大部分的孩子其实都是你问他喜欢什么，他也说不上来，然后给他自由时间，他也就是刷短视频打游戏。13:30就是说完全靠孩子自己去主动发现兴趣，其实也不现实。13:34没错。所以体制内的教育它的一个好处就是它会给你提供一个相对公平的试错的环境，你可以去不断的接触数学、物理、化学、语文、英语。你可能在这个过程当中，就会因为偶尔做对了一道难题，或者说独立的跑通了一段代码，而获得一些正反馈。而这些小小的成就感往往就是你发现自己兴趣的一个起点。14:03就是跟着这个体制跑，其实也是在给自己一个找到兴趣的机会。14:08对，至少在你没有找到自己的方向之前，把你的基本功练好，把你的工具箱装满，总比什么都不做要好。最可怕的不是说你没有找到热爱的东西，而是你什么都没有尝试，就已经放弃了成长。14:24今天我们聊了这么多关于中国教育的优势和弊端，然后也揭开了为什么他能够在这样的一个并不完美的情况下，还可以培养出这么多的AI人才。最后其实我们还是回归到兴趣和基础能力的这个话题上面，就是这两个东西其实是缺一不可的。14:45好，那这一期节目咱们就到这里，然后感谢大家的收听，咱们下期再见。

Ask this episode

“What did the council decide on item 42?” — answered with the speaker and the moment.

Transcript

Related