未来毕业生的核心技能是什么？| 外滩大会随笔
未来毕业生的核心技能是什么？
生成式人工智能迅猛发展的近两年，这一问题不止一次被置于聚光灯下。
著名未来学家、《连线》杂志创始主编、《5000天后的世界》作者凯文·凯利，给出的答案是：学会如何学习。
今天上午举行的外滩大会主论坛，除了凯文·凯利，还有机器学习泰斗、美国“三院院士”迈克尔·乔丹，中国工程院院士、之江实验室主任、阿里云创始人王坚，香港科技大学校董会主席、美国国家工程院外籍院士沈向洋……他们上台分享有关AI的最新见解，俨然一场思想盛宴。
未来学家凯文·凯利：
“学会如何学习”将成为未来毕业生的核心技能
在未来学家凯文·凯利看来，人工智能深刻影响着经济和文化，必将涌现三大趋势：全球主义、创新加速和AI驱动生成。
全球主义正在迅速推进，因为人类正在共同构建一个基于技术的“超级有机体”。“我们正将全球的手机、笔记本电脑和所有数据服务器，连接成一个巨大的计算系统。每一台设备就像这个庞大计算机的一个神经元，这台超级计算机在一个前所未有的规模上高速运行。”凯文·凯利解释。
AI时代下的全球主义推进，也正在推动一种新兴的全球文化。比如，人们的生活方式和穿着逐渐趋同：牛仔裤和T恤成为全球标配；都住在钢筋混凝土的房子里，有空调、自来水和Wi-Fi。“按照马斯洛的需求层次理论，人们的底层需求已经改变并达成一致。”
凯文·凯利在连线中提到的第二个趋势，是创新的加速。
他说，这种加速体现在多个方面，包括新发明和新思想的传播速度越来越快、通过AR和VR技术来提高学习效率，甚至AI也通过机器及其他传感器来感知世界等。
“我相信许多年轻人如今通过ChatGPT等AI工具学到的东西，已超越他们在学校所学。”凯文·凯利认为，当答案的获取变得轻而易举，真正有价值的反而是提出正确问题的能力，以及掌握正确思维方式的能力。
“如果你是年轻人，你在两年后的工作甚至还没有被创造出来。在两年内，你在学校里接受所针对目前工作市场的培训会发生变化。当你毕业后，你将从事一些在你上学时还不存在的工作。”也因此，“学会如何学习”将成为未来毕业生的核心技能。
谈到第三个趋势“AI驱动生成”时，凯利·凯文认为，AI不仅将帮助人类摆脱机械枯燥的工作，完成我们无法独立完成的任务，甚至可以生成超乎人类想象的全新事物。
“这正是AI带来的真正巨大革命。”凯文·凯利说，AI系统正在生成新的事物，它们还不完美，但正在变得越来越好。
他还举了个例子：从最近使用ChatGPT和其他大语言模型的经验来看，从AI工具中获益最多的，实际上是表现一般甚至是较差的人。AI工具不仅仅是为最聪明的人准备的，它们还能帮助不那么出色的人更好地完成任务。
中国工程院院士王坚：
ChatGPT不是一个应用，而是一个平台
《AI、AI+以及AI基础设施》，这是王坚博士此次演讲的主题。在他看来，AI+不是AI和产业的简单结合，而是数据、模型和算力的组合，云计算就是AI时代的基础设施。
王坚回顾了AI的发展历程，“虽然它有很长的过去，但只有很短的历史。”图灵等科学家从20世纪四五十年代开始就有很多与AI有关的思考，但2017年谷歌提出Transformer模型，才让AI重回大家的视野，形成对产业的影响。
他重点提到了对于“AI+”的思考，坦言自己反复在思考它到底是什么。
王坚以OpenAI的ChatGPT为例，“如果基于AI+的逻辑，ChatGPT就不是一个应用，而是一个应用平台。再拆一拆，它就是基础模型（GPT）+应用场景（chat）。”
“当我们讲‘AI+’的‘+’时，不是加什么东西，而是怎么加，更重要的是机制创新。”王坚认为。这种创新就是数据、模型和算力的组合。当三者的规模都有了巨大变化，此时就需要引入新的东西，那就是AI的基础设施。
王坚认为，当谈到基础设施时，就是一种技术渗透的终结形式。什么技术会对人类产生最长远的影响？就是它变成了基础设施。
他最后总结道，当我们看到AI、AI+和AI基础设施时，“就会发现这个世界不但技术在革命，机制在革命，基础设施也在革命。没有比这三项革命在同一个时间发生更令人激动的，它们正在创造未来。”
“机器学习泰斗”迈克尔·乔丹：
人工智能系统设计缺乏激励机制
“缺乏对集体性、不确定性和激励机制的关注，是当前对AI的讨论中缺失的三个方面。”时隔一年，“机器学习泰斗”迈克尔·乔丹，再次带来对AI的最新洞见。他认为，AI落地产业，需要形成互相协作的集体；要构建人工智能的协作系统，必须要引入经济学的“激励”视角。
“ChatGPT，你确定你刚生成的是对的吗？”谈到AI的不确定性时，迈克尔·乔丹指出，当前的AI系统很难表达它真正学到哪些知识，也没有能力表达它有多确定。相比之下，人类在面对不确定性时表现出色，尤其是集体协作共同应对时。
因此，他建议不仅单独设备要具备一定智能，AI更要通过协同体现在整体系统层面。“仅仅将人类的智慧融入超级智能计算机中是不够的，现代信息技术在医疗、交通、金融科技和商业领域的应用，需要集体性、去中心化的智能系统。”
现场，迈克尔·乔丹进一步探讨了不确定性与集体性的关系。他指出，人类在集体协作时能更好地应对不确定性，但如何让当前的AI系统也具备类似的集体协作能力，仍是一个未解的关键问题。他认为，微观经济学视角是当前AI研究的一个缺失。
“激励机制”是市场经济和集体智能的关键因素，“AI拥有海量数据，但有些不能生成价值，通过设计激励机制才能驱动AI智能体贡献和协作。”迈克尔·乔丹提出了“三层数据市”模型。其中，用户、平台和数据买家通过“出让数据”“购买数据”“提供服务”形成闭环。他强调，数据购买者，也就是企业，可结合“数据和服务”建立与用户的激励机制，从而为他们带来真正的价值。
