主播
节目简介
来源：小宇宙
先说一个让人迷惑的现象
00:01
今天想跟大家讨论一个问题，为什么在人工智能领域那些顶尖的人才，他们好像不单纯是靠学校教出来的对，更重要的是他们自始至终都保持着对这个世界的好奇和热情。
00:23
先说说社会上大家对于教育的焦虑，和现实当中AI领域的人才背景是存在一个巨大的反差的。为什么现在家长和专家对于传统教育的批判会变得这么激烈？
00:36
这两年朋友圈里面大家聊的最多的就是教育要完了这个话题。专家们也是一直在强调，死记硬背没用，刷题没用，应试教育要害死孩子。每次有这种讲座都是人满为患，家长们都特别焦虑。
00:52
我身边很多朋友也是一说起孩子的教育就愁眉不展，听了专家和讲座之后就立马行动起来。
00:58
台上的嘉宾会说现在的孩子还在学背公式，AI 1秒就算完了，未来属于有创造力的孩子，不属于考试机器。还有说什么清华北大毕业有什么用，以后都被AI取代。底下的家长就疯狂鼓掌，回家就把孩子的补习班退了，给孩子报一个什么创意思维训练营之类的。
01:19
那为什么现在这个AI领域的华人的顶尖人才，他们大部分都是这种顶尖的理工强校，传统教育体系出来的？
01:28
这个说起来真的很讽刺。就比如说meta花了3亿美元挖了七个中国人，这七个人几乎全部都是清华北大、中科大的本科、MIT斯坦福、伯克利的博士，还有OpenAI最新的大模型的核心团队里面有35%都是华人，并且他们都是这种顶尖名校出来的做题家。马斯克的XAI创始团队，12个人里面有五个是华人，也是正儿八经的体制内科班学霸。
01:56
这跟我们平常听到的体制内教育培养不出AI人才的说法完全是背道而驰。
02:02
这说明现实其实比舆论要复杂得多。我们可能要重新去思考到底什么才是好的教育，也提醒家长和教育者不要被这种焦虑和偏见带了节奏。
一、批评传统教育的声音，并不是完全在胡说
02:16
下面这个问题就是关于这个传统教育在AI时代到底是不是真的有问题？那些批判他的人，他们到底在说什么？
02:24
批评的人主要就是说过去的教育就是一个工厂流水线，把学生都按照一个模子来塑造，让大家变得会背书、会计算，听话照做。这在工业时代是特别有用的。那个时候工厂就是需要大量的这种可以预测的执行机器。
02:42
听起来这种教育模式在现在这个AI时代确实有点过时了。
02:47
因为AI可以比人类更高效去执行这些任务，你再怎么会背公式，再会快速的计算，也没有办法跟AI比。如果说教育只是把人训练成一个标准的执行者的话，那确实是没有什么竞争力，这个批判我觉得是站得住脚。
二、做题，其实是在给大脑装"工具箱"
03:06
那为什么会有人认为做题其实是在给大脑装工具箱？
03:11
做题其实不只是在训练你像机器一样的去执行，更像在帮你的大脑打造一套非常厉害的工具箱。通过做各种各样的数学物理化学的题，通过参加竞赛，大量的去刷题，你慢慢的就具备了一些非常有用的认知工具。
03:30
这些认知工具其实是在AI研究这种前沿的领域里面是必不可少的，是吗？
03:37
没错，就是像结构化思维建模能力，包括线性代数、概率论、微积分这些东西都是在AI的研究当中每天都要用到的一些硬核工具。没有人天生就会的，是教育给你提供了这些原材料，把你的工具箱装满。
三、抗挫能力和延迟满足，不是教育培养出来的
03:56
那为什么会有人说这个抗挫能力和延迟满足并不是教育可以培养出来的？
04:01
他们说你看有小孩儿，可能打这个我的世界，可以连续8个小时一直在搭一个城堡。塌了他就再重来，塌了再重来，没有人催，也没有人给他奖励，甚至他爸妈在旁边说你别玩了，他都不听。完全沉浸在这个失败了再试的过程当中。
04:21
他在游戏里面展现出来的这种坚持和耐心，跟那些拼命刷题的学生也差不多。
04:27
但是关键在于并不是说玩游戏这件事情让他变得有毅力，而是他对于这个事情本身的着迷，让他能够去忍受这种失败。所以没有兴趣作为动力的话，所谓的抗挫能力和延迟满足，要不就是屈从于外部的压力，要不根本就不会出现。
04:47
所以就是说真正的那种抗挫能力，其实是跟热情和兴趣是分不开的。
04:52
是的就是你真正的那种抗错是你在凌晨两点盯着一个失败的实验，结果你内心升起的不是我完了，而是这很有趣，哪里出问题了。这种感觉不是教育能训练出来的，只能从热爱里长出来。
四、那些顶尖AI研究员，其实是"没被教育关掉好奇心"的幸存者
05:08
下面这个话题就是幸存者偏差在顶尖AI人才的成长经历当中的体现。这个二战时期关于轰炸机的统计的故事，跟我们讨论的教育有什么相似的地方？
05:21
当时军方他们想要去加强飞机的防护，他们就去观察飞回来的飞机，发现机翼上面的弹孔最多。他们就想不是要把机翼加固。但是统计学家Abraham Wald就说你们忽略了那些没有飞回来的飞机，机翼中弹多还能飞回来，恰恰说明机翼不是最致命的地方。反而是那些发动机没有中弹的飞机才是真正的关键。
05:50
我们往往只看到了那些表面上成功的例子，而忽略了那些已经被淘汰掉的沉默的数据。
05:57
我们在看这个名校和顶尖AI人才的关系的时候也是一样的。就是我们只看到了那些从清北交付出来，最后在硅谷大放异彩的人。但是我们没有看到的是，同样的这些学校毕业的最后没有在这个舞台上的大部分。
06:13
是不是就是说其实清北这样的学校，他们并没有批量的制造出这种顶尖的AI人才。
06:21
清华每年本科招大约3400人，北大3000人，过去20年加起来数十万人毕业。最后站在硅谷AI领域的顶尖舞台上的，就只有几十个。如果说教育是批量生产的机器的话，比例也太低了。
06:42
所以就是说其实那些最终成名的人，他们在进这些名校之前就已经不太一样了。
06:47
对，他们很多人是从小就参加数学物理竞赛，都是全省全国前几名。这些竞赛就不是高考强制要求的，就是单纯的对这些学问感兴趣，他们在很早的时候就展现出了这种内在的热情，这才是他们真正的特质，不是说他们进了名校后才被塑造出来。
07:08
像那些非常顶尖的AI的研究者，他们自己怎么说？他们的成长经历是不是也能说明这个自主探索的重要性？
07:16
一个很有代表性的例子就是Andrej Karpathy。曾经说过，他最出名的那个教你实现神经网络的课程，是对正规学术教育的反叛式补充。他觉得学校里面讲神经网络讲的太抽象，太割裂，他完全是靠自己才真正搞懂。
07:34
看来他们其实并不完全是靠课堂和老师，更多的是自己主动去追着问题跑。
07:40
还有一个例子就是Ilya Sutskever，他说他在学校里面经常觉得很无聊，觉得标准课程太慢。他真正成长是他开始自己主动的去阅读，主动去提问的时候。他们这些人有一个共同点，他们都有很强的内在的抵抗力。
五、好奇心是人类的出厂设置，教育的问题是把它关掉了
08:02
我们来讨论一下好奇心，它本来是我们人类的本能。教育究竟在扮演了一个什么样的角色？是不是很多时候把我们的好奇扼杀掉了？
08:14
有一个很有趣的实验，哈佛大学的一个教育学家，他叫托尼·瓦格纳。曾经访谈了很多五岁的孩子和很多大学生，他问了他们同一个问题，你最好奇的事情是什么？那些五岁的孩子问题多到说不完，宇宙、恐龙、为什么天是蓝的、鱼会不会做梦？他们的问题多到你都没有办法招架。但是当他问到大学生的时候，大学生往往是沉默，然后会反问这个问题有标准答案吗？
08:44
那种最初的那种对世界的好奇，好像在成长的过程当中被慢慢磨没了。
08:52
每一个孩子生下来都是一个好奇心爆棚的探索机器。教育从来没有培养过我们的奇心。教育在这漫长的12年里面，把我们天生的好奇一点点关掉。
09:07
标准化教育是不是天生就扼杀好奇心？
09:12
确实因为标准化教育它有一个系统性的bug。它永远都在奖励你给出正确答案，而对提出奇怪的问题，他是会惩罚。比如一个孩子在课堂上问老师，为什么这个公式是这样而不是那样？他得到的往往不是一个热情的讨论，而是这个不考先把题做完。慢慢的孩子就会只学会去猜测老师想要什么答案。这是好奇心最快的死法。
09:40
难怪现在很多人越学越没有动力。
09:44
为什么那些顶尖的AI研究员可以一直保持活力？因为他们的好奇心在那个系统里面没有被关掉。可能因为遇到了一个好老师，可能因为家庭环境，也有可能偶然在青春期的时候读到了一本书。或者说就是很幸运，在对的时间遇到了一个让他们着迷的问题。
六、教育到底贡献了什么？一个更诚实的答案
10:15
教育的贡献主要体现在两个间接的方面。第一教育给了他们工具箱。就像我们刚才说的，线性代数、概率论、微积分、算法这些东西都是非常实在的认知工具。没有这些工具，就算再好奇，面对AI的时候也没有办法下手。
10:39
但工具箱它只是材料，不是动力，真正的动力还得靠自己。教育另一个作用它一个筛选场。把那些顶尖的年轻人筛出来，聚到一起，让他们能够互相碰撞，互相激励。
11:05
就像Ilya，她就是在多伦多大学遇到了他的导师Hinton。Karpathy他是在斯坦福进入了李飞飞的实验室。还有很多这种华人的研究员，他们都是在清华的宿舍里面，大家晚上彻夜的讨论。这些偶然的私人的碰撞才是点燃创新的火种。
七、最沉默的大多数：那些被悄悄关掉好奇心的人
11:24
被慢慢的磨掉了好奇心的绝大多数人。他们的命运跟那些成为顶尖AI研究员的人有什么不同？
11:36
那些AI科学家，他们只是极少数的幸存者，他们幸运的保留了自己的好奇心。还有很多人，他们小时候也非常有潜力。但在12年标准化过中，他们慢慢失去了主动探索的冲动。
11:53
社会默默承担的最大的损失并不是那些没有成名的人，而是大量可能本可以改变世界的好奇心被慢慢的磨平。
12:05
这些人最后可能就是成为了一个公司里面很勤恳的程序员，每天解决那些有标准答案的问题。他们从来不会去追问一个为什么，他们的名字我们永远都不会知道，但这才是这个体制最大的代价。
12:21
为什么在这种长期分数和排名压力下，很多人就会慢慢失去主动挑战难题的勇气。
12:30
这就是Carol Dweck那个著名的实验。如果一个人长期处于一个表现导向的环境里面，每次都被评分、被排名，他慢慢就会形成一种固定思维，他会害怕去面对挑战。他觉得挑战就意味着有可能会失败，而失败就等于我不行。
12:50
原来就是说不断的被评价、被比较，会慢慢的磨掉一个人的好奇心和试错的意愿。
12:57
但AI这个领域最需要的就是这种成长性思维。你要不断的去钻进没有人做过的，大概率会失败的方向。
八、AI时代真正重要的，到底是什么？
13:13
在AI时代，能够让人脱颖而出是哪些能力？这些能力和好奇心之间有什么联系？
13:24
最核心的不是你会不会做题，也不是泛泛而谈什么创造力。真正的核心能力有三个，这三个能力都离不开好奇心。
13:35
听起来好奇心才是真正的底层的动力。
13:39
第一个能力是深度理解，就是你要知其然，还要知其所以然。只有真正的对这个问题本身好奇，你才会去追问为什么，而不是只记住一个答案。第二是提出问题，考试考的是回答问题，但未来最值钱的是你能够发现那些真正值得被解决的新问题，这种判断力只能来自于真实的好奇。第三是跨域整合，就是把两个看起来完全不相关的领域结合在一起。这种能力往往是那些兴趣非常广泛，不停去探索的人才能做到的。
八、总结
14:13
教育和个人的好奇心，在顶级的AI人才的成长过程当中，到底分别扮演了什么样的角色。
14:23
这些统治硅谷AI圈的所谓的小镇做题家，他们能够成功的核心并不是做题本身，而是他们始终都保持着对世界对问题的强烈的好奇心。教育只不过是给了他们一些实实在在的工具，以及一个可以和同样优秀的人一起思考的环境。
14:42
所以说教育不是那个点燃火焰的人，教育只是提供了燃料和风枪，真正的火焰其实从一开始就在那里。
14:50
对未知的热爱，在没有答案的时候还愿意继续走下去的勇气，以及那种这个问题值得我花十年的判断，这些全部都是每个人与生俱来的能力。教育能做的最好的事不是培养这些能力，而是不要把他们关掉。
15:08
我们今天聊了这么多，其实就是想要说真正能够让孩子在未来走得远的，永远都是他们对于这个世界的好奇和热情。而保护这份好奇可能才是教育真正的责任。
15:21
好，那就是这一期播客的全部内容了。然后感谢大家的收听，咱们下次再见，拜拜。
00:01
今天想跟大家讨论一个问题，为什么在人工智能领域那些顶尖的人才，他们好像不单纯是靠学校教出来的对，更重要的是他们自始至终都保持着对这个世界的好奇和热情。
00:23
先说说社会上大家对于教育的焦虑，和现实当中AI领域的人才背景是存在一个巨大的反差的。为什么现在家长和专家对于传统教育的批判会变得这么激烈？
00:36
这两年朋友圈里面大家聊的最多的就是教育要完了这个话题。专家们也是一直在强调，死记硬背没用，刷题没用，应试教育要害死孩子。每次有这种讲座都是人满为患，家长们都特别焦虑。
00:52
我身边很多朋友也是一说起孩子的教育就愁眉不展，听了专家和讲座之后就立马行动起来。
00:58
台上的嘉宾会说现在的孩子还在学背公式，AI 1秒就算完了，未来属于有创造力的孩子，不属于考试机器。还有说什么清华北大毕业有什么用，以后都被AI取代。底下的家长就疯狂鼓掌，回家就把孩子的补习班退了，给孩子报一个什么创意思维训练营之类的。
01:19
那为什么现在这个AI领域的华人的顶尖人才，他们大部分都是这种顶尖的理工强校，传统教育体系出来的？
01:28
这个说起来真的很讽刺。就比如说meta花了3亿美元挖了七个中国人，这七个人几乎全部都是清华北大、中科大的本科、MIT斯坦福、伯克利的博士，还有OpenAI最新的大模型的核心团队里面有35%都是华人，并且他们都是这种顶尖名校出来的做题家。马斯克的XAI创始团队，12个人里面有五个是华人，也是正儿八经的体制内科班学霸。
01:56
这跟我们平常听到的体制内教育培养不出AI人才的说法完全是背道而驰。
02:02
这说明现实其实比舆论要复杂得多。我们可能要重新去思考到底什么才是好的教育，也提醒家长和教育者不要被这种焦虑和偏见带了节奏。
一、批评传统教育的声音，并不是完全在胡说
02:16
下面这个问题就是关于这个传统教育在AI时代到底是不是真的有问题？那些批判他的人，他们到底在说什么？
02:24
批评的人主要就是说过去的教育就是一个工厂流水线，把学生都按照一个模子来塑造，让大家变得会背书、会计算，听话照做。这在工业时代是特别有用的。那个时候工厂就是需要大量的这种可以预测的执行机器。
02:42
听起来这种教育模式在现在这个AI时代确实有点过时了。
02:47
因为AI可以比人类更高效去执行这些任务，你再怎么会背公式，再会快速的计算，也没有办法跟AI比。如果说教育只是把人训练成一个标准的执行者的话，那确实是没有什么竞争力，这个批判我觉得是站得住脚。
二、做题，其实是在给大脑装"工具箱"
03:06
那为什么会有人认为做题其实是在给大脑装工具箱？
03:11
做题其实不只是在训练你像机器一样的去执行，更像在帮你的大脑打造一套非常厉害的工具箱。通过做各种各样的数学物理化学的题，通过参加竞赛，大量的去刷题，你慢慢的就具备了一些非常有用的认知工具。
03:30
这些认知工具其实是在AI研究这种前沿的领域里面是必不可少的，是吗？
03:37
没错，就是像结构化思维建模能力，包括线性代数、概率论、微积分这些东西都是在AI的研究当中每天都要用到的一些硬核工具。没有人天生就会的，是教育给你提供了这些原材料，把你的工具箱装满。
三、抗挫能力和延迟满足，不是教育培养出来的
03:56
那为什么会有人说这个抗挫能力和延迟满足并不是教育可以培养出来的？
04:01
他们说你看有小孩儿，可能打这个我的世界，可以连续8个小时一直在搭一个城堡。塌了他就再重来，塌了再重来，没有人催，也没有人给他奖励，甚至他爸妈在旁边说你别玩了，他都不听。完全沉浸在这个失败了再试的过程当中。
04:21
他在游戏里面展现出来的这种坚持和耐心，跟那些拼命刷题的学生也差不多。
04:27
但是关键在于并不是说玩游戏这件事情让他变得有毅力，而是他对于这个事情本身的着迷，让他能够去忍受这种失败。所以没有兴趣作为动力的话，所谓的抗挫能力和延迟满足，要不就是屈从于外部的压力，要不根本就不会出现。
04:47
所以就是说真正的那种抗挫能力，其实是跟热情和兴趣是分不开的。
04:52
是的就是你真正的那种抗错是你在凌晨两点盯着一个失败的实验，结果你内心升起的不是我完了，而是这很有趣，哪里出问题了。这种感觉不是教育能训练出来的，只能从热爱里长出来。
四、那些顶尖AI研究员，其实是"没被教育关掉好奇心"的幸存者
05:08
下面这个话题就是幸存者偏差在顶尖AI人才的成长经历当中的体现。这个二战时期关于轰炸机的统计的故事，跟我们讨论的教育有什么相似的地方？
05:21
当时军方他们想要去加强飞机的防护，他们就去观察飞回来的飞机，发现机翼上面的弹孔最多。他们就想不是要把机翼加固。但是统计学家Abraham Wald就说你们忽略了那些没有飞回来的飞机，机翼中弹多还能飞回来，恰恰说明机翼不是最致命的地方。反而是那些发动机没有中弹的飞机才是真正的关键。
05:50
我们往往只看到了那些表面上成功的例子，而忽略了那些已经被淘汰掉的沉默的数据。
05:57
我们在看这个名校和顶尖AI人才的关系的时候也是一样的。就是我们只看到了那些从清北交付出来，最后在硅谷大放异彩的人。但是我们没有看到的是，同样的这些学校毕业的最后没有在这个舞台上的大部分。
06:13
是不是就是说其实清北这样的学校，他们并没有批量的制造出这种顶尖的AI人才。
06:21
清华每年本科招大约3400人，北大3000人，过去20年加起来数十万人毕业。最后站在硅谷AI领域的顶尖舞台上的，就只有几十个。如果说教育是批量生产的机器的话，比例也太低了。
06:42
所以就是说其实那些最终成名的人，他们在进这些名校之前就已经不太一样了。
06:47
对，他们很多人是从小就参加数学物理竞赛，都是全省全国前几名。这些竞赛就不是高考强制要求的，就是单纯的对这些学问感兴趣，他们在很早的时候就展现出了这种内在的热情，这才是他们真正的特质，不是说他们进了名校后才被塑造出来。
07:08
像那些非常顶尖的AI的研究者，他们自己怎么说？他们的成长经历是不是也能说明这个自主探索的重要性？
07:16
一个很有代表性的例子就是Andrej Karpathy。曾经说过，他最出名的那个教你实现神经网络的课程，是对正规学术教育的反叛式补充。他觉得学校里面讲神经网络讲的太抽象，太割裂，他完全是靠自己才真正搞懂。
07:34
看来他们其实并不完全是靠课堂和老师，更多的是自己主动去追着问题跑。
07:40
还有一个例子就是Ilya Sutskever，他说他在学校里面经常觉得很无聊，觉得标准课程太慢。他真正成长是他开始自己主动的去阅读，主动去提问的时候。他们这些人有一个共同点，他们都有很强的内在的抵抗力。
五、好奇心是人类的出厂设置，教育的问题是把它关掉了
08:02
我们来讨论一下好奇心，它本来是我们人类的本能。教育究竟在扮演了一个什么样的角色？是不是很多时候把我们的好奇扼杀掉了？
08:14
有一个很有趣的实验，哈佛大学的一个教育学家，他叫托尼·瓦格纳。曾经访谈了很多五岁的孩子和很多大学生，他问了他们同一个问题，你最好奇的事情是什么？那些五岁的孩子问题多到说不完，宇宙、恐龙、为什么天是蓝的、鱼会不会做梦？他们的问题多到你都没有办法招架。但是当他问到大学生的时候，大学生往往是沉默，然后会反问这个问题有标准答案吗？
08:44
那种最初的那种对世界的好奇，好像在成长的过程当中被慢慢磨没了。
08:52
每一个孩子生下来都是一个好奇心爆棚的探索机器。教育从来没有培养过我们的奇心。教育在这漫长的12年里面，把我们天生的好奇一点点关掉。
09:07
标准化教育是不是天生就扼杀好奇心？
09:12
确实因为标准化教育它有一个系统性的bug。它永远都在奖励你给出正确答案，而对提出奇怪的问题，他是会惩罚。比如一个孩子在课堂上问老师，为什么这个公式是这样而不是那样？他得到的往往不是一个热情的讨论，而是这个不考先把题做完。慢慢的孩子就会只学会去猜测老师想要什么答案。这是好奇心最快的死法。
09:40
难怪现在很多人越学越没有动力。
09:44
为什么那些顶尖的AI研究员可以一直保持活力？因为他们的好奇心在那个系统里面没有被关掉。可能因为遇到了一个好老师，可能因为家庭环境，也有可能偶然在青春期的时候读到了一本书。或者说就是很幸运，在对的时间遇到了一个让他们着迷的问题。
六、教育到底贡献了什么？一个更诚实的答案
10:15
教育的贡献主要体现在两个间接的方面。第一教育给了他们工具箱。就像我们刚才说的，线性代数、概率论、微积分、算法这些东西都是非常实在的认知工具。没有这些工具，就算再好奇，面对AI的时候也没有办法下手。
10:39
但工具箱它只是材料，不是动力，真正的动力还得靠自己。教育另一个作用它一个筛选场。把那些顶尖的年轻人筛出来，聚到一起，让他们能够互相碰撞，互相激励。
11:05
就像Ilya，她就是在多伦多大学遇到了他的导师Hinton。Karpathy他是在斯坦福进入了李飞飞的实验室。还有很多这种华人的研究员，他们都是在清华的宿舍里面，大家晚上彻夜的讨论。这些偶然的私人的碰撞才是点燃创新的火种。
七、最沉默的大多数：那些被悄悄关掉好奇心的人
11:24
被慢慢的磨掉了好奇心的绝大多数人。他们的命运跟那些成为顶尖AI研究员的人有什么不同？
11:36
那些AI科学家，他们只是极少数的幸存者，他们幸运的保留了自己的好奇心。还有很多人，他们小时候也非常有潜力。但在12年标准化过中，他们慢慢失去了主动探索的冲动。
11:53
社会默默承担的最大的损失并不是那些没有成名的人，而是大量可能本可以改变世界的好奇心被慢慢的磨平。
12:05
这些人最后可能就是成为了一个公司里面很勤恳的程序员，每天解决那些有标准答案的问题。他们从来不会去追问一个为什么，他们的名字我们永远都不会知道，但这才是这个体制最大的代价。
12:21
为什么在这种长期分数和排名压力下，很多人就会慢慢失去主动挑战难题的勇气。
12:30
这就是Carol Dweck那个著名的实验。如果一个人长期处于一个表现导向的环境里面，每次都被评分、被排名，他慢慢就会形成一种固定思维，他会害怕去面对挑战。他觉得挑战就意味着有可能会失败，而失败就等于我不行。
12:50
原来就是说不断的被评价、被比较，会慢慢的磨掉一个人的好奇心和试错的意愿。
12:57
但AI这个领域最需要的就是这种成长性思维。你要不断的去钻进没有人做过的，大概率会失败的方向。
八、AI时代真正重要的，到底是什么？
13:13
在AI时代，能够让人脱颖而出是哪些能力？这些能力和好奇心之间有什么联系？
13:24
最核心的不是你会不会做题，也不是泛泛而谈什么创造力。真正的核心能力有三个，这三个能力都离不开好奇心。
13:35
听起来好奇心才是真正的底层的动力。
13:39
第一个能力是深度理解，就是你要知其然，还要知其所以然。只有真正的对这个问题本身好奇，你才会去追问为什么，而不是只记住一个答案。第二是提出问题，考试考的是回答问题，但未来最值钱的是你能够发现那些真正值得被解决的新问题，这种判断力只能来自于真实的好奇。第三是跨域整合，就是把两个看起来完全不相关的领域结合在一起。这种能力往往是那些兴趣非常广泛，不停去探索的人才能做到的。
八、总结
14:13
教育和个人的好奇心，在顶级的AI人才的成长过程当中，到底分别扮演了什么样的角色。
14:23
这些统治硅谷AI圈的所谓的小镇做题家，他们能够成功的核心并不是做题本身，而是他们始终都保持着对世界对问题的强烈的好奇心。教育只不过是给了他们一些实实在在的工具，以及一个可以和同样优秀的人一起思考的环境。
14:42
所以说教育不是那个点燃火焰的人，教育只是提供了燃料和风枪，真正的火焰其实从一开始就在那里。
14:50
对未知的热爱，在没有答案的时候还愿意继续走下去的勇气，以及那种这个问题值得我花十年的判断，这些全部都是每个人与生俱来的能力。教育能做的最好的事不是培养这些能力，而是不要把他们关掉。
15:08
我们今天聊了这么多，其实就是想要说真正能够让孩子在未来走得远的，永远都是他们对于这个世界的好奇和热情。而保护这份好奇可能才是教育真正的责任。
15:21
好，那就是这一期播客的全部内容了。然后感谢大家的收听，咱们下次再见，拜拜。
评价
空空如也
小宇宙热评
暂无小宇宙热门评论
