Yes and No

一

英文中有一个特别滑头的方式回答问题，叫做「Yes and no.」这样滑头的回答在英文语境中很常见，但我发现中文中却很少见。

说它滑头，是因为这么回答似乎相当于什么也没说。甚至逻辑都不对：怎么可能既是「yes」又是「no」呢？这不是自相矛盾吗？

但是其实这是一种相当不错的回答方式：正是因为其逻辑无法自洽，产生了一种突兀的悬念，吸引着你的注意力继续听下去，甚至会听完整个回答 —— 听完「yes」前一半儿还不够，不是还有「no」的那后一半儿吗？

回答你的问题，我想标准答案也应该是：

Yes and no.

二

咱们先从「no」聊起。

人工智能领域的「顶会」之一 ICML，今年收到了 12107 篇论文，录用了 3260 篇。这个数字有多震撼呢？仅仅是两年前， ICML 2023 的投稿量是今年的一半左右：6538 篇论文，18535 位作者。如果咱们假设作者比例维持不变，那今年 ICML 则有 34323 位作者。按照 ICML 2023 的统计数字，其中三分之二在攻读博士学位，考虑到人工智能领域还有其他「顶会」，我们可以得出一个极其粗略的结论：全世界范围内，至少有两万名学生在人工智能领域攻读博士学位。

那如果咱今天开始攻读博士学位，四年后毕业。在四年期间潜心人工智能核心领域的研究，每年投稿 ICML，毕业时能在海外好一点儿的学校找到教职的概率有多高呢？

我们以北美、香港、新加坡为例。北美地区有一定竞争力的高校只有一百所左右，香港只有六所，新加坡只有三所。假设四年后每一所学校的教职在人工智能领域都有一个空缺 —— 这个假设非常乐观（generous），比如多伦多大学我所在的系，今年就没有人工智能方向的空缺 —— 那相当于四年后的五千多名博士毕业生，竞争一百个空缺职位，成功概率差不多百分之二。

按照项目申请、会议投稿等任何需要「卷」的场合，一旦成功率下降到 15% 以下，「谋事」虽然「在人」，「成事」就真的只能「在天」了。

如果不考虑研究兴趣，单纯目标驱动，而目标则是去学术界发展，那咱是否应该攻读人工智能核心领域 ——研究结果主要发表于人工智能「顶会」 —— 的博士学位？

你觉得呢？

三

那如果我们的目标不是去学术界，而是去工业界呢？

去工业界发展，我们需要考虑一个问题：什么技能才是工业界比较稀缺的技能？

我认为，一个人交流和演讲的能力 —— 尤其是用英语交流和演讲的能力 —— 应该是「软实力」中的首选。这是因为，据我观察周围的年轻人，交流和演讲的能力普遍欠缺，所以如果可以在读博期间多交流，多演讲，很可能会在去工业界竞争中占据一席之地。

那「硬实力」呢？

我发现，自从大模型两年前横空出世、各种「copilot」满天飞以来，真正硬核的编程能力，正在迅速地变成一种稀缺资源。

这是因为这么一个怪圈：越是硬核的编程能力，越是需要大量的实战经验。而大量的实战经验，则已经被大模型「卷」成了一种可遇而不可求的奢侈品。

所以，如果目标是去工业界，那首要的是培养硬核编程的「硬实力」和交流演讲的「软实力」。而培养这两种实力都和研究方向没什么关系。甚至可以说，人工智能的核心研究主要是在算法理论领域的研究，对硬核编程能力的要求不高 —— 现在中学生都可以写 Python 了。

四

王朔的经典之一的题目叫「一半是火焰，一半是海水」。

英文里经常说：「I have some good news and some bad news for you. Let’s have the bad news first. 」

那「好消息」是什么？

即使你不「做」人工智能，你做的其实也是人工智能。或者咱们可以说，你做的不是人工智能的核心，而是其周边领域。

传统的计算机网络、分布式系统、物联网、程序语言设计、数据库、安全隐私保护等领域，自然都需要人工智能技术。

而方兴未艾的新兴领域 —— 比如具身智能，比如多智能体系统 —— 自然更需要人工智能技术来支撑。

我们进入了一个前所未有的新时代：这个时代里，人工智能技术贯穿始终，遍布了每一个角落。大模型、强化学习等技术，无所不在，早已成为任何领域培养人才的必修课。

在这样激动人心的大时代中，我们所有人所「做」的，无论传统还是新潮，无论理论还是实践，其实都是人工智能的周边领域。

人工智能就如同繁星满天的夜空下的大海，深邃、空旷、一望无际，令人既害怕又向往。

而我们的船帆已然升起，等太阳一出来，随时准备启航。