熊辉：从博闻强识到无中生有，探索人才培养新模式

　5月25日，“数字中国视角下的全民数字素养”论坛暨第四届中国人力资源智能化论坛在北京天泰宾馆隆重召开。本次论坛由中国人力资源开发研究会指导，中国人力资源开发研究会智能分会主办。香港科技大学(广州)协理副校长、中国人力资源开发研究会智能分会副会长熊辉以“变革之路：AI大模型的无限可能性”为题发表了主旨演讲。以下为演讲实录(根据录音整理，未经本人审阅)。

　　非常感谢组织的安排和刘会长的邀请。同时，见到这么多老朋友，我感到非常高兴。今天，我想和大家分享一下我个人的一些经历以及对人工智能与行业结合的一些看法。

　　在当前数字化的大潮下，我深入思考了人才培养的问题，并希望能为大家提供一些借鉴。我在香港科技大学广州校区担任协理副校长，并主管人工智能领域的相关事务。我始终在尝试从教育的层面出发，探索人才培养的新模式。我们面临的学生背景比以往更加多元化，这要求我们的教育方法和模式也需要相应地进行调整。

　　在数字化时代，数据已经成为我们最重要的生产资料。自从2022年11月30日ChatGPT开始在实际应用中产生显著效果以来，我们的教育和人才培养方式也发生了变化。我将人类的智能划分为不同的境界，第一个境界是博闻强识，第二个境界是触类旁通，第三个境界是一叶知秋，第四个境界是无中生有。我们的教育过程就是帮助学生从低层次向高层次逐步提升。

　　例如，很多学生在大学期间选择了人力资源或金融专业，但他们在工作中可能会应用到人工智能技术进行人力资源管理或金融分析。这种跨领域的能力培养是我们教育的重要目标。目前，一部分学生通过自己的努力已经达到博闻强识，继续进步能够达到触类旁通和一叶知秋，即具有推理和预测能力的人才，进而最终达到无中生有的境界，即能够进行创新性的发明和创造。

　　在人类智能设计，即我们教育成长的设计中，人工智能大模型的出现为我们带来了深刻的启示。大模型的诞生直接表明，在某些方面，机器已经超越了人类的能力，我们难以与之匹敌。这不仅是技术上的超越，更是对我们传统教育模式的挑战。

　　我们人类从小到大的学习，往往是为了在某个行业中达到博闻强识，但如今机器却能迅速超越我们。一旦人工智能在博闻强识和触类旁通的境界超越人类，它会继续扩大这种优势，并且对能力的需求会越来越大。这给我们教育者提出了一个问题：我们的教育目标是什么？

　　大模型时代的教育挑战与机遇

　　大模型的发展已经显示出其强大的能力。在2020年11月30日大模型真正成功之后，虽然初期一叶知秋的能力还不如人类，但在过去的一年中，它已经展现了超越人类的进步能力，完全超越人类不过是时间的问题。

　　大模型的核心在于通过概率生成来回答问题。例如，当给出一个问题时，大模型会根据其阅读过的文章和数据，计算每个单词出现的概率，并选择概率最大的内容来生成答案。然而，这种方式有时会导致错误和幻觉，因为它只是基于概率生成，而不考虑实际情境和逻辑。

　　大模型的学习过程分为预训练阶段和微调阶段。在预训练阶段，大模型会学习大量的数据，形成对世界的初步理解。而在微调阶段，大模型会根据具体任务进行调整，以更好地完成任务。这两个阶段共同构成了大模型的学习过程。

　　我们从小学、初中到高中，经历了漫长的学习阶段后，开始面临专业选择，在选择之前就是通识教育，即大模型的预训练阶段。进入大学后，我们开始选择法律、物理、化学等专业，这就是专业教育，也就是大模型的微调阶段。

　　然而，从2022年11月30日至今，我亲身体验了大模型的颠覆力量，它不仅改变了我的学习方式，还极大地提升了我的工作效率和能力。具体来说，在2023年，我完成了大量的工作，包括承担科技部的重点研发项目、参与广东省的重点项目、发表多篇论文、进行多次演讲，并成功建立了知识产权办、企业协作办、创新创业办和培训办四个部门。这些成绩的取得，在很大程度上得益于人工智能技术的支持。

　　人工智能技术的引入，使得许多过去繁琐的事务性工作得以简化。以准备演讲为例，过去我可能需要花费大量时间进行资料搜集、整理和分析，而现在，借助人工智能技术，我可以在短时间内完成这些工作。比如，去年我收到了一所广东优秀高中的演讲邀请，尽管时间紧迫，我仍然能够轻松应对。通过人工智能技术，我迅速生成了一份简洁而有力的演讲稿，成功地完成了演讲任务。

　　在演讲中，我分享了三句话的感悟：首先，你永远不要觉得自己太失败。其次，聪明的学、努力的学。最后，高考并不是学习的终点，而是终身学习的起点。

　　有了这三句话，我对ChatGPT提问：作为一名人工智能教授准备参加百天高考动员演讲，有三句核心观点，每句观点引用一些中外哲学典故，最终形成一篇能够让高中生听懂的演讲稿。全程5分钟就做完了这件事，我稍微修改就可以直接用。

　　很多人担心自己的工作会被替代，但实际上，这次技术革命所替代的并非简单的体力劳动，而是脑力劳动中的体力活。对于许多中产阶级来说，他们可能并未意识到自己的工作内容正在逐渐转变为体力劳动。而人工智能技术的引入，正是为了减轻这种负担，让我们能够更专注于创造性和战略性的工作。

　　以美国为例，他们采用的是案例法。过去，每当有官司时，都需要大量的小律师去搜集相似案例并撰写总结报告。但如今，这样的需求已经大大减少，因为机器对语义的理解能力已经超越了人。在编程领域，曾经需要程序员编写的程序代码，现在机器也能胜任，而且它们可以24小时不间断地工作。这种变化已经影响到了医疗领域，原本需要专门培训读医学影像的医师，现在这部分工作已经被机器替代。

　　对于医生来说，眼睛能够识别的信息是有限的，但机器可以通过高清技术看到人类无法察觉的小细节，这给我们带来了前所未有的挑战。过去我们依赖的、精心培养的各种博闻强识和触类旁通的能力，其价值正在大幅降低。

　　面对这种变革，我们需要积极培养提问、鉴赏和创造的能力。然而，这也带来了一些问题。例如，现在美国的小孩从小就接触大模型，这导致他们的阅读能力下降，包括我自己也感受到了这种变化。尽管科技提高了我们的效率，但我也发现，我常常因为时间不够而无法深入阅读文章，只能快速浏览标题和摘要来源。

　　现在，我写报告、文档和文章的速度比以前快得多。以前需要一天时间才能完成的任务，现在几分钟就能完成。这种变化真正地将我们从过去认为的脑力劳动中解放出来，与文字、图表和数字信号相关的任务，现在都可以由人工智能轻松完成，这给我们带来了前所未有的冲击。

　　我近两年的睡眠时间明显减少，原因在于我深感焦虑。随着新知识不断涌现，我迫切地想要跟上新时代的步伐。而且，我不仅要跟上这些新知识，还要与时俱进，否则我无法给学生或企业家提供有价值的新内容。这促使我思考，我们是否需要改变我们的教育认知？

　　人工智能改变人类的工作方式

　　我们的教育认知应当是什么？过去，中国的教育主要侧重于学生掌握知识，但我认为这并非教育的真正目的。随着科技的进步，我们无法与机器比掌握知识的数量。因此，更重要的是培养智慧。智慧意味着懂得提出正确的问题、发现问题、欣赏好的结果，并做出智能化的判断和选择。

　　智慧是解决问题的能力，它与具备大量的知识有很大的不同。我认为，人类的知识可以分为两类：已知的和未知的。未知的显然代表着新的工作机会，而已知的也是有很多新的工作机会，其中一部分是可以用语言来表达的，这部分被称为可言传的知识。

　　而现在，我们的教育过于强调可言传的知识，导致学生花费大量时间在这些方面。然而，这并不意味着我们应该忽视它们，因为它们是基础知识。但问题在于，我们应该如何分配时间和精力。以高考为例，学生们为了追求高分，可能需要在某些偏僻的知识点上花费过多时间。但这些知识点往往只在考试中短暂有用，之后便被遗忘。比如，学生们为了考85分，只要达到一个知识树的第十级（假设难度共十八级），所付出的时间、代价可能只是一个聪明孩子50%的时间代价，但为了考95分，则必须要达到第十八级。

　　这种教育现象在过去可能并不严重，但现在却值得我们深思。如果我们继续将大部分时间用于学习可言传的知识，而忽视那些不可言传的知识和未知探索，那么我们可能会错过许多重要的机会。我和学生们开玩笑说过，如果一定要考到95分，就相当于在知识树的十八层地狱，没必要追求极致，也许考试第二天就会重新回到第十层。因此，我们需要调整教育策略，更加注重培养学生的智慧和创新能力，使他们能够更好地应对未来的挑战。

　　在医学领域，尤其是进行心脏手术时，无数理论的学习固然重要，但真正的动手能力却更为关键。因为有些能力，只可意会，不可言传。目前，这些难以通过语言准确描述的能力，大部分还只能由人类来执行。

　　举个例子，有些任务人类能做，但机器却难以胜任，这正是人类价值所在。为了掌握这些能力，我们需要培养自己的动手能力、实验能力，以及解决问题的能力。这也是为什么香港科技大学广州新设立的学校，在课程设计上注重综合性和实验性，强调将所学应用于实际问题中。

　　只有在实践中，我们才能真正了解哪些知识是“战场”上所必需的，哪些已经过时。因此，学校的教育不仅仅是传授知识，更是帮助学生培养这种可意会不可言传的能力。

　　此外，人工智能的启发式创新在各行各业都起着重要作用。例如，在药物研发领域，人工智能能够迅速解析分子结构，帮助科学家们更快地找到新的药物。这种创新方式不仅提高了效率，还为我们提供了新的视角和工具。

　　我最近与学生讨论时强调，人工智能将成为未来数据处理的重要工具。无论是艺术创作还是科学研究，掌握人工智能都将使我们能够更高效地完成任务。因此，我们需要学会掌握这些工具，进行启发式的创新，以提升我们的工作效率和生产效率。

　　总的来说，掌握可意会不可言传的能力，善用人工智能进行启发式创新，可以帮助我们做大量的事情，包括高效处理复杂的非线性信息、整合不同领域的意见洞察、定义问题，以及提升我们的工作效率和生产效率等等。

　　我想澄清一个误区。很多人认为孩子数学不好就无法学习人工智能，其实不然。人工智能的领域非常广泛，可以在不同的行业中发挥作用。比如，如果孩子擅长艺术，他们完全可以在艺术领域应用AI技术，比如设计、音乐创作、规划、写作等。数学只是AI领域最顶尖算法技术人才所需的技能之一。

　　实际上，AI人才的需求是多样化的，我按照产业链进行了一个简单的梳理，但还有很多细分领域可以深入探讨。总之，AI人才的类型非常丰富。

　　新的思考

　　接下来，我想谈谈知识与财富的关系。从1903年到2008年，美国的数据表明，知识的价值日益凸显，没有知识或知识不足的人，其收入会逐渐减少。教育水平，尤其是研究生和博士生的学历，对于个人的发展至关重要。

　　在这个时代，无论是个人、企业还是国家，投资的重点都应该放在人物上。中国已经从人口红利时代过渡到追求人物的时代，这意味着我们应该跟随行业领军人物，无论是交朋友还是选择邻居。现在是一个“人物红利”的时代，人物是创造价值的关键。

　　像马克思在《资本论》中提到的，我们也应该认识到，现代社会的竞争已经不再是简单的劳动力竞争，而是价值的竞争。我们需要思考自己能为社会创造什么价值，无论是功能价值还是基本价值。这是一个残酷但现实的问题，每个人都应该认真思考。

　　在投资领域，我认为跟随行业领军人物是明智的选择。一级市场中的投资主要关注团队和人物，只要团队能够坚持下去，即使赛道选择有误，也有机会成功。

　　此外，我还想谈谈数据的重要性，我们应该关注那些能够利用数据为人类带来价值的公司。同时，中国在硬件方面的优势不容忽视，我们应该发挥自己的优势，实现制造业的智能化发展。

　　接下来，我们来谈谈一个令人关注的问题——中产阶级的萎缩。这是一个无法回避的现象，随之而来的必然是社会的分化。

　　谈及中国，我认为道德经已经足够强大了，我们只要按照老子的《道德经》等经典智慧，以更坦诚和直接的方式去工作和生活。这不仅可以解决我们面临的一部分生存和思想问题，还能推动我们向更高的境界迈进。

　　在培养创新型人才方面，我认为这是至关重要的。人类的学习是多元的，我常常告诫学生，有三种学习境界：第一是看山是山、看水是水；第二是看山不是山、看水不是水；第三是看山还是山、看水还是水，最后看到霞光。只有这样，我们才能像罗曼·罗兰所说的那样，即使看到人世间的种种不完美，依然热爱这个世界。

　　谢谢大家！