| 查看: 284 | 回复: 0 | |||
[交流]
致“民科”们的一封信
|
|
一、我们的优势 1、问题在手边在心头，时时刻刻敲打着你的心灵。但凡有个偷懒的心态，工作和兴趣都会直接暴击你。 2、工作问题的最优偷懒技巧当然是问题上交，但问题炸了炸得就是你，没人来体谅你的苦处，只会让你背锅。兴趣问题的最优偷懒技巧当然是换个兴趣，只要你能说服自己。 3、教育背景差别不大。我们站在生产制造第一线，我们更快更深更全地理解问题本身，由此倒逼我们走向基础理论的第一线。这比评级倒逼更实质。 4、视界开阔及无负担跨界。生产一线积累几十年，从产业链到供应链，从技术到管理，从材料到设备到工艺到产品，从人员管理到商界人情世故，未必各个领域专精，但串起来的大视界思维，是专项精深向下扎的人没法比的。比如我，炁子理论是纯物理理论，很轻松就被我引入产业领域，再拓展到误差控制，再拓展机器人算法，再拓展到系统论管理论。对于产线出身的人，这种跨界如喝凉水一样自然无负担，但对专精人士来说，这是绝对的噩梦。 5、自我负责 想我所想做我所做。宇宙有多宽广，思想就有多宽广。 二、我们的缺陷 1、数学 2、资源获取能力几近于无，比如实验条件。 3、以机构邮箱为代表的壁垒。 三、ai协作带来的机遇 1、信息获取的广度与深度。比我们在产线上总结得来的更广更深，对于习惯跨界的我们来说，这是给长跑手插上了翅膀。 2、数学。借助ai协作，可以达到局部领域专精人士的80%。这是决定性的鸿沟抹平。当然，以我的经验，不要因为这个就试图去挑战数学家。ai的能力是第一性原理约束下的高效复现，数学这种纯创意活动，ai提供的协助很有限。 3、ai仿真与公开数据验证。这可以拉近部分资源差距，但替代效应很低。除非你拥有独有的第一性原理，直接从第一性原理推导出结果。 四、ai协作的缺陷 1、ai很强大，但错误无处不在。甚至会犯小的数字错误，比如我就碰到过ai判断8比5小的事情。所以第一性原理约束是必须。无论研究什么，先把第一性原理研究透，搞定它，然后再以此为约束，慢慢向实际问题上推进。这是ai协作的基本原则。 2、ai交叉检校。1个ai跑出来的成果不可信。10个独立的ai跑出来的成果，可信度就高了。而10个ai交叉检校的时间成本和人情成本，远远小于现实中在这两个方向上的付出。 3、ai的痛打，是“民科”绝对的利好。所以一定要珍惜它。无论如何，总比随意拿出想法，却被人以“民科”两字轻易碾碎好。 五、面对现实 我个人觉得，人类现在的整体科技状态，就如青藏高原喜马拉雅山脉，山头林立而各自隔绝。ai第一性原理约束下的广域复现能力，将极大地提高跨界能力降低跨界成本，从而催生整体科技局势从山头林立向整体拉高到平齐发展。这绝对是我们这些“民科”广域思维的利好而同时却是那些专精人士绝对的噩梦。但天花板这东西不因ai的大规模应用就不存在了。以我个人使用ai协作的感觉，这次ai红利只会体现在拉高沟底逼近山头平齐的过程，对山头再冲高的创意帮助则很有限。真正的天花板突破，还是要靠人。而到了那个时候，又一轮的山头林立又会体现出优势。 所以“民科”们，即使考虑产业发展延滞效应，我们相对于专精人士的科研红利，也就是眼前这10年左右。错过这10年，那些同样掌握了ai协作能力又专精于方向的人士所体现出的价值，是不可能轻易被我们的广域视界所抹平的。到那时，我们就只能再次老实接受被嘲笑为“民科”的现实，蛰伏下来等待下一次的科技红利。 各位！ 加油！ |
回复此楼» 猜你喜欢
研究生做的很差，你们会让毕业吗？
已经有10人回复
-
申博自荐
已经有8人回复
-
26年博士申请自荐-电催化
已经有8人回复
-
求碳排放博导；方向是LCA、生命周期可持续发展以及碳排放
已经有7人回复
-
2026博士申请求助
已经有4人回复
-
2026博士或科研助理转27年博士
已经有7人回复
-
急招2026年9月份入学博士
已经有3人回复
-
2026年博士申请求捞
已经有3人回复
-
国自科送审了吗
已经有11人回复
-
博士招生
已经有5人回复
» 本主题相关商家推荐: (我也要在这里推广)
