高考过去大半个月，马上各地的高校录取就要拉开帷幕——今年的考生们，先是要在语文卷上写人工智能，在人生答卷上，还要考虑人工智能。
高考新课标I卷作文题
人工智能在给就业市场带来巨大变化，并且直接影响到了大学专业选择的趋势。夸克App发布的《2023高考志愿报告》中显示，计算机科学与技术占据第一，排名前十的专业里，也以人工智能相关专业为多。
一时半会儿，机器还解决不掉制造机器的人，干这个肯定更保险。何况还非常能挣钱：脉脉高聘发布的《2024春招高薪职业和人才洞察》显示，高居薪资首榜的是“ChatGPT研究员”，月薪高达6.4万。
脉脉在去年就发现，人工智能行业的“抢人”非常刺激，人才供需比为0.39，约等于五个岗位在抢两个人。
即便不是专门研究人工智能，仅仅只是作为一个补充，也能给自己涨薪。普华永道在《2024就业晴雨表》里，分析了超过15个国家、五亿个招聘广告，今年垂直人工智能的职位数量，是2012年的七倍。需要AI技能作为辅助的岗位增速远超其它，而且还总是招不到人。
劳动力市场的变化，首先刺激的就是大学招生。
自从2018年教育部印发《高等学校人工智能创新行动计划》之后，已经有超过400所高校开设了这个专业。985、211、双一流之外，普通本科院校设立人工智能专业的也不在少数。
一时之间，开办人工智能专业的高校，如雨后春笋。
所以说，孟晚舟劝告年轻人，“要做机器不能取代的工作”不无道理，而眼下最不容易被取代的，就是制造机器的工作。
数据挖掘、机器学习、自然语言处理、语音识别、计算机视觉、神经网络……学这些专业，未来应该既能挣钱，又能降低可替代性……吧？
“ImageNet？完全没意义”
至少对接下来两三届大学生而言，人工智能都会是热门专业，但以前可没有这样的好光景。
OpenAI的联合创始人（现在已经离职）AndrejKarpathy曾经发推说，他刚踏足AI这个领域是2008年，那个时候一个会议也就50人，大家还会花时间评评有哪些不错的海报。
“热门专业”从来都是一阵时日就换一个花样。
在2009年，李飞飞着手建立ImageNet——如今看来人工智能领域最具划时代意义的数据集——的时候，人工智能不仅算不上热门，压根就是个边缘学科。那时，对算法的研究是主流，是宇宙的中心。
数据更多的是养料、是素材。李飞飞在她的自传里回忆，跟身边的同事讨论得越多，她听到的怀疑声越多。
“你知不知道在这么多图像上训练一个模型要花多长时间？飞飞，那可得以年计算。”
“人们怎么可能下载得了它？你描述的是一个比大多数硬盘还要大的图像集合。”
“你真的有一个计划来实现吗？谁来标记数百万的图像？这要花多长时间？你要如何验证那么多标记的准确性？”
到底有多难？当时和李飞飞一起的，有一位年轻聪明的博士生，他原本希望以此作为自己的博士项目。等到第一阶段开始后，他找到李飞飞说，他看了下招来的大学生志愿者标记图片的速度、准确度。
“粗略估算，完成这个项目大概要花……19年。”
简而言之，当时没有人看好ImageNet，她听到过的最直接的反馈是：“对不起，但这完全没有意义。”
总之，数据科学乃至人工智能，在当时都算不上一个有前景的专业。
不过，国内倒是有一些不太一样的景象。
当时“电子信息科学类”一度非常热门，因为大力推进基建，只不过培养方向更侧重于硬件的设计和开发，比如电子电路、半导体、集成电路等等。
可是当时选这个路子，也并不是就稳赢了。
深圳大学是首批设点的高校，然而据澎湃统计，在接下来的时间里集成电路专业始终不温不火——直到2018年。中美贸易战造成的影响，一下子刺激了集成电路产业在国内迅猛发展，局面打开。但算算时间，对于当年选择这个专业的学生来说，也已经过去了十年。
学什么专业未来有发展，是一个无法被解答的问题。
“神经网络也太古老了吧”
李飞飞的故事峰回路转，ImageNet并没有真的花19年才完成。在一个研究生的建议下，她发现了当时的亚马逊众包平台。
终于，她和团队不用在校园范围内一点点找大学生，而是能铺开范围，收获了海量的数据，首个版本即有1500万张图片，覆盖22000个不同的类别——“海量”到，当时的算法几乎驾驭不了。
2010年起，李飞飞提出了ImageNet挑战赛，但连续两年都没有什么非常惊艳的结果。2012年时，她刚好又生了小孩，都不想去了。但是结果出来那天，她接到了博士生（就是上面说ImageNet要花去19年青春的那个）深夜打来的电话。
出现了一匹神奇的黑马，测试效果好得惊人，就是用的方法堪称邪教：神经网络。
“这也太……古老了。”博士生感叹到。
看，这就是神经网络在2012年时得到的评价：古老。
神经网络由GeoffreyHinton提出，1986年他发布了用于训练多层神经网络的反向传播算法，奠定了神经网络的基础——然后，就没有太多然后了。
当时的学术界对神经网络并不买账。另一方面，也是因为当时的客观条件限制，如今AI工业的“卖铲巨头”英伟达，一直到1993年才登上历史舞台。当时黄仁勋推出GPU，主要还是用来让游戏玩家畅爽打怪的。
等到万事俱备，这些曾经边缘的学者，才终于走到了聚光灯下。李飞飞和GeoffreyHinton成了AI的教母教父，英伟达成为市值最高的芯片制造公司，一张H100高价难求。
黑色幽默的是，黄仁勋在今年2月，参加了在迪拜举办的2024世界政府峰会，当他被问到建议现在的孩子学什么，他说：
十年、十五年之前，这个台上的人会告诉你，让小孩学计算机至关重要，每个人都应该学习如何编程。但我们的任务就是创造计算技术，让任何人都不需要编程。世界上每个人都可以是程序员，这是人工智能带来的奇迹。
然后，他推荐了生物专业。
我希望接下来能有一代人，享受去研究蛋白质、化学品、酶、各种材料，让这些东西更节能、更轻、更牢固、更可持续。
嗯，“生化环材”，坊间流传的四大天坑。
“波尔兹曼机或许无望，但做它的日子很快乐”
眼下，黄仁勋、李飞飞和Hinton共同开创的这个人工智能盛世，首先出现的是抢人大战。
Levels.fyi统计美国的就业市场，去年八月时拥有机器学习、深度学习或者其他人工智能软件工程师，起薪是23万美元，到了今年三月，这个数字已经是30万了。高级研究员更加是百万年薪，还不算股权激励。
Perplexity的CEO曾在播客节目里表示，他曾经试图从Meta挖AI研究员，可是因为当时自己没有足够的GPU，一时半会儿也买不起，只好作罢。
“你知道他们怎么说吗？等有了一万个H100GPU再来找我。”
PerplexityCEO作客InvestLiketheBest
瞧瞧，offer条件已经不够挑的了，挑的是公司储备了多少算力。
这种轶闻是很有诱惑力的：谁都希望自己是一个公司、乃至一个行业里最有价值的人，金字塔最尖尖的那一群。
但究竟能不能站到塔顶，个人努力只能起到一部分作用。李飞飞、黄仁勋在十年前——哪怕在五年前——都未必能想到，他们今天会在金字塔尖有一席之地。
他们的故事固然传奇，但也不过是旧传奇的新版本：梵高、图灵、孟德尔；阿拉克涅、庇里西斯、普罗米修斯。
一如博尔赫斯的诗句，“毕达哥拉斯艰苦的门徒知道，天体和世人周而复始，循环不已。”
人只能在当时，做当时能做的事。剩下的，交由时间和历史。
总会有一些人庆幸自己大学读了某个专业，也会有一些人痛恨自己曾经下过的决定。知乎上有多少网友拍着胸脯说自己靠写代码财富自由了，就有多少人苦口婆心劝年轻人不要四九年入国军——更重要的是，他们讲的都有道理。
可是人生很长，长到你无法只在某一个节点，就直接给自己下终身判决。即便要盖棺定论，也不必只拘泥于自己无法左右的历史进程。
Hinton在接受采访时说，他最快乐的时光，是做波尔兹曼机学习法的日子。
“它很优雅，最接近我对大脑的想象，尽管在实践（应用）中可能是无望的，但我很怀念那段日子，和同伴一起，很快乐。”
历史没有选择玻尔兹曼机作为人工智能皇冠上最亮的明珠，却不影响Hinton对它的偏爱。
有些选择在未来转身回顾时，可能也是无望的，却仍然可以被时时怀念。正如社交媒体上常常流传的那段话：
“当你老了，回顾一生，就会发觉：什么时候出国读书，什么时候决定第一份职业、何时选定了对象恋爱、什么时候结婚，其实都是命运的巨变。
只是当时站在三岔路口，眼见风云千樯，你作出选择的那一日，在日记上，相当沉闷和平凡，当时还以为是生命中普通的一天。”
