分类： 个人随笔

我现在一直有一个困惑，从网上看的文科专业将来很不好就业，你了解的什么情况呢？

这种观点是基于他的用户来谈的，因为张雪峰的用户都是二本类的普通学生，因此，对于普通学生来说，实用性（找到工作，生存）更大于其他因素。这实际上是将人限定在一个阶段来看待问题了：如果你处于普通层次，就不要学习文科，而应选择理科，因为这样更容易生存。对吗？也对的，更实用主义。噢，还有，短期的。

他的解决方式是：你有多少能力，现在就去选择什么的就业方式或工作。潜台词似乎是，孩子就这样了，挑一个就业前景好的学校，找个毕业后能挣钱的工作就行了，以后就不用愁吃喝了。

但问题在于，这种处理问题的观点忽视了事物的“流动性”和人的“可塑性”。

我举个例子：在现代社会，练习拳击显然是没用的，原因众所周知。但在古代，练拳可以开镖局，养家糊口。这就是事物流动性的问题，不可能某一类行业会永远兴盛。现在开拳馆的人非常多，国家也不提倡武斗。

再比如新闻专业，现在就业形势不佳。为什么会这样？这也是因为“流动性”的问题。现在到处都是基站和网络信号，媒体平台发达，每个人都可以做新闻，因此，今天学习新闻的人肯定没有之前那么好的就业前景。因为我们社会在 80 年代和 90 年代缺乏新闻媒体人才，所以那时这个专业才会火爆。张雪峰没有提到这一点，但只要你在 2010 年手机互联网兴起时多关注新闻和各种产品，就能预见到未来几年什么行业会热门。

现在能预测未来十年火的就是人工智能，大数据，算法会很火，那也许就火个十年？十年后就不一定了，二十年后也不一定，那十年后让小孩怎么就业？怎么发展？

我们国家，什么火不火，根本上的还是顶层去决定的，顶层战略发展变化的时候，下面一切都要变（这里我觉得读一下“治国理政”这类还是有用的）。对于学生来说，能看到更大的世界，能有批判精神，能自我学习，能有很强的自驱力，现在学文科和理科都不重要。重要的还是在当前找到他们喜欢做的事情，我们在其中的角色是帮助他们找到他们喜欢的事儿，然后支持就行了。

目前我认为，在某些环境下，文科生还是有优势的。比如在行政机关单位，文科生通常比理科生更有优势；再比如董宇辉，他的成功不仅仅依赖于销售能力和英语能力。理科生的优势在于具体解决问题，这种方式很直接，许多人将其称为“直男”思维。而文科生的优势在于提供了一个观察复杂世界的视角，他们会从多个角度审视和评估问题。不仅如此，如果文科生具有强大的泛化能力（类比学习）和批判性思维，他们的知识迁移能力也会更强，学习一些工科知识也只是时间问题。

比如这个是网上的一个说法，文科的知识+理工科的技术，会形成这三个岗位

好奇心 + 大数据 = 市场研究员

同理心 + 基因测序 = 基因咨询顾问

文学创造力 + 互联网 = 社交网络经理

我用 AI 生成一下：

批判性思维 + 数据分析 = 政策分析师
沟通技巧 + 社交媒体工具 = 数字营销专家
哲学思维 + 人工智能技术 = AI 伦理顾问
心理学理解 + 用户体验设计 = 用户体验（UX）研究员
语言艺术 + 编辑软件 = 内容策划编辑
社会学知识 + 社区发展策略 = 社区发展协调员
文化研究 + 媒体制作技能 = 文化节目制作人
艺术史知识 + 展览设计 = 艺术展览策划人
语能力 + 国际贸易知识 = 国际贸易顾问
音乐学知识 + 音频技术 = 音乐制作人

因此嘛，我觉得张雪峰他们是站在一个特定圈层来看待问题，也是比较浅薄的。

编写我的 GPTs 时，发现了一个比较有价值的提示词，叫“核心框架要素”，可以使用“XXX 的核心框架要素有哪些？”即可挖掘到陌生事物的方方面面。

Designing for AI: Panel Notes https://www.lukew.com/ff/entry.asp?2043

Luke 近几年一直以这样的形式输出，这次是 Design&AI 相关的会议记录，我观察到几个有价值的，机器二次翻译加我手工翻译如下：

1. AI 的集成可以是产品中的一个独立功能，也可以贯穿于整个产品。在将 AI 集成到产品中时使用的正确隐喻，取决于用户希望在过程中参与的程度。他们愿意放手多少控制权？这涉及到需要多少人类监督的问题。
2. 确定合适的人工参与程度，需理解用户的角色和需求。更贴近问题核心的人可能需要更多控制权。而与问题相对较远的人，则可能需要较少的控制。
3. 人们的参与程度也可能取决于他们对 AI 能力的熟悉度。随着时间的推移，这可能会发生变化：最初他们可能需要一个学习阶段，随后在信任系统后，他们可以依赖它实现更独立的操作。
4. 在决定如何集成 AI 功能时，要考虑 AI 模型的能力和用户的实际情况。
5. 聊天是一个非常灵活的界面，用户可以自由定义使用方式和时间。但这种互动是与 AI 模型本身直接进行的。目前缺乏帮助用户理解他们正在与之互动的 AI 能力和局限性的辅助功能。
6. 文本是一种精度较低的媒介，适合提供大致方向，但针对特定用例则需要更多的控制。将来，我们将拥有更强大的 AI 模型界面。
7. 理想情况下，用户无需深入了解 AI 的具体能力，而是由机器自行处理。比如：GitHub Copilot 中的滑块功能修改了用户的提示，但没有向用户展示完整的提示。
8. AI 内容生成目前耗时较长，但用户需要的不是加载动画，而是更高效的性能。
9. 新的人工智能技术提升了用户体验：加速处理速度（使其响应更迅速）、尽管幻觉问题可能无法根本解决，提供相关源材料的参考信息仍然十分重要，此外，增强多模态交互能力也是关键。

https://mp.weixin.qq.com/s/f1wdkprprstYmt7yNdAIsQ

因为我的学生中有产品经理和产品总监，对于这款他们，他们多次和我沟通过，这里我把观点一并在这里发了：

听闻创始人有很深的产品经理背景，但这丝毫掩盖不了看待这类产品是有问题的，首先：

市场定位问题。大盘上错过了移动端社交产品的黄金时期。这个时候选择做小众的社交产品，市场应该不多。先不说付费，目前的产品设计的模式并不能满足活跃度的攀升，如果没有量，匹配是不存在的。

其次，获客成本和教育成本问题。这些可能超过了研发投入的钱。特别是使用独立的 app 来获客，还是有难度。这方面我看 flomo 的创始人做得比较好，特别是在用户教育和学习上都做的不错（但两个产品类型不一样）。社交产品的价值很大程度上依赖于用户网络的规模，获不了客，还是不行。

还有，即使是小众用户，他们的个体的差异性和行为多样性也一样存在。选择 1V1 匹配看似提高了社交效率，但忽视了用户行为的多样性。也就是产品不能只给到一个信息架构，而应该是复合型的。从经验上看，社交产品能把用户的 Bio 做好，都能增强互动。

最后，用户输入成本挺高的，如何喜欢用户持续参与互动也是一个挑战。并非每一个人（这里指小众群体）都愿意或能根据问题录入很多内容，而这些内容还涉及不少隐私。产品都在不断演化过程中，但存粹的做社交产品，不管是陌生还是熟人，都不能脱离用户核心动机，这也就是留存的基础。

所以，这种类型的产品，如果只是两个人现在开始做它，一开始我就觉得它失败的。

Steve Mann 有这样一个观点，他说：”The key difference between AI and HI is the tight feedback loop between humans and machines.” 。 HI 是 Humanistic Intelligence 的缩写，中文我来翻译叫人文智能吧。

Steve 的意思是说，HI 是人类处于计算过程的反馈回路中产生的智能，当 AI 和 HI 结合的时候，这种协同就会出现了超级智能。

简单点说：如果应用在实际工作中你想让 AI 变得更牛逼点儿，就多设计一些问题（行为）让用户多反馈。再延伸一点，如果让用户多反馈，也要知道用户的行为模式、偏好、决策过程，让用户多听到，多看到，多感触到……