第240章 课 从“解题”到“出题”：AI时代的人才革命（1/2）

——一堂融合心理学、易经与哲学的智慧课

27岁腾讯首席科学家姚顺雨的逆袭之路，堪称AI时代的人才寓言。从清华姚班到普林斯顿博士，从OpenAI核心研究员到行业顶尖科学家，他用一年多时间打破传统职业路径的十年定律，而这一切的核心密码，藏在他那篇刷屏的《AI下半场》中——“AI竞争重心从‘解决问题’转向‘定义问题’”。这堂特殊的课程，将以姚顺雨的成长故事为蓝本，通过和蔼教授与叶寒、秦易等六位学生的课堂对话，拆解“定义问题”背后的心理学认知模型、易经变易智慧与哲学思维本质。我们将看到，当AI已能攻克大部分技术难题，人类真正的核心竞争力如何从“刷题得分”转向“命题立局”，而这种能力不仅适用于AI领域，更能重塑每个普通人的成长轨迹。

课堂正文

（阳光透过阶梯教室的落地窗，洒在摆满书籍的讲台上。和蔼教授端坐在中间，叶寒、秦易、许黑、蒋尘、周游、吴劫六位学生围坐成半圆，桌上摊着《AI下半场》的打印稿，眼神里满是好奇）

和蔼教授：同学们早上好！今天咱们不谈枯燥的理论，从一个“颠覆常识”的故事开始——27岁的腾讯首席科学家，大家觉得可能吗？

秦易率先举手：教授，这也太不可思议了吧！我表哥博士毕业进国企，熬了八年才评上高级工程师，首席科学家这种级别的职位，不得是头发花白的行业泰斗？

许黑摸了摸下巴：我之前看过姚顺雨的报道，他从博士毕业到入职OpenAI，再到成为首席科学家，全程才一年多。这速度简直像开了挂，不会是媒体夸张吧？

和蔼教授笑着摇头：不是夸张，而是时代变了。就像《AI下半场》里说的，当AI已经能解决大部分技术问题，游戏规则就彻底改写了。叶寒，你平时做AI相关的课题，有没有发现现在的研究和几年前不一样了？

叶寒推了推眼镜：确实有感觉！前几年大家都在拼模型性能，论文标题全是“在XX测试中超越SOTA”，就像考试比谁分数高。但现在很多顶会论文，开始关注“该让AI解决什么问题”，比如怎么让AI适应现实中的连续任务，而不是孤立的测试题。

和蔼教授：说得非常好！这就是姚顺雨提出的核心转折——AI从“每道题从头学”到“掌握通用方法”。这背后藏着一个重要的心理学原理，谁能说说？

蒋尘举手：教授，是不是认知模型里的“信息处理升级”？就像我们学数学，一开始死记硬背题型，后来掌握了解题逻辑，就能举一反三。AI的预训练不就是让它形成了这种“通用认知”吗？

和蔼教授赞许点头：蒋尘说得很到位！心理学中的认知模型认为，人类的高级思维不是简单的信息叠加，而是形成了系统性的处理框架。AI的上半场，就像处于“具体运算阶段”的孩子，只能应对特定任务；下半场则进入“形式运算阶段”，具备了抽象思维和通用推理能力。姚顺雨的厉害之处，不在于让AI的“分数”更高，而在于发现了AI认知升级后，真正的稀缺性是什么。

周游疑惑地问：那这种稀缺性就是“定义问题”？可“解决问题”不是更实在吗？就像考试，能算出答案才是硬本事，纠结“出什么题”有意义吗？

和蔼教授：问得好！咱们先看个例子——姚顺雨在普林斯顿提出的“思维树”方法。大家玩过24点游戏吧？用四个数字通过加减乘除得出24，传统AI用线性思维链，成功率只有4%，但用了思维树后，成功率飙升到74%。吴劫，你觉得这差距在哪？

吴劫眼睛一亮：我知道！线性思维是一条路走到黑，思维树是同时探索多条路径，就像我们做题时会列多种解法再筛选。但这不是“解决问题”的方法吗？怎么和“定义问题”挂钩？

和蔼教授：关键在于，姚顺雨先重新定义了“AI该如何思考”这个根本问题。传统研究默认“AI要按线性逻辑解题”，这是在“解决已有问题”；而姚顺雨质疑“为什么AI不能像人一样多路径思考”，这就是“定义新问题”。恩格斯说过，全部哲学的基本问题是思维和存在的关系问题。在这里，“思维”就是AI的思考方式，“存在”就是现实世界的复杂问题，姚顺雨正是先理顺了这种关系，才找到破局之道。

许黑：我有点明白了！就像当年爱因斯坦追问“如果追上一束光会看见什么”，不是在解决已有物理题，而是定义了新的研究方向，最后才有了相对论。

和蔼教授：没错！的研究显示，78%的突破性成果都源于对现有范式的质疑式提问。这背后其实是易经的“变易”智慧——《易经》六十四卦，核心是“穷则变，变则通”。AI上半场的“刷榜模式”已经走到了尽头，这就是“穷”；而姚顺雨提出“定义问题”，就是“变”，最终实现了“通”。秦易，你研究过易经，能不能具体说说？

喜欢师生心理学江湖：对话手册请大家收藏：师生心理学江湖：对话手册更新速度全网最快。

秦易：教授，易经里的“革卦”说“天地革而四时成”，变革才能促成新的秩序。AI上半场的秩序是“分数为王”，下半场的秩序是“价值为王”。姚顺雨的ReAct方法也是如此，让AI“边想边做”，不就是顺应了现实世界“行动中调整”的变易规律吗？

和蔼教授：太精彩了！ReAct方法让AI像人订机票一样，查航班、比价格、做调整，这正是因为姚顺雨发现了传统AI的核心缺陷——脱离现实场景的“孤立解题”。心理学中的认知模型强调，认知过程是动态适应环境的，现实中的问题从来不是独立的，需要长期记忆和人类互动，这正是《AI下半场》指出的两大评估漏洞。

叶寒：教授，我有个疑问。姚顺雨的成功会不会只是个例？他的研究成果能成为行业基础，会不会是运气好？

和蔼教授：不是运气，是必然。我们看看他的成长轨迹：2019年清华姚班毕业，2024年博士毕业，2025年成为首席科学家。这条路径背后，有三个关键特质，正好对应了“定义问题”的能力三要素。蒋尘，你先说说第一个特质是什么？

蒋尘翻看着手稿：应该是行业影响力吧？他的ReAct和思维树成了AIAgent领域的基础框架，《麻省理工科技评论》评价他“开启了一个方向”。这说明他不是在做零散的研究，而是在定义整个领域的发展方向。

和蔼教授：没错！传统路径靠年龄资历积累，而AI时代靠行业影响力破局。就像易经“乾卦”的“潜龙勿用”到“飞龙在天”，不是靠时间熬，而是靠能力的本质飞跃。第二个特质，周游你发现了吗？

周游：是理论到产品的快速转化！他的研究不是停留在论文里，而是直接用到了OpenAI的Operator和DeepResearch两款产品上，一个能自动操作浏览器，一个能做深度研究，都是解决现实问题的。

和蔼教授：非常关键！认知模型强调“实践是认知的落脚点”，脱离实践的理论就是空想。姚顺雨的研究从一开始就瞄准“现实世界的问题”，而不是“测试集里的问题”，这就是他能快速脱颖而出的核心。埃森哲的报告显示，善于定义战略问题的企业，AI项目成功率比同行高65%，这和个人成长是一个道理。

许黑：那第三个特质是不是他写博文分享？我觉得这点很特别，很多科学家都闷头做研究，他却主动分享对行业的思考。

和蔼教授：你说到点子上了！这是一种开放的姿态，也是“定义问题”的必要条件——只有参与行业讨论，才能准确把握时代痛点。哲学上讲“思维与存在的同一性”，人类的认知需要通过交流碰撞才能接近真相。姚顺雨写《AI下半场》，不是为了出名，而是通过分享凝聚行业共识，这正是“定义问题”的高阶表现。

吴劫：教授，我现在理解了为什么“定义问题”比“解决问题”更重要。但对我们普通人来说，不是每个人都能做AI研究，这种能力怎么应用到日常中？

和蔼教授：这正是我想和大家重点探讨的。“从解决问题到定义问题”的思路，适用于任何领域。叶寒，你在做毕业设计，有没有遇到过“为了做而做”的情况？

叶寒不好意思地笑了：确实有！一开始我跟着网上的教程做模型优化，虽然性能提升了，但不知道为什么要做这个优化。后来导师问我“这个优化能解决什么实际场景的问题”，我才重新调整方向，现在课题进展反而更顺利了。

本章未完，点击下一页继续阅读。