在硅谷，Uber或谷歌等公司的态度是，我们绝不做坏事。但这并非被全世界知悉和认同。硅谷以外的人们也许会因为这些公司掌握了技术的决策权而非常担心。谷歌因其大数据和大计算能力而拥有极其强大的能量。他们会如何使用这种能量？你可能不希望看到这种能量只被某几个决策者控制。

问：你认为现有的教育系统是否适合即将到来的人工智能时代？

首先，在美国，用于职业训练的教育系统被称作职业培训。职业培训使人们获取工作技能并有机会被雇佣。首要问题是，这样的教育系统的设计初衷，并不能真的为帮助人们获得在劳动力市场上有用的工作技能而服务。

为什么？因为这与公共财政有很大关系。美国政府并没有确保学生学到雇主所需的工作技能的直接动机。这里面没有特定的因果关系。

我想，要解决这个问题非常简单。你只需要将这些职业培训的财政投资私有化，并遵循以下的原则：如果学生学习到的技能无用，学校就赚不到钱。其次，在某些行业里，当一个工作的技能发生转变时该怎么办？这里存在继续教育的需求，我们需要一个能够支持继续教育的系统。例如，一个允许工程师学习新技能的系统。这一点同样非常重要。

问：许多人工智能创业公司雇佣了资深的人工智能研究员，来出任公司的首席科学家。另一方面，资深的人工智能研究员通常都可以从谷歌、Facebook等大公司拿到丰厚的薪酬，他们很难做出加盟一家创业公司的决定。你认为人工智能创业公司有必要雇佣资深的科学家吗？

在我看来，做科学研究和开发商业产品是不同的技能组合。有一个斯坦福大学毕业的工程师，他在斯坦福大学获得了硕士学位。这是一个非常有价值的学位，可以借此获得很好的工作。他的导师鼓励他继续攻读博士学位。他也照做了。

他的假定是，拥有博士学位会比拥有硕士学位更有价值、更容易找到高薪的工作。这是不对的。为什么？你在硕士学位里获取的是你需要进入公司开发产品所需的工程技能。而大学里的博士学位属于研究角色，他们并不一定拥有开发科技产品的能力。这是两件非常不同的事情。

对于开发产品来说，你需要市场分析技能，需要理解你所用的技术的技能。你拥有一个博士学位，这并不一定意味着你是一个比硕士生更好的程序员。如果你有硕士学位，这对于研发产品来说可能要更好。如果你需要在算法层面工作，你可能才需要博士学位。

人们说，目前的深度学习框架仍然需要科学家来调整参数。但我想，懂得编程的人一样可以胜任调整参数的工作。问题在于，使用一个会调参数的研究员或科学家时，他们通常缺乏工程经验。他们是被训练来做研究的人。我们需要的应该是更适合研发产品的人。

我会不会雇佣一个机器视觉专家，来设计最先进的视觉算法呢？不会。我需要的是能够理解和使用算法的人。例如，我们可以安装一部摄像机，来从视觉上区分树枝和小孩子的腿。这种需求并不需要重新设计视觉算法。这是不同的工作技能。雇佣科学家来做工程师的工作，在大多数情况下会适得其反。

我的建议是，对于雇佣科学家要非常谨慎。

人们说，“看这个人，他有卡内基梅隆的博士学位，他一定比另一个从乔治华盛顿大学毕业的硕士生强。”这么说的人会花冤枉钱的，因为博士生并不需要具备工程经验。

我知道在斯坦福大学，许多博士生毕业时的工程技能都少得可怜，因为他们接受的并不是工程方面的训练。这些博士生被训练成视觉研究领域的先进算法专家。

他们并没有接受如何在预算范围内按时发布产品、如何解决特定的工程问题等方面的训练，他们更没有接受如何理解客户的需求并确保产品符合客户需求的训练，这些实际上都是市场方面的技能。

人才市场上有足够多的拥有和理解工程技能的候选人。如果是我，我会质疑雇佣科学家的做法。不要因为某些人拥有顶尖大学的博士学位，就假定这些人特别适合做某件工作。我会主要根据候选人所拥有的技能来考虑问题。正如不要假定一个擅长编程的人也善于管理团队。这是不同的技能。类似的事情我见到过很多。你必须雇佣最合适的人。

长按下方二维码进入36氪专属页面购买《未来简史》，享受36氪读者专属福利！

春节前购买送思维导图、有声读物，手慢无哦

赶不上这批，就要再等三个月

若无法识别二维码，可点击“阅读原文”

　　(注：此书目前为预售，将统一于1月20日按下单顺序寄出，请耐心等待）