开学季丨如果重读大学，哪些事越早明白越好？

源济

开学季丨如果重读大学，哪些事越早明白越好？

又是一年开学季。

刚进入大学，很多人会急着寻找一份标准答案：该怎么选课，要不要参加社团，什么时候准备实习，毕业后读研还是工作，以及在 AI 时代，究竟还要不要花时间学习那些似乎可以交给工具完成的知识。

但大学真正重要的，或许并不是尽快选出一条看起来正确的路。

认识自己、获取信息、保持判断，并在还有时间试错的时候，多去尝试几种可能，同样是大学的一部分。

一些已经走出校园的人，分享了他们希望大学生早点知道的事。

01 不要被单一的评价标准绑架

答主丨包云岗

计算所陈熙霖所长讲开学第一课

今天在国科大计算机学院开学典礼上，给新同学们分享的三点建议：

第一点：把好的价值观，装进自己心里。

我一直信奉一条人生规律——「价值观决定终点」。

假设我们活到一百岁，那么每个人的人生轨迹就是由将近一百万个大大小小的决策叠加而成。拆开来看，每年约一万个决策，每天大约二十个决策——吃什么、见谁、参加什么活动……每一个看似随意的选择，背后都有价值观在潜移默化地产生作用。它不动声色，却实实在在地描画着我们的人生走向。

所以，请大家始终把塑造「真、善、美」的价值观，放在人生的优先位置。

技术能力能让我们跑得快，但价值观决定我们能跑多远、能抵达怎样的远方乃至终点。

第二点：积极拥抱 AI，但不要被 AI 驾驭。

AI 已是这个时代的主旋律，它将深刻重塑整个人类社会。如何面对它，是我们每个人都绕不开的命题。

今天的大模型博学多识，几乎有问必答。但请记住：只有我们对知识理解得越深入，才能提出越有价值的问题，才能真正驾驭大模型的能力，也才能不被它的「幻觉」所迷惑。

可以说，我们自身所掌握的知识，决定了我们在 AI 时代的高度。大模型解决的是广度，而深度，则要靠掌握精深专业知识才能抵达。

关于「深度」，这里要表达的意思是：大模型展示出来的深度，取决于使用者自身对知识掌握和理解的深度。

举个例子：同一个大模型，如果是陶哲轩和我都向它问数学相关的问题，那么陶哲轩使用时所展现出来的数学深度，肯定要比我要深得多。但如果是向它提芯片方面的问题，那我使用的那个大模型展现出的芯片能力应该会更深一些。

第三点：勇于做一些与众不同的事。

今天人们总会谈起内卷。破解内卷的关键，在于多元化发展。

今年恰逢计算所建所七十年。计算所前所长、计算机学院院长孙凝晖院士在总结七十年计算所精神与文化时，特别强调了一条重要的理念——「人人是才」。

「人人是才」意味着，每个人都有实现自我价值的路径。

在计算所，大家可以选择七条发展通道：基础研究、工程系统、重大应用、教书育人、产业化、科研管理、社会影响力。每条通道都能出人才，都能通向卓越。

希望大家充分认识自我，发挥各自所长，勇于去做一些与众不同的事，不要被单一的评价标准所绑架。

有人擅长发论文，有人擅长做工程，有人擅长运营开源社区，有人擅长科普……每一种「与众不同」都值得被尊重。

只要找到自己的「与众不同」，就能走出自己精彩的人生之路。

02 大学里最大的

「信息差」是什么？

答主丨rq cn

对信息的态度和处理信息的能力。

现在的信息已经非常丰富，乃至有些过于泛滥了，信息差已经被信息过载取代，真正重要的是对信息的态度：围绕自己的求学和职业规划，主动地检索信息，分析筛选信息，利用信息支撑自己的成长。

每个人的大学生活、职业规划都各不相同，需要的信息也千差万别，并没有什么信息是对所有人都很关键重要的。

大学里有许许多多大大小小的信息，认真做好每一个信息的采集和使用都能带来一些帮助，很多小的努力积累起来就是巨大的进步。

最基础的，作为合格的大学生首先要学好基础课和专业课。

哪些课程对自己的专业和职业至关重要，哪些课程是划划水混学分的，哪些教材是适合自学使用的优质教材，哪些老师的课是千万不能选的巨坑课程，就是很重要的基础信息。

关于毕业后的去向，自己究竟想要继续读研深造，还是出国留学，还是去企业应聘，还是进体制内工作，还是多了解些其他方向，都需要采集与自己的学校情况匹配的、切实可信可行的信息为参考。

比如自己认识或学校邀请回来的师兄师姐，各种来做报告交流的教授和企业，官方发布的就业数据，亲自去实习实践体验一下。

信息一定要足够详细、真实、新鲜。

比如同样是体制内，不同省市、不同层级、不同条线都各不相同，具体到每一个单位的不同部门、不同领导都很可能会有巨大差异。

比如同样是搞科研，不同领域和方向的主要思路、难度、危险性也各不相同，不同学校、不同导师的风格也有巨大差异。

去市场上就业更是极其纷繁复杂，数不清的行业领域，每一个都有数不清的具体公司和岗位，有不同的技能需求和收入发展。这些都是需要足够详细的调研才能得到的，绝对不是随便网上搜搜、看看文章就能知道的。

03 在还有时间的时候，

多试几种可能

答主丨rq cn

大学是人的一生中自由、体力精力、平台资源、社会包容度等各方面综合性价比最高的时候。

一定要充分利用这个时期多思考、多尝试、多认真体验，努力多了解这个世界自己感兴趣的方面，投入时间、精力、体力去亲身实地体验感受，反复确认，逐渐找到属于自己的方向和道路。

切忌莫名其妙、毫无道理地就定下了未来，不谙世事地闷头乱撞。

很多新鲜的、第一次知道的方向都可以浅尝辄止地试一试，万一自己就有莫大的兴趣或一定的天分呢？

这个世界有非常丰富的机会，留给那些敢于尝试和付出努力的人。年轻人最大的本钱就是时间和能够付出的努力，而这对于走出校园的中年人来说，是极其奢侈的代价。

我自己的大学时代，就是典型的在小的方面非常主动地获取信息，但是在大的方向上没有打开思路。

大学期间被小时候延续下来的对理论的热爱和清华科研至上的氛围裹挟，莫名其妙地就决定把科研作为终生的职业道路，并闷头猛冲下去。

在这条道路上，我的确做到了充分地获取和利用信息。比如去搜索那些经典的大学教材，包括一些英文原版；寻找各种有奖学金的国际交流项目，并且如愿去美国领奖学金做了一个暑期的科研；了解各种自己感兴趣的科研方向，并且本科做出了一些工作。

但是去巴黎综合理工留学后，才发现自己投入科研这个最重要的职业选择反而是毫无来由的。

在巴黎的人文细菌的侵染和综合理工繁琐的职业生涯辅导下，终于真正地打开了视野和思路，更广泛地了解了世界，更深刻地了解了自己，才终于寻找并确定了自己的道路。

随着人到中年，越来越觉得这个世界的丰富和精彩。

人短暂的一生也只能了解到其中最微不足道的皮毛，但这已经能让人获得极大的满足。

只是了解这个世界和自己的人生，需要付出足够多的努力并获取足够具体的信息。知行合一，是朝着自己内心期望的方向前进下去的重要根基。

04 AI 可以帮你学习，

但不能代替你学习

答主丨Yuhang Liu

我觉得在 AI 时代，不要轻易因为「AI 可以做到这件事」，就完全放弃对某件事情的训练。

因为对人来说，认知能力的提升，还是需要足够量的心智训练。

你不能因为有计算器，就连乘法口诀都不背了。你没必要手算两个九位数相乘的结果，但是你应该知道原则上怎么去算。

但是从另一个方面来说，应该弱化标准化考核，而强化学习者自我内在的驱动。

对于善于学习的人来说，AI 确实是个非常好的工具。它可以在你周围没有懂的人的情况下，为你提供专家级的知识咨询服务。

比如 20 年前，国内互联网还不普及的时候，如果你不在有代数几何专家的学校，你根本没法学代数几何。

10 年前，你可以上网查资料，但是碰到具体的学习困惑，还是难以解决。

现在你有什么问题直接问 AI 就行了，基本上不会存在很大的知识壁垒。

所以在 AI 时代，懒人可能真的会变得低智化，而求知欲强的人反而可以将 AI 作为自我提升的利器，这一点恐怕不可避免。

05 怎样把 AI 变成「学习搭子」？

答主丨星雨月虹

1. 用交互动画理解抽象知识

最强烈推荐的方法，就是让大模型在辅助学习理科，无论是化学、物理还是数学时，用 HTML 加上 JavaScript，配合动画框架做出可交互的示意动画。

在 prompt 里面可以 explicitly（明确地）提及，要求按照 3Blue1Brown 一样的风格。

2. 给一套课程或一本书制作 cheat sheet

可以用大模型给一套课、一套学习材料或一本书制作 cheat sheet，即用即查的 memory shortcut，也就是「记忆力捷径」。

用来看看书、速查公式或者做题，都会非常好用。

3. 把 AI 当成费曼学习法的听众

众所周知，费曼学习法，也就是自己扮演老师给别人讲，会大大增加自己的理解。

但大家平时苦于找不到听自己说话的听众，大模型在这里就非常好。

完全可以把自己的理解写出来，甚至有误解也没有问题，因为大模型基本上都会纠正你。

你甚至可以让它拷问你一些书里的知识点，并且在拷问时，要求它必须结合实际的例子，来确保自己究竟理解不理解这个东西。

亲测极其好用，可以非常有效地变 passive learning（消极学习）为 active learning（积极学习），真正以输出倒逼输入，有针对性地学习。

4. 追溯一个概念产生的背景

很多时候，大家学习一个新的概念，都会觉得无所适从，知其然不知其所以然。

很大程度上，是因为不知道这个概念或技术当时被开发出来的 original context。

比如，统计学一开始被发明出来，是为了提高农作物的产量。运筹学被发明出来，是美国在二战时为了优化士兵生存率、物流效率以及各种工业生产效率。

很多时候，把一个看似抽象的概念、知识或技术还原回它当时的情境里，看所谓的古人当年是怎么笨拙但实在地把问题解决的，再让大模型告诉你这个技术是怎样一步步迭代、发展成今天这个样子的。

看到前人看似愚蠢地在那里试错，然后一代又一代优化出来的整个过程，对理解这个概念的生长过程大有裨益。

5. 用项目导向的方法学习编程

如果是学编程相关的话，那就是更大的时代红利了。

初学者要踩的那些坑，现在基本上都可以被 GPT 打磨得非常丝滑：文档不用自己读了，bug 不用自己 debug 了，从一开始就能把噪音剔除掉。

学习者只需要专注于那些最能泛化、最能付诸实践的架构与底层原理，以及一些编程的哲学。

这种 project-based learning（项目导向的学习）以及 learning by doing（通过动手实操来学），现在变得极其简单。

你可以让 AI 帮你搭一个试验田、一个 playground，然后在里面随便炸、随便试各种奇技淫巧和魔改。

重要的是，你需要知道这些魔改出来的设置会通向什么样的结果，对「设置配置」到「结果表现输出」建立起直观的感受，而 AI 可以帮你非常顺滑地建立这种 mapping。

又是一年开学季，有人拖着行李第一次走进宿舍，有人对大学生活满怀期待，也有人站在人生的新路口，既兴奋，又有一点迷茫。

这么选课？怎么处理人际关系？

这一次，我们也收集了知乎的学长学姐们为即将入学的新生准备的 10 条建议👇

如果能回到大一，我一定告诉自己这 10 件事

大学四年要学什么、做什么，并没有一份适用于所有人的清单。

与其急着寻找一条标准路线，不如先建立自己的判断，主动收集真实、具体的信息；再趁还有时间和精力，认真尝试几种不同的可能。

AI 可以减少寻找资料和解决具体问题的成本，但方向仍然需要自己选择，知识也仍然需要自己理解。

毕竟，工具可以帮人走得更快，却不能代替一个人决定要往哪里走。

📢 如果重读大学，你最想早点明白哪件事？欢迎在评论区分享。