新闻详情

新闻详情

首页 / 资讯中心 / 详情

当AI重塑一切技能时,大学教育还剩下什么用

发布时间:2026/11/10 22:21:07来源:尧图网络
当AI重塑一切技能时,大学教育还剩下什么用
Ben Horowitz 说这句话时语气很平静这本该是人类历史上最适合年轻的时代就像爱迪生的时代或者亨利·福特的时代。但紧接着的转折是我们用来培养年轻人的整套体系是为一个即将不复存在的世界建造的。这不是一句危言耸听的开场白而是 Ben Horowitz 和 Gagan Biyani 在 a16z 播客上宣布Horowitz Andreessen Academy霍洛维茨与安德森学院成立时给出的核心判断。主持人 Erik Torenberg 与两位嘉宾的这场对谈讨论的不只是一所新学校而是一个更根本的问题当 AI 快速改变人们建造、工作、创造所需的技能时教育应该长成什么样子。Gagan Biyani 不是教育行业的新面孔——他联合创办过 Udemy后来又做了 Maven围绕重新设计学习这件事已经琢磨了十几年。Ben Horowitz 则从投资人和雇主的双重视角看到了同一个缺口大学培养出的人才和科技公司实际需要的技能之间出现了越来越大的错位。两人一拍即合决定把这件事做成一所真正的学校。1. 大学是个捆绑包但捆绑错了东西Ben Horowitz 观察到一个现象大学对想成为学者或教授的人来说效果很好但如果一个 18 岁的孩子只是想找份工作或者已经有了创业的念头大学就变成了一笔巨大的财务投入和时间投入而其中大部分内容跟找工作这件事关系不大。如果你问一个 18 岁的孩子为什么上大学他们通常会说是为了找工作但这件事往往并不成立。从招聘的角度看Ben 发现过去四五年大学在筛选学生和技能标准上发生了很大变化但科技行业需要的技能演化得太快像大学这样的庞大系统很难跟上节奏。他把这归结为一个结构性问题大学是一个捆绑包捆绑了运动联赛、兄弟会文化、学术训练、社交生活等几十种东西。之前也有人尝试做教育创新但大多只盯着学习这一件事没能把地位、认证、品牌、乐趣这些同样重要的成分一起打包进去。你必须要有一种迹象表明你上过这里所以我愿意雇用你、愿意跟你共事。这也是过去尝试都没能真正跑通的原因。2. 不是学关于建造而是真的去建造学院的核心设计逻辑,是把学习做一件事和研究这件事彻底分开。Ben 用音乐举例音乐鉴赏很好但如果你想主修音乐那应该是写歌、编曲、真正走一遍创作流程,而不是坐在教室里研究音乐史。技术教育也是同样的逻辑——想成为技术人才就应该去学怎么搭建一个系统而不是坐在课堂上听人讲技术。这背后有一个历史类比。Ben 回顾了大学体系的起源它最早是耶稣会的宗教机构工业革命之后,社会突然需要大规模的读写和数学能力大学体系随之爆炸式扩张为的是把人训练成能进入公司体系工作的劳动力。1700 年的时候根本没有公司世界这回事只有农场世界然后突然之间我们有了这些公司。美国今天的很多成就,某种程度上正是建立在这套大学体系之上的。但 AI 革命正在带来同等量级的冲击——在 Ben 看来,这场变革对工作方式、工作种类的重塑力度,会和工业革命之于农业社会一样彻底。为工业革命设计的培养体系,未必能完美映射到 AI 革命上,需要有人先蹚出一条新路,来示范该怎么把人训练进这个新世界。既然工具已经不同了,一天五到八个小时坐着听课的模式或许也该让位给更紧凑的教学、更多和工具打交道的时间,以及AI辅助的个性化学习节奏——省下来的时间,则可以用在更有结构性的社交活动上。3. 一群已经准备好建造的年轻人Gagan Biyani 补充了另一层判断过去的教育创新之所以没能做大是因为没能交付一个真正可以对标大学体验的捆绑包——这不是学位但对一个高中毕业生来说,应该是一段人际社交、驻地生活、职业连接一样都不能少的经历。他估计过去五十年里真正认真尝试过交付这整套体验的团队,不超过两三个。Gagan 认为这些前人还漏掉了一个创业常识任何一个新事物的成立都需要一个对产品有强烈渴求的具体客户群体。他自己在过去六个月里几乎把所有时间都花在和年轻建造者相处上见到了一整代对创造这件事充满热情的年轻人。这代年轻建造者是真实存在的我们就是为他们而建。这批需求还不是边缘的、被质疑的小众需求而是精英需求——这些孩子未来可能雇用成千上万人、可能为自己的公司融到十亿美元级别的资金他们现在就需要这样的产品。Erik Torenberg 从自己的大学经历里找到了对照当年他对技术感兴趣只能靠阅读来接近这个世界而学院的学生将能直接在 Databricks、NVIDIA、Stripe 等公司里工作实习,浸泡在 a16z 所连接的整个创业生态里——既有实打实的职业训练,也有耳濡目染式的硅谷精神熏陶。回到开头那句判断这本该是最适合年轻人的时代前提是有人愿意先把旧的培养体系拆开重建。Horowitz Andreessen Academy 想验证的正是这样一条路径——不是替代大学而是为那些已经知道自己想建造什么的年轻人提供一条从学习关于做事直接跳到真正去做事的通道。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/10 4:49:37

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/10 19:42:40

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/10 9:14:31

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/10 1:10:29

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/10 15:15:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/10 17:14:10

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉