对话清华大学教授刘嘉：编程的本质不是写代码 | 万有引力

🎙️ 本期导读

当 AI 能写代码 ，程序员就又面临“取代”危机。

本期《万有引力》，我们邀请到了清华大学基础科学讲席教授、心理与认知科学系主任刘嘉。他表示：“我从来不认为编程的本质是在写代码（Code），编程的本质是通过机器来解决问题，它的核心是问题解决。编程高手是在想怎么通过一条有规则的方式，把一个复杂问题给解决掉，计算机程序只是他的工具而已。Cursor 本身不具有解决复杂问题的能力，它只是执行者。人的这种复杂问题解决能力，是没有被 AI 所取代的。”但他同时也警示：“知识密集型的岗位会消失掉90%、95%，但它会让TOP 5%具有稀缺性的人活下来。”

这不仅仅是一场关于技术的硬核对话，更是一份 AI 时代的生存指南。刘嘉老师用“脑科学”这把手术刀，剖开了 AGI 的本质，也为我们在这个充满不确定性的时代，提供了一套像大模型一样自我进化的“人生算法”。

👨‍🏫 嘉宾介绍

刘嘉

• 清华大学基础科学讲席教授
• 清华大学心理与认知科学系主任
• 长期从事脑科学与人工智能的交叉研究，致力于探索通用人工智能（AGI）的生物学基础与实现路径。

🎧 核心话题

01. 一次跨越 20 年的“错过”与“重逢”

• 1997 年，刘嘉远赴 MIT 求学，向“人工智能之父”马文·明斯基问道，却被劝退：“AI 寒冬已至，不如做脑科学。”
• 这一别就是 20 年，让他完美错过了深度学习的爆发期。
• 2016 年 AlphaGo 之后，他为何决定重返 AI？这段“弯路”如何让他获得了更底层的洞察？

02. 莫拉维克悖论：为什么 AI 干不了体力活？

• 大脑皮层（推理）vs 小脑（运动）：进化的时间尺度决定了模拟的难度。
• 前额叶只有 300 万年历史，功能最弱，最好模拟；而主管运动的小脑经过了几亿年进化，密度最高，难以攻克。
• 金句：“推理、AI Coding 都只是模仿生物智能万里长征中迈出的第一步。”

03. Scaling Law：智能的第一性原理

• 为什么“大”永远是对的？从生物进化看，人类大脑变大是智慧产生的必要条件。
• 对 Scaling Law 的质疑往往源于资源不足的“酸葡萄”心理。
• 刘嘉的“苦涩教训”：曾以为 GPT-3 是“傻大粗”，后来才发现自己忽略了智能的第一性原理。

04. 通往 AGI 的路线之争：为何 NLP 最终胜出？

• 强化学习（模仿行为）、脑模拟（模仿神经元）、NLP（模仿思维），三条路线为何只有 NLP 跑通了？
• 因为 NLP 压缩了人类已有的所有知识（Known Unknowns），而其他两条路面临数据匮乏或生物机制的“未知的未知”。

05. 学术界 vs 工业界：不同的使命

• 学术界做 0 到 1：探索不存在的路径，允许失败，寻找颠覆性创新。
• 工业界做 1 到 100：追求极致的工程化与商业落地，赢者通吃，残酷且不容共存。

06. 未来生存指南：95% vs 5%

• 知识变得不再值钱：大模型让知识获取成本趋近于零。
• 残酷的预测：95% 的知识密集型岗位（如普通程序员、初级律师）将消失；只有 Top 5% 具备“从 0 到 1”创造力的人能活下来。
• 人生优化算法：
  目标函数：定义你的人生目标。
  随机梯度下降：不断试错，快速迭代。
  注意力机制：在这个噪声世界中，只关注高质量的数据和人。

💡 适合谁听

• 对 AI 底层逻辑和未来发展感到困惑或焦虑的技术从业者。
• 关注 AGI、脑科学、心理学交叉领域的探索者。
• 希望在 AI 时代找到个人定位与进化路径的普通人。

在这里，我们不贩卖焦虑，只提供看透本质的理性思考。欢迎收听本期节目，一起探索如何与 AI 共进化。