對未來說「yes and……」，來自矽谷的6個觀點
有人說，人工智慧是新的生產力，區塊鏈是新的生產關係。對此，我不能同意更多。
這次矽谷模塊，我在斯坦福大學的一堂即興表演課上學到了「No」 、「yes ，and...」和yes，but...」三種不同的心態。
在這兩場大浪潮來臨的時候，我們都用「yes ，and」的心態投身進去，成為浪潮的推動者和新世界的建設者，而不是處處「yes，but」 ，一副看透世界，不過如此的老年人心態。
未來很長，機會多多，永遠年輕，積極向上，共勉！
—— 混沌創業營學員 傅盛
2018年1月，混沌創業營和創投營的80位創業者、投資人一同完成了為期4天的矽谷模塊。
這四天，聚焦新思想、新科學、新商業，新的思維方式撲面而來。話題從區塊鏈、人工智慧、無人駕駛、新能源，到腦科學、生物醫藥，極為燒腦。
17位講師——包括兩位諾貝爾獎得主、一位奧斯卡獎得主、11位斯坦福大學、MIT、哈佛大學名校教授。
混沌君從中節選出6個最精彩的觀點，把來自矽谷的最新思考，分享給你。
1.一旦陷入思維困境，最好的方法是重構它
Bernard Roth
斯坦福大學設計學院創始人
創業，就是解決問題的一種方式，但聰明人卻很多時候因為簡單的問題解決不了而睡不著。
這有可能是問題就是錯誤的。
創業最重要的是發現真正的問題是什麼，重新定義問題，而不是在錯誤的道路上漸行漸遠。
設定自己的觀念的時候要小心，注意下自己的視角。一旦陷入思維困境，最好的辦法是重構它。
設計思維能幫助人們從慣有思維中「跳出來」了。
2.
只有當科學是正確時才起作用
Thomas Südhof
2013年諾貝爾醫學和生理學獎得主
在大腦中，神經細胞通過突觸緊密相連，形成了數百萬個互相重疊但彼此獨立的迴路。
每個神經細胞有1000個突觸，數萬億個神經細胞通過突觸交互，組合的可能性無窮無盡，所以，了解迴路的形式和功能是當今神經科學的主要挑戰，這對研究腦疾病至關重要。
而對於神經科學的研究，找對問題比直接解決問題更重要，科學家需要自由度去「發現」，因為科學和工程是完全不同的。
科學是問題導向的，目的是回答一個問題，而工程學是產品導向，目的在於製造產品。
很多時候他們會起衝突，但是運用科學的前提是「只有當科學是正確時才起作用」。
我們需要好的科學來獲得一個產品，但是聚焦產品並不能讓人們獲得好的科學。
通常，科學和轉化需要一個漫長的過程：從發現一個重要問題開始，到進行研究，並且常常幾十年沒有具體的假設，當得出科學發現後，再將發現與轉化問題聯繫起來，最終完成轉化的工程應用。
其中難點在於「發現是無法計劃或設計的」，唯一的訣竅是問正確的問題，用高質量的研究解決它們，然後考慮投入應用。沒有基礎研究，就沒有藥物開發。
但目前的藥物發展狀況是：商業力量形成的偏見和趨勢並不總有益，很多時候會造成很多浪費。
比如，阿爾茲海默症葯企在不知道病症根本原因時就投入幾十億美金進行臨床試驗，結果是肯定會失敗的。
3.特斯拉不是電動車公司，是能源公司
JB Straubel
特斯拉聯合創始人及CTO
特斯拉核心電池管理技術發明者
我們的使命從未改變過，就是促進世界向可持續能源轉換。
對於造車，我們是從零開始，就像一張白紙，沒有現有的車輛設計，我們有的大概只有100多個工程師。但我們的目標是很宏大的，我們要從零開始，設計一輛車，過去沒有人這樣做過。
底特律這些大汽車製造廠，或者德國的汽車製造商都沒有做過，都對我們持有懷疑的態度，「怎麼能夠這樣來做？你們都不知道，做車有多難。」
我們當時也很天真，我們覺得這種天真是一種資產，因為我們過去從來沒有做過，所以我們可以採用不同的方法，創新性的解決了很多問題，所以特斯拉的車有著自己的特點。
但我們一直把自己看成是一個能源創新公司，著眼於能源技術，而不光是汽車。
4. 自動駕駛的競爭，汽車公司一定會輸
朱佳俊
原谷歌自動駕駛團隊首席軟體工程師
無人車公司 Nuro.ai 創始人
自動駕駛我認為難度最大的地方是應用在非常複雜的場景中。
現在離不開的技術就是機器學習。通過大量的數據，告訴機器怎樣去識別人、自行車，汽車等物體，完成複雜的交通環境中行駛。
谷歌在測試的時候遇到的一個真實情況，一個老太太坐著一個電動輪椅在追個鴨子。
工程師事先寫程序的時候永遠也不會寫好怎麼處理這種交通情況，完全是靠讓機器學習。
自動駕駛的競爭最終會像傳統交通業一樣變成幾家。但在這個過程中，並非數據越多越好，而是要看是否有網路效應或者有數據正向循環把用戶增長做得越來越好。
誰會勝出呢？汽車公司一定會輸，他們還是會在原來的行業中做。出行公司有很大的優勢。
因為自動駕駛技術開始推向市場的時候，不可能一夜之間把所有車全部替換，但如果你已經有了人類駕駛的車隊存在，這便是其他行業都沒有的優勢。
5. 機器學習讓好萊塢特效更逼真
Ronald Fedkiw
斯坦福大學教授，兩屆奧斯卡動畫特效獎得主
新技術的更迭讓好萊塢的特效越發逼真。我在《哈利波特》、《星際迷航》、《終結者3》、《加勒比海盜》這些影片中，不斷地嘗試用計算機圖形學實現特效。
電影中的煙霧、火、水、爆炸，用的都是類似於計算機圖形學而不是動畫。
數學公式可以前所未有地模擬出來很多東西，更加真實。比如衣物、毛髮、甚至活的這些血肉等等。
現在，計算機視覺當中又融入了機器學習的部分，機器學習和物理模型都非常重要，他們能夠去做進一步融合。
所以，好萊塢現在已經不僅是看物理模擬和計算機視覺。
雖然深度學習當中，其實還有很多是機器不能去做的，但我們認為模擬演算法將解決這些問題。
6.泡沫在幫我們建立基礎設施
Michael Casey
MIT媒體實驗室高級顧問
我傾向於認為當前比特幣價格的驚人攀升是泡沫，不否認很多人因為攀比、投機買入比特幣。
但如何辯證地看待泡沫？
上世紀90年代的.com泡沫讓企業的融資成本變得很低，從而誕生了谷歌、百度、阿里巴巴、亞馬遜等公司，出現了社交媒體、雲計算、移動互聯網等新事物。泡沫幫助我們建立了物理的基礎設施，比如光線、發射塔等等。
這是因為泡沫背後是技術的創新。比特幣的泡沫也是如此，這種貨幣泡沫背後的技術創新就是區塊鏈。
結 語
Make the world better是矽谷每個人所信奉的和所執行的信條。
讓每個人感知這樣的信條，用好課程，打破思維邊界，這也是混沌大學這所面向未來的大學應有之義。
講師列表
Todd Buchholz
哈佛大學經濟學教授
Bernard Roth
斯坦福大學設計學院創始人及負責人
Patricia Ryan Madson
斯坦福大學戲劇系教授
Michael Casey
MIT區塊鏈研究團隊成員，《加密貨幣》作者
Sarah Bloom Raskin
美國財政部前副部長，美聯儲理事
JB Straubel
特斯拉聯合創始人及CTO
朱佳俊
Nuro.ai創始人，原谷歌無人車首席軟體工程師
??肖健雄
Auto X創始人及CEO??
Ronald Fedkiw
斯坦福大學教授，2次奧斯卡獎獲得者
邢波
卡耐基梅隆大學教授，深度學習科學家
李佳
斯坦福大學教授，Google智能雲研發負責人
承現俊
???
普林斯頓大學教授，超級物理學家，連接組理論提出者
????????Thomas Sudhof
斯坦福大學教授，諾貝爾獎獲得者，腦神經腦醫藥研究專家
Max Hodak
Neuralink聯合創始人，Elon Musk搭檔
盧冠達
MIT生物工程學、電機工程和計算機科學副教授
Ken Nesmith
Lexent Bio聯合創始人兼CEO
Fraser Stoddart
諾貝爾化學獎獲得者，西北大學教授
TAG:混沌大學 |