即刻App年轻人的同好社区
下载
不知道大家有没有刷到，前段时间特别火的斯坦福商学院的对谈，叫View From The Top，专门请各行各业最顶尖的人来聊天。
六月底，他们请来了Anthropic的联合创始人兼总裁Daniela Amode。
当时她在台上被学生问到职业背景，她的回答是：如果你翻我的简历，你大概会想，这个人到底擅长什么？不是计算机科学家，本科读的英国文学。
但一个文学专业毕业生，却联合创办了当今全球最重要的AI公司之一。
在她看来，跨学科的好奇心和持续学习的能力，是一种被严重低估的品质。而且看完整期对话你会发现，她聊的东西其实跟我们每个人选择职业方向时的底层逻辑有关。
1
我们现在谈到职场竞争力，是不是都很喜欢用「专业对口模型」衡量？
就是你学什么，最好就干什么。学计算机的去写代码，学金融的去投行，学法律的去律所。
专业和岗位之间有一条默认的对应关系，偏离这条线就叫转行，转行就意味着从零开始，你前面的积累全打了折扣。
但Daniela的职业轨迹，走的是一条完全相反的道路，我们可以称之为「能力迁移模型」。
2009年，她大学毕业，拿着文学学位进入就业市场，刚好赶上金融危机最惨的时候。
最开始，她去做了国际发展和全球健康，后来去国会山参与政治竞选，再后来回硅谷加入了只有四十个人的Stripe，在那里待了将近六年，然后跳到OpenAI，最后出来创办Anthropic。
每一步看上去都跟前一步没什么关系，但实际上，每一步她都在积累同一组东西：如何在完全陌生的领域快速建立理解、如何跟高度专业化的人协作、如何在资源有限的情况下推动事情往前走。
专业对口模型关注的是你带了什么标签进来，能力迁移模型关注的是你在每一站攒下了什么可以带走的东西。
你用哪个模型理解自己的竞争力，会直接决定你面对新机会时的反应：是觉得自己不够格，还是觉得完全可以试试？
2
Daniela在对谈里讲了自己刚到OpenAI时的故事。
因为她学的是文科专业，当时她身边围着的全是讨论神经网络和Transformer的研究员，她一句也听不懂。
如果换做很多人，第一反应要么是焦虑，要么是退缩。
但她做了一件听起来很简单、但很多人都做不到的事：不停地问问题，问到自己真的理解为止。
其实这两年，我自己也观察到一个在职场上很普遍的现象——越是在高手密度大的环境里，人越不敢提问。
因为提问这个动作暴露了一个很多人不愿意别人看到的东西：我现有知识的边界。
但好奇心这个东西的运作方式，恰恰是反过来的。你越愿意暴露边界，你的边界扩展得越快。
不提问的人看起来什么都懂，其实知识结构一直停在原地；持续提问的人短期内看起来什么都不会，但他们的认知地图一直在长。
Daniela说她在Anthropic招人的时候，在最优秀的候选人身上反复看到的特质组合是：好奇、愿意学、想要产生影响。
注意，不是学历，不是专业，不是几年经验。
所以，好奇心之所以被很多人低估，很核心的原因是它不可量化。但它确实会渗透进你做的所有事情的质量里，尤其是那些没有标准答案、需要你自己去定义问题的事情。
3
但Daniela能在一个技术密集型公司里，发挥这些所谓软实力的前提，是她非常清楚自己能力的边界在哪。
她说，要知道自己的赛道，也知道别人的赛道。她说她大概没办法训练GPT-2或者GPT-3，但她能做很多研究员不擅长的事，关键是理解自己在整个生态里的位置。
这个观点其实对很多文科专业背景的朋友很实用。
这一点非常重要，因为它直接决定了好奇心到底是一种优势还是一种幻觉。
如果一个人只是什么都感兴趣、什么都学一点，但从来没有在任何一个方向上形成足够深的能力壁垒，那他不是一个好奇的通才，他只是一个什么都不精的人，市场不会因为你涉猎广泛就给你付溢价。
真正有效的模式是：在某个维度上建立足够深的能力根据地，然后用好奇心不断向外辐射，把其他领域的认知嫁接过来。
Daniela的根据地是组织管理和跨部门协调，这是她在Stripe六年磨出来的。在这个基础上，她的好奇心才有了着力点，才能在AI这个完全不同的领域里转化为实际的贡献。
4
对谈中有人问Daniela，AI时代什么人类技能会变得更重要？
她举了一个例子，现在我们雇医生，很大程度上是在为诊断能力付费。
你不舒服了去看医生，其实是花钱让一个人告诉你可能哪里出了问题。但AI在诊断这件事上会越来越强，可能很快就会超过大多数人类医生。
那医生这个职业会消失吗？
她觉得不会。因为有一组研究表明，患者跟医生关系好的，临床效果就更好。原因可能是医生更愿意多跑一步、多做一个不那么常规的检查。
而这种人和人之间的信任和关注，AI目前做不到。
这个观察背后，是当执行层面的工作被AI大量接管之后，人和人之间那些不容易被标准化的东西，比如信任、理解、协作中的微妙判断，价值权重会急剧上升。
这恰恰是所谓文科训练在做的事。
阅读文学作品，很大程度上就是在不断练习一件事：进入一个跟你完全不同的人的视角里，去理解他为什么做了那个选择。
这种训练出来的共情力和理解力，在效率为王的时代看起来没什么用。
但在AI把效率问题解决了大半之后，它可能反而成了最稀缺的那一层。
对谈快结束的时候，主持人问Daniela如果重来一次会选什么专业。
她说大概还是文学，理由只有一句：我喜欢读书。
她的每一步都是主动选择的，每一步都有真实的投入和产出。这种人在任何一个时间截面上看都不像传统意义上的优秀候选人，但把时间拉长，他们反而是最难被替代的。
六月底，他们请来了Anthropic的联合创始人兼总裁Daniela Amode。
当时她在台上被学生问到职业背景，她的回答是：如果你翻我的简历，你大概会想，这个人到底擅长什么？不是计算机科学家，本科读的英国文学。
但一个文学专业毕业生，却联合创办了当今全球最重要的AI公司之一。
在她看来，跨学科的好奇心和持续学习的能力，是一种被严重低估的品质。而且看完整期对话你会发现，她聊的东西其实跟我们每个人选择职业方向时的底层逻辑有关。
1
我们现在谈到职场竞争力，是不是都很喜欢用「专业对口模型」衡量？
就是你学什么，最好就干什么。学计算机的去写代码，学金融的去投行，学法律的去律所。
专业和岗位之间有一条默认的对应关系，偏离这条线就叫转行，转行就意味着从零开始，你前面的积累全打了折扣。
但Daniela的职业轨迹，走的是一条完全相反的道路，我们可以称之为「能力迁移模型」。
2009年，她大学毕业，拿着文学学位进入就业市场，刚好赶上金融危机最惨的时候。
最开始，她去做了国际发展和全球健康，后来去国会山参与政治竞选，再后来回硅谷加入了只有四十个人的Stripe，在那里待了将近六年，然后跳到OpenAI，最后出来创办Anthropic。
每一步看上去都跟前一步没什么关系，但实际上，每一步她都在积累同一组东西：如何在完全陌生的领域快速建立理解、如何跟高度专业化的人协作、如何在资源有限的情况下推动事情往前走。
专业对口模型关注的是你带了什么标签进来，能力迁移模型关注的是你在每一站攒下了什么可以带走的东西。
你用哪个模型理解自己的竞争力，会直接决定你面对新机会时的反应：是觉得自己不够格，还是觉得完全可以试试？
2
Daniela在对谈里讲了自己刚到OpenAI时的故事。
因为她学的是文科专业，当时她身边围着的全是讨论神经网络和Transformer的研究员，她一句也听不懂。
如果换做很多人，第一反应要么是焦虑，要么是退缩。
但她做了一件听起来很简单、但很多人都做不到的事：不停地问问题，问到自己真的理解为止。
其实这两年，我自己也观察到一个在职场上很普遍的现象——越是在高手密度大的环境里，人越不敢提问。
因为提问这个动作暴露了一个很多人不愿意别人看到的东西：我现有知识的边界。
但好奇心这个东西的运作方式，恰恰是反过来的。你越愿意暴露边界，你的边界扩展得越快。
不提问的人看起来什么都懂，其实知识结构一直停在原地；持续提问的人短期内看起来什么都不会，但他们的认知地图一直在长。
Daniela说她在Anthropic招人的时候，在最优秀的候选人身上反复看到的特质组合是：好奇、愿意学、想要产生影响。
注意，不是学历，不是专业，不是几年经验。
所以，好奇心之所以被很多人低估，很核心的原因是它不可量化。但它确实会渗透进你做的所有事情的质量里，尤其是那些没有标准答案、需要你自己去定义问题的事情。
3
但Daniela能在一个技术密集型公司里，发挥这些所谓软实力的前提，是她非常清楚自己能力的边界在哪。
她说，要知道自己的赛道，也知道别人的赛道。她说她大概没办法训练GPT-2或者GPT-3，但她能做很多研究员不擅长的事，关键是理解自己在整个生态里的位置。
这个观点其实对很多文科专业背景的朋友很实用。
这一点非常重要，因为它直接决定了好奇心到底是一种优势还是一种幻觉。
如果一个人只是什么都感兴趣、什么都学一点，但从来没有在任何一个方向上形成足够深的能力壁垒，那他不是一个好奇的通才，他只是一个什么都不精的人，市场不会因为你涉猎广泛就给你付溢价。
真正有效的模式是：在某个维度上建立足够深的能力根据地，然后用好奇心不断向外辐射，把其他领域的认知嫁接过来。
Daniela的根据地是组织管理和跨部门协调，这是她在Stripe六年磨出来的。在这个基础上，她的好奇心才有了着力点，才能在AI这个完全不同的领域里转化为实际的贡献。
4
对谈中有人问Daniela，AI时代什么人类技能会变得更重要？
她举了一个例子，现在我们雇医生，很大程度上是在为诊断能力付费。
你不舒服了去看医生，其实是花钱让一个人告诉你可能哪里出了问题。但AI在诊断这件事上会越来越强，可能很快就会超过大多数人类医生。
那医生这个职业会消失吗？
她觉得不会。因为有一组研究表明，患者跟医生关系好的，临床效果就更好。原因可能是医生更愿意多跑一步、多做一个不那么常规的检查。
而这种人和人之间的信任和关注，AI目前做不到。
这个观察背后，是当执行层面的工作被AI大量接管之后，人和人之间那些不容易被标准化的东西，比如信任、理解、协作中的微妙判断，价值权重会急剧上升。
这恰恰是所谓文科训练在做的事。
阅读文学作品，很大程度上就是在不断练习一件事：进入一个跟你完全不同的人的视角里，去理解他为什么做了那个选择。
这种训练出来的共情力和理解力，在效率为王的时代看起来没什么用。
但在AI把效率问题解决了大半之后，它可能反而成了最稀缺的那一层。
对谈快结束的时候，主持人问Daniela如果重来一次会选什么专业。
她说大概还是文学，理由只有一句：我喜欢读书。
她的每一步都是主动选择的，每一步都有真实的投入和产出。这种人在任何一个时间截面上看都不像传统意义上的优秀候选人，但把时间拉长，他们反而是最难被替代的。
58 418
来自圈子
职场那些事儿
100万+人已经加入