什么是结构知识：只有结构知识在AI时代能够被称之为“学科”。 言一社那篇帖子我收藏在书签里很久了，反复想了好几次，今天终于还是决定写一篇声援支持的回应。说实话，也许会得罪不少人，但到了这个年纪，真没那么在乎了。如果连自己真心认同的话都不敢讲，那当初跑来中文推特追求“言论自由”是为了什么？ 如果你在15到20年前在海淀的985待过，你一定记得，那时计算机还没成为“黄金专业”。经管类、人文社科类才是热门，尤其是在985体系里，学生水平普遍很高，毕业后大多准备出国深造，MBA、国际贸易之类是常见出路。这些年来，我身边做经管方向高校教师的朋友也不少。说我是门外汉实在是不了解情况，那你不妨先看看我后面推文的论证再下结论。 旁氏学科，学科内耗型循环 关键是，这些高校教师（尤其是男性，已经有人生的沉淀了）自己心里其实也清楚，很多所谓的“专业知识”早就已经进入事实上的“旁氏循环”——理论空转（不再面向真实问题、现实需求或跨系统迁移，而是聚焦“理论内部争议”。）、模型无用（评价内化：学科内的“被引用数”“会议地位”“理论优雅度”成了评判标准，而不是可执行性或反馈力。），只靠彼此引用（引用循环：A 教授引用 B 教授、B 引用 C、C 再引用 A；论文引用率高但现实影响力低。）维持表面热度。只是他们身在其中，全家的饭碗系于此身，不敢说、不便说。而我们这些没有教职、没有依附系统的小虾米，没什么好怕的。看到问题，说出来，就是我的自由。 这些所谓“专业”，其实已经变成了典型的旁氏学科，陷入严重的结构内耗型循环：理论只在学科内部互相引用、彼此自洽，却无法被调度、无法被验证，更无力回应真实世界的问题结构。讲得越来越多，能做的越来越少——那还算哪门子的知识体系呢？ 自从有了AI之后，很多人可能注意到我几乎是all in了这个领域，过去几年和模型的交互时间累计已经上万小时。我可以很负责任地说：我们完全有能力把“哪些学科结构还站得住”这件事推演清楚。为了公平起见，我不会一棒子打死所有学科，而是会逐一剖析它们的结构机制。虽然我们这些小虾米人微言轻，但好在，我们不是第一个提出这些问题的人。很多前辈、学术大牛早就发过声、写过书、指出问题。你需要做的不是盲信谁，而是认真听听有没有道理，然后自己做判断。如果你听完仍觉得我在胡扯，那就祝你继续享受那些经管专业和人文社科的“专业教育”，并努力去找一份好工作。 管理学：叙事型学科 我们从“首当其冲”的管理学说起。管理学是结构失效风险最高的学科之一。首先，它的大量理论是典型的事后归纳，比如蓝海战略、五种领导风格、战略金字塔等等，都是围绕成功企业“复盘”出来的总结，不具备任何结构预测力。其次，几乎没有严格的验证机制：一套模型放到不同企业里，结果差异巨大，实验难以复现。更严重的是，许多所谓的“结构”在图解上看似完整，但实际根本不可迁移，不可调度，不可触发行为，只能做“咨询装饰品”或者MBA课堂的教学工具。SWOT分析、波士顿矩阵、流程飞轮等广泛传播的“管理工具”本质上更像是认知记忆装置，而不是压缩性的结构路径模型——也就是说，讲得漂亮，但干不了活。 斯坦福的管理学教授 Henry Mintzberg 在《Managers Not MBAs》中早已提出尖锐批评：传统MBA教育教的是假设世界，而不是系统结构；教的是图而不是路径。正如他所说：“Conventional MBA programs train the wrong people in the wrong ways with the wrong consequences.” 整个管理学体系最根本的结构困境。 当然，管理学也不是全无可用之处，真正进入系统流程、完成结构闭环的部分是有的，比如丰田系的“精益生产（Lean）”，在多个国家、多个产业中反复验证成功；再比如OKR/KPI体系，它们具备目标压缩、行为路径与反馈回路，已被不少企业长期使用；行为经济学和管理实验室引入了AB测试、数据反馈和实验结构；供应链建模、库存控制等更是与运筹学和系统工程紧密连接，有成熟的建模和演化机制。 结构型知识 你会发现，那些仍然“活着”的管理理论有两个共同特征：第一，它们是结构化的执行路径，而不是故事总结；第二，它们具有闭环反馈机制，可以调优、可以迁移。而绝大多数管理学内容，只不过是以“成功企业总结”之名包装出的“伪结构”，活在教材里、PPT里。这就是所谓“事后诸葛亮，讲故事专用”的学科宿命。结构，必须能干活，才配叫知识。 当然，财务会计类知识也是值得学的。其实你已经发现了，值得学的知识，很多“市场在买单”。很多学管理的人最后转财务了。市场虽不是万能的，但是起码给了一些反馈信号。 金融学：有这个脑子学金融数学的全部给我去学计算机，不信你去问梁文峰 金融学是典型的“数学感极强、结构稳定感极弱”的学科，结构失效风险非常高。乍一看，金融学充满了公式、模型、定理，仿佛是数理逻辑的高地；但深入一看，它的整个学科体系高度依赖一系列理想化假设：比如“理性人”“信息对称”“市场均衡”“风险可测”等等。从有效市场假说（EMH）到资本资产定价模型（CAPM），这些经典理论几乎都建立在“世界是有序的”“人是冷静的”“概率是可知的”前提上。问题是，现实中的市场不仅高噪声、非理性，还时常被算法操控、叠加非线性博弈，一不小心就成了金融黑天鹅的孵化场。 很多金融模型在事后看似解释力十足，但事前预测几乎毫无作用。2008年金融危机之前，大部分宏观与风险模型都“安然无恙”；直到系统崩溃，大家才开始争相解释。这种无法闭环验证的结构模型，本质上不是系统模型，而是统计幻觉。一旦极端事件发生，理论结构完全无法应对或修复，只能甩锅给“外部冲击”，而不是承认是结构错误。 从结构六维角度来看，金融学的问题相当系统化： 🎯 在目标层面，它常以“解释经济现象”为目标，却在关键节点无法预测； 🛠️ 在调度层面，许多主流模型（如DSGE）在真实政策或企业操作中无法直接部署； 🔁 在闭环层面，结构缺乏真实反馈修正机制，常陷入“解释-失效-再解释”的内循环。 最有代表性的批判者是 Nassim Nicholas Taleb。他在《黑天鹅》《反脆弱》等作品中反复指出，金融学所依赖的正态分布、风险可控等假设在现实中根本不成立。极端事件远比理论允许的频率高得多，而这些理论却不断将复杂市场压缩成线性、均衡、稳定的错觉。他最著名的一句话就是： “We replaced ‘truth’ with ‘predictability’.”（我们用“可预测性”替代了“真实”。） Taleb的批评并不是要一棒子打死整个金融学，而是提醒我们：真正的结构必须能承受现实的不确定性与极端性，具备演化与修复机制。而金融学如今的很多理论结构，不过是带着数学外壳的玻璃模型，碰不得、摔不起。 这也正是言一社所指出的核心问题之一：高度结构化的学科如果无法闭环、无法应对现实演化，只会变成学术的内循环系统。金融学，就是这类“结构幻觉”最典型的代表之一。 教育学、社会学、传播学等一系列人文学科 剩下的教育学、社会学、传播学等一系列人文学科，其实问题更普遍也更隐蔽。这些领域通常不乏理论框架、话语体系与引用数量，但它们的核心结构往往脱离实践、不可验证、不可调度，更像是在自身话语体系内不断“精修自洽”，而不是与真实系统形成反馈闭环。 教育学的问题由 John Hattie 的工作揭示得最为清晰。他在代表作《Visible Learning》中系统性地量化了上千种教育干预措施的真实教学效果，结果发现：许多在教育界流行甚广的理论（例如“学习风格”、“翻转课堂”）不仅效果微弱，甚至在部分场景中为负。也就是说，大量“理论-实践对照表”上写得头头是道的干预方法，在真实课堂中几乎无效。教育学的结构性问题在于：目标模糊、路径不清、反馈机制缺失，理论与教学行为之间存在巨大鸿沟。 行为经济学之父 Daniel Kahneman 在晚年也公开承认，自己一手推动的诸多非理性行为实验在现实场景中的重复性很低，模型迁移能力弱，结构调度性不足。他意识到：即便揭示出认知偏差，也不意味着你能转化为可操作的行为干预模型。这正是很多社会心理类研究的致命缺陷：洞察多，机制少；解释多，结构弱。 更激烈的批评来自已故的伦敦政治经济学院教授 David Graeber。他在《Bullshit Jobs》和《债的简史》中指出：大量人文学科中构建出来的“专业结构”其实只是维持精英体系自我合法性的幻象。这些学术结构往往脱离实际生产力、脱离真实社会结构，仅在论文、课堂和政策叙事中“流通”。它们维持着一种职业化幻觉：你在其中看似学习了一种“高级理解”，但走出象牙塔就发现，无法调度、无法迁移、无法执行——甚至无法说清到底要干什么。 结构知识才值得你去上专业去学 那我当然不能只打破不建构啊。对于我这种一直痴迷结构的人来说。老推友知道我在家里家具和园艺的亭子什么的都是我自己用木工做的，我就是一个从潜意识，在没有AI之前就很爱结构的人。只不过当时我并没有系统性的总结起来。我也会在AI商用之后，不眠不休好几天，然后决定all in. 真正的结构知识，是能从高熵信息中提取出来、具备可压缩、可调度、可迁移、可反馈能力的可执行认知单元。 当然，现在很多结构知识还没有组成“专业”。毕竟高校是一个非常臃肿，非常官僚的机构。 能够形成结构知识的学科，才真正配得上被称为“专业”。否则，它们不过是信息的陈列室、术语的展览馆，外表光鲜、内核空转。真正值得我们花几年时间系统学习、以“专业”之名去投入的知识体系，必须具备三个核心标准：第一，它必须可压缩，能够将复杂世界抽象为核心机制与模型；第二，它必须可调度，可以被用来规划路径、解决问题、驱动行为；第三，它必须具备迁移性与反馈能力，能够跨场景使用，并且在实际系统中被验证、被修正、被演化。如果不具备这些条件，那学的只是话术和包装，用起来靠感觉，讲出来靠图解，考出来靠背诵——只是精英阶层一场结构幻觉的精致泡沫。 最值得投入的，是那些结构驱动强、闭环能力强的核心体系。比如系统工程与控制论，它以反馈回路为第一原理，广泛适用于从物理系统到AI系统的各类结构建模与控制场景；运筹学与优化算法本身就是调度结构的语言，广泛服务于工业、交通、金融等领域的决策系统；人工智能（尤其是模型方向）更是当代结构知识的总成，贯穿从压缩机制到生成反馈；而像编程语言、计算理论、嵌入式系统、数学与生物建模这些方向，天生强调结构约束与路径调度，是结构闭环的典范训练场。 一些专业虽然不一定作为独立“结构核心”，但本身具备结构组件库的作用，也极其值得系统性学习。例如，计算机科学中真正值得学的不是“写代码”，而是数据结构、操作系统、编译原理，这些都是高度可迁移的结构知识底座。产品工程、系统设计、语义网、知识图谱，认知科学和语言哲学。 还有一类学科不直接强调“单点结构”，但具备极强的跨领域结构整合能力，适合构建“超级认知者”所需的结构通识力。比如信息论和压缩理论，它是智能压缩的数理地基；博弈论与决策科学，提供策略建模和行为调度能力；系统生物学、复杂系统科学、网络科学，则训练你理解结构是如何在自然与社会中涌现、连接、演化的。 相对地，如果一个学科只能告诉你“说法”，却不能教会你“结构”，那它就不值得作为独立专业存在。像管理学、传播学、教育学（传统路径），大多沉溺于图解和事后总结，无法调度真实路径，缺乏结构反馈；人格心理学、部分社会学和文化研究，也多陷入“标签替代结构”“解释替代路径”的叙述幻觉。 真正值得称为“专业”的是内含压缩机制、具备调度能力、能在真实系统中完成反馈与演化的认知体系。 这些内容是我多年总结，多年前想用来劝退MBA和一堆文科专业研究生但是根本没用。我一直说有这个钱，再加点，或者换个目标，去把本科CS给学了，哪怕在国内已经有一个本科文凭。根本没人听我的，又得罪人，懒得说了。直到几年前看到立党，他居然成功了。因为有人真的因为他去学计算机，我觉得他挺神的。