有人会说:“这不就是典型的生化环材的‘天坑’专业吗?这是要把我们往‘坑’里推吗?”这个问题我在第 2 章中就和大家探讨过了。生化环材之所以被一些人视为“天坑”专业,通常是因为相比其他专业(如计算机科学等),这些专业的毕业生在短期内可能不太容易找到高薪工作,或者看起来职业前景不那么明朗,但这些专业仍有其独特价值和长远发展潜力。
生物学、化学等基础科学是理解自然界和开发新技术的基础,是当今科技发展的热点和前沿领域,比如生物技术、纳米材料,这些领域的研究对于医学、环保、新材料等领域的发展至关重要,在解决全球性问题(如气候变化、能源危机等)中发挥着关键作用。虽然目前来说这些专业的就业前景没有那么乐观,但是,我觉得在未来还是很值得期待的。我国正处于科技兴国的关键时期,各个尖端科技领域正在快速发展,许多大学和研究所亟需生化环材等领域的尖端人才,例如,颜宁老师在 2023 年当选中国科学院院士后,就在深圳创办成立了深圳医学科学院,服务于科研、教育、产业孵化和创新。
不仅仅是学术界,产业界也非常需要这方面的人才。许多产业(如制药、生物技术、环保、新能源、新材料等)需要这些领域的专业知识。而且,随着科技的发展,这些领域与计算机科学、人工智能等技术的结合会越来越紧密,比如在生物信息学、环境监测技术等领域。所以,尽管短期内这些专业可能面临就业挑战,但从长期来看,它们在科技和社会发展中占据重要位置。
分析了这么多,其实专业选择只是一个宏观方向的判断。事实上,学什么专业与未来的就业并不是完全的正相关关系。我们要从实际问题出发,不用太在意自己到底学的什么专业,只要想尽各种办法去解决问题即可。
本节最后,我想以一个高中生的故事结尾,希望能引发大家的思考。
2019 年 1 月,一个叫劳拉 · 奥沙利文(Laura O'Sullivan)的人,在爱尔兰青年科学家大赛中得了奖,因为她训练出来的 AI,对宫颈癌判断的准确率超过了人类医生。
劳拉是谁?是个数学天才吗?是个编程高手吗?是个医学圣手吗?都不是,她是一个仅有 16 岁的高中女生。
为什么一个 16 岁的高中女生就能做出这么厉害的 AI 工具?她到底做了什么?
故事始于一个名叫薇姬 · 费伦(Vicky Phelan)的爱尔兰女性,她在 2011 年被诊断患有晚期宫颈癌,后来她发现她的宫颈癌筛查结果曾被错误报告为阴性,而她并没有被通知这是一个错误,直到病情恶化到无法治愈的阶段,她重新调取记录的时候才发现。而且,不仅仅是薇姬 · 费伦,有将近 200 名女性在宫颈癌筛查时都被报告为阴性,结果却得了癌症,当时这一新闻闹得沸沸扬扬。
劳拉对这个新闻产生了浓厚的兴趣,她意识到这个问题的实质其实就是图像识别问题。她之前参加过编码培训,会简单编程,也在 Cousera 网站学过一点儿关于机器学习和深度学习的在线课程,知道怎么搭建卷积神经网络,这就是她知识的原始积累,但其实懂得这些就已经足够了。
真正的难题不在于编程,而在于数据获取。于是,她联系了丹麦的一家医院,获取了宫颈涂片的开源数据集,但是数据集不太理想,因为大部分是病变的图片,健康的图片很少,AI 无法直接对比。
那怎么办呢?她想到了生成式对抗网络(GAN),这是一种可以自己“举一反三”的技术,相当于自己生成与自己类似的样本,用自己生成的数据训练自己。但是,她只是模模糊糊地听说过这种技术,于是她去学习了一下 GAN 的工作原理,当然也不是真的搞懂了,因为根本不需要完全搞懂,只要能在 GitHub 网站上找到现成的 GAN 代码就足够了。
万事俱备,可以开始行动了。于是,劳拉在她爸爸的笔记本计算机上,用下载的数据和代码,通过不断地调试和评估,就把这个应用做出来了。
不知道你从这个故事中读到了什么?我想和大家传达的思想是,本节虽然是在讲专业选择,但到最后,我想让你放下执念,不要去思考与专业选择相关的太多问题,因为在未来,具体的专业可能没有那么重要,能识别问题、看到问题,并用各个学科专业手段去创造性地解决问题才是关键(劳拉这个项目就是生物学、医学和计算机科学交叉的典范)。在不断变化的工作环境中,只有拥有多学科背景,再加上终身学习和不断更新知识,才能适应新的挑战和变化。
评论 0条