你學的專業可能是 “旁氏騙局”？AI時代只有這種知識才算真本事

來源：京墨金融

什么是結構知識：只有結構知識在AI時代能夠被稱之為“學科”。
--SusanSTEM

言一社那篇帖子我收藏在書簽里很久了，反復想了好幾次，今天終于還是決定寫一篇聲援支持的回應。說實話，也許會得罪不少人，但到了這個年紀，真沒那么在乎了。如果連自己真心認同的話都不敢講，那當初跑來中文推特追求“言論自由”是為了什么？
如果你在15到20年前在海淀的985待過，你一定記得，那時計算機還沒成為“黃金專業”。經管類、人文社科類才是熱門，尤其是在985體系里，學生水平普遍很高，畢業后大多準備出國深造，MBA、國際貿易之類是常見出路。這些年來，我身邊做經管方向高校教師的朋友也不少。說我是門外漢實在是不了解情況，那你不妨先看看我后面推文的論證再下結論。
旁氏學科，學科內耗型循環
關鍵是，這些高校教師（尤其是男性，已經有人生的沉淀了）自己心里其實也清楚，很多所謂的“專業知識”早就已經進入事實上的“旁氏循環”——理論空轉（不再面向真實問題、現實需求或跨系統遷移，而是聚焦“理論內部爭議”。）、模型無用（評價內化：學科內的“被引用數”“會議地位”“理論優雅度”成了評判標準，而不是可執行性或反饋力。），只靠彼此引用（引用循環：A 教授引用 B 教授、B 引用 C、C 再引用 A；論文引用率高但現實影響力低。）維持表面熱度。只是他們身在其中，全家的飯碗系于此身，不敢說、不便說。而我們這些沒有教職、沒有依附系統的小蝦米，沒什么好怕的?？吹絾栴}，說出來，就是我的自由。
這些所謂“專業”，其實已經變成了典型的旁氏學科，陷入嚴重的結構內耗型循環：理論只在學科內部互相引用、彼此自洽，卻無法被調度、無法被驗證，更無力回應真實世界的問題結構。講得越來越多，能做的越來越少——那還算哪門子的知識體系呢？
自從有了AI之后，很多人可能注意到我幾乎是all in了這個領域，過去幾年和模型的交互時間累計已經上萬小時。我可以很負責任地說：我們完全有能力把“哪些學科結構還站得住”這件事推演清楚。為了公平起見，我不會一棒子打死所有學科，而是會逐一剖析它們的結構機制。雖然我們這些小蝦米人微言輕，但好在，我們不是第一個提出這些問題的人。很多前輩、學術大牛早就發過聲、寫過書、指出問題。你需要做的不是盲信誰，而是認真聽聽有沒有道理，然后自己做判斷。如果你聽完仍覺得我在胡扯，那就祝你繼續享受那些經管專業和人文社科的“專業教育”，并努力去找一份好工作。
管理學：敘事型學科
我們從“首當其沖”的管理學說起。管理學是結構失效風險最高的學科之一。首先，它的大量理論是典型的事后歸納，比如藍海戰略、五種領導風格、戰略金字塔等等，都是圍繞成功企業“復盤”出來的總結，不具備任何結構預測力。其次，幾乎沒有嚴格的驗證機制：一套模型放到不同企業里，結果差異巨大，實驗難以復現。更嚴重的是，許多所謂的“結構”在圖解上看似完整，但實際根本不可遷移，不可調度，不可觸發行為，只能做“咨詢裝飾品”或者MBA課堂的教學工具。SWOT分析、波士頓矩陣、流程飛輪等廣泛傳播的“管理工具”本質上更像是認知記憶裝置，而不是壓縮性的結構路徑模型——也就是說，講得漂亮，但干不了活。
斯坦福的管理學教授 Henry Mintzberg 在《Managers Not MBAs》中早已提出尖銳批評：傳統MBA教育教的是假設世界，而不是系統結構；教的是圖而不是路徑。正如他所說：“Conventional MBA programs train the wrong people in the wrong ways with the wrong consequences.” 整個管理學體系最根本的結構困境。
當然，管理學也不是全無可用之處，真正進入系統流程、完成結構閉環的部分是有的，比如豐田系的“精益生產（Lean）”，在多個國家、多個產業中反復驗證成功；再比如OKR/KPI體系，它們具備目標壓縮、行為路徑與反饋回路，已被不少企業長期使用；行為經濟學和管理實驗室引入了AB測試、數據反饋和實驗結構；供應鏈建模、庫存控制等更是與運籌學和系統工程緊密連接，有成熟的建模和演化機制。
結構型知識
你會發現，那些仍然“活著”的管理理論有兩個共同特征：第一，它們是結構化的執行路徑，而不是故事總結；第二，它們具有閉環反饋機制，可以調優、可以遷移。而絕大多數管理學內容，只不過是以“成功企業總結”之名包裝出的“偽結構”，活在教材里、PPT里。這就是所謂“事后諸葛亮，講故事專用”的學科宿命。結構，必須能干活，才配叫知識。
當然，財務會計類知識也是值得學的。其實你已經發現了，值得學的知識，很多“市場在買單”。很多學管理的人最后轉財務了。市場雖不是萬能的，但是起碼給了一些反饋信號。
金融學：有這個腦子學金融數學的全部給我去學計算機，不信你去問梁文峰
金融學是典型的“數學感極強、結構穩定感極弱”的學科，結構失效風險非常高。乍一看，金融學充滿了公式、模型、定理，仿佛是數理邏輯的高地；但深入一看，它的整個學科體系高度依賴一系列理想化假設：比如“理性人”“信息對稱”“市場均衡”“風險可測”等等。從有效市場假說（EMH）到資本資產定價模型（CAPM），這些經典理論幾乎都建立在“世界是有序的”“人是冷靜的”“概率是可知的”前提上。問題是，現實中的市場不僅高噪聲、非理性，還時常被算法操控、疊加非線性博弈，一不小心就成了金融黑天鵝的孵化場。
很多金融模型在事后看似解釋力十足，但事前預測幾乎毫無作用。2008年金融危機之前，大部分宏觀與風險模型都“安然無恙”；直到系統崩潰，大家才開始爭相解釋。這種無法閉環驗證的結構模型，本質上不是系統模型，而是統計幻覺。一旦極端事件發生，理論結構完全無法應對或修復，只能甩鍋給“外部沖擊”，而不是承認是結構錯誤。
從結構六維角度來看，金融學的問題相當系統化：
在目標層面，它常以“解釋經濟現象”為目標，卻在關鍵節點無法預測；
? 在調度層面，許多主流模型（如DSGE）在真實政策或企業操作中無法直接部署；
在閉環層面，結構缺乏真實反饋修正機制，常陷入“解釋-失效-再解釋”的內循環。
最有代表性的批判者是 Nassim Nicholas Taleb。他在《黑天鵝》《反脆弱》等作品中反復指出，金融學所依賴的正態分布、風險可控等假設在現實中根本不成立。極端事件遠比理論允許的頻率高得多，而這些理論卻不斷將復雜市場壓縮成線性、均衡、穩定的錯覺。他最著名的一句話就是：
“We replaced ‘truth’ with ‘predictability’.”（我們用“可預測性”替代了“真實”。）
Taleb的批評并不是要一棒子打死整個金融學，而是提醒我們：真正的結構必須能承受現實的不確定性與極端性，具備演化與修復機制。而金融學如今的很多理論結構，不過是帶著數學外殼的玻璃模型，碰不得、摔不起。
這也正是言一社所指出的核心問題之一：高度結構化的學科如果無法閉環、無法應對現實演化，只會變成學術的內循環系統。金融學，就是這類“結構幻覺”最典型的代表之一。
教育學、社會學、傳播學等一系列人文學科
剩下的教育學、社會學、傳播學等一系列人文學科，其實問題更普遍也更隱蔽。這些領域通常不乏理論框架、話語體系與引用數量，但它們的核心結構往往脫離實踐、不可驗證、不可調度，更像是在自身話語體系內不斷“精修自洽”，而不是與真實系統形成反饋閉環。
教育學的問題由 John Hattie 的工作揭示得最為清晰。他在代表作《Visible Learning》中系統性地量化了上千種教育干預措施的真實教學效果，結果發現：許多在教育界流行甚廣的理論（例如“學習風格”、“翻轉課堂”）不僅效果微弱，甚至在部分場景中為負。也就是說，大量“理論-實踐對照表”上寫得頭頭是道的干預方法，在真實課堂中幾乎無效。教育學的結構性問題在于：目標模糊、路徑不清、反饋機制缺失，理論與教學行為之間存在巨大鴻溝。
行為經濟學之父 Daniel Kahneman 在晚年也公開承認，自己一手推動的諸多非理性行為實驗在現實場景中的重復性很低，模型遷移能力弱，結構調度性不足。他意識到：即便揭示出認知偏差，也不意味著你能轉化為可操作的行為干預模型。這正是很多社會心理類研究的致命缺陷：洞察多，機制少；解釋多，結構弱。
更激烈的批評來自已故的倫敦政治經濟學院教授 David Graeber。他在《Bullshit Jobs》和《債的簡史》中指出：大量人文學科中構建出來的“專業結構”其實只是維持精英體系自我合法性的幻象。這些學術結構往往脫離實際生產力、脫離真實社會結構，僅在論文、課堂和政策敘事中“流通”。它們維持著一種職業化幻覺：你在其中看似學習了一種“高級理解”，但走出象牙塔就發現，無法調度、無法遷移、無法執行——甚至無法說清到底要干什么。
結構知識才值得你去上專業去學
那我當然不能只打破不建構啊。對于我這種一直癡迷結構的人來說。老推友知道我在家里家具和園藝的亭子什么的都是我自己用木工做的，我就是一個從潛意識，在沒有AI之前就很愛結構的人。只不過當時我并沒有系統性的總結起來。我也會在AI商用之后，不眠不休好幾天，然后決定all in.
真正的結構知識，是能從高熵信息中提取出來、具備可壓縮、可調度、可遷移、可反饋能力的可執行認知單元。
當然，現在很多結構知識還沒有組成“專業”。畢竟高校是一個非常臃腫，非常官僚的機構。
能夠形成結構知識的學科，才真正配得上被稱為“專業”。否則，它們不過是信息的陳列室、術語的展覽館，外表光鮮、內核空轉。真正值得我們花幾年時間系統學習、以“專業”之名去投入的知識體系，必須具備三個核心標準：第一，它必須可壓縮，能夠將復雜世界抽象為核心機制與模型；第二，它必須可調度，可以被用來規劃路徑、解決問題、驅動行為；第三，它必須具備遷移性與反饋能力，能夠跨場景使用，并且在實際系統中被驗證、被修正、被演化。如果不具備這些條件，那學的只是話術和包裝，用起來靠感覺，講出來靠圖解，考出來靠背誦——只是精英階層一場結構幻覺的精致泡沫。
最值得投入的，是那些結構驅動強、閉環能力強的核心體系。比如系統工程與控制論，它以反饋回路為第一原理，廣泛適用于從物理系統到AI系統的各類結構建模與控制場景；運籌學與優化算法本身就是調度結構的語言，廣泛服務于工業、交通、金融等領域的決策系統；人工智能（尤其是模型方向）更是當代結構知識的總成，貫穿從壓縮機制到生成反饋；而像編程語言、計算理論、嵌入式系統、數學與生物建模這些方向，天生強調結構約束與路徑調度，是結構閉環的典范訓練場。
一些專業雖然不一定作為獨立“結構核心”，但本身具備結構組件庫的作用，也極其值得系統性學習。例如，計算機科學中真正值得學的不是“寫代碼”，而是數據結構、操作系統、編譯原理，這些都是高度可遷移的結構知識底座。產品工程、系統設計、語義網、知識圖譜，認知科學和語言哲學。
還有一類學科不直接強調“單點結構”，但具備極強的跨領域結構整合能力，適合構建“超級認知者”所需的結構通識力。比如信息論和壓縮理論，它是智能壓縮的數理地基；博弈論與決策科學，提供策略建模和行為調度能力；系統生物學、復雜系統科學、網絡科學，則訓練你理解結構是如何在自然與社會中涌現、連接、演化的。
相對地，如果一個學科只能告訴你“說法”，卻不能教會你“結構”，那它就不值得作為獨立專業存在。像管理學、傳播學、教育學（傳統路徑），大多沉溺于圖解和事后總結，無法調度真實路徑，缺乏結構反饋；人格心理學、部分社會學和文化研究，也多陷入“標簽替代結構”“解釋替代路徑”的敘述幻覺。
真正值得稱為“專業”的是內含壓縮機制、具備調度能力、能在真實系統中完成反饋與演化的認知體系。
這些內容是我多年總結，多年前想用來勸退MBA和一堆文科專業研究生但是根本沒用。我一直說有這個錢，再加點，或者換個目標，去把本科CS給學了，哪怕在國內已經有一個本科文憑。根本沒人聽我的，又得罪人，懶得說了。直到幾年前看到立黨，他居然成功了。因為有人真的因為他去學計算機，我覺得他挺神的。

Note：

言一社說：

當你想拿某個大牛教授的論文為你背書，或者反駁某觀點時：你需要審視下，這個論文的基礎，甚至這個學科，是否真的還立的住。為你背書的是教授的權威，還是教授的理論本身？
舉個例子，經濟學（大家都懂點），這門學科的根基在70年前（西蒙的有限理性）就開始逐漸松動，并不是AI到來才發生。經濟學本質是研究稀缺性的，建立在很多基本假設之上（比如理性人假設），發展出一些實用的模型比如微觀經濟學的供需關系，效用，機會成本，宏觀經濟學的周期等等。AI幾乎重構（說摧毀有點夸張）了經濟學理論的基本假設（自行LLM解碼）。經濟學自己是立不住的，只能向靠山政治學（政治經濟學）靠攏。如果經濟學立不住，那衍生學科（比如金融）如何立得住。你拿個金融學（詐騙學）頂級期刊的高引用論文，看起來很牛逼，但有沒有用 你感受下。