DeepSeek的成功再一次说明了跨学科人才在创新发展中所起到的作用。据笔者所知，不少在量化公司工作的人员，他们在学生时代都曾是数学竞赛、计算机竞赛的金银牌得主。这些人才不仅具备扎实的数理基础，还拥有出色的编程能力。这实际上也给我们带来一些启发：高校在人才培养方面，应更大胆地鼓励学生打破学科界限、勇于尝试，同时提供更多创新竞赛和创业支持，在课程设置方面也应更注重实践性和前沿性。当然，高校也可以通过与企业建立合作关系，建立联合实验室、实习项目等方式，让学生尽早接触实际产业问题，提升实践能力。
当前，大模型技术需要的恰恰是跨学科的原创性。DeepSeek在中国招聘人才，不考虑以往的资历，重点关注人才自身的能力。许多员工都毕业于国内高校，职位不一定事先被确定，应聘者也可以灵活选择。在一篇对DeepSeek创始人梁文锋采访的报道中提到过，团队中没有什么高深莫测的奇才，很多成员中有不少是本土的新人、或来自顶尖高校的应届毕业生，尚未毕业的博四博五实习生等。幻方给他们实习机会与硬件支持，为他们提供了一个平台，努力发挥这些青年人才在科学技术研究中的最大潜力，通过充分发挥不同学科的优势，使得DeepSeek大模型在短期内焕发出光彩。
这也进一步提醒我们，未来的教育模式将会更注重跨学科的融合，培养具备数学、计算机科学、心理学等多学科背景的复合型人才。
再以笔者所在的团队为例。多年科研实践的经验，使得我们在选拔成员时，会关注学生的基础学科水平和竞赛水平。因为，基础学科的表现出色证明其具备扎实的理论基础，这是深入研究和创新的基石。而竞赛水平高的学生，通常展现出较强的逻辑思维、创新能力和解决问题的能力。这些能力是科研和技术发展的关键。
当然，并非只有计算机学科或者数学学科才是必需。事实上，不同学科的潜力型人才学习能力和适应能力通常都更强，能够更快地掌握新知识，更高效地实现科研突破和技术创新。
AI的未来已来，教育和科研能否跟上
DeepSeek的开源，使得业界不少人发出感叹：AI的未来已来，那么，当下的教育和科研能否跟上？如何跟上？
就在2月6日，谷歌发布了《利用AI构建科学未来政策框架》文件，对政府发展AI提出了一系列建议，其中包括，政府应在STEM领域积极争夺人才，想方设法争夺来自世界各地的STEM领域的学生、研究人员和科学家；政府应加大力度支持培养下一代精通AI的科学家；通过各类新的规划，培养教育工作者的AI素养；高等教育机构要将AI整合到课程中，并且通过提供专门的AI项目和跨学科课程，将AI与其他科学学科相结合，为下一代科学家提供驾驭AI驱动未来所需的技能。由此可见，教育和人才是影响AI发展乃至科技未来发展的重要因素。
事实上，信息技术的迅猛发展，也已经在逐步改变教师和教育机构的“角色”。传统教学中，教师主要是知识的传授者，AI的引入使得教师更多转向引导者和辅导者的角色。从短期来看，AI在教学中提升了互动性和效率。教师需要帮助学生理解AI工具的使用，并培养他们的批判性思维和创新能力。而从长期来看，AI将推动教育更加个性化和灵活，AI不仅是学习工具，还可能成为学生创新和研究的合作伙伴，教育将更加注重跨学科的创新能力和解决复杂问题的能力。
事实上，自从大模型出现后，学生已经越来越多地在学习中使用AI工具，不少学生会根据自己的学习进度和需求，向AI“学伴”寻求支持，以解决学习中的难点；通过自动整理文献综述的AI工具快速筛选并总结相关文献，节省大量时间，高效构建研究框架；在编程方面，AI工具的利用率更高，也可以根据简单的描述自动生成代码，避免学生在重复性任务上浪费时间，让他们集中精力解决更具挑战性的问题。
此外，在科研上，AI帮助简化了数据处理和分析，节省了大量时间，让研究者得以更专注于创新和问题解决。在科研中，AI的真正力量在于其能够极大地加速科学研究的过程。特别是在某些领域，如新药研发、材料科学和疾病诊断，AI甚至能将传统实验和研究所需的数百年乃至上千年的工作压缩至几个月甚至几天内完成。
那么，当AI能够做到传授知识、解决问题时，教师的存在价值和存在意义在何处？这些都是我们必须思考的问题，而大学的管理制度，乃至大学的存在也将面临更多挑战。
|
