當初的生物熱，和如今的全民CS全民AI，讓你想到了什麼？

01-13

未來生物肯定還會熱的，但這種熱指的是用數學，計算機，自動化裝置作為手段來研究生物，而不是單純地重複性勞動來進行集郵式地研究，效率太低了，還嚴重浪費人力。
未來傳統生物學出身的人（指本碩博都在生物相關的專業，缺乏計算機，數學訓練的人）道路會越來越狹窄，而其他行業（例如計算機，數學，微電子）會對生物專業進行降維打擊。現在的生物學的突破有多少是建立在儀器與演算法之上的，做生物學研究的人心裡應該很清楚。

生物熱，再熱也只是生物這一個行業的事，

和其他行業的關係不大，因此並沒有真正熱起來。

但是，CS熱和AI熱，不僅是本行業的事，

更重要的是，用CS和AI去改造各種傳統行業。

早在科學發展觀里，就闡明了工業化和信息化相互促進的道理。

而2016年發布的《中國製造2025》規劃，

更是著重論述了工業化和信息化的深度融合。

《中國製造2025》規劃解讀之推動信息化與工業化深度融合

工業化是現代化的前提和基礎，信息化是現代化的引領和支撐。
推進兩化深度融合，運用信息技術特別是新一代信息通信技術改造傳統產業、發展新興產業，
加快產業轉型升級，是高質量實現工業化和現代化的必然選擇

——改造提升傳統產業，工業發展質量和效益不斷提升。 ——新一代信息通信技術與製造業融合創新，不斷催生新業態新模式。
——新興產業快速發展，兩化融合支撐能力不斷增強。

關於信息化和工業化，國家已經呼籲過十幾年了。

如今，更是在全力推動信息化和工業化深度融合。

如果有人到現在還不明白這是怎麼回事，

還把CS和AI當做一陣風，

那也太幼稚、太無知了。

《三體》里有句經典名言:

弱小和無知不是生存的障礙,傲慢才是。

當年，基本的計算機課程，例如OFFICE操作

還得專門去學習，普通人用不著，

但是，幾年過去，絕大部分白領都或主動或被動學會了。

在未來，大部分白領都得不斷學習新的計算機技術。

比如，在會計和財務領域，電算化越來越普及。

很多單位不再需要那麼多會計和出納，

在總部設立一個財務中心，就可以解決大部分財務需求。

財務人員不得不努力學習計算機技術，

去改造升級財務和會計系統，

這樣就能消滅掉自己的同行，讓他們下崗。

如果不這樣，那下崗的就是自己了。

其他行業也一樣，計算機系統取代了越來越多的人力。

這股大勢我們無法抵擋，我們只能努力，

同時掌握專業技術和計算機技術，

讓自己成為駕馭本行業專業系統的專家，

去消滅自己的同行，讓他們下崗，而不是自己。

工業革命時，機器替代了很多人力

憤怒的工人砸碎了很多機器，但無濟於事。

未來的技術革新，會替代更多的人力，

如果不能意識到這一點並努力轉變，

那隻能被時代的車輪碾碎。

努力學習CS和AI，還不一定趕得上形勢，

不把CS和AI當回事，未來真要吃苦頭的。

不言而喻一目了然

謠言真tmd危險，真tmd的危險，高考報志願的時候聽說計算機爛大街了，報了機械，自動化，還好考的不好分不夠調劑到了軟體工程。。。。。。。。。。。。誰tmd的告訴我2000年的時候計算機就爛大街了。。。。。。。。。

常逛知乎，或者生活在北京，深圳，杭州，上海這幾個互聯網企業比較多的公司的人，才會覺得全民CS，全民AI。

我本科在鄭州這個二線城市，真是一丁點互聯網氛圍都沒有，計算機也不是什麼多熱門的專業，大家還是獃頭獃腦的埋頭學機械，化工，土木，建築……少有人會去轉計算機，提到程序員有時還會跟風黑一黑，程序員加班多死的啦，宅男不解風情啦，35歲當不上管理層就會被辭退啦。

看多了知乎，發現科班程序員對傳統工科行業的了解真是少得可憐，但也難怪，傳統工科的存在感是很低的，最近中興有員工跳樓鬧得風風雨雨，而我所在行業最頂級設計大院員工跳樓卻根本無人知曉，連我都是從同學那聽過來的。以至於有一大批程序員開始不切實際的對國企有美好的嚮往，那位跳樓的逝者完全憑自己的努力在深圳買了房，妻子可以不用工作，還要了二胎，他要是不進你們口中萬惡的私企他能辦得到？還以為現在是單位分房的年代呢。是的，國企一般不開人，但你能力不行了就給你安個閑職，拿著基本工資，提前進入養老生活，當然，要是你關係硬另當別論。

魚與熊掌不可兼得，你不能指望20歲的時候快速升職加薪，而35歲的時候又不被年輕人比下去，因為你20歲的時候在拚命工作想把35歲的人比下去。

互聯網企業是加班最多的嗎，不是，是壓力最大的嗎，也不是，是最損耗身體的嗎，更不是，是工資水平最高的嗎，恐怕是，並且未來較長一段時期仍然會保持較高的工資水平，就算泡沫破裂，大潮退出，也不會差到哪裡去，不信你去問問學生化環材的人。互聯網行業成就了一大批原本很可能只能做份普普通通工作一輩子月薪都上不了萬的人，他們在35之前就掙到了原本一輩子才能掙到的錢，再考慮房價物價，只賺不虧。

你說你選不選CS

---------------------------------------------------------------------------------------------

我想這裡有很多對AI，CS的業外人士（當然，我也是業外人士），做一點簡單的科普或者說淺見。

CS是計算機科學的英文縮寫，並不只是互聯網（一種信息的線上傳輸網路）。

AI是人工智慧的英文縮寫，一說到AI很多都會想到科幻電影里的橋段，其實現在的AI與電影里所描述的差很遠。就我所理解的，AI並非一門高精尖的技術，實際上他是對數據進行分析計算，並做出決策的一套方法，本質是方法論，以機器學習為核心。這就決定了AI能夠插手的範圍很廣，也是很多巨頭看好AI的原因。

我想到的是生物假熱。

CS熱了多少年了，未來還會熱。生物熱那純粹是泡沫，一個基礎學科熱起來是非常不正常的事情。

未來即使發展下去，可能會出現：

醫療熱，製藥熱，環境熱，生態熱，農業熱，獸醫熱……

唯獨沒有生物熱。我列的這些，看起來和生物有些關係，然而他們都有自己獨立的專業學科。

而且，按照目前的趨勢啊，短期內基礎科學會經歷寒冬！

所以，生物這種學科，只是萬金油，絕對不是印度神油。

謝邀！

讓我想到了什麼？

當然是將CS和AI應用到生命科學及醫學研究領域啊，跨學科協作，為生物醫學提供創新解決方案！

如果你正好是這類複合型人才，那麼，恭喜你！21世紀20年代及之後的世界都是你們的啦！

哇咔咔！

當初的生物熱是因為有大肆鼓吹「21世紀是生命的科學」，很多人堅信不疑。

現在的全民CS全民AI很大程度卻是是因為這個行業現在發展工資待遇都不錯。

賭超過壽命的未來和賭現在，能tm一樣嗎？

我覺得CS越來越成為一種必備技能，就像數學一樣，基本所有專業都要學。我覺得人人都應該學CS，但不是人人都應該轉CS。就像大家都用數學知識解決問題，但也不代表大家都要轉到數學系吧。。。現在這個轉系風比較詭異。。。

好吧，讓我們再好好聊聊學科熱這一個話題。

首先，當你對比兩個事物的時候，他們得具備你想對比的部分的類似屬性，如果根本就是兩個東西，那也就沒什麼類比的必要了。

其次，合理的類比才能得出有益的結論，就像讀史可以知興替一樣。

最後，你想對比的生物熱和AI熱顯然是兩回事，因為生物壓根就沒熱過。恐怕你知道的生物熱也都是聽誰誰說，你自己壓根就沒經歷過吧~具體參見：弗蘭克揚：為何當年生物專業那麼火？

學科熱大概是從九十年代初興起的，當時流行學遍數理化，走遍天下都不怕，也是歷史上第一次貶低文科的小熱潮，普遍認為女生才學文科，或者學習不好的人才會去學文，因為那時候第一次現代化大發展，工程師文化相當濃重，我小時候學校里更是灌輸了一種工科XX的氛圍，那時候比較熱的學科就是出來可以當工程師的專業，也就是我們說的典型的工科專業。

九十年代末，經濟學和貿易類專業小火了一把，許多人知道我們2001年加入了世貿組織，但是不知道這個加入世貿，就跟申奧一樣，走過了相當漫長的一段路。那個時候我印象中在廣東已經有許多人靠著做外貿小賺了一筆，走上了財務自由之路。於是許多有經濟頭腦的學子開始把學經濟學和賺錢聯繫在了一起，那一時期許多高校的經濟學類專業忽然就火了。諸如國際經濟與貿易這種專業，也是在那一時期忽然就空降到了許多高校裡面。

從那一時期開始，經濟學開始成為了文科生可以選擇的與理科生工科專業比拼一下的學科，不過大部分經濟學都是文理兼收的。管理專業屬於剛興起就衰敗的典型，他的快速興起也是得益於學生們對於名字的幻想，以為學管理就能出任CEO，余世維等管理學大師也是在21世紀初突然就紅遍了大江南北。

而我之前說的，我讀高中時最火爆的機械設計及其自動化，其實更多的是因為這個專業看名字，好像是結合了工科里的所有優勢，既有力學，又有機械，還能自動化，因此分數就比較高，它的火爆本質上還屬於工科XX的基因。

而第一個從工科專業里異軍突起的專業是建築類和土木工程類，基本上就是在2004年左右的事情了，那時候我們的房地產市場開始起來了，各地方也在大興土木，各種建築師非常搶手，我聽說的第一個高薪職業既不是金融口的，也不是計算機口的，而是建築設計院的，在2004年那個年代，你告訴我，一個985建築科班畢業的本科生工作五年後就能年薪五十萬，我該是什麼表情才好呢？

我至今記得當時有建築系的哥們跑過來跟我扯什麼建築四小龍，土木四小龍，許多建築專業是王牌的高校的建築類專業高考分數都超過了清華的最低分數線。

再之後還有跟著四萬億一起起來的機械，這個其實比較可惜，給我的印象是建築土木基本上吃完了兩個經濟周期的紅利，而機械只吃了半個周期的紅利，2008年畢業的許多學生當時是找不到工作的，尤其是那些想去外企的，基本上都抓瞎了，但是沒想到四萬億砸下來的這麼快，一轉眼，本來跟著其他專業一起吃土的機械專業的哥們全部都成了香餑餑了，一時讓許多人開始看不清楚這迷茫的世道了，不過這種短暫的火爆並沒有帶動到高考分數的變化，我印象中，2009年機械行業開始火爆，等到2013年就開始不行了，也就是說，2009年你高三，你聽說學機械掙錢多，你報考了機械專業，等你畢業你正好趕上了吃土。

類似的也有車輛工程這種專業，我國的傳統汽車市場的高增長時期大概就是在2008年到2013年這五年，這一時期我聽說的年終獎最瘋狂的不是騰訊，而是奧迪這種車企，動不動就是幾十個月的年終獎，當時學化學的我們曾經想千方百計往車企里靠，最後成功的也就是去搞搞汽車塑料配件之類的，這部分人我認識的現在基本都後悔了。

至於通信，也和車輛工程差不多，屬於有優勢的工科產業，遠沒有到達異軍突起的優勢，傳統的通信強校，他通信專業分數自然高，普通高校的通信分數也處於正常水平。

當然我說了這麼多，這些專業都不曾熱過，至少沒有全民XX過。生物就更別提了，具體看我的那篇回答，當年只是名校的生物分數高而已，並不會說生物熱到全民生物，之前熱過的所有學科，在它熱的時候，從事這一行業的人，都能賺得盆滿缽滿，而生物熱的時候畢業就是失業。

現在的AI或者說CS熱已經到了，許多人畢業後都要轉行去學編程，去從事這一行業了，而且轉行成功的人都賺到了比原來行業內待著更多的錢，請問其他學科熱的時候，有過這一景象嗎？

有人會在建築熱的時候轉行去學建築，然後從事建築行業嗎？

有人會覺得機械太搶手了，然後從計算機專業跨考一個機械的研究生嗎？

有人覺得21世紀是生物的世紀，然後放棄軟體工程師的職位去自學生物，準備轉行的嗎？

所以，現在的CS大法好，全民CS熱潮屬於一個在我國歷史上從未出現過的現象，你根本就無法簡單地用過去曾火爆過的一個東西去類比CS，從而得出CS行業未來的趨勢。

所以，你說看著現在的AI熱，能想到什麼？你更應該從技術本身出發去設想，而不是從不恰當的類比去瞎想，如果你不懂AI，不懂CS，就去學著看懂，然後再做判斷，如果你本身就懂，那就從技術本身出發去探討它的未來，而不是沒事兒像大媽買股票一樣在那瞎BB。

機器學習發展，對生物學來說皆大歡喜。

為什麼？因為玄學最終還是要玄學來解決，因為當初沒有辦法產業化的研究成果，被神經網路或者SVM一學習，突然形成了模式，可以產業化了，幾十年積累的龐大數據突然有了噴發的方向。生物行業的機器學習爆發可能很快就會來到，這是不爭的事實。

同時，機器學習的快速進步和開源也帶來了技術門檻的下降，生物專業的學生也可以用Tensorflow, keras跑模型，連R都出了很多操作極簡單的機器學習包。

對生物專業而言，現在既是接收衝擊的時候，也是迎來快速發展的時候。搞ML的人不懂RNA Seq的數據可以用來做什麼，不知道我們的行業痛點。只要我們生物專業的年輕人能快速迭代我們的知識，那麼現在就是最好的發展時代。

最後又回到了知乎大神們經常說的一個觀點。二十一世紀絕對可以是生物的世紀，出問題的是生物專業的教育。

面對AI，我們應該做的不是繼續守著構載體跑膠過柱子的一畝三分地，而是迎接挑戰，當變革的帶頭人。

人都是盲目短視的。如果以一生為職業規劃的尺度，那還是做自己喜歡的事情好。喜歡生物就去做喜歡AI就去做啊，生物狗覺得手殘做不了實驗就改行建模編程啊（比如我），代碼狗覺得實驗有意思就轉生物啊，在這裡非黑即白二分法扯逼什麼蛋呢。40年的偽軍，60年的售貨員，70年的鉗工，80年賣茶葉蛋的為你默默點贊。

大量人湧入生物說21世紀是生物世紀的時候，沒見多少真正發5分以上文章的。樓里部分二分法盲吹ML，AL的，也不是各個都發AAAI/IJCAI及以上的吧。吹什麼設計AI取代生物狗做實驗的可以直接呵呵了。

DL火這一波，模型能力極大提高了的確是一方面，但另一方面也是因為成熟的工具和它的黑盒特性。完全不懂理論的人照著網上文章也能拿pytorch搭模型出來。這一點看看知乎下DL和經典統計學習模型如PGM問答火爆程度之差異就懂。PGM沒個EECS本科高年級水平以上玩兒不了吧。

作為前生物狗現ECE狗，表示轉行的原因完全是手殘+藥品有毒。按規定做好了防護也得提防藥品不濺到衣服上，這時候為安全只好把衣服都扔掉了。

我一直是對互聯網行業非常樂觀的。目前來看，國內的互聯網仍然是年輕人最容易就業且收入尚可的行業。

然而，最近聽聞2017年號稱北美CS就業最慘淡的一年，因此也不得不思考國內互聯網是不是會引來這一天。

國內互聯網行業能夠到目前為止一直保持著非常迅猛的勢頭，是因為互聯網並不是一個單一的行業。或者說，互聯網本身並不算是一個行業。

最早的門戶網站，做的是新聞媒體的活；除了隨後的web 2.0社交網路熱，每一輪的互聯網概念都對應著某種傳統行業：

電子商務，對應著傳統零售業；京東淘寶起來了，中關村電腦城就倒掉了；
即使通訊，對應著傳統通訊業；微信起來了，飛信倒掉了，簡訊不行了；
移動互聯網新媒體，對應著傳統紙媒；公眾號起來了，報紙就不行了；
O2O，仍然對應著傳統零售業；各種外賣起來了，速食麵就不行了；

更多的還有互聯網手機幹掉了中酷聯，滴滴打車搶了計程車公司飯碗，支付寶搶了銀聯飯碗，互聯網的每一波熱潮其實都是對舊行業的一次洗牌和改造。AT之所以能長盛不衰，是因為每一次熱潮到來時，都能以模仿、收購和投資等方式搶得一席之地。

所以，互聯網行業真正衰退有兩種可能性：惡劣的經濟環境導致掀起新的概念，或者傳統行業掌握了足夠強大的自我保護手段可以仿製互聯網公司的入侵。

就拿fintech熱來說，今年剛火起來的智能投顧在迎來了貨幣收緊後，各種相關的創業項目全部受到致命一擊。傳統金融都沒法在這種貨幣環境下割韭菜了，更不用說各種智能投顧。

1、生物熱純粹是無良媒體帶節奏吹起來的，完全沒有任何產業背景，所以大概在06年左右生物就淪為調劑專業了。而CS……大家都知道，不用我再說的。

2、傳統生物學的日子不僅現在難過，以後還會越來越難過——15年的時候我認為基礎學科的泡沫將在五到十年內破裂，然而實際情況比我估計的還糟，今年中美兩國就同時開始官方勸退了。而CS和AI作為侵入性的工具類學科，侵入到生命科學領域只是個時間問題。

3、生命科學不等於生物專業，偽生物專業作為反智的培養奴才的垃圾專業，只能繼續灌水生產學術垃圾，完全不可能推動21世紀生命科學的技術革命——這一點是毫無疑問的，偽生物專業這種弱化數理基礎培養的專業，培養出來的大多數學生無異於文科生和農民工的合體。我不是黑這兩個群體，但是具體到科學技術和工程應用方面，你會相信21世紀的產業革命能靠文科生和農民工推動么？

@張浩千大佬的導師，北京大學物理學院的歐陽頎院士，就一針見血地指出：「21世紀是生命科學的世紀，但是千萬不要進生物系。」

《環球科學》：你似乎說過這樣一句話，21世紀是生命科學的世紀，但是不能進生物系。為什麼有這樣的觀點呢？
歐陽頎：觀點分幾個層面。首先，大學生物系的教育需要做深刻的改革，我有一個論斷：很多大學的生物系不是在做education（教育），而是在做de-education（「去教育」）。
為什麼這麼說呢？你從生物系學生入校的精神狀態和畢業的精神狀態就知道了。這完全是de-education，生物系的課程設計幾乎全是背，但實際上你背得再多，等你畢業的時候全忘光了。所以生物系培養出來的人不可能在系統、定量這些問題上對生物有巨大貢獻。
此外，生物學需要把一些科學上的東西工程化、規模化。什麼叫工程化呢？就是你的設計和生產應該要能分開，其標誌，就是你的理論能夠定量地預測你所設計的東西的行為，什麼樣的input就一定有什麼樣的output。你的預測能力越高，設計能力越強，就越可以放心地把設計藍圖放到生產車間，按這個計劃生產一定沒有問題。現在的生物根本就沒有定量運算，怎麼做預測？所以想用現在的方式培養出來的生物學家來推動21世紀的科技革命，那差得太遠。

總而言之，21世紀確實是生命科學的世紀，但是傳統生物專業的朝陽，永遠都不會升起。

美國本科在學AI，談下想法。

說CS飽和，太泛了。

說AI飽和倒是可以討論下，。。

計算機跟別的學科最大的不同是知識換代的速度非常快。唯一不會換代太快的是概念上的基礎理論，數據結構，編譯，演算法等等，而編程語言，資料庫sql，這些實打實的工具總在不停的更新。

這就導致了，CS學科是靠學習能力論高低，而不是經驗（這點與很多傳統工科土木一類的差很遠）註：當然幹啥事有經驗當然好，但我是說 —-相對— 其他傳統學科。

所以以傳統思維去揣測這個行業肯定沒意義的。。

回到AI，AI真的，潛力非常大，而且本質上對AI的探索和應用才剛剛開始。

AI的相關理論最早提出自 1960-1980這段時間。基於的基礎是數學，其實本質上就是用數學演算法達到機器學習的目的。受限於硬體，AI一直是半死不活狀態。很多流行的AI理論，像神經網路這些都在那個時候已經有了。

我教神經網路的教授還感嘆時代變遷。10年前的樣子還只有3 4個學生來聽他的課，結果到了這今年 boom，每門課都是50多人爆滿。。。

直到最近幾年，硬體條件上來了，AI才剛剛開始起步。

所以AI真正開始大跨步的發展都是近幾年。

而且AI很多方面都還有一堆難題沒有攻克。每種AI學習方法都有自己的缺陷。

傳統貝葉斯樹學習法無法自適應獨特的測試組。

傳統的統計類演算法優勢是不需要依賴外界的數據組，計算消耗量小，但也無法自適應特殊的測試組。

各種特殊的樹狀 solution search演算法問題也很明顯，找到最好的啟發式之類的一直都是個難題。

神經網路相對於經典的AI理論算是一枝獨秀了。

神經網路聽起來很美好，但它對測試組數量的要求太高了，需要大量的數據。沒有那麼多數據怎麼辦？這就是alpha go 設計人天才的地方，他們是要AI自我博弈，「製造」數據，彌補了部分神經網路的缺陷。但這個方法不適用於每種情況。

神經網路的搭建結構也是很講究的，dropout 層，特徵提取層，激活式的選擇。將問題簡化使其可以被線性分割。。等等等

說句實話，即便是今天的硬體條件，神經網路的研究還是受限於當今的硬體設施的。。。

所以AI遠遠不像傳統學科那樣，已經觸碰到了天花板。很多AI的問題還等著被攻克。

關鍵在於，學AI對數學統計邏輯演算法要求真的挺高。沒有這些基礎跟風學的話很容易成為炮灰的么么噠。

所以AI會處於一直缺人的狀態，當然能達到那個標準的也不會太多。。。

生物有關的實際問題和實用科技，大多是靠學物理，化學，甚至是計算機的人解決的。

計算機有關的實際問題和實用科技，大多是學計算機的人解決的。

拿前些年高考填志願時借著人類基因組計劃的節奏，破比媒體們吹捧出來的生物熱，跟現在北上廣畢業生起薪二十萬人民幣，灣區十萬刀的全民CS、ML熱做對比，這就好比拿80年代的矽谷科技熱跟80年代的中國氣功熱對比一樣，到底是不是一回事兒，你自己心裡還沒點比數嗎？

建議看一下NIPS的keynote：

Brendan Frey: Why AI Will Make it Possible to Reprogram the Human Genome

AI已經成功用於醫療、製藥、生物實驗。今後AI肯定會蠶食生物的工作機會，取代低技術含量、重複性強的實驗和數據分析。學生物的如果腦子靈活，還是早點學編程和調參數比較好，否則說不定將來哪天就失業了。

謝邀。

人工智慧還是會火的，至少在21世紀中葉前，所以有志於投身的人不需要猶豫。至於生物研究，很大可能會逐漸加大自動化程度。計算機科學和信息處理的一些方法會逐步融入生物的相關研究中，那些傳統生物學類的研究人員，可能要多看些編程方面的知識了。而且，計算機相關人才會湧入生物研究中，對這個領域造成一定打擊。信息處理和醫學相關的交叉研究領域發展得越來越好，比如現在已經很火熱的醫學圖像處理。

我們要以發展的眼光看熱門，也不能盲目樂觀。

21世紀才過了幾年？現在下結論太早。Deep learning取得突破性進展之前，人工智慧的巨大威力及其威脅論不也基本上只存在於文藝作品中嗎？

在我看來，在AI時代，《攻殼機動隊》里那種人機融合，才是人類這個物種最有希望的前途。當真發展到這一步的時候，生物學可是跟AI開發同等顯赫的頂級職業了。

澄清：這個答案與當下畢業生的職業規劃並沒有什麼關係。。科學技術尚未發展到那一步的時候，學生物就。。。我們大家一起努力，好好保養身體，一定要活到看到生物專業的就業偉大復興那一天。。。