从工地到AI实验室：一个跨界者的转型启示录

标题的确比较营销，但时代的变化，你我都切身体会着。这是一个高速迭代的时代，今天一个”AI 大模型又突破，不用 AI 就跟不上时代“，明天发现”整个工厂没有工人，全都是机器人在工作“。难道你我就只能拍桌子说”老子不干了“？我想大多数人并不会这样选，而是着手寻找一种能够快速学会新技能的方法。

我本科是土木专业，说真的，那时候面对着混凝土，我对自己的未来的期望就是一个搬砖盖楼的。


哪成想现在变成了一个 AI 从业者，下次转型说不定就变成了一个科技奶爸。能给我带来如此多变的条件，我想归根结底是一种 迁移学习的思维模式。

过去的成长观已不适合 AI 时代¶

在过去的几十年里，我们一直推崇 T 型或 π 型人才的培养模式，强调一专多能的发展路径。然而，随着AI大模型的快速发展，这种传统的能力培养模式正面临着前所未有的挑战。

AI，尤其是生成式 AI 使得知识获取变得前所未有的简单，信息壁垒被打破，通用技能，甚至是一些普遍的专业性技能的价值正在快速贬值。

我们正目睹着这样的现实：工业机器人取代了流水线工人，而许多工人却难以快速转型；AI绘画工具的普及使得原本需要10个设计师的项目，现在只需要1个懂AI的设计师就能完成。这些案例都在警示我们：当 AI 已可以替掉我们花了数年时间培养的熟练技能后，我们却可能无法顺利转型，去到新的领域。

就从我们接受 AI 的趋势来看，这种趋势会发生得越来越快。

从 AI 的迁移学习算法看人类学习范式¶

在人类的学习思考中，类比是一种十分有效的方式。就像小孩通过观察猫的行为来理解老虎一样，我们常常通过已知的知识来理解新事物。

这种学习方式与AI中的迁移学习、领域适应算法（Domain Adaptation）有着惊人的相似之处。

这是一篇介绍如何迁移对历史桥梁结构的认知，到新桥梁上，利用对旧桥梁的健康数据，来判断新桥梁的健康状态 [1]。左边坐标图中看到的是旧桥梁和新桥梁的数据差别，右边是模型训练理解之后，将新旧桥梁的认知进行了融合，迁移了旧桥梁的知识。这样就能对新桥梁做决策与判断了。

很学术的介绍哈。让我来用能听懂的话再说一次：将新旧知识建立起关联，并利用旧知识辅助新知识的理解，其实在 AI 模型训练中是一种经典方法。

再深入一些，模型对新旧认知的理解，并不是直白的表层信息（特征）的理解，而是掰开了揉碎了，做了刨根问底的 “非线性变化” 之后的理解。

对新旧数据的这种非线性变化，在 “潜空间” Latent Space 进行“数据本质”的对齐操作，恰恰是模型能够比较容易的做新旧知识迁移的底层原因。

我再翻译成人话，举个例子： 要想将动物研究的理论迁移到人身上，我们必然会对动物的行为进行深度分析，同时也在人身上深度分析类似的可以对比的行为，将两者在生物本质层面做关联，然后才能从动物实验中迁移一些研究成果到人身上。 老鼠的 25 号宇宙实验就是一个用老鼠研究人类社会现象的案例。

在我们的日常生活中，迁移学习的思维模式无处不在。例如，我经常从AI算法的角度来思考人脑的学习过程，发现两者在信息处理、模式识别等方面有着惊人的相似性。另一个有趣的案例是，有人用物理学中的能量波理论来解释股票市场的波动，这种跨学科的知识迁移往往能带来新的洞见。

我不断转型的启示¶

我从国内教育体系迁移到国外，从土木专业迁移到 AI 专业，现在又从开发迁移到产品经理，甚至以后可能要要去做科技奶爸。不断地迁移，让我持续发掘出迁移、跨领域的好处。

记性不好者的福音

我记不住东西，特别年级越大，越容易忘。不断地转型，学习新领域的事物，迫使我去发现这些事物在本质上的共性。

让我能用有限的认知，管理快速增长的知识面。

带来更深度的理解

我前面也提到，想要成功的迁移新旧知识，就必须对其做深度的理解。而在深度理解的时候，我们实际在做的也是对知识的压缩。我在之前的《会学习=会压缩》的文章中也提过，压缩学习看上去会丢掉很多信息，但丢掉的是噪声，让我们在庞大的信息中找到核心本质信息，在这种更纯净信息上建立知识体系，这是一种更有效的学习方式。

从单点到体系的知识建设

迁移学习，是牵一发而动全身的！别光看我为新知识找到了对应的老知识，但是别忘了，这也是回忆巩固老知识的时刻。让我们能充分利用这一时刻来构建整体的知识网络。相比单纯去学习新知识，迁移学习，让我们提升了整个知识体系的稳定性。

败也 AI，成也 AI¶

AI 确实带来了对我们知识的降维打击。但它同时也为我们提供了快速迁移技能的途径。关键在于学会如何有效地利用AI工具。例如，我在这篇文章提到的向AI提问的技巧，让我们利用 AI 搭建一个迁移知识的桥梁，让它多为我们建立类比的基础。做更有效率的迁移学习。

结语¶

在这个 AI 快速发展的时代，迁移学习不仅是一种学习方法，更是一种生存智慧。它让我们能够在不断变化的环境中保持竞争力，在知识的海洋中游刃有余。通过建立知识间的联系，深入理解本质，我们不仅能更好地适应变化，还能在这个过程中不断提升自己的认知水平。

记住，重要的不是我们掌握了多少具体的技能，而是我们是否掌握了快速学习和迁移知识的能力。在 AI 时代，这种能力将成为我们最宝贵的财富。让我们拥抱变化，善用 AI 工具，在知识的迁移中不断成长，在变革的浪潮中扬帆远航。

[1] A Comprehensive Study on Unsupervised Transfer Learning for Structural Health Monitoring of Bridges Using Joint Distribution Adaptation