苏勤的话，让场内的氛围为之一窒。最新地址发送任意邮件到 ltx Sba@gmail.ㄈòМ 获取

那是一种愤懑地无声叹息——所有的理，在一瞬间都被苏勤描绘的可能攫取了过去，觉得他说的有道理。

但潜意识里，大家又不免排斥抗拒，因为“马太效应和互联网的结合”这个话题太沉重了——每一个无法再某个最细分领域做到第一名的，似乎都会变成毫无价值的渣。但第一又能有多少？哪怕把评判领域分得再细，只怕这世界上都会有90%的，在未来变成渣吧？

所有认同苏勤的同时，又不免比原先更加期待冯见雄的反驳。

冯见雄恰到好处地开了：“在每个具体细分领域的部内容提供者，会被马太效应放大其优势，而第二名哪怕只比第一名差5%，都会变得毫无价值——这个判断，总体上来说，是没有问题的。”

他先概括了一下对方的描述，把要辨析的重点突出来，然后话锋一转，重点解剖，

“但是，请对方辩友注意，你的这个假设只是存在于理想状态。事实上现实生活中可以依靠单一评价指标达到某一细分领域第一名的——我们可以假设他们都是‘专才’——只是极少数；他们为社会创造的价值和贡献，与类社会所创造的总价值相比，所占的比例也是微不足道的。

哪怕将来传播和复制的技术再发达，以至于传播和复制的物理成本降为零。那时候的类自然有充分的个化、差异化需求被发掘出来，变得越来越挑剔——这时候，为社会创造主流价值的，就依然是个化、综合化的通才……”

冯见雄说到这儿，终于把这段话的总结概括了出来。

一直隐忍等待的苏勤，也终于逮住机会，果断发动了反击：“你这套理论只是空无凭。你一方面承认了两类价值创造体系的并存，另一方面又举不出任何全局数据证据，只会铁直断说其中一方面是主流，这也太不负责任了吧？”

冯见雄毫不相让：“全局的统计数据，目前确实是没有——并不是我不想搜集，而是基于现有技术，任何国家的统计部门都不可能完成这种统计。但我们作为展望未来的辩手，就应该学会通过看具体的例子和趋势，来作出正确的展望。

现代科技社会下，能够靠堆砌时间和力，慢慢磨砺益求的行业，还普遍吗？或许，你可以学小野二郎包60年寿司，或者学早乙哲哉炸50年天罗，最后做料理做出工匠来，把一项98分的技能提高到100分——但是这样的行业又有多少？

目前我们看到更多的，是一个行业所需的从业者技能，以空前快速的频次迭代，一个学了c++的可能三年内就要改行学jv了。一个苦练微的星际争霸选手，因为雪一次改版，几年苦练就连个都不值了。这样的时代，你让大多数都把时间费在泡茶做饭一做就是50年、悟道求上面，不是误子弟么。”

苏勤立刻反唇相讥：“对方辩友又在偷换概念——刚才我方在立论时已经说过，任何学新技能所需的前置技能，都是专才所应当具备的素质。

专才并不是空中楼阁，c++对于学jv是有意义的，一个学过c++的改行学jv肯定比一个什么编程语言都不懂的纯萌新更快，更能掌握其中的思想髓。一个学过高数线代复变的，学自动控制原理也肯定比没学过高数的牛。而到了对方辩友嘴里，这种积累沉淀都成了毫无价值，不是太可笑了么？”

苏勤和冯见雄的锋，让场面一度胶着起来。

其他几个辩手，在这一过程中免不了也偶尔话，让主力能有些休息的机会。

往往虞美琴、南筱袅刚刚一句“现代科技进步速度已经让大多数前沿创造工作者必须终生学习，不可能指望磨砺一方面技能就吃一辈子”甩过去；

对面米苏丽、牛泽茜就用诸如“终生学习并不等于放弃专的存量知识，完全另起炉灶”的台词怼回来。

随着锋的，话题的核心攻防要点被渐渐聚焦，已然没什么迂回的余地。

冯见雄缓过气之后，对最终的堡垒发起了图穷匕见的总攻。

当然，他毫不犹豫地利用自己对未来的先知先觉，作了个弊——这没什么好讳言的。毕竟他比苏勤更知道未来的社会需要什么样的，科技的进步会把类价值的评判体系到怎样的墙角。

“请问苏学长，你听说过谷歌公司已经投资了一个名叫杰夫辛顿的多伦多大学教授的研究所了么？如果没听说过，我现在可以告诉你，他就在最近这两年，发明了一种叫做‘度学习算法’型的工智能路线。

虽然目前的应用并不是很多，但国内已经有公司基于这种算法思想，作出可以统计每个打字词频的新式智能拼音输法了。而谷歌公司也已经用这种算法思想，开始布局教机器下围棋、作套路化风格的曲子、甚至是作诗……”

苏勤感受到一丝危险，但立刻用辩题相关的质疑，试图阻止冯见雄随扯开话题：“那又怎么样？这和今天的辩题毫无关系。”

“有关系，因为我可以拿出证据，基于这种技术，未来的类如果想靠‘慢工细活地打磨’和机器竞争，那么类毫无胜算。谷歌公司的下棋机器虽然至少还要5年才能做出来，但是他们已经定下了‘蒙特卡罗树状训练’的逻辑基础。

未来这样被设定了单一目标的机器，可以用每天晚上自己跟自己左右互搏下100万盘围棋、并统计每一种不同下法不同应对的胜率变化，从而自我进化。到时候类的围棋世界冠军，恐怕会和97年卡斯帕罗夫倒在bm的‘蓝’手下时一样惨。”

“这种状态，你们目前恐怕很难想象，因为目前我们和电脑在竞技领域的锋似乎只有打魔兽和dot的机对战——哪怕设置最高级难度，电脑也只是靠更多的血量、攻击力和金钱采集速度，来获得对类的优势。

除此之外，或许还有电脑那始终妙到毫巅的微作——电脑在玩魔兽的时候，看到某一个兵血量下降过快，会自动把它往后拖一下，短暂脱离战线直到对方的近战单位转而去攻击其他血还比较多的。这样的作类高手要训练很久才能做到，而且受限于手速很难多线同时这样作。但对于电脑来说，哪怕地图上同时有100个地方在战斗，它也可以同时微100个战场。

但是未来呢？电脑或许就是直接在战术或者战略层面的碾压类玩家了——只要那个用于打游戏的度学习型工智能，在被设定时的唯一目标，就是‘用尽一切手段获胜’。到时候机器可以先学习一番训练集，获得基础的强度，然后用蒙特卡洛树状训练结构左右互搏几千万局，把胜负趋势变化牢记在心——这时候，那些技能囤积型的类选手，还有什么价值？

或者说，就算他们还有价值，还有类观众愿意看他们打比赛，也不是因为‘他们打得比机器好或者比机器差’——而是因为他们还是一个，因为他们和机器不同的‘’属，为他们博得了同分。他们是在依靠自己的专才以外的能力，获取自己的价值和尊严。”

蒙特卡洛树状训练模式，在如今这个地球上，已经被提出来了么？或许吧，查查艰晦涩的学术专著，应该是可以看到的。

所以冯见雄也不算造谣。

至于谷歌公司还有没有开始这么，把这玩意儿用于商业项目的研究，鬼知道呢。

这东西是