有人说，人工智能是新的生产力，区块链是新的生产关系。对此，我不能同意更多。
这次硅谷模块，我在斯坦福大学的一堂即兴表演课上学到了
「No」 、
「yes ，and...」和
yes，but...」三种不同的心态。
在这两场大浪潮来临的时候，我们都用「yes ，and」的心态投身进去，成为浪潮的推动者和新世界的建设者，而不是处处「yes，but」 ，一副看透世界，不过如此的老年人心态。
未来很长，机会多多，永远年轻，积极向上，共勉！
—— 混沌创业营学员 傅盛
2018年1月
，
混沌创业营和创投营的80位创业者、投资人一同完成了为期4天的硅谷模块。
这四天，聚焦
新思想、新科学、新商业
，新的思维方式扑面而来。
话题从区块链、人工智能、无人驾驶、新能源，到脑科学、生物医药，极为烧脑。
17位讲师
——包括两位诺贝尔奖得主、一位奥斯卡奖得主、11位斯坦福大学、MIT、哈佛大学名校教授。
混沌君从中节选出6个最精彩的观点，把来自硅谷的最新思考，分享给你。
Bernard Roth
斯坦福大学设计学院创始人
创业，就是解决问题的一种方式，
但聪明人却很多时候因为简单的问题解决不了而睡不着。
这有可能是问题就是错误的。
创业最重要的是发现真正的问题是什么，重新定义问题，而不是在错误的道路上渐行渐远。
设定自己的观念的时候要小心，注意下自己的视角。
一旦陷入思维困境，最好的办法是重构它。
设计思维能帮助人们从惯有思维中「跳出来」了。
Thomas Südhof
2013年诺贝尔医学和生理学奖得主
在大脑中，神经细胞通过突触紧密相连，形成了数百万个互相重叠但彼此独立的回路。
每个神经细胞有1000个突触，数万亿个神经细胞通过突触交互，组合的可能性无穷无尽，所以，了解回路的形式和功能是当今神经科学的主要挑战，这对研究脑疾病至关重要。
而对于神经科学的研究，找对问题比直接解决问题更重要，科学家需要自由度去「发现」，
因为科学和工程是完全不同的。
①
科学是问题导向的，目的是回答一个问题
，
而工程学是产品导向，目的在于制造产品。
很多时候他们会起冲突，但是运用科学的前提是「只有当科学是正确时才起作用」。
②
我们需要好的科学来获得一个产品，但是
聚焦产品并不能让人们获得好的科学
。
③
通常，科学和转化需要一个漫长的过程：
从发现一个重要问题开始，到进行研究，并且常常几十年没有具体的假设，当得出科学发现后，再将发现与转化问题联系起来，最终完成转化的工程应用。
其中难点在于「发现是无法计划或设计的」，唯一的诀窍是问正确的问题，用高质量的研究解决它们，然后考虑投入应用。没有基础研究，就没有药物开发。
但目前的药物发展状况是：
商业力量形成的偏见和趋势并不总有益，很多时候会造成很多浪费。
比如，阿尔兹海默症药企在不知道病症根本原因时就投入几十亿美金进行临床试验，结果是肯定会失败的。
JB Straubel
特斯拉联合创始人及CTO
特斯拉核心电池管理技术发明者
我们的使命从未改变过，就是促进世界向可持续能源转换。
对于造车，我们是从零开始，就像一张白纸，没有现有的车辆设计，我们有的大概只有100多个工程师。但我们的目标是很宏大的，
我们要从零开始，设计一辆车，过去没有人这样做过。
底特律这些大汽车制造厂，或者德国的汽车制造商都没有做过，都对我们持有怀疑的态度，“怎么能够这样来做？你们都不知道，做车有多难。”
我们当时也很天真，
我们觉得这种天真是一种资产
，因为我们过去从来没有做过，所以我们可以采用不同的方法，创新性的解决了很多问题，所以特斯拉的车有着自己的特点。
但我们一直把自己看成是一个能源创新公司，着眼于能源技术，而不光是汽车。
所以，我们一直在用新的技术打造更好的产品让用户使用起来，而不是因为化石燃料不够而让大家将就去使用这样的电动产品。
（
更详细的笔记戳
这
里
）
朱佳俊
原谷歌自动驾驶团队首席软件工程师
无人车公司 Nuro.ai 创始人
自动驾驶我认为难度最大的地方是应用在非常复杂的场景中。
现在离不开的技术就是机器学习
。
通过大量的数据，告诉机器怎样去识别人、自行车，汽车等物体，完成复杂的交通环境中行驶。
谷歌在测试的时候遇到的一个真实情况，一个老太太坐着一个电动轮椅在追个鸭子。
工程师事先写程序的时候永远也不会写好怎么处理这种交通情况，完全是靠让机器学习。
自动驾驶的竞争最终会像传统交通业一样变成几家。但在这个过程中，并非数据越多越好，而是要看是否有网络效应或者有数据正向循环把用户增长做得越来越好。
谁会胜出呢？汽车公司一定会输，他们还是会在原来的行业中做。出行公司有很大的优势。
因为自动驾驶技术开始推向市场的时候，不可能一夜之间把所有车全部替换，但如果你已经有了人类驾驶的车队存在，这便是其他行业都没有的优势。
Ronald Fedkiw
斯坦福大学教授，两届奥斯卡动画特效奖得主
新技术的更迭让好莱坞的特效越发逼真。我在《哈利波特》、《星际迷航》、《终结者3》、《加勒比海盗》这些影片中，不断地尝试用计算机图形学实现特效。
电影中的烟雾、火、水、爆炸，用的都是类似于计算机图形学而不是动画。
数学公式可以
前所未有地
模拟出来很多东西，更加真实。
比如衣物、毛发、甚至活的这些血肉等等。
现在，计算机视觉当中又融入了机器学习的部分，机器学习和物理模型都非常重要，他们能够去做进一步融合。
所以，好莱坞现在已经不仅是看物理模拟和计算机视觉。
虽然深度学习当中，其实还有很多是机器不能去做的，
但我们认为模拟算法将解决这些问题。
Michael Casey
MIT媒体实验室高级顾问
我倾向于认为当前比特币价格的惊人攀升是泡沫，不否认很多人因为攀比、投机买入比特币。
但如何辩证地看待泡沫？
上世纪90年代的.com泡沫让企业的融资成本变得很低，从而诞生了谷歌、百度、阿里巴巴、亚马逊等公司，出现了社交媒体、云计算、移动互联网等新事物。泡沫帮助我们建立了物理的基础设施，比如光线、发射塔等等。
这是因为泡沫背后是技术的创新。比特币的泡沫也是如此，
这种货币泡沫背后的技术创新就是区块链。
这次泡沫中，价格攀升的同时，大家形成新的社区和想法，实际上也是建立了基础设施——构建去中心化合作的网络，这是在社会层面，而非物理层面上。
（
更详细的笔记戳
这里
）
结 语
Make the world better
是硅谷每个人所信奉的和所执行的信条。
让每个人感知这样的信条，用好课程，打破思维边界，这也是混沌大学这所面向未来的大学应有之义。
讲师列表
