AI时代人类价值的升维 - 当机器能够学习人类所有可记录的知识后，单纯比拼知识积累已失去意义，人类的价值必须从知识积累者升维为运用知识解决问题的“智慧体”[2][3] - 工程师思维的核心正是这种运用知识解决问题的能力，因此在这个时代，无论职业为何，都必须像工程师一样思考[3][4] AI时代将面临的三大新挑战 - 第一，当智能机器无时无刻不在学习时，人类是否能在不必终身学习的前提下继续生存与发展[8] - 第二，人类如何能够驾驭一台不断学习的机器[8] - 第三，当“如何做”的知识被机器学会后，人类在社会中存在的意义何在[8] 知识获取平等化带来的范式转变 - 机器学习将导致信息爆炸、知识平权和注意力稀缺，传统上通过“我知道得比你多”来获取优势的手段将失效[8] - 当机器学完人类可形成文字的知识后，仅证明自己有知识将越来越无用，因为机器总是显得懂得更多[10] - 另一种情况是，他人可能知识储备不足，但通过驾驭机器而永远比你懂得多[10] 人类未来必须依靠智慧生存 - 根据DIKW金字塔模型，在数据、信息、知识层面，能够学习的机器将占据优势[10] - 人类未来必须也只能升华为依靠智慧而生存与发展，这里的智慧狭义上定义为有效利用知识的能力[10] - 工程师的日常工作就是在不完美的条件下，学习适用知识并找到匹配方法解决现实问题，这体现了人类主动性的智慧[11] 工程师思维成为新时代必备能力 - 随着机器学习能力增强，社会对人类发现问题与解决问题能力的要求会水涨船高[11] - 了解、掌握与实践工程师思维，可能变成生活在新人机时代中的每一个人所必备的扫盲级别能力[11] - 学习工程师思维是人类在人工智能时代为保持主观能动性和人生价值的主要原因[18] 工程师思维的核心：系统思维 - 系统思维是工程师思维的核心要义，贯穿于相关丛书始终[14] - 工程师首要掌握的是解决系统问题的能力，而非个别问题，头痛医头、脚痛医脚的方法会产生严重后果[14] - 系统是由相互作用和相互依赖的若干组成部分结合而成的、具有特定功能的有机整体[15] 系统的定义与特征 - 根据罗素·阿克夫的定义，系统元素的行为相互关联并对整体产生影响，且任何子群都无法对整体产生独立影响[15] - 从数字化改革角度，系统可理解为拥有“目的、结构、关系、变化”属性和“输入、输出、行动”能力，能与环境交换物质、能量与信息，并具备反馈、优化、融合、涌现等动力学特征[16] - 系统工程是确保系统成功实现的跨学科方法，需对“性能-成本-时间”三要素进行均衡的风险评估与决策，并以“以人为本”为基本价值观[16] 系统方法与实践 - 系统方法要求以整体与个体结合、动态与静态结合的方式研究复杂系统，需关注水桶的短板效应[17] - 系统工程界认为“整体大于个体之和”，但在现实中“整体不等于个体之和”往往才是真相[17] - 真实的工程实践忌讳僵化教条，需要理解由繁到简、由具象到抽象，再由简到繁、由抽象到具象的过程[18] 工程师思维的具体应用与案例 - 工程师思维在《以纸鸢征服加农炮》一书中体现为“结构、约束与权衡”三大属性[11] - 该系列丛书通过大量工程实践案例来解释何为工程师思维及如何应用[17][18] - 《以纸鸢征服加农炮》提出了“结构 × 约束 × 权衡”三步法构建创新底层逻辑，《用蓝盒子驯服天空》提供了从“问题解决者”升级为“系统调解者”的工具箱[19]