叶寒： 教授，我有个疑问。姚顺雨的成功会不会只是个例？他的研究成果能成为行业基础，会不会是运气好？

和蔼教授： 不是运气，是必然。我们看看他的成长轨迹：2019年清华姚班毕业，2024年博士毕业，2025年成为首席科学家。这条路径背后，有三个关键特质，正好对应了“定义问题”的能力三要素。蒋尘，你先说说第一个特质是什么？

蒋尘翻看着手稿： 应该是行业影响力吧？他的ReAct和思维树成了AI Agent领域的基础框架，《麻省理工科技评论》评价他“开启了一个方向”。这说明他不是在做零散的研究，而是在定义整个领域的发展方向。

和蔼教授： 没错！传统路径靠年龄资历积累，而AI时代靠行业影响力破局。就像易经“乾卦”的“潜龙勿用”到“飞龙在天”，不是靠时间熬，而是靠能力的本质飞跃。第二个特质，周游你发现了吗？

周游： 是理论到产品的快速转化！他的研究不是停留在论文里，而是直接用到了OpenAI的Operator和Deep Research两款产品上，一个能自动操作浏览器，一个能做深度研究，都是解决现实问题的。

和蔼教授： 非常关键！认知模型强调“实践是认知的落脚点”，脱离实践的理论就是空想。姚顺雨的研究从一开始就瞄准“现实世界的问题”，而不是“测试集里的问题”，这就是他能快速脱颖而出的核心。埃森哲的报告显示，善于定义战略问题的企业，AI项目成功率比同行高65%，这和个人成长是一个道理。

许黑： 那第三个特质是不是他写博文分享？我觉得这点很特别，很多科学家都闷头做研究，他却主动分享对行业的思考。

和蔼教授： 你说到点子上了！这是一种开放的姿态，也是“定义问题”的必要条件——只有参与行业讨论，才能准确把握时代痛点。哲学上讲“思维与存在的同一性”，人类的认知需要通过交流碰撞才能接近真相 。姚顺雨写《AI下半场》，不是为了出名，而是通过分享凝聚行业共识，这正是“定义问题”的高阶表现。

吴劫： 教授，我现在理解了为什么“定义问题”比“解决问题”更重要。但对我们普通人来说，不是每个人都能做AI研究，这种能力怎么应用到日常中？

和蔼教授： 这正是我想和大家重点探讨的。“从解决问题到定义问题”的思路，适用于任何领域。叶寒，你在做毕业设计，有没有遇到过“为了做而做”的情况？

叶寒不好意思地笑了： 确实有！一开始我跟着网上的教程做模型优化，虽然性能提升了，但不知道为什么要做这个优化。后来导师问我“这个优化能解决什么实际场景的问题”，我才重新调整方向，现在课题进展反而更顺利了。

和蔼教授： 这就是从“解决别人的问题”到“定义自己的问题”。工作中，有人只会执行老板的任务，有人却能想到“团队真正需要什么”；学习中，有人只会刷课程完成度，有人却能判断“什么知识真正有价值”。这背后的本质，是思维方式的差异——前者是“被动响应”，后者是“主动立局”。

蒋尘： 教授，这让我想到您之前说的“认知重构”。心理学里是不是说，改变思维模式才能改变行为结果？

和蔼教授： 完全正确！认知模型认为，非理性的思维模式会导致低效行为，而重构认知框架就能实现突破。姚顺雨的成功，本质上是重构了“AI研究的认知框架”——从“如何让AI做得更好”到“AI应该做什么”。就像易经“鼎卦”所言“革故鼎新”，先打破旧的认知，才能建立新的格局。

秦易： 教授，我发现一个巧合，马化腾创办腾讯时也是27岁。这是不是说明，“定义问题”的能力和年龄无关，只和思维深度有关？

和蔼教授： 太有洞察力了！当你能定义问题时，年龄、资历都不再是门槛。姚顺雨的故事核心不是“年轻有为”，而是“定义问题的能力让年龄失效”。就像《AI下半场》里的核心观点，AI下半场的重心转移，本质上是人类核心竞争力的重新定义——AI负责解决问题，人类负责定义问题。

这章没有结束，请点击下一页继续阅读！

许黑： 那我们该怎么培养“定义问题”的能力呢？有没有具体的方法？

和蔼教授： 有三个关键步骤，大家可以记下来。第一，多问“为什么”，穿透表面问题找到本质，这是哲学上的“溯本求源”；第二，跳出单一视角，用易经的“全息思维”看问题，考虑现实中的各种关联因素；第三，结合实践验证，就像姚顺雨那样，让理论落地为产品，这是心理学认知模型的“实践反馈原则”。

周游： 教授，我还有个疑问。如果大家都去“定义问题”，谁来“解决问题”呢？会不会导致基础研究没人做？

和蔼教授： 这个问题问得很深刻。“定义问题”和“解决问题”不是对立的，而是层级关系。就像建筑一样，“定义问题”是设计蓝图，“解决问题”是施工建造，两者缺一不可。但AI的出现，让“施工建造”的门槛大幅降低，所以“设计蓝图”的重要性才凸显出来。姚顺雨的研究，其实是为“解决问题”提供了更好的框架，让后续的技术优化更有方向。