深扒诺贝尔奖得主背景，我沉默了...

这两天最热的话题莫过于诺贝尔奖了。

随着经济学奖的颁布，2024年所有奖项均名花有主。

出于好奇，深扒了下今年诺奖得主的个人经历和成长环境，我沉默了。

我发现了，孩子成才的三个秘密。

01

— Dr小鱼 —

秘密1: 科学界没有公平，

良好的家庭环境永远是孩子的后盾

科学领域很残酷，因为这里没有人人平等。

顶级科学家之所以能成功，很多部分原因是赢在了起跑线，诞生在了合适的家庭。

绝大多数诺奖得主背后一定是有个精英家庭在做后盾，这让他们能在肥沃的土壤里成长、成才、成功。

今年多位诺奖得主的家境非同寻常，有些甚至是豪门贵族。

文学奖得主韩国女作家韩江，出生在“作家之家”，从小就在充满文学的氛围中长大。

其父韩胜源，韩国文坛代表作家之一，1988年获得李箱文学奖，这是韩国最重要的文学奖之一，韩江14岁确定走上作家之路，多多少少受了父亲的影响。

哥哥韩东林以小说集《幽灵》享誉文坛，弟弟韩江仁首尔艺术大学文学创作系毕业，同样也写小说。

最搞笑的是，韩江丈夫洪荣熙，既是韩国庆熙网络大学教授，也是著名文学评论家。

整个作家DNA都动了！

物理学奖得主是杰弗里·辛顿和约翰·霍普菲尔德。

杰弗里·辛顿家世显赫，族谱往上数几代，代代一个维基百科。

比如其曾曾祖父乔治·布尔被称为逻辑学的牛顿，曾曾祖母玛丽·埃弗里斯·布尔也是数学家；堂姑琼·辛顿核物理学家，曾参与曼哈顿计划；辛顿的爸爸霍华辛顿是昆虫学家，剑桥大学教授...

约翰·霍普菲尔德家世虽比不上辛顿，但也出身书香门弟，其父母都是物理学家。

（图｜辛顿家谱）

3位化学奖得主是大卫·贝克、戴米斯·哈萨比斯和约翰·江珀。

其中哈萨比斯父亲是希腊裔，曾是创作歌手，母亲是新加坡华人，自己做生意，两人还是老师。

贝克父亲是物理学家，母亲研究天体物理和大气科学，妻子汉内莱·鲁奥霍拉是芬兰出生的女科学家。

生理学或医学奖颁给了维克托·安布罗斯和加里·鲁夫昆，这两个获奖者家庭相对普通一些，不过依然有着上进努力的家风。

加里·鲁夫昆出生在犹太家庭，父亲是土木工程师，母亲虽为家庭主妇，却不断学习，年近50拿了个心理学本科学位。

唯独维克托·安布罗斯在农场长大，但其母亲梅丽莎是一名作家。

（图｜维克托·安布罗斯（右）与加里·鲁夫昆（左））

仅仅从这6位诺奖得主身上我们就看到了家庭存在的相似性。

实际上关于家庭条件对诺奖得主的影响，恰好前几天普林斯顿、宾大沃顿商学院、达特茅斯学院及帝国理工4位研究人员就专门做过的调查发表了文章。

他们研究了123年内（从1901年到2023年间）715位来自44个国家的各个科学类（排除和平奖和文学奖）诺贝尔奖得主的家庭背景。

重点分析他们父亲的职业和收入，来推测顶级科学家的出身与其取得成就之间的关系。

研究人员假设如果天赋和机会是均匀分布的，那诺奖得主应该来自社会各个阶层，即出身与成就之间无明显的规律。

然而现实并非朝着理想假设的方向前进，实际诺奖得主的家庭背景与成功存在极大的关联。

大约一半（50-60%）的诺奖得主来自收入和教育水平排名前5%，即经济社会地位很高的家庭。

这再次印证了科学界的机会分配集中在一个群体，它并不公平。

（图｜诺奖得主父亲的收入及教育程度百分比）

这种不公平性在性别差异上尤为明显，调查的715诺奖得主，女性只有28位，她们的家庭背景更加精英化，其父亲的收入和教育水平比男性更高。

（图｜女性和男性诺奖得主父亲的收入和教育程度百分比比较）

经过量化分析，研究人员还发现：诺奖得主父亲最常见的职业是企业主（占比高达15.36%），其次是物理学家和医生，教授和讲师、工程师紧随其后。

这些职业社会地位高、收入高，往往父母受教育水平也高，孩子进入科学领域拥有得天独厚的资源优势。

而只有3%的诺奖得主在农场长大，比如今年医学奖得主维克托·安布罗斯。

从1901到2023年这120多年里，诺奖得主社会经济背景虽有呈现多样化的趋势，机会在扩展，但扩展的速度缓慢，多数依然是精英家庭出身。

（图｜1901-2023年来诺奖得主父亲的平均收入和教育水平排名）

所以从概率来看，如果出生在普通家庭，未来孩子想在科学领域成功的机会相当小。

绝大多数孩子，即便有潜力与诺奖得主一样崭露头角，往往因为生计而忙碌奔波，能走上科学界舞台的依然是凤毛菱角。

研究人员也估算约90%的科学人才未来发挥其潜力，成为「遗落的科学家」。

科学领域拼天赋，但更拼的是家庭，一个家庭的经济条件、社会资源、家学渊源。

刚看到这篇新鲜出炉的论文时，又听见媒体上播报的最新诺奖得主的欢喜，内心多少有点失落，有点惋惜，多少有天赋的孩子因为没有机会，集体走向平庸，一生都困在了「血汗工厂」里？

当然悲观解决不了任何问题，这种机会公平是一个系统性的问题。

作为一个普通人、普通父母，尽可能为孩子创造更好的生活条件和学习氛围。

即便他未来依然是普娃，但至少不用衣食发愁，可以追随所爱。

02

— Dr小鱼 —

秘密2:成功是会走弯路的，

要敢去捅一捅世界

看完诺奖得主的家庭，我又去细数了下诺奖得主本人成长过程中的点点滴滴，不得不感叹一句：

要是按照他们这种走弯路上瘾的节奏，绝对会逼疯一大批中国家长。

这届走弯路代表人物就是诺贝尔物理学奖得主杰弗里·辛顿。

前面提到辛顿来自学术世家，家族名人众多，但他的学术之路异常坎坷。

虽说一路是名校，可他在退学和换专业之间反复横跳，把别人没走过的错路走了个遍，拿诺奖之前学术冷板凳坐了30来年。

高中在他口中的「二流公立校」克里夫顿学院就读，这里盛产牛剑苗子，还出过3名诺奖得主，也就是在这里辛顿有了要了解大脑如何运作的目标。

18岁到25岁，我们国内家长眼中最重要的学术积累期，在辛顿这成了疯狂的折腾之旅，完美展现一个年轻人的热血状态。

在剑桥大学，他就“二进三换”。

刚入读时学习物理、化学和数学，但因数学不好，一个月后退学直接跑去伦敦gap，各种浪荡。

第二年改修建筑学，结果一天也忍受不了，又转去学哲学，依然半途而废。

这要是遇到个中国爹妈，还不被骂个狗血淋头或是气个半死？

哲学过后，不安分的他又转去修读物理和生理学，但没生物学背景，整个学术过程十分艰难。

熬到拿到实验心理学本科学位后，对本科教育失望至极的他选择当起了木匠！

对，没错，剑桥毕业去做木匠，连他剑桥教授父亲都学起了中国爹妈式唠叨与PUA。

一年之后放荡不羁的他发现靠木匠无法谋生，也不能了解大脑，决定重回学术界，直接前往爱丁堡大学读博，师从希金斯教授进军人工智能，25岁才算走上了正路。

但读博时因坚持研究神经网络和导师分歧不断，博士毕业后赶上AI就业寒冬期，失业的他又去做了短暂的老师，没过多久又跑去美国寻觅机会。

然而出师不利，唯有加州大学圣地亚哥接收了他，好在是能与一群对神经网络感兴趣的学者工作。

博士后卡耐基梅隆大学图灵奖获得者Allen Newell捐助了他，辛顿这才真正展开自己的研究。

由于不愿接受美国国防部的资助，将反叛精神进行到底的他果断前往加拿大设立研究项目，加入多伦多大学成为计算机科学专业教授。

在这里他和学生创立的计算机视觉系统成了当代人工智能的基础，他创立的公司后来也被谷歌高价收购。

辛顿跌宕起伏的人生，站在应试教育的角度来看是妥妥的一部走弯路、试错史。

折腾了几十年、犯了无数次错、冷门领域耕耘数十载，在77岁高龄被世人皆知，延续上了家族荣耀。

我时常想，如果把辛顿这么爱折腾的孩子放在我们的教育背景下长大，他的人生轨迹又是怎样的？

是能一如既往放浪形骸，还是被条条框框、不允许犯错磨平了棱角、磨灭了学术理想？

辛顿没浪费时间做低效的卷，不盲目参与社会筛选，而是在真实世界里学习，一旦发现不适合马上抽身而退。

敢去捣鼓、敢去捅一捅世界的边边角角，经历停滞期，在暗淡的学术环境中坚持自己的研究，保持独一份的冷静。

可以说辛顿的成功是大量试错、敢于试错的结果。

这是给我们家长最宝贵的一课：对孩子要保留开放性。

03

— Dr小鱼 —

秘密3: 交叉学习，成为跨界人才，

是AI时代鸡娃的新方向

今年诺奖还有一个十足的看点：三项科学奖两项都颁给了AI。

物理学奖花落两位AI专家之手。

91岁的约翰·霍普菲尔德是美国地地道道的物理学家，出生物理学家家庭，顶尖文理学院斯沃斯莫尔学院物理学本科、康奈尔大学物理学博士毕业。

但他的学术背景不仅限于物理学，还涉足生物学和神经科学等，这让他成功跨界发明了人工神经网络。

前文提到的走弯路高手杰弗里·辛顿是人工智能之父，求学阶段物化生、哲学、建筑学专业尝了个遍，最后才去到人工智能领域，坚持神经网络研究。

化学奖颁给了生物领域，也披上了AI外衣。

在攻克蛋白质研究难题上，大卫·贝克研发的Rosetta以及德米斯·哈萨比斯和约翰·江珀设计的AlphaFold起到了颠覆性作用。

这三位AI的设计者同样是跨界高手。

（图｜David Baker、Demis Hassabis和John Jumper（从左至右））

贝克在哈佛大学起初学的是哲学和社会科学专业，在阅读《细胞分子生物学》后对探索蛋白质折叠产生了兴趣。

哈佛毕业后直接去加州伯克利分校读了生物化学博士，博士后在加州旧金山分校也是在相关领域。

这跨度一般人难以企及！

约翰·江珀本科在范德堡大学修读的是数学与物理学，硕士到芝加哥大学后攻读理论化学，将机器学习策略用于蛋白质动力学研究。

希腊和华人血统的哈萨比斯是天赋型选手，也是斜杠青年，跨界人生相当精彩。

4岁学国际象棋，8岁学编程，13岁成国际象棋大师，16岁进剑桥大学计算机系，17岁进公司设计游戏，多个游戏成爆款。

游戏事业乏了，29岁又回归学术圈进伦敦大学学院攻读认知神经科学博士，研究成果在顶级期刊发表。

35岁创立著名的DeepMind公司，其开发的AI程序AlphaGo战胜了世界围棋冠军柯洁。

今年诺奖的混搭出圈，让交叉研究型人才成为一种趋势。

对于普通孩子而言，在AI时代，交叉学科、跨学科学习的实力越来越具竞争力，单一技能的局限性将难以满足多元化的需求。

跨界学习和实践，培养高阶能力，或许是未来鸡娃的一种新潮流！

当然这一切的前提是一个孩子根基能力的牢固性，这些基础能力包括：内驱力、思辨能力、执行力、清醒的自我认知等等。

只要孩子的内核是强大而坚挺的，再去广泛学习，持续更新头脑，每个孩子都可能成为一匹黑马。