「拯救 2050：未来学」读书会启动丨早鸟报名48小时止

导语

我们正处在一个多重临界点同时逼近的时代：气候系统的翻转风险、生成式人工智能对知识生产的重塑、地缘冲突的加剧、人口结构来到历史性拐点，以太空探索为代表的科幻叙事正在从想象走向现实。这些都在迫使我们重新思考“未来”意味着什么。面对未来，技术加速主义的乐观与末世论的悲观都不足以回应复杂的现实，所以如何认识未来尤其重要，它会直接影响我们当下的判断和行动。未来学读书会希望从历史、方法与案例出发，把人工智能、地球系统、量子计算、生态临界、科幻叙事点等议题放入同一个跨学科框架中讨论：什么可以预测，什么只能准备，什么必须想象。我们希望在阅读与对话中，学习识别系统相变的信号，比较不同可能路径，为尚未到来的世界塑造更稳健、更开放的行动空间。

为此，集智俱乐部联合南京师范大学新闻与传播学院副研究员崔浩川、塔夫茨大学博士后章彦博共同发起「拯救2025：未来学」读书会，组织对该主题感兴趣的研究者与探索者共同研读前沿文献、交流研究思路。读书会将于2026年9月6日起，每周日14:00-16:00线上开展，持续约10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。

读书会背景

我们正处在一个被多重临界点同时逼近的时刻。气候系统的多个翻转按钮正在被按下、生成式人工智能以一种连它的建造者都无法完全解释的方式重塑知识生产、全球人口结构在可见的未来内将经历前所未有的拐点、地缘政治秩序在加速重组。这些变化不是线性的、不是孤立的、也不可以用单一学科的预测工具完整把握的。

另一方面，公共认知场域对"长期未来"的关切度虽达到历史峰值，但主流话语体系却陷入二元对立的认识困境：一端是技术加速主义的简化论，其隐含假设往往忽视能源约束、物质循环与算力边际递减的物理极限；另一端是末世论的叙事惯性，倾向于将复杂的系统脆弱性简化为确定性的崩溃路径（“失业”、“崩溃”）。两种话语均缺乏严格的贝叶斯更新机制与反事实推演框架，需要严肃地、跨学科地思考“未来会怎样、我们能知道什么、我们该怎么办”。

未来学（Futures Studies / Futurology）作为一门学科，自 Kahn、Bell、Toffler 以来已经有半个多世纪的积累。它是一套关于预期、临界与转向的研究方法：什么时候可以预测、什么时候只能准备、什么时候必须想象。它的认识论重心不在于对特定时间截面的“数值点预测”，而在于侦测系统相变：关键控制变量何时逼近临界波动边界？系统跨越阈值后，将发生怎样的状态重构？以及在临界点到来之前，如何通过韧性工程实现稳健决策？这正是未来学一直以来关注的核心议题。

读书会框架

集智「拯救2050：未来学」读书会

资助募集中

集智发起【拯救2050：未来学】读书会的初衷，首先是这个问题本身及其重要，关乎我们当下的行动、方向与决策，其次我们也希望针对“未来”的叙事，不止停留在硅谷的技术人口中，也应该有中国的声音，有东方的智慧。 硅谷之所以是硅谷，不只因为技术，也不只因为资本，还因为那里有持续有一群人，愿意把“未来会是什么样”当成一门可以认真讨论、反复辩证、不断打磨的学问。在中国，我们太习惯于追赶，太缺少停下思考：我们能不能、有没有资格，去定义未来，而不只是复制它？

答案当然是可以。而且这件事不该只交给少数人，它需要一个开放的、持续的、高质量的场子，让真正愿意把未来当问题研究的人聚在一起。这就是集智发起【拯救2050：未来学】读书会，我们前期已经邀请了不同领域的专家来参与讨论，在未来的几个月，一群对未来有真实关切的人一起读文献、做对谈、聊判断。他们中有学者、工程师、创业者，有正在决策的人，也有将要决策的人。这些人，很可能就是十年后改变行业的那一批。

但这样一个场域，需要社会各界的支持，我们不希望它因为经费而变得缩手缩脚。所以，我们向你发出邀请：成为本期读书会的资助人。你能得到的，不是一句空泛的感谢，而是一套务实、可落地的回报：文字致谢、主持人口播、嘉宾推荐权、招聘宣发、线下参访、vip名额赠送、深度咨询等，具体信息欢迎与我们详谈。

不必等到万事俱备。只要你觉得这件事值得，我们就坐下来聊聊一场读书会能带来什么，也聊聊你对未来三年、五年、十年的判断。

期待和你同行。

发起人团队

崔浩川，南京师范大学新闻与传播学院副研究员。主要研究领域：科学学、科技传播、科技人才政策等，以第一作者或通讯作者发表在包括Science、Humanities&Scocial Science Comunications 、Journal of Informatrics等国际知名刊物上。

主题：未来学：关于未来的图景，它的历史、方法与展望

我们正处一个急剧变化的未来进行时。气候系统的多个翻转按钮正在被按下、生成式人工智能以一种连它的建造者都无法完全解释的方式重塑知识生产、全球人口结构在可见的未来内将经历前所未有的拐点、地缘政治秩序在加速重组。这些变化不是线性的、不是孤立的、也不是可以用单一学科的预测工具完整把握的，并且每一个变化都将深刻的影响未来的样貌、人类对未来的愿景以及当下的决策。未来学（Futures Studies / Futurology）作为一门学科，自 Kahn、Bell、Toffler 以来已经有半个多世纪的积累，是一门推测、规划与想象未来的科学。它通过专业方法和专业方法汇总并分析趋势，包括来源、模式，以及造成改变的原因，以及试图发展前瞻企图的稳定度。本次讲座将围绕未来学的历史线索展开，对它的发展脉略、方法论以及展望进行系统性的介绍，以及在当前如何整合跨学科资源进行未来科学研究的的讨论。

本讲核心参考文献

• Peccei, A. (2016). One hundred pages for the future: reflections of the president of the Club of Rome. Elsevier.

• Bell, W. (2017). Foundations of futures studies: Volume 1: History, purposes, and knowledge. Routledge.

• Sourati, J., & Evans, J. (2021). Accelerating science with human versus alien artificial intelligence. arXiv preprint arXiv, 2104.

• Evans, J., & Duede, E. (2025). After science. Science, 390(6774), eaec7650.

• Global Tipping Points Report 2025. https://global-tipping-points.org/

• David Adam. (2025). Science in 2050: the future breakthroughs that will shape our world — and beyond. Nature.

章彦博，本科毕业于中国科学技术大学凝聚态物理系，获美国亚利桑那州立大学复杂系统博士学位。现为塔夫茨大学博士后、集智科学家。主要研究智能科学与 Science for AI，致力于探索智能的基本原理，并从自然科学中寻找可用于人工智能研究的新理论。

主题：智能的多种面孔：机器、人脑与生命

提起「人工智能」，人们首先想到的往往是大语言模型。然而，智能并非只有一种形态：它存在于机器中，存在于人脑中，也遍布整个生命世界。

如今，机器智能最引人注目的能力集中在语言上：能说，能写，继而表现出推理能力。人脑则尤擅学习，也能进行长时间的深度思考。至于更广泛的生物，智能常常体现为与环境博弈，并利用环境解决问题。给海龟腹部装上滑板，它只需几分钟便能学会借助滑板行动，无须经历成千上万次试错；即使是最简单的基因调控网络，也能在结构不变的情况下从简单刺激中学习。

智能不仅形态各异，所长也各不相同。快速适应环境、利用环境、持续学习——这些对许多生物而言近乎寻常的能力，至今仍是大语言模型面临的难题。

本期读书会，我将介绍智能的不同形态及其各自的性质，并进一步讨论通用智能的可能性：通用智能是否在根本上必然不受控制？大语言模型能否通向通用智能？我们又能从生物智能等其他智能形态中学到什么？

本讲核心参考文献

基因调控网络如何进行学习。

• Biswas, S., Clawson, W., & Levin, M. (2023). Learning in transcriptional network models: Computational discovery of pathway-level memory and effective interventions. International Journal of Molecular Sciences, 24(1), 285.

• Pigozzi, F., Goldstein, A., & Levin, M. (2025). Associative conditioning in gene regulatory network models increases integrative causal emergence. Communications Biology, 8, 1027.

• Biswas, S., Manicka, S., Hoel, E., & Levin, M. (2021). Gene regulatory networks exhibit several kinds of memory: Quantification of memory in biological and random transcriptional networks. iScience, 24(3), 102131.

以下几篇介绍了 Test-Time Training。它与生物智能的泛化和学习能力密切相关

• Sun, Y., Wang, X., Liu, Z., Miller, J., Efros, A. A., & Hardt, M. (2019). Test-time training with self-supervision for generalization under distribution shifts. arXiv preprint arXiv:1909.13231.

• Zhang, T., Bi, S., Hong, Y., Zhang, K., Luan, F., Yang, S., Sunkavalli, K., Freeman, W. T., & Tan, H. (2025). Test-time training done right. arXiv preprint arXiv:2505.23884.

通过语言展现生物智能，以及探索智能的基本原理。

• Zhang, Y., & Levin, M. (2026). Intelligence from learnable novelty. arXiv preprint arXiv:2607.18433.

• Zhang, Y., & Levin, M. (2026). Language game: Talking to non-human systems. arXiv preprint arXiv:2605.16321.

特邀主讲人

张江，北京师范大学系统科学学院教授，集智俱乐部创始人，集智学园（北京）科技有限公司创始人兼董事长，集智研究中心理事长，National Science Review 编委成员。主要研究领域：因果涌现、复杂系统分析与建模、复杂网络与机器学习、社会与经济系统的规模法则（Scaling Laws）等。多篇文章发表在包括：Nature Communications、Nature Machine Intelligence、National Science Review、Nonlinear Systems、Chaos等国际知名刊物上。曾出版专著《规模法则——探索细胞到城市的普适规律》、第二作者合著《数字创世纪——人工生命的新科学》，及译著《自然与人工系统中的适应——理论分析及其在生物、控制与人工智能中的应用》等。

主题：如何跨越地球奇点？——“拯救2050”计划

人工智能、人类社会与地球系统的演化几乎已经同步地进入了临界点。一方面是技术的飞速发展导致递归式自我改进的超级人工智能即将出现；另一方面则是地球系统正在面临前所未有的危机。那么，人工智能奇点与地球系统的环境奇点有什么关系？我们是否能够从数十亿年的生物演化史上找到解决当前危机的应对方案？我们提出了“拯救2050”计划，旨在构建一套行星尺度的集1 体预测系统：通过众包与激励机制汇集人类与人工智能对未来的判断，再借助大规模仿真，将各类判断整合为可核验的 “预测世界”，使人类得以系统性地窥见未来。 本讲座将从四个维度论证该构想的可行性：人工智能预测能力日趋成熟、人类群体智能与制度环境、相关领域的技术支撑进展，以及社会层面的现实需求。随后报告梳理三项核心赋能技术：长周期事件自动判定解析、基于仿真的预测聚合，以及自反性治理。同时，我们分析了该系统潜在风险，包括自反效应、认知单一化、叙事劫持，以及监管与伦理层面的问题，并给出对应的风险缓释策略；同时规划分阶段实施路线图，罗列尚待解决的开放问题。该构想的核心目标并非干预未来，而是让未来变得可观测、可讨论，并且能够由多方共同建构。

本讲核心参考文献

• 集智百科：“拯救2050”词条, https://wiki.swarma.org/index.php?title=%E6%8B%AF%E6%95%912050

• Bubeck, S., Chandrasekaran, V., Eldan, R., et al. (2023). Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712.

• Metaculus (2026). AI Forecasting in 2026: What 11 Analyses Say.

• Lenton, T. M., Rockström, J., Gaffney, O., et al. (2019). Climate Tipping Points — Too Risky to Bet Against. Nature, 575, 592–595.

• Armstrong McKay, D. L., Staal, A., Abrams, J. F., et al. (2022). Exceeding 1.5°C Global Warming Could Trigger Multiple Climate Tipping Points. Science, 377(6611), eabn7950.

• Bettencourt, L. M. A., & West, G. B. (2010). A Unified Theory of Urban Living. Nature, 467, 912–913.

• Bettencourt, L. M. A., Lobo, J., Helbing, D., Kühnert, C., & West, G. B. (2007). Growth, Innovation, Scaling, and the Pace of Life in Cities. PNAS, 104(17), 7301–7306.

• Wong, Michael L., and Stuart Bartlett. "Asymptotic burnout and homeostatic awakening: a possible solution to the Fermi paradox?." Journal of the Royal Society Interface 19.190 (2022): 20220029.

• Heylighen, F. (2011). Conceptions of a Global Brain: An Historical Review. In L. Grinin et al. (Eds.), Evolution: Cosmic, Biological, and Social. Volgograd: Uchitel.

• 集智俱乐部 (2016). 《走近2050：注意力、互联网与人工智能》. 人民邮电出版社.

• Smith, L. C. (2010). The World in 2050: Four Forces Shaping Civilization's Northern Future. Dutton.（中译本：《2050人类大迁徙》）

郝景芳，科幻作家、经济研究者、教育创新实践者，童行书院创始人。世界科幻最高奖“雨果奖”得主；清华大学天体物理硕士，经济学博士学位；哈佛大学肯尼迪政府学院访问学者；2018年世界青年领袖。研究与实践关注儿童教育、社会分层、教育与医疗服务供给质量、人工智能时代就业与未来教育。

尤亦庄，加州大学圣地亚哥分校物理系副教授。2008年本科毕业于南京大学匡亚明学院，2013年于清华大学高等研究院取得博士学位。随后，先后在美国加州大学圣塔芭芭拉分校和哈佛大学从事博士后研究工作。自2018年起，加入加州大学圣地亚哥分校物理系任教。研究领域主要集中在量子多体物理、量子信息、人工智能及演生和临界现象。主要研究领域：凝聚态物理、量子多体物理、量子信息、人工智能。

主题：量子计算元年——计算文明的下一次临界点

计算的形式每改变一次，人类能够理解和组织的世界也随之改变。量子计算是否正在开启下一次转折？我们已经习惯了一种预期：算力总会更快、更便宜，剩下的只是等待。但有一类问题从一开始就不在这条曲线上。自然界最基本的那些过程——物质如何组成、能量如何转移、生命如何运作——即使把地球上所有计算机加在一起，难以模拟这些复杂的系统。这不是机器不够快，而是我们描述世界的方式本身遇到了上限。量子计算给出的替代方案相当朴素：既然自然本身就是量子的，那就让机器也用量子的方式去计算。

量子计算的设想已有四十年，到底什么时候才能落地实现？本期读书会我会尽量诚实地交代这个领域今天的真实位置：什么已经做到，什么还没有，以及公众听到的叙述与实验室里正在发生的事情之间，差距在哪里。但更值得讨论的问题也许不在实验室。量子计算能否实现，不仅仅取决于物理上是否可行，也和社会投入与人才培养有关——这些是我们此刻需要做出的选择。

本讲核心参考文献

• Feynman, R. P. Simulating Physics with Computers. Int. J. Theor. Phys. 21, 467–488 (1982). https://doi.org/10.1007/BF02650179

  量子计算思想的起点。费曼在这里指出，用经典计算机模拟量子系统所需的资源随粒子数指数增长，因此应当用量子系统本身去模拟量子系统。全文十余页，语言接近口语，是理解整个领域动机的最短路径。

• Gleick, J. The Information: A History, a Theory, a Flood (Pantheon, 2011；中译《信息简史》)。

  对应报告第一节。全书论证的是同一个命题：信息的记录与处理方式每改变一次，人类的知识结构与社会组织方式随之改变。为"计算文明史"这条线索提供了长时段的背景。

• Shor, P. W. Polynomial-Time Algorithms for Prime Factorization and Discrete Logarithms on a Quantum Computer. SIAM J. Comput. 26, 1484–1509 (1997). https://doi.org/10.1137/S0097539795293172 使量子计算从物理设想变为计算科学问题的关键工作。它第一次给出了明确的、有实际后果的加速实例，此后所有关于"量子优势"的讨论都以它为参照。

• Preskill, J. Quantum Computing in the NISQ Era and Beyond. Quantum 2, 79 (2018). https://doi.org/10.22331/q-2018-08-06-79 "含噪声中等规模量子"这一概念的出处，也是报告中判断领域现状的主要依据。作者对前景既不唱衰也不吹捧，明确区分了当前设备能做什么与人们希望它做什么。

• Arute, F. et al. Quantum Supremacy Using a Programmable Superconducting Processor. Nature 574, 505–510 (2019). https://doi.org/10.1038/s41586-019-1666-5 首次公开宣称实现量子优势的实验，随后引发的一系列质疑与经典算法反超同样重要。这一整段争论是理解"量子优势为何是移动靶子"的最佳案例。

• Google Quantum AI. Quantum Error Correction Below the Surface Code Threshold. Nature 638, 920–926 (2025). https://doi.org/10.1038/s41586-024-08449-y 量子纠错的分水岭结果：编码后的逻辑量子比特错误率首次低于组成它的物理量子比特。报告认为这类进展比比特数量更能反映领域的真实位置。

• Reiher, M., Wiebe, N., Svore, K. M., Wecker, D. & Troyer, M. Elucidating Reaction Mechanisms on Quantum Computers. PNAS 114, 7555–7560 (2017). https://doi.org/10.1073/pnas.1619152114 把"量子计算有什么用"落到一个具体化学问题上：固氮酶的活性中心。同时给出了所需资源的量化估计，是少数认真回答"需要多大的机器"的文献之一。

• Degen, C. L., Reinhard, F. & Cappellaro, P. Quantum Sensing. Rev. Mod. Phys. 89, 035002 (2017). https://doi.org/10.1103/RevModPhys.89.035002 量子技术中最成熟、已经在使用的一支。读它可以校准预期：同样源于量子力学的技术，成熟度可以相差几十年。

• Huang, H.-Y. et al. Quantum Advantage in Learning from Experiments. Science 376, 1182–1186 (2022). https://doi.org/10.1126/science.abn7293 量子与机器学习交叉方向中论证较为严格的一篇：优势不在于算得更快，而在于能获取经典手段无法获取的信息。有助于分辨这一方向上大量含糊的说法。

• Bernhardt, C. Quantum Computing for Everyone (MIT Press, 2019；中译《人人可懂的量子计算》)。 只需高中数学，从量子比特、测量、纠缠讲到 Shor 与 Grover 算法。适合想弄清"叠加并不等于同时尝试所有答案"究竟错在哪里的读者。

• Aaronson, S. Quantum Computing Since Democritus (Cambridge University Press, 2013；中译《量子计算公开课》)。 从计算复杂性角度审视量子计算，对各种夸大说法有直接的纠正作用。报告中关于量子计算能力边界的判断主要来自这一视角。

李周园，北京林业大学副教授。北京林业大学环境科学学士、清华大学博士、北京大学博士后，Wagningen大学访问学者，《生态学百科全书》（英文版）编委、《生态系统管理》主编、国际生态模型学会顾问委员、北京生态学修复学会理事，主要研究领域：生态遥感、生态系统建模、生物多样性保护、复杂性科学在生态学中应用。

主题：从非线性动力学到临界点：生态系统的稳态、复杂性与自组织演化

本报告旨在通过系统动力学视角，剖析生态与气候系统在面对扰动时的稳定性与演化机制。从经典生态系统逻辑斯谛增长模型（Logistic growth）及其变体出发，通过May的阈值分析模型，探讨系统如何从简单的线性动态跃迁至多稳态（Bistability）与复杂混沌边缘。报告从回顾非线性耦合系统的动力学特征开始，重点分析反馈如何导致系统在阈值处失去稳定性，从而引发灾难性转变。在此基础上，再将视点延伸至复杂自组织系统，探讨类比于“雏菊世界”（Daisyworld）等地表-气候模型中的稳态调节逻辑，剖析系统如何通过内在反馈机制维持空间异质性与平衡。 报告将探讨这些动力学特性与“临界点”（Tipping point）的内在联系。深入剖析为何双稳态特征在环境压力下会导致系统状态的突变，并探讨系统如何在不同空间尺度上，通过空间自组织行为规避或加速崩溃。本讲座旨在通过回归动力学本质，揭示生态系统从简单增长到复杂突变的数学逻辑，从而为理解当前环境变化下的系统韧性提供深层的理论思考。

本讲核心参考文献

• May, R. M. (1977). Thresholds and breakpoints in ecosystems with a multiplicity of stable states. Nature, 269(5628), 471–477.

  双稳态与系统动力学突变理论的开创性文献。课件中通过经典的捕食者-猎物系统等模型动力学模型，阐述了多重稳定状态与阈值密度的数学根基。

• Scheffer, M., Carpenter, S., Foley, J. A., Folke, C., & Walker, B. (2001). Catastrophic shifts in ecosystems. Nature, 413(6856), 591–596.

  韧性理论（Resilience）的经典之作。恢复力“球-杯”潜力景观模型即源于此，用于直观解释系统韧性随条件变化而降低的过程。

• Rietkerk, M., Dekker, S. C., de Ruiter, P. C., & van de Koppel, J. (2004). Self-organized patchiness and catastrophic shifts in ecosystems. Science, 305(5692), 1926–1929.

  空间自组织相关的核心文献。阐述短距离正反馈与长距离负反馈（尺度依赖反馈）如何促使系统在崩溃前形成空间斑图。

• Scheffer, M., Bascompte, J., Brock, W. A., et al. (2009). Early-warning signals for critical transitions. Nature, 461(7260), 53–59.

  早期预警信号（EWS）模块的核心支撑。详细论述了临界变慢（Critical slowing down）、方差（Variance）和自相关性（Autocorrelation）等通用监测指标。

• Rietkerk, M., Bastiaansen, R., Banerjee, S., et al. (2021). Evasion of tipping in complex systems through spatial pattern formation. Science, 374(6564), eabab1062.

  引入了多稳态空间模式，颠覆了传统“一刀切”的临界点崩溃观点，证明了复杂系统可以通过空间异质性和共存状态来规避临界点。

• Staal, A., Dekker, S.C., Xu, C. et al. (2016). Bistability, Spatial Interaction, and the Distribution of Tropical Forests and Savannas. Ecosystems, 19, 1080–1091. https://doi.org/10.1007/s10021-016-0011-1

  深入探讨了热带森林与稀树草原分布中的双稳态与空间相互作用机制，非常适合用于支撑讲座中关于大尺度生态系统双稳态与景观分布的内容。

• Scheffer, M. et al. (2012). Anticipating Critical Transitions. Science, 338(6105), 344–348. https://doi.org/10.1126/science.1225244

  作为临界点预测领域的奠基性综述，系统阐述了复杂系统临界转变前的通用早期预警信号，阐发如何监测和前瞻性防范生态危机的经典。

• Hu, W., Cui, L., Delgado-Baquerizo, M., et al. (2025). Causes and consequences of disordered hyperuniformity in global drylands. Proc. Natl. Acad. Sci. U.S.A., 122(41), e2504496122. https://doi.org/10.1073/pnas.2504496122

  一篇将统计物理学与全球干旱区空间格局结合的前沿研究，提供关于系统自组织空间结构与稳定性的探讨带来极具启发性的现代视角。

运营负责人

文雷，游戏人生主理人，前阿里巴巴数据工程师。

运行模式

「未来学」读书会2026季正式启动

时间规划：2026年9月6日开营，共持续10周左右。

参与形式：腾讯会议——每周日下午14:00-16:00。

报名您将获得：

• 扫描二维码直达报名通道，锁定学习席位。

• 加入专属学员群，与读书会发起人、主讲人及优秀同行直接交流。

• 每期内容结束后可随时观看高清视频回放，支持反复学习与复习。

报名参与读书会

读书会价格

早鸟价：99元（限时优惠48小时）。早鸟优惠结束后，恢复原价299元。

报名方式

第一步：微信扫码填写报名信息。

第二步：填写信息后，付费报名。如需用支付宝支付，请在PC端进入读书会页面报名支付：

第三步：添加运营助理微信，拉入对应主题的读书会社区（微信群）。

PS：

我们鼓励围绕复杂系统、人工智能及相关具体问题的深入探讨。为保证讨论质量，请避免发表脱离本期读书会主题、缺乏实证基础或过于空泛的哲学思辨类内容。

若讨论内容明显偏离主题，经主持人提醒后仍未调整，为维护整体学习环境，我们将不得不将该成员请出讨论群，并根据其实际参与进度，对未参与部分按比例办理退费。

感谢您的理解与配合，让我们共同营造一个专注、深入、有收获的共学空间。

加入社区可享核心资源

成为会员即可解锁完整学习生态，包括：线上实时问答、全部课程录播回看、独家资料共享、高质量社群交流、第一手信息同步，以及通过参与共创任务获取积分等权益。

特色退费与激励机制

我们提供以下两种途径，让您的投入获得实际回馈：

1. 任务达标退费路径
   

   认领并合格完成任意两期字幕任务，即可退还全额报名费，并额外获得集智专属周边奖励。

2. 运营成长激励路径
   

   合格完成一个字幕任务后，可申请成为运营助理。在读书会项目顺利结项后，将退还学费。表现优异者，还有机会获得额外的奖学金。

相关内容推荐

1. 「未来学」读书会推荐阅读材料

扫描下方二维码可跳转至集智斑图网站阅读文章：《拯救2050:未来学》读书会推荐阅读材料。

1. 往期公众号相关内容推荐