尽管人工智能（AI）的崛起导致计算机科学（CS）专业毕业生面临更高的失业率和入学人数下滑，但该领域的长期价值并未消失。其薪资回报依然领先其他专业，并且 AI 时代更需要能深刻理解计算系统与理论的专家。为应对这一变化，高校正在调整课程，有的回归手写编码等基础训练，有的则拥抱 AI 辅助编程并开设专门的 AI 专业。未来，计算机教育的重点可能从培养纯粹的程序员，转向培养能够驾驭 AI 工具、掌握核心计算原理的复合型人才。
一个充满矛盾的时期
当前学习计算机科学似乎不再是明智之选。新毕业生的就业形势严峻，面临的挑战包括：
- 更高的失业率： 近期 CS 毕业生的失业率甚至超过了哲学等传统意义上的“冷门”专业。
- 就业市场饱和： 互联网上充满了初级程序员找不到工作的抱怨，许多人感叹“生不逢时”。
- 入学人数锐减： 去年，CS 本科入学人数下降超过 8%，研究生入学人数的降幅更是高达 14%。
AI 的发展是造成这一现象的核心原因。AI 编程工具尤其擅长处理过去分配给初级程序员的工作。一位行业内部人士警告说，由于公司约 90% 的新代码由 AI 生成，初级员工的价值正变得“更加可疑”。
重新审视计算机科学的价值
尽管负面声音不断，但认为 CS 专业失去价值的说法被过度夸大了。虽然就业市场竞争激烈，但其核心优势依然存在。
忘记 Python，去学柏拉图。
《经济学人》杂志最近如此建议学生，但这忽略了关键事实。尽管 CS 毕业生的失业率有所上升，但他们的未充分就业率（即从事不需要大学学位的工作的比例）却相对较低。相比之下，近一半的哲学专业毕业生处于未充分就业状态。
在薪酬方面，CS 毕业生的收入仍然远超其他专业的同龄人。他们之所以失业率偏高，一个可能的解释是他们不愿接受薪酬较低的职位。如果目标是优化收入，放弃软件转而研究苏格拉底可能并非明智之举。
真正的变革：从编码到系统理解
AI 对软件工作的威胁确实存在，但这并不意味着不再需要计算机科学家。手动编写代码的需求下降，反而凸显了更深层次技能的重要性。
- 专业知识依然关键： 即便 AI 工具日益强大，要利用它们构建可靠、安全的软件，仍然需要专业的训练和知识。
- 需求转向深度理解： 随着 AI 全面渗透各行各业，全球经济与软件产业的联系将更加紧密。这要求更多人能够在深层次上理解计算机系统。
- 资深工程师需求上升： 在整个科技行业，对中高级工程师的需求正在增加。
挑战在于，当入门级编码岗位不再有保障时，如何调整今天的计算机科学课程，以适应快速变化的行业需求。
教育的探索与适应
面对未来的不确定性，高校正在尝试不同的教学方向，这反映了学科内部的一场思辨：计算机科学教育的目标究竟是培养优秀的软件开发者，还是传授支撑该领域的计算理论？
回归基础教学： 一些教授选择回归传统，例如在入门课上主要使用纸笔完成作业。他们认为，只有掌握了扎实的基础知识，学生才能有效利用 AI 工具。
“如果你不了解你要求工具做什么，你就无法有效使用 AI 工具。”
拥抱 AI 辅助编程： 另一些教授则积极更新课程，鼓励学生在编程时使用 AI。他们认为三年前的教学内容已不适用于今天。
开辟新的专业路径： 随着编程工作自动化，理论研究与软件开发之间的界限可能更加分明。
- AI 专门化： 对机器学习有深入理解的研究人员备受青睐。麻省理工学院（MIT）于 2022 年开设的 AI 专业已成为校园内第二受欢迎的专业。
- “无代码”软件开发： 一些课程计划教授学生如何在不编写、阅读或调试任何代码的情况下开发软件，让非技术背景的学生也能掌握软件开发的基本技能。
未来的计算机教育可能像大学的写作课一样普及，成为一项重要的跨学科技能，为所有背景的学生提供基础的软件工程能力。尽管轻松获得高薪工作的时代可能已经结束，但软件开发的门槛正在降低，这为更多学生打开了大门。一个全新的计算机科学教育黄金时代或许才刚刚开始。