AI 正在摧毁我的 CS 学位
AI 工具正在以许多学生觉得混乱且令人沮丧的方式改变计算机科学教育:作业被自动生成且经常出错,AI 使用政策每隔几个月就变化一次,而作弊变得更容易,工作量却在增加。评论者认为,虽然 AI 可以是极其出色的导师和生产力助手,但它也正在侵蚀入门级就业前景,暴露大学教学长期存在的弱点,并迫使机构重新思考 CS 学位究竟应该培养什么。大家对于学生应当继续夯实基础、转向软件工程和更广泛的领域技能,还是干脆重新考虑 CS 学位,意见不一。
CS 学位的目的和价值
- 许多人认为,CS 学位从来就不是一个完整的求职工具包,而是对基础知识以及关于系统和数据的思考方式的奠基。
- 有些人主要把它看作一种信号型资历和“入门门票”;另一些人则把它本身视为一种目标,重视深度、结构化学习。
- 几位发帖者说,这个学位的实用价值已经下降,因为 AI 弥补了过去需要人类来填补的知识空缺,尤其是在初级岗位层面。
- 也有人坚持认为基础知识(算法、系统、推理)仍然重要,尤其是为了有效使用 AI 并设计稳健的系统。
AI 对工作和职业入门的影响
- 普遍担忧是,AI 正在“谋杀”初级市场:用少量掌握 AI 的资深工程师更容易招聘,而不是很多初级工程师。
- 有人预测工程岗位会变少、变得更“精英化”,而那些头衔膨胀的弱“资深”会被纠正回来。
- 少数人把这看作是对只为薪水而留在这个行业的人进行“市场修正”,而其他人则认为这是一种门槛把守,并且对现实的财务压力缺乏同理心。
- 建议包括:专注某一领域、培养销售/关系能力,或彻底转出 CS;也有人认为这种看法过于悲观。
AI 在大学教学与考核中的作用
- 多位评论者说,链接故事中的真正问题是糟糕的教学实践:AI 生成的作业没有被妥善检查,错误修正得太晚,AI 政策混乱且不断变化。
- 也有人为教师辩护,认为他们正承受严重的制度压力,并面对前所未有的关于“教什么”和“如何教”的不确定性。
- 大规模、低成本的讲座模式被认为越来越不适合 AI 时代的作弊问题;口试和线下闭卷考核被提议作为替代方案,但成本高且难以规模化。
- 人们担心这会加剧昂贵的小型研讨型院校与大众化“州立大学”之间的不平等。
用 AI 学习 CS
- 爱好者把 AI 描述为一个 24/7 的导师,能解释“是什么/为什么/怎么做”,加速 CS 和数学学习,并且比传统课程更能帮助基础较弱的学生。
- 也有人怀疑 AI 能否教会计算机科学(而不只是代码片段),认为它往往只是给答案,除非非常谨慎地使用,否则难以建立深层概念理解。
- 有人提出各种策略:先自己做再和 AI 比较,让 AI 出题但隐藏答案,用它进行苏格拉底式/助产术式对话,并把注意力放在深度而非工具更替上。
AI 时代的软件工程实践
- 从业者表示,AI 现在已经编写了他们大量的代码,但人的价值仍然体现在架构、权衡判断、设计说明和调试上。
- AI 被视为在样板代码和模式化任务上非常出色,但在系统级设计和长期复杂性管理方面仍然很弱。
- 有些人担心,如果 AI 成为主要生产力资产,个体工程师会变得可互换;另一些人则认为,善于与 AI 协作、并且有时也能不依赖 AI 工作的能力,才会区分顶尖工程师。
- 给学生的建议包括:掌握端到端的软件工程,保持对系统的高层 मानसिक模型,培养跨学科/商业技能,并把 AI 视为加速器,而不是理解的替代品。
更广泛的担忧与情绪反应
- 许多人对频繁变动、官僚化的 AI 指令,以及“做工作的乐趣”正在变成“替 AI 做项目管理”的感觉表示沮丧。
- 也有人因为 AI 带来的快速学习和实验而感到振奋。
- 对于 AI 是在净摧毁还是在改变 CS 职业,没有共识;大多数人都同意,这一过渡是混乱的,而长期平衡点仍不清楚。