去年秋天，Eric 決定在其本科計算機科學課程中進行一項實驗。他把全班同學分成三組，并給他們布置了一個用 Fortran 語言來解決的編程任務——他們此前都不會這門編程語言。

第一組被允許使用 ChatGPT 來解決問題，第二組被告知使用 Meta 的 Code Llama 大語言模型（LLM ），第三組只能使用Google。不出所料，使用 ChatGPT 的小組最快地解決了問題，第二組則花費了更長的時間來解決問題。使用 Google 的小組時間甚至更長，因為他們必須將任務分解為多個組件。

然后，學生們接受了測試，看他們如何憑記憶解決問題，結果情況發生了逆轉。ChatGPT 小組“什么都不記得了，他們都失敗了”，麻省理工學院的Eric 表示。

與此同時，Code Llama 小組的一半人通過了測試。使用谷歌的小組如何？每個學生都通過了。

“這是一個重要的教育教訓，” Eric 說。“努力、奮斗，其實是一種重要的學習方式。當你得到答案時，你就不會再掙扎，也不會學習。當你遇到更復雜的問題時，重新回到大型語言模型的開頭，并對其進行故障排除和集成是很乏味的。”

相反，一開始將問題分解為多個部分可以讓你更好地使用LLM。他說，要在小的方面開展工作，而不是嘗試將模型用于整個項目。“學習這些關于如何解決問題的技能，至關重要。”

這個例子讓 Eric 自信地得出結論：隨著人工智能席卷各個行業，計算機科學并沒有注定失敗。其他計算機科學專家亦有認為，人工智能的使用越多，工作的性質就會發生變化，因此人類仍然必須學習基本概念，例如統計學和系統工作原理的知識。

德勤的 Beena 表示：“要成為高效的計算機科學家和軟件工程師，你仍然需要奠定基礎。”

盡管人們對人工智能搶走工作感到擔憂，但麻省理工學院計算機科學與人工智能實驗室（CSAIL）最近的一項研究發現，實現人類工作自動化可能需要比之前想象的更長的時間。

研究表明，與視覺相關任務相關的工作中，只有約 23% 可以被人工智能經濟高效地取代，這表明人工智能（尤其是計算機視覺領域）導致的工作崗位取代可能比最初設想的要慢。。

該研究稱，研究結果“表明我們應該預計人工智能自動化的影響，將小于經濟中已經出現的現有工作自動化/破壞影響”。“目前尚不清楚這些現有影響的人工智能自動化，是否會導致整體就業機會的大幅減少。” CSAIL 研究指出，雖然可能會失去一些工作崗位，但“我們還發現，很大一部分人工智能任務自動化，可能會發生在傳統自動化正在發生的領域”。

計算機科學教育將如何改變？

計算機科學教授 Risto 表示，人們持續關注將人工智能融入大多數工作領域，這也將改變計算機科學的教學方式，帶來“相當巨大”的機會。

例如，隨著微軟 Copilot 聊天機器人等工具的出現，有些人可能想知道為什么他們還應該費心學習編碼。Risto 認為，學生們使用 Copilot 和其他聊天機器人，主要是“作為編程作業的導師”獲得建議并更改。

Risto 認為，“突然間，編程教學變得更加生動”。

機器人研究所教授 Reid 補充道，編譯器以同樣的方式，將編程語言的源代碼翻譯成機器代碼，從而消除了計算機科學工程師了解匯編程序的需要，“人工智能和機器學習的使用，將使他們越來越不需要了解編碼的細節。”

然而，Risto 說，教人們如何編碼仍然很重要，因為成為計算機科學家的一部分就是理解流程。“我的比喻是教七歲孩子算術。當你進入中學時，沒有人會手工算術；你可以用計算器。”

他說，即使計算器可以幫你完成這項工作，你仍然需要理解這些概念。“同樣，計算機科學家必須了解編程的基礎知識，才能有效地完成工作，但就像使用計算器一樣……他們不需要進行大量編碼。”

其表示，人工智能需要教授全新的計算學科或方面，例如負責任的人工智能以及如何防止人工智能的濫用。“將會有很多使用[人工智能系統]的人不了解其背后的原理。”

新的大學專業也將出現在數據科學、機器學習、用戶體驗和移動工程等領域，以及人工智能的特定分支，如生成人工智能、LLMs和計算機視覺，德勤的 Beena 表示。

這將能讓學生為將來的工作做好準備，讓他們更能適應市場需要。

計算機科學教師協會以及職業準備和技術部門的研究員 Julie 表示，在高中階段，人工智能的影響意味著“我們需要快速學習很多東西”。

“每一項新技術都會帶來挑戰，” Julie 說。“我預計我們會做出調整。”

Julie 大力倡導在小學教授計算方面的知識。其表示：“在小學教[學生]什么，是虛擬助理是合適的功能。” 她二年級的女兒正在學習數字公民以及如何安全上網。

“最悲觀的情況之一是，如果人工智能做得更多，人類就會做得更少，” Eric 說。“我不這么認為。越來越多的人將使用它來制作應用程序，創建在藝術上有趣的計算產品，并通過計算表達自己。”

人工智能對就業市場的影響

雖然有些任務可能很難用人工智能取代，但一些研究表明，這項技術已經在取代工人。

Cognizant 最近的一項研究表明，高達 90% 的工作崗位將在某種程度上受到生成式人工智能的影響。盡管過去的技術進步和自動化主要影響體力勞動和以流程為中心的知識工作，但該研究發現，“生成式人工智能準備做相反的事情，其對知識工作產生更大的破壞。”

報告進一步發現，“涉及信用分析、計算機編程、網絡開發、數據庫管理和圖形設計的工作，理論上其最高被影響的可能性已經達到了 50% 左右。到 2032 年，隨著技術進步，一些工作受影響程度可能會攀升至 80%。”

盡管國際貨幣基金組織 (IMF) 的分析發現，全球 40% 的就業崗位已經受到人工智能的影響，但在發達經濟體，這一數字攀升至 60%。

國際貨幣基金組織的研究指出：“人工智能的獨特之處，在于它能夠影響高技能工作。” “因此，與新興市場和發展中經濟體相比，發達經濟體面臨著更大的人工智能風險，但也有更多機會利用人工智能帶來的好處。”

新的工作類型

毫無疑問，人工智能時代將需要新的工作崗位。Reid 表示，計算機科學家的工作將演變成設計程序，指定將直接編譯到代碼中的要求，而不是編寫代碼本身。他說，人工智能“將改善軟件工程師的工作方式，使他們更加關注需求、規范以及驗證，而不是實際的編碼實踐”。

Reid 稱，人工智能不會奪走工作崗位，但會改變工作的性質。“我總是描述它的方式是，每項工作都包含許多任務，這些任務將被人工智能和自動化取代，但工作不會。”他認為，工作人員將改變手動執行某些操作的需要，就像文字處理消除了手動打字的需要一樣。

Reid 和 Julie 都表示，對能夠進行快速提示工程、與LLM互動以獲取所需信息的人的需求已經很大。Reid 說：“這是兩年前不存在的工作。”。

提示工程是“構建人工智能可以理解的文本的過程；這是一種新的說話方式，”Julie 說。“由于互聯網的原因，我們使用了縮寫語言，例如‘lol’。現在我們要學習根據提示說話。”

其他需要的工作包括機器學習工程師，他們專注于構建、培訓和驗證模型；MLOps（機器學習運維）工程師，負責生產中的測試、部署和監控模型；Reid 表示，人工智能測試人員可以了解系統輸出的缺陷并進行修復，人工智能合規官員則確保遵守法律法規。

“我堅信人工智能不可能完全自主……人類和機器總是會一起工作，而機器正在增強人類的能力，” Reid 稱。為了讓人工智能在增強方面取得成功，人類必須確定系統的設計方式、人類的工作描述如何變化以及如何建立成功的合作伙伴關系。“隨著新就業機會的產生，這些問題是需要提出的。”

其他閱讀