AI时代人文学科与计算机科学的挑战与机遇：文科生转码是否明智？

进不了网站？换个网络试试！

近年来，我们经常听到这样的论点，即在AI时代，人文科学不可避免地会下降。小苏的各种“文科学生的自我救援指南”已建议文科学生“转码”并放弃人文学科。这意味着，关注解释，文化和人类经验的学科在这个世界上已经过时了，即使是过时的古董也越来越受算法统治。

但是，随着生成人工智能（Genai）的越来越多的力量，许多人发现“转码”似乎并不意味着放心。当AI可以在5分钟内完成过去50个小时的编程时，传统的计算机科学（CS）也面临着前所未有的挑战。

但是挑战也带来了机会。国际计算机协会（ACM）发表的最新博客文章“在Genai时代，计算机科学与人文学科的一体道路”指出，这两个领域所面临的危机很可能是一个将它们推向深层整合和重塑的机会。

图片丨相关的博客文章（来源：ACM）

CS不仅是人文科学的黄昏，还面临着“生存危机”

人文科学的困境是陈词滥调。根据美国艺术与科学学院等机构的数据，美国大学授予的人文学士学位的比例从2005年的近15％下降到2022年的8.8％。原因首先是整个社会的“就业市场上的雇佣市场充足”和“就业经济上的恢复”和高等教育。在功利主义的推动下，教育越来越被视为特定职业和高薪的直接跳板。与通常进入具有大量高薪职位，相对稳定的需求和清晰的职业发展路径的计算机科学毕业生相比，人文学科毕业生通常会面临更不确定的就业前景，较低的起始工资，并且通常需要获得额外的证书或更高的学位或更高的学位才能实现稳定的职业发展。

（来源：艺术）＆）

这种明显的市场差异使许多可能对历史，文学和哲学有浓厚兴趣的学生推向了看似更加“实用”的STEM（科学，技术，工程，数学）领域的学生。这不可避免地形成了负面反馈循环：减少入学率会导致相关部门获得的资金和资源相应减少，进一步降低了他们对未来学生的吸引力，并且受试者的活力缩小。

同时，人文不乐观。尽管后现代主义的想法是在20世纪中后期出现的，但作为对现代性的宏伟叙事，普遍理性和绝对真理的反思和批评，大大加深了我们对知识，力量和语言的理解，但它也带来了一些意外的后果。它对诸如“真相”和“进步”之类的概念的疑问似乎对某些领域的影响有限（例如强调功能实施和技术迭代的计算机科学） - 毕竟，技术实际上正在改善，并且产品功能不断增加。

但是，这种怀疑深深地触及了人文科学的核心，这些核心围绕着意义，解释和价值进行了讨论。后现代主义的批评使学术讨论更加复杂，有时甚至是不可思议的，从而使公众的日常关注和实际需求产生了一定的疏远感，从而减少了其在公共领域的可及性和影响力。

但是，当许多人认为计算机科学是AI时代的“研究”时，Genai的崛起也会对其产生巨大影响。博客文章指出，Genai威胁要自动化计算机科学领域的核心知识任务，从而触发了该领域本身的“存在危机”。

想象一下，一个学生将一名学生专门花费四年的宝贵时间，努力学习，在2021年充满信心，但突然发现，今天的AI工具可以生成，调试甚至优化他曾经花费数十个小时在几分钟内完成的代码。这不仅是效率的指数提高，而且是计算机科学教育核心价值的基本问题。传统的计算机教育，尤其是那些专注于在特定编程语言中实施语法，框架和基本算法的人，仍在为学生毕业时AI所改变的工作培养才能吗？

图丨美国程序员人数的减少（来源：邮政）

当AI可以完美处理语法细节时（例如，曾经引起无数初学者头痛的半符号和括号的匹配），会自动生成功能模块，甚至提出调试建议，我们对“计算机科学家”核心功能的定义也必须进化。仅掌握编程的“技术”方面（即如何根据规则编写代码）似乎是迅速贬值的。

计算机科学领域的关注点开始传播：一代只能精通“提示（）” AI的“开发人员”，但对基本计算原理，数据结构选择的深刻理由以及系统设计的复杂权衡不了解吗？这种对储藏核心能力的恐惧导致计算机科学深刻地反思了其教育目标和评估方法，并与人文学科一起，已经陷入了其自己未来价值的问题。

积分的潜力

博客文章指出，面对Genai引起的常见冲击，计算机科学和人文学科不仅被动地接受了影响。相反，这种看似破坏性的危机可能包含前所未有的机会 - 这是推动这两个领域长期以来被视为“科学”和“人类”，“硬”，“硬”和“软”朝着深层整合并实现共同振兴的两极的历史机会。

Genai最直观的贡献是其强大的自动化功能，可以使人类摆脱大量重复和规则的智力劳动。对于人文学者，这意味着AI可用于加速庞大的历史档案（例如手写文档的自动转录，多语言材料的快速翻译以及初步的大规模文本模式分析）；对于计算机科学家来说，这意味着可以将繁琐的代码调试，单位测试用例生成和模板代码编写可以委托给AI。

这种解放并不意味着智力外包，而是释放人类有限的认知资源（注意力，创造力，批判性思维），从“技术”的限制中，使其更加专注于更深入的知识探索，更原始的思维和更复杂的跨域问题解决问题。

由卡内基·梅隆大学（）和麻省理工学院（MIT）开发的早期图形编程环境就是这种情况，例如爱丽丝（Alice），它降低了编程语言的语法障碍，使学习者能够与之联系并更早地与计算思维的核心进行练习。同样，Genai也有可能通过自动处理语言和数据等基本任务来降低人文和计算机科学的进入障碍，从而使更多的人可以访问并渗透到其核心问题中。