- +1
我的科学观|曹建农:工具终会迭代,人的品味与判断力是大学教育的内核
(一)
时常有人问我,现在AI能力这么强,我们还有必要从头学习传统编程吗?我的答案是:一定要学。
我在大学讲授一年级编程课已经多年。在我眼里,编程是一门艺术。同样一道题目,100个学生交上来,应该是100种不同的程序,这就是艺术。
这和数理化基础是同一个道理。哪怕AI能够推导出困扰数学界多年的定理,倘若我们要投身研究,底层的方法、知识与能力,依旧需要我们自己掌握,编程也是如此。
AI生成代码的能力固然出众,但面对一套复杂完备的大型系统,它仍然难以独立完成。拿数据库举例,AI或许可以做出基础功能,但远远达不到工业级高性能数据库的水准。想要引导AI开发高质量的数据库,必须理解数据库背后的物理存储结构。
试想,如果只是简单对AI说“帮我写一个数据库”,既提不出精准的需求,也无从判断成果优劣和风险,更不敢直接投入使用。缺少扎实的专业基础,这些判断都无从谈起。
我的本科学习是在南京大学。入学前,我对软件几乎一无所知。当时大家受陈景润先生的影响,很多人一心想读数学。后来有人跟我们说,有个前景很好、未来人才缺口很大的方向,这个方向也需要用到扎实的数学基础,这个方向叫计算机软件,我便选择了这个专业。
我们那时候学软件,是从最底层的二进制编码起步,天天和0、1打交道。全校只有一台主机,我们不能直接进机房上机,而是要把指令写得尽量精准,交给操作员,由他们用穿孔纸带把程序录入机器。最后返回的结果也全是0和1,我们要逐行校验对错。现在回头看,正是这样原始的方式,把我们的底子打磨得格外扎实。
放到今天,这套训练方式未必还适用。我也并非主张现在的学生还要从头学二进制编码,工具可以被替代,但工具替代掉的这一层之上,总会不断生长出新的知识与问题,我们真正要思考的,是如何引导学生去掌握这些新事物。
斯坦福大学教授唐纳德·克努特关于编程艺术的那四卷著作,长久以来都是我们这个领域的经典。软件体系结构同样有它独有的美感,存在各式各样的架构模式。如果不去讲授这些内容,学生就没有辨别力,分不清什么样的代码才算好代码。松耦合、模块化这些经过工程验证的实践,如果不在课堂传递给学生,等他们进入企业或机构承担软件开发任务时,就无从下手。
当然,这不代表所有编程工作都要人类亲手完成。底层繁琐的代码编写完全可以交给AI承担,这就是人机协作的价值。当AI替我们承接底层的工作,人就要向更高层的抽象思考迈进。但向上攀登,依旧建立在扎实的基础上,那些欣赏力、判断、品位不能丢掉。
在我看来,大学教育,首要的是帮助学生认识自我。掌握一两门专业知识、产出一两篇论文,这些都只是副产品。做研究也是同一个道理,我常常跟人说,写论文本身不是目标,只是研究过程里衍生出来的副产品。教育真正的重心是能力的培养,判断力、学术品味,本质上也都属于能力。所以我总会跟学生讲,先要想明白,自己想成为什么样的人。第二,就是训练学生看待世界、审视问题、解决问题的思维方式。这套训练才是能让学生受益终身的。
(二)
最近,我一直在观察AI给数学领域带来的颠覆性变化。不少刚入职的青年教师面临困境:过去要花心思撰写课题申请,现在属于他们的机会一下子被AI挤占了。计算机领域的情况又不太一样,AI还无法替代计算机学科,理论计算机方向可能会受到冲击。
这也是很多年轻研究员焦虑的源头,很多时候,AI给出的方案确实优于人类的构思。压在青年教师身上的,不只有AI带来的竞争压力,还有评价体系带来的重担、来自学生的压力。过去很长一段时间,教学大多依托教科书,配套的PPT也多是教材自带,不少课堂只是照着PPT复述知识点。如果老师本身缺少对产业一线和真实社会的感知,自然无法把鲜活的知识带给学生。
有了AI以后,学生进入课堂,第一件事是打开计算机、把AI调出来。老师抛出的问题,学生交给AI作答。一堂课下来,AI做总结,学生对着总结过一遍就算学完了。学生的AI掌握程度越来越先进超前,倘若习惯性地倚靠AI而缺少自主思考,长此以往便会形成“认知卸载”。
如果教育再不改革,怎能办出高质量的大学教育?这也是我们当下推进教育转型的出发点,我们想要做的,是从根本上重塑现有的教育模式。
老师要重新思考授课内容、调整讲授方式,学生的学习路径同样需要改变。获取知识的渠道如今已是越来越多元,门槛也大大降低,单纯传输知识的价值正在消退。大学教育理应扎根真实场景,课程改革的核心是引入工业界与真实社会场景,推行场景化教学。
与之配套的,还有评价体系。如果仍然沿用传统GPA的单一评判标准,已难以衡量学生真正的成长与水平。评价体系不能光靠分数,不少顶尖高校已经开始在低年级逐步弱化GPA。我们也在探索可行的路径——降低GPA在综合评定里的权重,留出空间去衡量学生的真实能力。
这种能力分两个维度,一方面落脚社会实践与产业项目,评判学生在真实项目里的参与程度与实际表现,另一方面依托能力图谱,立体呈现学生综合素养,这些能力包括提出问题、分析问题、善用AI解决问题的本事。
教育的重心要转向培养人提出问题的能力。好问题从来不是凭空冒出来的,教育程度、过往积累的实践经验、跨学科的视野,都决定了提出什么水准的问题。最重要的一点是品味,品味这件事,门槛很高,远比传授知识难。
当然,回避和禁止AI是不现实的,今后任何一家企业或机构招学生,首要考察的,一定会是驾驭AI的能力。未来的学生必须学会用好AI,更重要的,是对AI输出结果的评判能力。拿到AI给出的答案,是全盘接受,还是持续交互、反复打磨,这是拉开差距的关键。

【本文作者曹建农,现任香港理工大学副校长(教学)、潘乐陶慈善基金数据科学教授、电子计算学系分布式与移动计算讲座教授,及高等教育研究及发展院院长。他是欧洲人文和自然科学院院士、香港工程院院士、国际电机电子工程师学会 (IEEE) 会士,中国计算机学会 (CCF) 会士和计算机协会 (ACM) 杰出会员。他在分布式系统、计算机网络、大数据分析和人工智能等领域的研究屡获殊荣。】





- 报料热线: 021-962866
- 报料邮箱: news@thepaper.cn
互联网新闻信息服务许可证:31120170006
增值电信业务经营许可证:沪B2-2017116
© 2014-2026 上海东方报业有限公司




