【新智元導讀】AI寫了這麽多代碼，你還應該學習計算機科學嗎？新的數據表明，學生們仍然成群結隊地在大學裏選修計算機：加州大學伯克利分校（UCB）計算機科學專業的一年級申請人數猛增48%！UCB教授分析，AI還沒有學會創新，人類軟件開發者可以利用AI提質增效。
圍繞生成式人工智能最廣泛的擔憂之一，就是這項技術是否會讓打工人失業。
在瘋狂製造焦慮的「即將被人工智能取代的十大職業」等類似榜單中，也時常能看到軟件工程師的身影。
技術工作（程序員、軟件工程師、數據分析師）位於「可能會被ChatGPT搶走的十個工作」之列
一種盛行的說法是，如今Github Copilot可以編寫大量代碼，甚至未來我們都可以用自然語言和計算機交互，那麽現在還值得學習計算機科學嗎？
自2022年ChatGPT橫空出世以來，這個問題一直困擾著那些有「編程夢」的高中生。
與其坐而論道，不如看看正在發生的事情是什麽。
一個新的數據表明：學生們仍然成群結隊地在大學裏選修計算機。
加州大學伯克利分校（UCB）計算機科學專業的一年級申請人數猛增48%！
盡管生成式人工智能取得了進步，但學生們仍然渴望從事計算機科學職業，因為人類開發者對於創造新事物仍然至關重要。
CS入學人數暴漲
以加州大學伯克利分校為例，這所大學在計算機科學領域處於領先地位。
加州大學董事會於去年5月投票通過了在伯克利分校建立計算、數據科學與社會學學院（College of Computing, Data Science, and Society，CDSS）的提案。
在2024年秋季入學的新生中，有約1.4萬人申請CDSS專業，相比去年增長了48%。
而且，這個數據放在學校招生數量的大背景下就顯得尤為突出：UC伯克利的整體本科申請人數相較一年前變化不大，只有CDSS專業的申請人數一枝獨秀。
這個數據來自於伯克利CDSS學院院長Jennifer Chayes教授本人。上周在舊金山舉行的加州GenAI聯合峰會上，她與州長Gavin Newsom和斯坦福大學教授李飛飛進行了爐邊談話，並公布了這些令人瞠目的數據。
左一：Jennifer Chayes
不止是UCB，其他大學的CS專業也炙手可熱。
牛津大學申錄數據
自學院開始招生以來，牛津大學三個計算機科學學位的申請量增加了一倍。由於競爭太過激烈，許多能力出眾的申請者未能獲得錄取。
UCL也公布了CS專業相關申錄數據，2024年申請人數達到創紀錄的4097人。
人類程序員可堪大任
之後，美國知名科技博客Business Insider聯系到了UCB計算機科學的教學教授John DeNero，就這個問題進行了深入探討。
John DeNero
John DeNero也是生成式人工智能初創公司Lilt的首席科學家，曾在谷歌擔任研究員，負責開發谷歌翻譯。
Lilt官網
他在給Business Insider的一封電子郵件中寫道：
學生們對生成式人工智能將影響軟件工程就業市場，尤其是入門級職位表示了一定的擔憂，但他們仍然對計算機職業感到興奮。
我告訴他們，我認為目前生成式人工智能還無法可靠地完成軟件開發中許多具有挑戰性的工作，我預計在未來很長一段時間內，人類軟件開發人員仍將扮演核心角色。
AI還沒有學會創新
DeNero解釋說，生成式人工智能目前非常擅長復製以前編寫過多次的部分軟件程序。
學生們用AI包辦了那些不需要創新的計算機作業。
甚至，曾有一段時間ChatGPT 的使用率下降，科技圈一開始不理解是什麽原因導致聊天機器人不再熱門。
有人提出了一個假設：數以百萬計的學生在放暑假，所以他們不需要 ChatGPT來作弊（bushi，我的意思是研究）。
後來，暑假結束，學校開學，ChatGPT 的訪問量強勁增長，數據居然證實了這個假設。
AI用來「輔助」考試和作業當然是ok的，可是如果我們想創造新的東西怎麽辦？
這時仍然需要聰明的人類程序員。
這在邏輯上是合理的，因為AI模型是在數據基礎上訓練出來的。
如果問AI這個世界上還不存在的信息，或者不是訓練數據集的一部分，模型往往會遇到麻煩。
生成式人工智能「需要大量深思熟慮的人工幹預才能產生新的東西，而所有重要的軟件開發項目都涉及大量新穎性」。
DeNero表示，「這才是計算中真正困難而有趣的部分，需要聰明和訓練有素的人才去完成」。
但是這並不意味著拒絕一切AI工具，DeNero補充說：
「生成式人工智能可以加快軟件開發中較為瑣碎的部分，而軟件開發人員往往會迅速采用高效工具」。
編程與農耕不同
在程序員之前，另一個職業——翻譯，是更早感到危機的。
18年前，谷歌翻譯首次問世。可這麽長時間過去，人類語言學家並沒有被取代。
在翻譯工作非常重要的時候，人類語言學家仍然是不可或缺的。
我們或許可以用谷歌翻譯來閱讀英文菜單，但如果沒有人類專家的檢查，我們大概率不會用這款應用來翻譯企業最重要的合同。
正是基於這一點，DeNero才創辦了為翻譯人員打造的人工智能平臺——Lilt公司。
他表示，「要可靠地完成可以達到出版質量的翻譯，人類語言專家仍然是整個流程的核心，但通過使用Lilt針對特定任務的生成式AI模型，這些專家可以更快、更準確、更一致地完成翻譯工作。」
因此，借助AI工具，更多的文本能以更高的質量翻譯成更多的語言。
以此類推，軟件開發領域也是相同的道理。
DeNero希望軟件開發領域也能出現同樣的模式：由訓練有素的人類開發人員組成的小型團隊將更有能力開發出有用的高質量軟件。
「因此，未來的伯克利畢業生將有很多機會利用他們的計算機技能來改善世界。」
那麽，使用AI編程工具會提高效率嗎？
一項關於GitHub Copilot的研究證據表明，AI能夠顯著提高開發人員的生產力。
微軟及其子公司GitHub的研究人員將軟件開發人員分為兩組，一組可以使用人工智能編碼助手，另一組則沒有。
有人工智能輔助的開發者完成任務的速度比沒有輔助的開發者快56%。
論文地址：https://arxiv.org/abs/2302.06590
這實在是一個很大的數字，相比之下，19 世紀中葉蒸汽機的引入僅使大型工廠的生產率提高了15%。
有人可能會問，效率提高不就意味著不需要那麽多的開發人員了嗎？豈不是還要失業？
等等，請暫停一下，在我們陷入這種「末日想象」之前，或許也可以先考慮一下樂觀的理由。
也許，正如業內人士所預測的那樣，對編程的需求足以同時雇傭人類和人工智能。
拖拉機的出現曾讓很多農民失業，可是編程與農耕不同。
華盛頓大學計算機科學教授Zachary Tatlock認為，「70億人只能吃這麽多食物，但人類想要或需要的軟件數量是否有上限，目前還不清楚。」
在過去的50年裏，我們的軟件產量一直嚴重不足，我們對軟件的需求還沒有被滿足。
換言之，AI可能會幫助人類更快地編寫代碼，但我們仍然需要所有的人類，因為我們需要盡可能多的軟件，只要它們能以最快的速度構建出來。
在最樂觀的前景中，AI帶來的所有生產力提升將刺激對軟件的需求，使未來的程序員比現在更加搶手。
---[新智元報導*編輯：庸庸 喬楊/來源: 新智元]
參考資料：
https://www.businessinsider.com/ai-software-code-should-you-still-study-computer-science-2024-5
