代码都让AI写，CS还有前途吗？加州大学伯克利分校：CDSS申请人数飙升48%

　　AI写了这么多代码，你还应该学习计算机科学吗?新的数据表明，学生们仍然成群结队地在大学里选修计算机:加州大学伯克利分校(UCB)计算机科学专业的一年级申请人数猛增48%!UCB教授分析，AI还没有学会创新，人类软件开发者可以利用AI提质增效。

　　围绕生成式人工智能最广泛的担忧之一，就是这项技术是否会让打工人失业。

　　在疯狂制造焦虑的「即将被人工智能取代的十大职业」等类似榜单中，也时常能看到软件工程师的身影。

　　技术工作(程序员、软件工程师、数据分析师)位于「可能会被ChatGPT抢走的十个工作」之列

　　一种盛行的说法是，如今Github Cop ilot可以编写大量代码，甚至未来我们都可以用自然语言和计算机交互，那么现在还值得学习计算机科学吗?

　　自2022年ChatGPT横空出世以来，这个问题一直困扰着那些有「编程梦」的高中生。

　　与其坐而论道，不如看看正在发生的事情是什么。

　　一个新的数据表明:学生们仍然成群结队地在大学里选修计算机。

　　加州大学伯克利分校(UCB)计算机科学专业的一年级申请人数猛增48%!

　　尽管生成式人工智能取得了进步，但学生们仍然渴望从事计算机科学职业，因为人类开发者对于创造新事物仍然至关重要。

　　CS入学人数暴涨

　　以加州大学伯克利分校为例，这所大学在计算机科学领域处于领先地位。

　　加州大学董事会于去年5月投票通过了在伯克利分校建立计算、数据科学与社会学学院(College of Computing， Data Science， and Society，CDSS)的提案。

　　在2024年秋季入学的新生中，有约1.4万人申请CDSS专业，相比去年增长了48%。

　　而且，这个数据放在学校招生数量的大背景下就显得尤为突出:UC伯克利的整体本科申请人数相较一年前变化不大，只有CDSS专业的申请人数一枝独秀。

　　这个数据来自于伯克利CDSS学院院长Jennifer Chayes教授本人。上周在旧金山举行的加州GenAI联合峰会上，她与州长Gavin Newsom和斯坦福大学教授李飞飞进行了炉边谈话，并公布了这些令人瞠目的数据。

　　不止是UCB，其他大学的CS专业也炙手可热。

　　牛津大学申录数据

　　自学院开始招生以来，牛津大学三个计算机科学学位的申请量增加了一倍。由于竞争太过激烈，许多能力出众的申请者未能获得录取。

　　UCL也公布了CS专业相关申录数据，2024年申请人数达到创纪录的4097人。

　　人类程序员可堪大任

　　之后，美国知名科技博客Business Insider联系到了UCB计算机科学的教学教授John DeNero，就这个问题进行了深入探讨。

　　John DeNero

　　John DeNero也是生成式人工智能初创公司Lilt的首席科学家，曾在谷歌担任研究员，负责开发谷歌翻译。

　　Lilt官网

　　他在给Business Insider的一封电子邮件中写道:

　　学生们对生成式人工智能将影响软件工程就业市场，尤其是入门级职位表示了一定的担忧，但他们仍然对计算机职业感到兴奋。

　　我告诉他们，我认为目前生成式人工智能还无法可靠地完成软件开发中许多具有挑战性的工作，我预计在未来很长一段时间内，人类软件开发人员仍将扮演核心角色。

　　AI还没有学会创新

　　DeNero解释说，生成式人工智能目前非常擅长复制以前编写过多次的部分软件程序。

　　学生们用AI包办了那些不需要创新的计算机作业。

　　甚至，曾有一段时间ChatGPT 的使用率下降，科技圈一开始不理解是什么原因导致聊天机器人不再热门。

　　有人提出了一个假设:数以百万计的学生在放暑假，所以他们不需要 ChatGPT来作弊(bushi，我的意思是研究)。

　　后来，暑假结束，学校开学，ChatGPT 的访问量强劲增长，数据居然证实了这个假设。

　　AI用来「辅助」考试和作业当然是ok的，可是如果我们想创造新的东西怎么办?

　　这时仍然需要聪明的人类程序员。

　　这在逻辑上是合理的，因为AI模型是在数据基础上训练出来的。

　　如果问AI这个世界上还不存在的信息，或者不是训练数据集的一部分，模型往往会遇到麻烦。

　　生成式人工智能「需要大量深思熟虑的人工干预才能产生新的东西，而所有重要的软件开发项目都涉及大量新颖性」。

　　DeNero表示，「这才是计算中真正困难而有趣的部分，需要聪明和训练有素的人才去完成」。

　　但是这并不意味着拒绝一切AI工具，DeNero补充说:

　　「生成式人工智能可以加快软件开发中较为琐碎的部分，而软件开发人员往往会迅速采用高效工具」。

　　编程与农耕不同

　　在程序员之前，另一个职业——翻译，是更早感到危机的。

　　18年前，谷歌翻译首次问世。可这么长时间过去，人类语言学家并没有被取代。

　　在翻译工作非常重要的时候，人类语言学家仍然是不可或缺的。

　　我们或许可以用谷歌翻译来阅读英文菜单，但如果没有人类专家的检查，我们大概率不会用这款应用来翻译企业最重要的合同。

　　正是基于这一点，DeNero才创办了为翻译人员打造的人工智能平台——Lilt公司。

　　他表示，「要可靠地完成可以达到出版质量的翻译，人类语言专家仍然是整个流程的核心，但通过使用Lilt针对特定任务的生成式AI模型，这些专家可以更快、更准确、更一致地完成翻译工作。」

　　因此，借助AI工具，更多的文本能以更高的质量翻译成更多的语言。

　　以此类推，软件开发领域也是相同的道理。

　　DeNero希望软件开发领域也能出现同样的模式:由训练有素的人类开发人员组成的小型团队将更有能力开发出有用的高质量软件。

　　「因此，未来的伯克利毕业生将有很多机会利用他们的计算机技能来改善世界。」

　　那么，使用AI编程工具会提高效率吗?

　　一项关于GitHub C o pilot的研究证据表明，AI能够显著提高开发人员的生产力。

　　微软及其子公司GitHub的研究人员将软件开发人员分为两组，一组可以使用人工智能编码助手，另一组则没有。

　　有人工智能辅助的开发者完成任务的速度比没有辅助的开发者快56%。

　　这实在是一个很大的数字，相比之下，19世纪中叶蒸汽机的引入仅使大型工厂的生产率提高了15%。

　　有人可能会问，效率提高不就意味着不需要那么多的开发人员了吗?岂不是还要失业?

　　等等，请暂停一下，在我们陷入这种「末日想象」之前，或许也可以先考虑一下乐观的理由。

　　也许，正如业内人士所预测的那样，对编程的需求足以同时雇佣人类和人工智能。

　　拖拉机的出现曾让很多农民失业，可是编程与农耕不同。

　　华盛顿大学计算机科学教授Zachary Tatlock认为，「70亿人只能吃这么多食物，但人类想要或需要的软件数量是否有上限，目前还不清楚。」

　　在过去的50年里，我们的软件产量一直严重不足，我们对软件的需求还没有被满足。

　　换言之，AI可能会帮助人类更快地编写代码，但我们仍然需要所有的人类，因为我们需要尽可能多的软件，只要它们能以最快的速度构建出来。

　　在最乐观的前景中，AI带来的所有生产力提升将刺激对软件的需求，使未来的程序员比现在更加抢手。