学计算机专业还重要吗？人工智能时代的专业选择

蒋红涛

在过去很长一段时间里，计算机科学被认为是最安全、最稳妥的大学专业之一。会编程，意味着掌握技术、拥有较好的就业前景、站在时代前沿。许多家长和学生几乎默认，只要学计算机，就不会走错路，也不愁将来找工作。

但随着人工智能的发展，尤其是人工智能已经能够自动生成代码、修改程序、完成相当复杂的软件任务，这个看似稳固的共识开始出现松动。越来越多的学生和家长开始思考：在人工智能时代，学计算机专业，还像过去那样是最好的就业选择吗？

要理解这个问题，不妨回到半个世纪前。

上世纪七十年代，电子计算器开始普及。在那之前，算盘是许多行业必备的工具，熟练打算盘甚至是一种专业能力和就业优势的象征。然而，当计算器变得便宜、快捷、随处可得后，人们很快发现，继续花大量时间训练算盘技巧，已经不再具备现实意义，也不再直接对应更好的工作机会。

但真正被取代的，并不是数学。工程师、科学家、经济学家依然需要理解数字、模型和逻辑关系。变化的只是工具，而不是对思维能力的需求。历史告诉我们：工具可以替代重复劳动，却无法替代理解和判断，而就业市场最终奖励的，正是后者。

今天，人工智能正在对编程做同样的事情。

人工智能可以快速写代码、修复常见错误、实现标准算法。这意味着，单纯“会写代码”正在变得越来越像当年的“会打算盘”——仍然有用，但不再稀缺，也不再构成稳定的就业护城河。如果一个学生把计算机专业理解为“多学几门编程语言，就能保证将来好找工作”，这种期待在今天需要认真调整。

这并不等于说计算机科学不重要，或者计算机相关工作会大量消失。更准确地说，计算机相关岗位正在发生明显分化。以重复编程和执行为主的岗位，竞争会越来越激烈，需求增长也会放缓；而那些需要理解系统原理、算法结构、工程约束，或者将计算能力与具体领域结合起来的岗位，依然非常紧缺。

真正的问题在于，编程正在从“决定性能力”，变成一种“基础工具”。就像今天没有人会因为不会心算而被否定，但如果不理解数学原理，就很难胜任真正复杂、有长期发展的工作。

在人工智能时代，社会对人才的需求，正在从单纯的“执行能力”转向“判断能力”和“系统理解能力”。人工智能可以执行指令，却无法决定哪些问题值得解决；可以给出结果，却无法判断结果是否合理；可以提供建议，却无法承担后果和责任。无论是大型技术系统、医疗决策、金融模型，还是气候与能源问题，最终需要负责、做决定、承担风险的，依然是人。

因此，对今天的高中生来说，关键并不在于“要不要学计算机专业”，而在于不应再把计算机专业当作唯一、或最安全的就业选择。比起追逐某一个热门专业名称，更重要的是打下能够在不同岗位、不同阶段长期受益的基础能力。

这些基础包括：数学的逻辑训练、物理和工程的系统思维、生物与医学对复杂生命系统的理解、地球与气候科学对现实世界的把握，以及经济学对人类行为和决策机制的洞察。人工智能并不会削弱这些学科的就业价值，反而会让掌握这些知识、又懂得使用计算工具的人更具竞争力。

更理想的路径，是将扎实的领域知识与计算能力结合起来。与其反复纠结“我是否应该主修计算机科学”，不如思考“我希望在未来解决什么样的现实问题，而计算与人工智能可以如何帮助我”。在这样的结构中，编程是一种通用语言，而不是唯一身份；人工智能是一种强大的工具，而不是工作的全部。

当然，学生也应该接触并使用人工智能工具。但使用的目的，不是逃避思考，而是更高效地理解问题、验证假设、拓展视野。如果失去了对原理的理解，只剩下对工具的依赖，那么看似更“接近未来”，反而在就业上更加脆弱。

回顾算盘的历史，我们其实早已得到启示：当工具越来越强大时，真正稀缺的，从来不是操作工具的能力，而是理解、判断和负责的能力。在人工智能时代，教育的目标不再是培养“像机器一样高效的人”，而是培养能够长期学习、不断适应变化、并在复杂世界中做出理性决策的人。

因此，在这样的时代背景下，讨论“学计算机专业还重要吗”，最终并不是要给出一个统一答案。真正重要的，是帮助每一个学生找到与自己兴趣、能力和长期投入意愿相匹配的学习方向。无论是计算机科学、物理、生物、工程、医学、经济学，还是人文与社会科学，只要建立在真实的兴趣和持续的热情之上，并辅以必要的计算与工具能力，都有可能在人工智能时代形成独特且不可替代的价值。

人工智能并不会奖励盲目追逐热门专业的人，而更倾向于放大那些愿意长期深耕、真正热爱所学领域的人。专业选择的关键，不在于名字是否“热门”，而在于学生是否愿意为这个方向持续投入时间、精力与思考。找到这一点，比选择任何一个看似“最安全”的专业，都更加重要。这，或许才是人工智能时代，专业选择真正需要回答的问题。