文章核心观点 - 资深人工智能专家Yann LeCun建议计算机科学专业学生应重视数学、物理、电子工程等基础学科的学习，而非追逐流行技术，以适应快速的技术变革并确保学位的长期价值 [1][2] 对计算机科学教育的批判与建议 - LeCun指出，仅修读计算机科学学位要求的最低数学课程（如仅学微积分1）远远不够，这可能导致学生无法适应重大技术变革 [1][2] - 建议学生尽可能多地学习数学、物理或电子工程等基础课程，这些知识能够长期受益，而非只学习当下流行的技术课程 [1] - 强调应学习与现实联系起来的数学基础知识，如建模，这类知识常在工程院校的电气工程、机械工程等专业中教授 [1] - 工程学科（如电气工程）通常要求学习微积分1、2、3，能打下更良好的基础，并且能让学生接触到对人工智能非常有用的控制理论和信号处理等概念 [2] 对编程与核心技能的看法 - 包括OpenAI的Brett Taylor在内的领域领军人物强调，计算机科学远不止学习编程 [2] - 包括诺贝尔奖得主Geoffrey Hinton在内的学者强调，培养批判性思维以及掌握数学、统计学、概率论、线性代数等技能是跟上人工智能发展步伐的关键，这些知识永远不会消失 [2] - LeCun澄清其建议并非抛弃基础编程，学生仍需学习足够的计算机科学知识以进行编程和使用计算机，尽管人工智能可以提高编程效率 [3] 教育现状与挑战 - 大学和计算机科学专业的学生仍在努力探索如何调整课程设置，以适应生成式人工智能和日益智能化的人工智能时代 [1] - 加州大学伯克利分校教授Hany Farid曾描述，当前学生在求职方面面临困境，这与以往毕业生“求职无忧”的局面形成鲜明对比 [1]

行业变革与AI影响 - 2024年高考考生达1335万人，计算机和人工智能成为热门推荐专业，张雪峰17999元志愿填报服务3分钟内售罄[1] - AI已能编写谷歌25%新代码并修复52%程序漏洞，Claude Code实现自我编写和重构[2] - 编程范式从"写代码"转向"写意图"，开发者通过自然语言与AI协作生成代码[4] - Claude公司调整招聘策略，仅招募资深工程师，初级岗位大幅收缩[5] - 未来5年超50%入门级白领职位将消失，初级工程师首当其冲[6] 计算机专业价值 - 6位专家一致认为计算机专业仍值得报考，核心价值在于培养系统思维和创新能力[9][10] - AI工具替代重复编码工作，但需求分析、架构设计等高端技能需求上升[11][17][18] - 计算机专业课程（数据结构、算法、操作系统等）构成AI发展基础[17][27][30] - 优秀开发者与速成者的代码质量差异显著，AI生成代码目前质量仍有限[14][29] 未来技能需求变化 - 算法/数据结构/系统设计等基础能力权重不变，经验性技能（如架构设计）可能下降[27][28] - 创意能力（视频/艺术创作）、产品思维、沟通表达等软技能重要性提升[27][34][38] - 批判性思维、系统架构能力、终身学习成为核心竞争力[38] - 初级编码（增删改查）和语法细节可能边缘化，工程思维成为关键[28][33][34] 从业者适配建议 - 适合人群需具备逻辑思维、好奇心、持续学习能力，兴趣是持久动力[23][24][26] - 硬件方向（量子计算/AI芯片）适合喜欢实体设备的学生[23] - 软件方向需区分工程管理（适合组织协调型）与算法设计（适合逻辑创新型）[23] - 职业路径多元化，可向AI研发、学术深造或公务员方向发展[22][26] 行业实践案例 - 蚂蚁集团工程师90%代码通过AI生成，但需求理解/任务拆解仍需人工[21][22] - 资深开发者利用AI工具实现跨语言编程和陌生代码解读，效率显著提升[23] - 60岁程序员借助Cursor工具延长职业生命周期，印证终身学习价值[38]