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]