AI 时代，大学计算机教育该如何重塑？

在 AI 工具迅速渗透编程与学习场景的当下，大学——尤其是计算机科学（CS）院系——正面临一个根本性问题：在 AI 时代，大学还有何独特价值？蒙大拿州立大学 CS 教授在其最新长文中系统阐述了他的思考与改革方向。

大学仍然是相关且必要的机构

文章首先回应了「AI 时代大学是否仍有用」的常见质疑。作者承认，辍学者在科技圈并不少见，大学文凭从来不是技术职业的硬性门槛。但他强调，目前 CS 教育正出现一场「正在浮现的危机」：如果不主动调整，大学在后 AI 世界中将难以维持其相关性。

CS 院系历史上倾向于把「写代码」视为学生自学即可掌握的次要技能，而把理论课程放在更核心的位置。作者认为这种取向历来就有问题——学生如果不会写链表、不会实际使用哈希表，就很难真正理解大 O 复杂度分析背后的含义。

写代码本身反而成了大学的独特优势

在企业环境中，一个反讽正在出现：越来越多资深工程师被要求「不要自己写代码」，而是借助 AI 智能体（agent）来生成代码。这种方式对已有多年编码经验的人或许可行，却把没有 AI 前编码经验的年轻开发者置于两难境地——他们从未真正写过代码，却要进入一个「没人再写代码」的工作环境。

作者由此看到了大学的独特机会：大学可以成为「年轻软件工程师真正写代码的地方」。通过把课程重心拉回实践性、代码量大的作业，让学生在没有企业时间压力的安全环境中积累编码经验。这样，他们在进入重度使用 AI 的工作环境时，才能具备阅读、理解和判断代码的能力。

在 AI 世界里重新建立「能力信号」

作者观察到，学生在作业中使用 AI 完成代码、拿高分、却几乎没有学到东西的现象极为普遍。他自己就曾发现：上学期他提供的在线测试成绩「高得离谱」，明显是 AI 作弊的结果。

在这种情况下，大学反而获得了独特的「信号能力」：线下、手写、有监考的考试。依托学校现成的阶梯教室、打印机、考点等基础设施，教师可以每三周左右安排一次现场手写小测，限定一页手写笔记，不允许携带电子设备。虽然仍无法完全杜绝作弊，但作弊难度大幅提升。这让大学得以向外界提供一种「高信噪比」的学生能力证明——这是其他机构很难复制的。

迈向「接受 AI」的 CS 课程

文章后半部分勾勒了一个面向 AI 时代的 CS 课程改革蓝图，涵盖当前与未来两类变化：

当前可行的调整：

• 作业可以更雄心勃勃、更贴近真实项目——以前因工作量过大而不可行的任务，如今学生借助 AI 也能完成。
• 把 AI 当作「优秀助教」使用：自动评判、自动反馈、把教师从重复劳动中解放出来。
• 恢复「坐得住、手写」的考试传统。
• 可视化与演示的成本降低，鼓励学生多动手做 demo。
• 课程内容应以 Markdown 等开放格式存放，便于学生配合 AI 工具学习。
• 鼓励开源贡献，让学生获得可被外部验证的真实作品。

未来可能的方向：

• 制定更严格的伪代码标准，使学生在与 AI 协作前先想清楚逻辑。
• 设立「AI 轨道」与「非 AI 轨道」两条路径，让不同需求的学生各自深入。
• 在校园内提供网络隔离的电脑，强制练习纯编程能力。
• 引入「面试式评分」，用口头追问检验学生是否真正理解。
• 探索「CS+X」跨学科概念，让 CS 教育与领域知识更紧密结合。
• 清晰、诚实地向学生传达 AI 的能力边界与风险。

结语

作者的核心观点可以概括为：AI 并未让大学变得多余，反而让大学在某些方面变得更加不可替代——只要大学愿意主动调整。无论是让学生真正写代码、用现场考试重建能力信号，还是把 AI 当作助教与工具集成进课程，关键在于把教育重心从「记忆与完成」转向「理解、判断与协作」。AI 时代的大学不会消失，但它的形态必须改变。