由人工智能驱动的系统能够以远超人类的速度完成许多编写任务——这自然也包括计算机代码。
那么，这对于未来计算机科学人才的培养究竟意味着什么呢？
在福特汉姆大学，教师们的态度十分明确：人工智能无法取代人类智能，即无法替代计算机科学教育所培育的深度知识体系与综合判断力。无论是在研究实验室还是课堂上，学生们都在学习如何善用人工智能的潜力，同时警惕其缺陷与陷阱。
“理解人工智能或任何程序的局限性，是我们计算机科学训练的基础之一。”计算机与信息科学系主任丹尼尔·利兹博士强调。
负责任地使用人工智能
在该系的课程体系中，“我们有不同领域的教师指导学生如何以负责任的方式，将人工智能用于编程实践，”利兹说。这意味着必须让学生认识到人工智能的固有缺陷——例如，它可能生成“看似漂亮……实则错误”的计算机代码。
“如果你真正懂编程，就能看出‘哦，原来它是想这样做’，”从而定位并修复错误，他解释道。
与此同时，学生们也在为构建更完善的未来人工智能系统做准备。实现这一目标的途径，仍是扎实掌握数据挖掘、机器学习等核心知识。“人工智能建立在计算系统之上，因此对计算系统的标准理解，在计算机科学训练中依然至关重要，”利兹指出。
人工智能导论课程在本科与研究生层面多年来一直广受欢迎，计算机科学教授达米安·莱昂斯博士表示，这在最近公众对该领域兴趣激增之前便是如此。他将人工智能描述为一个“充满活力、快速演进”的领域，在过去十年中已发生巨大变化。
人工智能领域的最新进展，也催生了福特汉姆大学新的研究生课程与项目，例如网络安全与人工智能高级证书。计算机科学教授加里·韦斯博士提到，人工智能也是教师们核心的研究方向之一，已有多个专家小组专注于人工智能与网络安全及其他领域的交叉研究。“我们整个系都高度聚焦人工智能，”他说。
研究实验室中的人工智能实践
学生们也通过参与教师主导的研究项目来深入学习人工智能，这类实践常会暴露技术的更多缺陷与偏见。例如，有学生揭示了基于人工智能的图像生成程序对肥胖人群存在的偏见；其他项目则聚焦于人工智能在种族、性别、残疾等方面的偏见，韦斯介绍道。
另一些项目则让学生看到人工智能的创新应用——将其与多种机器学习工具及几何等传统数学学科相结合，从而更高效地输出结果。
“这类似于人类思维在解决问题时融合不同思考模式的方式，”克拉维乌斯杰出科学教授、博士许（Frank Hsu）说，“脱离人类智能与自然智能的人工智能，其内涵是非常浅薄的。”
该方法由许教授在其主持的“信息与数据挖掘实验室”中开发。
在实验室担任助理的高级成员孙亦伟指出，这种融合方法能利用人工智能系统在药物发现等领域做出更优决策。但她在实验室中也亲身体验到人工智能的缺点——一个颇具讽刺意味的例子是：某次使用人工智能查询工具时，系统竟错误地标注了许教授所提出的融合分析方法的发明者。
她还注意到人工智能在研究中可能出现的“幻觉”现象。但她表示：“我可以将人工智能作为辅助工具，来帮助理解某些编程的基本概念。”
本科生和研究生还将通过许教授与富国银行科学家陈萨缪尔博士共同组织的新研讨会，了解人工智能与量子计算的结合前景。陈博士近日在罗斯希尔校区举办的克拉维乌斯杰出讲座中探讨了这一主题。
不断演进的技术图景
谈及计算机科学就业市场可能面临的冲击，韦斯指出，这个领域始终具有周期性：硅谷的热潮之后，往往伴随人工智能的“寒冬”或低谷期。
他感叹，自己学生时代所学的基于逻辑的人工智能系统，与如今能够阅读文本、识别模式并生成答案的生成式系统相比，简直不可同日而语。而这些生成式系统有时仍会出错。
“在文本中出点小错或许无伤大雅，”他说，“但在代码中，这可能造成大麻烦，因为它可能引发严重的系统问题。”
