在大多數人眼中，自動駕駛汽車、語音助手和其他人工智能技術都具有革命性的意義。然而對於下一代來說，這些事物將成爲司空見慣的事情。人工智能對於他們來說只不過是一個工具。在很多情況下，人工智能將成爲他們的工作助手及其生活中常見的事物。

要讓下一代學會有效地使用人工智能和大數據，瞭解其內在的侷限性，並打造更好的平臺和更智能的系統，我們現在就應採取行動。這意味着我們須對小學教育進行一定的調整，並對早應該調整的中學計算機科學教育進行大刀闊斧的改革。

例如，想想孩子們如今如何與人工智能和自動技術進行互動：人們可以對Siri說“展示穿橙色裙子名人的照片”，然後泰勒·斯威夫特（Taylor Swift）的照片在不到一秒鐘的時間內便出現在手機上，這看上去像是變魔術，但很明顯，它跟魔術沒有關係。人們在設計人工智能系統時，會仔細地將一個問題分解爲若干子問題，並讓這些子問題的解決方案能夠進行相互溝通。在上述案例中，人工智能方案將語音截成若干小塊，併發送至雲端，對它們進行分析，以確定其可能的意思並將結果轉化爲一系列搜索請求。然後雲端會對搜索出來的數百萬個可能答案進行篩選和排序。藉助雲端的可擴展性，這一過程僅耗費十幾毫秒的時間。

這並不是什麼複雜的事情，但它需要衆多用於解讀音頻的組件波形分析，辨別裙子的機器學習，信息保護加密等等。然而，這其中的很多組件都是數個應用中反覆使用的標準組件，它並不是一個孤僻的天才在車庫中獨自估搗出來的作品。發明這類技術的人必須有組建團隊、開展團隊合作的能力，並能夠整合由其他團隊開發的解決方案。這些都是我們需要向下一代傳授的技能。

與此同時，隨着人工智能開始取代工作中的常規信息和手動任務，我們需要着重培養人力有別於人工智能的特質，即創造力、適應性和人際交往能力。

在小學階段，這意味着我們需要重點開展鼓勵解決問題的練習，並教育孩子們如何進行團隊合作。令人感到欣慰的是，八年級對於探究式或項目式的學習有着濃厚的興趣，但我們很難知道有多少地區已開始採取這一方式。

各階段的教育還應更加重視道德教育。人工智能技術一直都面臨着道德上的困境。例如，如何消除自動化決策所產生的種族、人種和性別歧視；無人駕駛汽車如何取捨乘車人與行人的生命等等。我們需要思維縝密的相關人士和程序員來完善這些決策流程。

我們並不是說要在小學設置編碼課程，儘管這樣做也沒有什麼問題，尤其是在孩子們喜歡這門課程的情況下。諸如Snap!和Scratch這類語言是很有用的。但是孩子們可以在其教育的後期階段學習編碼。然而，在學習編程方面無需擔心這一理念會讓人產生誤解。隨着世界變得愈發數字化，計算機科學在文理科中的重要性不亞於寫作和數學。不管孩子們是否會成爲計算機科學家，還是從事任何其他的職業，編程都有助於他們走得更遠。這也是我們認爲爲什麼要在9年級設置計算機編程基礎課程的原因。

美國僅有約40%的學校如今設立了編程課程，這些課程的品質和嚴謹度參差不齊。參加計算機科學大學預修課考試的學生數量正在大幅增長，2016年參加計算機科學大學預修課A考試的學生爲5.8萬名，但是與30.8萬參加微積分大學預修課AB考試的人數相比，這一數字便會黯然失色。美國有三分之一的州在學生畢業時甚至都不計算計算機科學課程的學分。

在這一方面，美國已被衆多的發達國家遠遠地拋在了後面。以色列已明確把計算機科學納入其大學預修課程。英國也通過了其Computing at School項目取得了不俗的成績。俄羅斯也在大踏步前進。奧巴馬總統在2016年國情諮文中宣佈了“全民計算機科學行動計劃”，也算是朝着這一正確的方向邁出了遲來的一步。

在高中階段完善計算機科學課程不僅會讓學生受益，同時也有助於計算機科學的發展，因爲他能夠鼓勵更多的學生以及不同學科的學生將計算機科學納入職業選項。儘管去年秋天幾乎近半數的一年級新生都是女生，但學習計算機科學專業的女性和少數種族數量仍未見增長。將智能融入系統，在無處不在的數據海洋中發現獨特的洞見是一個急需各行各業員工參與完成的任務。

然而，爲了取得成功，我們必須改變編程課程的授課方式。我們大都仍在按照20世紀90年代的思維來教授編程課程，當時，編程的細節（像Visual Basic）被視爲計算機科學的核心。如果你能夠頑強地通過編程語言細節關，你會學到一些東西，然而這仍是個痛苦的過程，但它不應該是這樣。編程是一個創造性的活動，因此，開發一門有趣、生動的編程課程是完全可行的。例如在紐約，“女童子軍”組織啓動了一個項目，教授女孩子使用Javascript來創建和提升視頻效果，這是一項孩子們喜聞樂見的事情，因爲它很有趣，而且和他們的生活息息相關。爲什麼我們的學校不照搬這一模式？

在9年級之後，我們認爲學校應提供選修課程，例如機器人學、計算數學和計算藝術，以培養對成爲計算機科學家感興趣，並有這方面天賦的學生，或那些未來需要使用電腦來提升其工作效率的學生。如今，很少有美國高中在開設備戰APCS-A考試所需的課程之餘還提供其他課程，但我們也有一些非常成功的案例，例如紐約的Stuyvesant高中，以及達拉斯TAG（天才學校）這些學校都擁有敬業的、來自計算機科學專業或接受過此類培訓的教職人員。

我們還敦促高中數學部門減少對連續數學的關注，包括高級微積分，而是去更多地關注直接與計算機科學有關的數學，例如統計學、概率學、圖論和邏輯。這些將成爲明日數據驅動型勞動力最實用的技能。

主要的障礙在於，學校嚴重缺乏擁有計算機科學背景的教師。美國的科技公司可以在這一方面給予很大的幫助。例如，微軟發起了TEALS項目。在這一項目中，高中教師每週跟隨計算機專業人士學習數小時。然而，要教授上百萬名學生，我們需要數萬名的教師。今後，我們有必要進一步加大這一方面的力度。在學術方面，得州大學在奧斯丁的UTech項目便提供了一種STEM教師的培訓模式，目前已擴張至21個州的44所大學以及哥倫比亞特區。

我們還需要投入更多的精力。在科學和數學方面，我們需要相關的政府標準，推動12年級的計算機科學教育，並開發教科書、課程，以及在全國範圍內提供訓練有素、符合上述標準的計算機科學教師骨幹力量。計算機科學教師協會一直是這一領域的領導者，它制定了一套標準框架和一系列臨時標準。

從長期來看，瞭解下一代人如何理解以及與大數據和人工智能互動是一筆能夠讓所有人都獲益的投資。

大衛·克斯比、安德魯·摩爾、馬克·斯特里克|文

大衛·克斯比是卡耐基梅隆大學計算機科學學院的副教學教授。安德魯·摩爾是卡耐基梅隆大學計算機科學學院的院長。馬克·斯特里克是卡耐基梅隆大學計算機科學學院的外聯事務副院長。

時青靖 | 編輯

相關文章