生成式AI冲击计算机教学引发学生质疑

Katie是一名从小想学计算机的大二女生。她数学成绩普通，也没有系统训练经历，过去最拿得出手的项目只是几个简陋网页游戏。进入大学后，她原本期待接受系统教育，却发现课程大纲、作业评语和提醒邮件都可能由大模型生成，甚至导师的关怀也可能只是自动化脚本触发的结果。

生成式AI普及后，学校的教学政策不断摇摆：起初要求用AI生成课程内容、批改作业和发送通知，几个月后又因幻觉与低质量内容撤回。更矛盾的是，同一门课可能在一个模块强制学生使用AI，下一模块却把使用大模型认定为学术不端。Katie认为，教授一边要求学生独立完成任务，一边又直接把需求交给Claude，造成课程说明充斥空泛内容，作业规模也从适中练习膨胀为3000字说明、15项提交材料，工作量约为过去三倍。

这让数学基础薄弱或跨专业就读的学生只能快速浏览知识点。更糟的是，许多人投入十多天后才收到勘误邮件，得知大纲存在错误并被要求重新提交，之前消耗的时间和模型调用成本也难以挽回。Katie认为，问题根源不只在教师，也在管理层试图用自动出题和自动批改扩大招生、压缩助教与讲师成本；她平时几乎见不到导师，数日未登录平台后收到的“导师来信”，实际只是自动预警。

相关博客发布后不到一天登上Hacker News首页榜首。评论区形成明显分歧：资深从业者认为AI只是工具，善用苏格拉底式对话能加快学习，并指出少数拥有扎实基础的年轻开发者可以迅速超过经验丰富的工程师。但另一部分毕业生感到前景恶化。有研究称，22至25岁、处于最易受AI影响行业的员工，就业水平比较少受到冲击的同行低19%；招聘者也承认，与其培养应届生，不如让资深工程师配备高性能编码代理。

Katie最终仍没有放弃学习计算机。她表示，自己关心职业发展，却不想因此停止探索，统计学等领域仍值得单纯出于兴趣去学习。她或许会回到OpenProcessing，继续制作简单的互动作品，至少这些项目让她真正理解了编程。

一个带音乐的太空射击游戏，是她早期作品之一。

她还制作过点击后会发出叫声的莫古利互动页面。

另一个作品会利用麦克风声音把小鱼吓跑。

这些作品在技术复杂度和传播效果上远不及如今通过Astra、Fable等工具一句提示生成的内容，甚至可能不如新模型制作的“鹈鹕骑自行车”演示热门，但其中包含由人亲手调试、观察和创造的生命力。编程最初带来的兴奋，并不是刷完LeetCode、节省Token或完成效能指标，而是敲下几行代码后，看见屏幕上的像素按照自己的想法运行。生成式AI带来了强大的能力，却也可能让教育和开发过程失去这种探索感。