人工智能正在改变高中生的科学课学什么

但到2025年，这种热情已有所减退。“学习编程”如今听起来有点像“学习速记”。青少年仍然想在科技行业工作，但他们不再认为只有一条路可走。人工智能似乎准备抢走编程工作，而且也没有太多关于“氛围编程”的大学先修课程（AP课程）。他们的老师也在努力跟上变化。

纽约曼哈顿乡村学院的助理校长本杰明·鲁宾斯坦表示：“过去是尽可能多地学习计算机科学，现在则是尽可能多地学习统计学课程。”鲁宾斯坦在纽约市的课堂上已经待了20年，时间足够长，让他见证了“STEM人才输送管道”从一条直线变成了一个分支网络。对他的学生来说，学习统计学感觉更实用。

四十年前，受美国国家航空航天局（NASA）启发的学生梦想成为物理学家或工程师。二十年后，谷歌等科技巨头的工作魅力将他们吸引到计算机科学领域。现在，他们的抱负受到人工智能的影响，促使他们远离人工智能能做的事情（编程），转向人工智能仍难以胜任的领域。随着寻求计算机科学学位的学生数量减少，具有STEM思维的高中生开始关注将计算与分析、解释和数据相结合的领域。

鲁宾斯坦仍然要求每个学生在毕业前学习计算机科学，“这样他们就能理解幕后发生的事情。”但他所在学校的数学系现在将数据素养与实际应用相结合：一门应用数学课程让学生分析纽约警察局的数据以提出政策变革建议，还有一门民族数学课程将数学与文化和身份认同联系起来。“我们不希望数学感觉与现实生活脱节，”他说。

鲁宾斯坦表示，这是一个微小但意义重大的转变——而且并非孤立发生。在经历了长期繁荣之后，大学的计算机科学热潮正在降温。根据非营利组织计算研究协会的调查，2023-2024学年美国和加拿大授予的计算机科学、计算机工程和信息学位数量比上一年下降了约5.5%。

在高中阶段，对数据的兴趣显而易见。据《教育周刊》报道，2024年AP统计学考试注册人数为264,262人，使其成为最热门的AP考试之一。AP计算机科学考试的报名人数仍然很多——2024年有175,261名学生参加了AP计算机科学原理考试，98,136名学生参加了AP计算机科学A考试——但信号很明确：数据素养现在与编程并列，而非从属。

“那些自认为是STEM人才的学生，会追求他们认为能让自己成为职场抢手货、具有价值的东西，”鲁宾斯坦说。“职场基本上可以通过说‘这是我们对学生的需求’来改变教育。K-12学校会随之跟进。”

在这一切中，人工智能的兴起让教师处于困境。他们试图让学生为一个由机器学习定义的未来做好准备，同时还要应对这些工具如何轻易地缩短学习过程。

然而，鲁宾斯坦认为人工智能可以成为STEM教育工作者真正的盟友，而非替代品。他设想的课堂是，算法帮助教师识别哪些学生掌握了概念，哪些学生需要更多时间，或者根据学生的兴趣推荐数据项目——这些方法可以让学习更加个性化和实用化。

这是他在学生身上看到的同一转变的一部分：从学习如何解释和使用技术，而不仅仅是构建技术。其他教育工作者也开始沿着类似的思路思考，探索人工智能工具如何增强数据素养或扩大个性化STEM教学的可及性。

在佐治亚大学，科学教育研究员翟小明已经在测试这可能是什么样子。他的团队构建了他所谓的“多智能体课堂系统”，即与教师和学生互动以模拟科学探究过程的人工智能助手。

翟的项目测试了一种新的素养：不仅是如何使用人工智能，还有如何与人工智能一起思考。他讲述了一位访问学者的故事，这位学者从未写过一行代码，却使用生成式人工智能构建了一个功能正常的科学模拟。

“编程的门槛降低了，”他说。“现在真正的技能是将人工智能与自己的学科相结合。”

翟认为，人工智能不应被视为STEM学科的融合体，而应被视为其核心的一部分。他说，下一代科学家将像他们的前辈使用显微镜一样使用算法——检测模式、测试想法并推动可知边界。编程不再是前沿；真正的技能是学习如何解释和与机器智能协作。作为国家科学教育人工智能委员会的主席，翟正在推动明确这一转变，敦促学校教学生利用人工智能的精确性，同时警惕其盲点。

“人工智能可以做一些人类做不到的工作，”他说，“但在其训练数据之外，它也会惨败。我们不希望学生认为人工智能无所不能，也不希望他们完全害怕它。我们希望他们负责任地使用它。”

这种在熟练使用与怀疑、雄心与身份认同之间的平衡，正在悄然改写像鲁宾斯坦所在学校那样的STEM含义。计算机科学课程不会消失，但它们正与法医学选修课、科幻实验室和数据伦理辩论共享舞台。

“学生不能再把事情看作是分门别类的了，”鲁宾斯坦说。“做出好的决定需要多个学科。”

人工智能不是即将到来——它已经到来。今天的STEM学生没有与之对抗；他们正在学习解读它、质疑它并使用它。新技能不是为机器编程，而是足够理解其逻辑以驾驭它。