近日《哈佛商业评论》撰文，就人工智能对经济、教育的影响展开了思考。在他们看来，人工智能的兴盛要求教育必须跟上步伐，这样才能让人们在未来受益。

对于我们这一代人，无人驾驶汽车、语音助手等人工智能科技或许令人惊奇。但下一代可能没有人会对此感到惊讶了。以后人工智能将不仅是一种工具，更多时候，它会变成你的同事，成为你生活中不可或缺的一部分。

我们的下一代将能够有效利用人工智能和大数据，认识到自身的局限性，完善人工智能平台和系统。而现在，我们就要帮助他们做好准备，也就是说，我们需要改进初级教育，优化中等教育的计算机科学教育。

看看现在的儿童是怎样使用人工智能和自动化技术的把。

如果你对Siri说，“打开身着橙色连衣裙的明星照片，”不到一秒钟，手机上就会出现Taylor Swift的照片，现在这看起来像魔术，但显然并不是。工程师们在设计人工智能系统时，先将任务分解成许多小任务，找到针对每个小任务的解决方案，再让彼此之间产生联系。

以Siri为例，人工智能系统先将接收到的语音分成小的部分，并把它们发送到云端，然后分析每个部分的含义，再将分析结果转换成搜索请求。最后，对各种可能的解决方法进行筛选和排序。因为云端足够强大，这个过程只需要几微秒的时间。

人工智能系统并不像火箭科学那么复杂，但它需要各方面的知识，比如用于破解语音的波形分析、让机器识别裙子的机器学习知识、保护信息的加密设置等等。而且不少知识都相对基础，能够举一反三应用于许多程序。因此，这并不是一个天才在闭门造车。投身于人工智能科技的人必须具备组建团队、发挥各个成员的能力。而这些就是我们需要教给下一代的东西。

随着人工智能不断普及，我们需要将注意力转移到人类区别于人工智能的特质上——创造力、适应性和人际交往技能。

在初级教育阶段，我们需要重视培养学生解决问题的能力和团队合作意识。所幸，现在初级教育阶段已经在这方面有了较大的投入。

另一方面，不论哪个阶段，道德教育都应该得到更多的关注。很多时候，人工智能科技都会面临道德困境——比如怎样克服种族、民族和性别偏见，无人驾驶汽车如何平衡车主和行人的生命权益等——这就需要我们和工程师共同努力，不断优化人工智能的应用。

当然，在初级教育阶段，过分重视编程学习这种做法并不可取。教编程没错，而且儿童也乐在其中，Snap!和Scratch这样的语言也很实用。但事实上，孩子们在更高的教育阶段中再学习编程也来得及。有些人认为学习编程百利而无一害，但这种想法很容易误导人。当今已经是数字时代，计算机科学变得与写作和数学同等重要。对于个人来说，不管是成为一名计算机科学家还是选择别的职业，编程技能都将有助于他们的职业发展。

现在，美国只有40%的学校开设了编程课程，而且教学的质量和规范性也参差不齐。参加计算机科学大学先修课程（AP）考试的学生数量近年来急剧增长。去年参加计算机科学大学先修课程A考试（APCS-A）的考生高达58,000人，但仍远远落后于参加微积分大学先修课程AB（APC-AB）考试的人数，而后者考生已达308,000人。而且，美国三分之一的州甚至没有将计算机科学课程计入学生的毕业学分。

来自code.org的数据

令人沮丧的是，美国的计算机科学教育仍不及其他的发达国家。以色列已经把计算机科学纳入了大学预科课程，英国最近在计算机学校的项目上进展良好，而德国、俄罗斯也不断向前发展。奥巴马在2016年年度国情咨文中提到了计算机科学教育举措，这意味着美国朝着正确的方向迈出了迟来的一步。然而，由于川普政府削减预算，这个提案可能会搁浅。

加强高中阶段的计算机科学教育不但会让学生自身受益，也能鼓励更多学生——以及更多样的学生群体——未来选择计算机科学作为职业，进而推动计算机科学的发展。

去年秋天，卡内基梅隆大学的大一新生中，将近一半都是女学生，这种情况让人振奋。但同时，计算机科学领域仍然很难扩大女性和少数群体的比例。将聪明才智转化为计算机系统、在漫无边际的数据海洋里获得真知灼见，这些愿景都需要多样化的人才。

想要在计算机科学上保持领先地位，编程教学方法的改进亟不可待。老师在课堂上总是按照上世纪九十年代的方法来教编程。那时候，计算机科学的核心是代码的一些细节（想想Visual Basic）。如果你仍执着于这些细枝末节，或许会有所收获，但将落后于时代。显然，现在不应当如此。

编码是一项创造性活动，因此开发一些富有趣味又受人欢迎的编程课程是完全可行的。比如在纽约市，女童子军就参加了一个项目，女生学习使用Java语言创建和优化视频。这类活动不仅有趣，而且与孩子们的生活息息相关，因此受到孩子们的喜爱。难道学校不应该参考这样的案例吗？

对于九年级以上的学生，学校应当开设计算数学、计算艺术之类的选修课，帮助那些有兴趣又有天分的学生成长为计算机科学家。目前在美国，除了APCS-A备考需要的核心课程，很少有高中开设其他计算机相关的课程。虽然也有少数的例子——比如纽约市的Stuyvesant高中、弗吉尼亚州亚历山大市的Thomas Jefferson科学技术高中、达拉斯市的精英高中TAG，这些学校都拥有一批尽职尽责的教员团队，他们或是具备计算机科学的专业背景，或是接受过相关培训。

同时，高中数学这个学科也应当减少包括高等微积分在内的数学课程，减少重复性，增加与计算机科学直接相关的数学课程，比如数据学、概率论、图论和逻辑学。对于当今的人才，这些是最实用的技能。

接受过计算机科学培训的教师数量严重不足，这是当前美国学校面临的主要问题。在这方面，美国的科技公司已经有所表现。比如微软公司便资助了TEALS项目，将计算机从业人员与高中教师配对，提供每周互相交流的机会。但我们需要的是上千名教师来教授数百万的学生，为推动这一事业，仍需要更多的科技公司投入。而在学术层面，德克萨斯州立大学的Austin’s Uteach项目是为STEM学科教师提供培训的模范案例，如今该项目已拓展到哥伦比亚区和美国21个州的44所大学。

不过这些还不够。就像科学和数学一样，K12阶段的计算机科学也需要政府来制定标准，需要教材、课程以及接受过良好培训的教师骨干队伍。美国计算机科学教师协会在该领域一直是个先行者，他们已经开发了一个标准的框架以及一套临时标准。

总之，我们对下一代人工智能和大数据的投资必须是长期的，而这些投入终究会让所有人都受益。

本文编译自《哈佛商业评论》，由决胜互联网+编译。