【新智元导读】美国就业市场被颠覆：程序员需求45年最低，而文科生被内外夹击。但最近ACM的博客文章，提出了耳目一新的观点：GenAI是文科和计算机科学复兴的唯一希望。顺GenAI则昌，逆之则亡！

　　但最近，美国的国际计算机协会（Association for Computing Machinery，ACM），发布了一篇博客文章，表示：文科和计算机科学，这两个专业最后可能合流，融合在一起才能存活。

　　在哲学中，「存在危机」指的是质疑自己人生目的、意义和在世界中位置的状态。

　　在生成式人工智能（GenAI）时代，这两个领域都面临着学科相关性、方法论及存在价值的深刻拷问。

　　根据美国艺术与科学学院数据，美国的文科学士学位授予比例已从2005年的近15%骤降至2022年的8.8%。

　　与此同时，计算机科学（Computer Science，CS）领域也遭遇生存危机：GenAI正在威胁程序员在编程等脑力工作的不可替代性。

　　这种双重危机反而创造了学科融合的契机：AI在颠覆两个看似截然不同的领域，同时也可能为它们注入新生机。

　　与此形成鲜明对比，文科专业毕业生往往面临就业前景不明、起薪偏低、需要额外的资格证书才能获得职业发展等困境。

　　就业的这种差距将学生推向STEM等理工科领域，尽管他们可能对文科有兴趣。

　　由此，形成了文科的恶性循环：招生萎缩导致院系经费削减，进而进一步削弱学科吸引力，依次反复。

　　20世纪中后期，后现代主义与存在主义作为对现代主义「进步、理性与普世真理」信仰的反叛而兴起。

　　也就是说，即使在哲学层面上质疑「真理」或「进步」等概念，但计算机科学用技术持续推动世界发展，其实际成果有目共睹，难以否认。

　　人文学科本身就围绕意义、解释和价值等问题展开，后现代主义的批评质疑了寻找有意义真理的可能性，同时也使学术讨论变得更加复杂，难以为大众所理解，也弱化了与社会现实需求的关联。

　　在美国，过去两年中，超过四分之一的计算机编程岗位消失，这是有史以来最严重的计算机行业衰退。

　　根据美国劳工统计局提供的420多种职业的数据，计算机编程成为受冲击最严重的十大职业之一。

　　在现实世界中，「开发者」（developer）和「程序员」（programmer）几乎可以互换使用。

　　在政府的规范定义中，程序员承担基础性编码工作，而规模更为庞大且增速更快的软件开发者，职能范围则更广。

　　开发者需要完成客户需求分析、解决方案设计，并与程序员、硬件工程师等协作实施项目方案。

　　经过反思，Andrew Van Dam认为原因显而易见：GenAI正在取代程序员。

　　九游娱乐-官方入口

　　在2022年底，就在程序员需求急剧下降之前，OpenAI发布了ChatGPT，展示了GenAI惊人的能力，能够生成包括文本、视频、音频、图像和代码在内的内容。

　　这次发布以及随后迅速出现的一系列引人注目的突破，引发了关于这些快速发展的生成式AI技术对当前和未来工作、工人以及生活可能产生的影响的疑问.

　　毫无疑问，程序员受AI的冲击最大，但急剧下降的原因不能仅归咎于GenAI。

　　这让人好奇，是否有一天「programmer」（程序员）是否会重复「computer」的命运。

　　过去几个世纪，英文「computer」一词描述的是从事复杂的计算的人员。

　　换句话，「computer」在过去的中文含义是「计算员」，而不是「计算机」。

　　如今，「computer」仅仅指的是人类用来处理计算任务的机器，将来「programmer」可能仅仅指用来自动处理程序的机器。

　　尽管表现形式各不相同，在方法论上，生成式人工智能（GenAI）的崛起，给两个领域带来了根本性的冲击。

　　对人文学科而言，GenAI的文本分析、意义阐释与内容生成能力，正在动摇人类学术贡献的不可替代性，甚至可能让学者显得多余和累赘。

　　计算机科学则面临类似的危机：由于GenAI可自动化编程流程，入学率下滑的担忧日益加剧，越来越多人认为这项技术将削弱编程基础的重要性。

　　长此以往，或将催生一代仅擅长指令调优（prompting）却疏于理解计算原理的开发者。

　　计算机科学家具备开发和改造AI系统的能力，与其说GenAI是威胁，不如说他们正构建着共生关系；

　　人文学科与计算机科学纳入GenAI内容，不仅将重塑教学范式，还可能通过吸引传统弱势学生群体，为这两个学科注入新的活力。

　　尽管生成式人工智能（GenAI）带来危机，但这是人文学科与计算机科学复兴的唯一机会：利用GenAI破解各自的核心局限。

　　计算机科学通过算法和系统优化开发高效解决方案，而人文学科则专注于解释人类文化、历史和思想。

　　GenAI能处理语言密集型或其他劳动密集型任务，将学者从「西西弗斯」一样重复而无意义的工作中解放出来，让他们专注于真正推动知识进步的创造性和分析性思考。

　　希腊神话中，西西弗斯受惩罚：必须将一块巨石推上山顶，而每次到达山顶后巨石又滚回山下，如此永无止境地重复下去。

　　这场技术变革会吸引那些曾被技术或语言要求而被劝退、却始终对学科核心问题保持兴趣的人才。

　　最重要的成果是卡内基梅隆大学开发的Alice与MIT开发的Scratch编程环境。

　　这些编程环境降低了形式化编程语言的心智负担，让学习者专注于计算机科学中真正重要的事情，即问题解决和算法思维。

　　在古典学、中世纪与现代史等领域，学者需耗费数年、掌握多门语言，才能开展研究。

　　以大屠杀（Holocaust）研究为例，档案材料涵盖德语、波兰语、俄语、法语、意第绪语及希伯来语（含手写体），迫使学者按地域而非整体视角开展研究。

　　而GenAI的文档翻译与转录能力，将帮助历史学者跨越语言藩篱，专注于历史诠释。

　　GenAI实现了学科平民化，有望构建更多元、包容的学术共同体，为亘古之问带来崭新视角。

　　如今，学者能跨越数十种语言和几百年的文化模式：比较中世纪阿拉伯文本与现代日本文学的叙事母题，追溯哲学概念在亚非欧大陆的流变。

　　由此，GenAI将学术疆域扩展到远超学者个人寿命的维度，开辟出全新的研究领域。

　　GenAI给计算机科学和人文学科带来的变革，构成了所谓的「AI转向」（AI turn）——

　　通过自动化核心脑力劳动，GenAI不仅改变了研究方式，更迫使我们重新思考：在知识生产链条中，什么是人类不可替代的独特贡献？

　　「AI转向」不仅是方法论迭代，更是重塑学科疆界的催化剂，它将开创一个计算方法与人文探究深度交融的新学术生态。

　　AI或许能优化研究流程，但效率提升绝非终极目标：知识发现、深层理解与思想贡献，始终是学术探索的核心。

　　当AI接管重复性技术工作后，研究者将得以重拾学术的本真：破解复杂问题，构建意义阐释，进而深化对技术系统与人类经验的双重理解。

　　如果文科研究者真的被深度神经网络的表面表现所误导，那文科和理科将分道扬镳。

　　深度网络实际上对它拼凑出的叙述中的词汇，并没有任何理解，尽管它能够让无知的读者相信它知道自己在说什么。

　　六十年前，Joseph Weizenbaum的「Eliza」程序做了同样的事情，让当时的观察者大为震惊。

　　如果人文学科的从业者无法分辨何时自己正被一个人工的、自闭症般的天才所迷惑——

　　这个天才能记住一切，能以表面上的优雅围绕任何话题转圈，但实际上什么也不懂，那么人文学科的确面临着存在危机。