GenAI日新月異，引發(fā)了大眾選擇職業(yè)和大學專業(yè)的焦慮。

但最近，美國的國際計算機協(xié)會（Association for Computing Machinery，ACM），發(fā)布了一篇博客文章，表示：文科和計算機科學，這兩個專業(yè)最后可能合流，融合在一起才能存活。

在哲學中，「存在危機」指的是質疑自己人生目的、意義和在世界中位置的狀態(tài)。

如今，這一概念恰如其分地反映了人文學科與計算機科學的現(xiàn)狀——

在生成式人工智能（GenAI）時代，這兩個領域都面臨著學科相關性、方法論及存在價值的深刻拷問。

文科和CS：危機已現(xiàn)

根據美國藝術與科學學院數據，美國的文科學士學位授予比例已從2005年的近15%驟降至2022年的8.8%。

報告鏈接：https://www.amacad.org/humanities-indicators/higher-education/bachelors-degrees-humanities

與此同時，計算機科學（Computer Science，CS）領域也遭遇生存危機：GenAI正在威脅程序員在編程等腦力工作的不可替代性。

這種雙重危機反而創(chuàng)造了學科融合的契機：AI在顛覆兩個看似截然不同的領域，同時也可能為它們注入新生機。

文科：腹背受敵

文科吸引力下降的原因錯綜復雜，但最終重要的是就業(yè)問題。

外部因素中，就業(yè)市場導向與教育投資回報率，日益成為關鍵考量。

計算機專業(yè)畢業(yè)生的就業(yè)環(huán)境：高薪職位充足、需求穩(wěn)定、職業(yè)路徑清晰。

與此形成鮮明對比，文科專業(yè)畢業(yè)生往往面臨就業(yè)前景不明、起薪偏低、需要額外的資格證書才能獲得職業(yè)發(fā)展等困境。

就業(yè)的這種差距將學生推向STEM等理工科領域，盡管他們可能對文科有興趣。

由此，形成了文科的惡性循環(huán)：招生萎縮導致院系經費削減，進而進一步削弱學科吸引力，依次反復。

文科自身的內在困境，也削弱了吸引力。

20世紀中后期，后現(xiàn)代主義與存在主義作為對現(xiàn)代主義「進步、理性與普世真理」信仰的反叛而興起。

這場哲學思潮影響了各個學科，但對不同學科產生了不同的影響。

一方面，后現(xiàn)代主義的懷疑論與計算機科學并行不悖。

也就是說，即使在哲學層面上質疑「真理」或「進步」等概念，但計算機科學用技術持續(xù)推動世界發(fā)展，其實際成果有目共睹，難以否認。

另一方面，后現(xiàn)代主義的懷疑主義直接沖擊了文科的核心。

人文學科本身就圍繞意義、解釋和價值等問題展開，后現(xiàn)代主義的批評質疑了尋找有意義真理的可能性，同時也使學術討論變得更加復雜，難以為大眾所理解，也弱化了與社會現(xiàn)實需求的關聯(lián)。

CS：程序員45年需求最低

在美國，過去兩年中，超過四分之一的計算機編程崗位消失，這是有史以來最嚴重的計算機行業(yè)衰退。

根據美國勞工統(tǒng)計局提供的420多種職業(yè)的數據，計算機編程成為受沖擊最嚴重的十大職業(yè)之一。

今年，是美國自1980年以來、長達45年歷史的程序員數量最低時期。

而在過去45年，美國的總勞動力增長了約75%！

專欄作家Andrew Van Dam分析了其中的原因。

學習編程曾是文科專業(yè)學生的救星。但如今，美國的編程崗位正在急劇減少。

在現(xiàn)實世界中，「開發(fā)者」（developer）和「程序員」（programmer）幾乎可以互換使用。

但在美國政府統(tǒng)計數據的世界中，二者有著明顯的區(qū)別。

在政府的規(guī)范定義中，程序員承擔基礎性編碼工作，而規(guī)模更為龐大且增速更快的軟件開發(fā)者，職能范圍則更廣。

開發(fā)者需要完成客戶需求分析、解決方案設計，并與程序員、硬件工程師等協(xié)作實施項目方案。

經過反思，Andrew Van Dam認為原因顯而易見：GenAI正在取代程序員。

在2022年底，就在程序員需求急劇下降之前，OpenAI發(fā)布了ChatGPT，展示了GenAI驚人的能力，能夠生成包括文本、視頻、音頻、圖像和代碼在內的內容。

這次發(fā)布以及隨后迅速出現(xiàn)的一系列引人注目的突破，引發(fā)了關于這些快速發(fā)展的生成式AI技術對當前和未來工作、工人以及生活可能產生的影響的疑問.

毫無疑問，程序員受AI的沖擊最大，但急劇下降的原因不能僅歸咎于GenAI。

在過去兩年中，整個科技行業(yè)都舉步維艱，他們?yōu)檫^去魯莽的決策買單！

這讓人好奇，是否有一天「programmer」（程序員）是否會重復「computer」的命運。

過去幾個世紀，英文「computer」一詞描述的是從事復雜的計算的人員。

換句話，「computer」在過去的中文含義是「計算員」，而不是「計算機」。

1952年，工作中的「計算員」(computer)

如今，「computer」僅僅指的是人類用來處理計算任務的機器，將來「programmer」可能僅僅指用來自動處理程序的機器。

GenAI：來勢洶洶，銳不可當

盡管表現(xiàn)形式各不相同，在方法論上，生成式人工智能（GenAI）的崛起，給兩個領域帶來了根本性的沖擊。

對人文學科而言，GenAI的文本分析、意義闡釋與內容生成能力，正在動搖人類學術貢獻的不可替代性，甚至可能讓學者顯得多余和累贅。

計算機科學則面臨類似的危機：由于GenAI可自動化編程流程，入學率下滑的擔憂日益加劇，越來越多人認為這項技術將削弱編程基礎的重要性。

長此以往，或將催生一代僅擅長指令調優(yōu)（prompting）卻疏于理解計算原理的開發(fā)者。

這與計算機科學家的角色定位形成根本性沖突。

然而，關鍵差異在于從業(yè)者與工具的關系：

計算機科學家具備開發(fā)和改造AI系統(tǒng)的能力，與其說GenAI是威脅，不如說他們正構建著共生關系；

而人文學者，通常只能被動使用無法重塑的技術工具。

值得注意的是，GenAI帶來的挑戰(zhàn)也可能產生積極影響。

人文學科與計算機科學納入GenAI內容，不僅將重塑教學范式，還可能通過吸引傳統(tǒng)弱勢學生群體，為這兩個學科注入新的活力。

轉機：計算機+文科合流

盡管生成式人工智能（GenAI）帶來危機，但這是人文學科與計算機科學復興的唯一機會：利用GenAI破解各自的核心局限。

計算機科學通過算法和系統(tǒng)優(yōu)化開發(fā)高效解決方案，而人文學科則專注于解釋人類文化、歷史和思想。

雖然兩學科方法論迥異，但AI的能力將為二者帶來變革性助力。

GenAI能處理語言密集型或其他勞動密集型任務，將學者從「西西弗斯」一樣重復而無意義的工作中解放出來，讓他們專注于真正推動知識進步的創(chuàng)造性和分析性思考。

希臘神話中，西西弗斯受懲罰：必須將一塊巨石推上山頂，而每次到達山頂后巨石又滾回山下，如此永無止境地重復下去。

這種突破會否成為吸引更多學術進入兩領域的關鍵？

利用GenAI降低入門門檻

這場技術變革會吸引那些曾被技術或語言要求而被勸退、卻始終對學科核心問題保持興趣的人才。

回溯計算機科學教育史，關于如何擴大參與的討論已經進行了幾十年。

最重要的成果是卡內基梅隆大學開發(fā)的Alice與MIT開發(fā)的Scratch編程環(huán)境。

Scratch可以可視化的編寫互動故事、游戲和動畫

這些編程環(huán)境降低了形式化編程語言的心智負擔，讓學習者專注于計算機科學中真正重要的事情，即問題解決和算法思維。

這場持續(xù)數十年的教學改革，與GenAI帶來的范式革新異曲同工。

同理在人文學科，GenAI能攻克最頑固的壁壘：語言能力。

在古典學、中世紀與現(xiàn)代史等領域，學者需耗費數年、掌握多門語言，才能開展研究。

以大屠殺（Holocaust）研究為例，檔案材料涵蓋德語、波蘭語、俄語、法語、意第緒語及希伯來語（含手寫體），迫使學者按地域而非整體視角開展研究。

而GenAI的文檔翻譯與轉錄能力，將幫助歷史學者跨越語言藩籬，專注于歷史詮釋。

GenAI實現(xiàn)了學科平民化，有望構建更多元、包容的學術共同體，為亙古之問帶來嶄新視角。

AI引爆學術范式轉變

或許最具深遠意義的是，GenAI正在重塑學術問題的基本范式。

對人文學者而言，GenAI打破了長期制約研究視野的語言和斷代壁壘。

如今，學者能跨越數十種語言和幾百年的文化模式：比較中世紀阿拉伯文本與現(xiàn)代日本文學的敘事母題，追溯哲學概念在亞非歐大陸的流變。

中世紀阿拉伯文本

這種全球尺度的比較研究，過去的學者很多單獨完成。

由此，GenAI將學術疆域擴展到遠超學者個人壽命的維度，開辟出全新的研究領域。

GenAI給計算機科學和人文學科帶來的變革，構成了所謂的「AI轉向」（AI turn）——

這比學術界既往的方法論轉向，更具范式革命性。

通過自動化核心腦力勞動，GenAI不僅改變了研究方式，更迫使我們重新思考：在知識生產鏈條中，什么是人類不可替代的獨特貢獻？

「AI轉向」不僅是方法論迭代，更是重塑學科疆界的催化劑，它將開創(chuàng)一個計算方法與人文探究深度交融的新學術生態(tài)。

學術研究的手段與目的常被混淆。

AI或許能優(yōu)化研究流程，但效率提升絕非終極目標：知識發(fā)現(xiàn)、深層理解與思想貢獻，始終是學術探索的核心。

在這兩個文科和CS領域，GenAI可以成賦能研究全過程——

從數據收集、多語言翻譯、分析建模到文稿起草——

在提升效率的同時，GenAI加速人類的認知突破。

當AI接管重復性技術工作后，研究者將得以重拾學術的本真：破解復雜問題，構建意義闡釋，進而深化對技術系統(tǒng)與人類經驗的雙重理解。

文科真正的生存危機

如果文科研究者真的被深度神經網絡的表面表現(xiàn)所誤導，那文科和理科將分道揚鑣。

深度網絡實際上對它拼湊出的敘述中的詞匯，并沒有任何理解，盡管它能夠讓無知的讀者相信它知道自己在說什么。

即便是創(chuàng)建這些深度神經網絡的專家，也承認這就是事實。

六十年前，Joseph Weizenbaum的「Eliza」程序做了同樣的事情，讓當時的觀察者大為震驚。

論文鏈接：https://dl.acm.org/doi/10.1145/365153.365168

如果人文學科的從業(yè)者無法分辨何時自己正被一個人工的、自閉癥般的天才所迷惑——

這個天才能記住一切，能以表面上的優(yōu)雅圍繞任何話題轉圈，但實際上什么也不懂，那么人文學科的確面臨著存在危機。