·现在高校内部教育系统的变化，更多依靠行政命令在推动，大家都非常急迫，但是这种急迫怎样能够把行政的推动和学科本身、技术的规律相结合，我认为这是我们面临的很大问题。我们认为现在教给学生的内容可能将来用不到，但如果不教这些，我们应该教给学生什么？

以大模型技术为代表的人工智能正冲击着高校课堂，而数据科学与工程正是AI直面冲击的领域之一。

作为华东师范大学数据科学与工程学院院长，钱卫宁观察到，AI正在越来越深入到学生的日常，譬如数据学院的学生在调研中表示，去年每周用AI节省的时间大概是10个小时，到了今年，这个数字已经增长至20个小时。

面对这场由技术驱动的高校教育变革，钱卫宁一直在思考学科设置中的“变”和“不变”。在他看来，对于新工科人才的培养，需要打破学科的边界，计算机、统计和应用数学这些传统学科和各个应用领域相结合会产生大量新的应用创新和交叉学科。面向交叉领域的需要培养新工科人才非常重要，他也担心今天教给学生的技能随着技术发展很快就变成了过时的东西。所以，老师的思维方式必须转变，老师的职责也要变，如何激发学生的内驱力，保持对这个世界的好奇心，掌握自学能力，掌握应对变化的思维，也是高校教学的应有之举。

华东师范大学数据科学与工程学院院长 钱卫宁 来源：受访者供图

以下为澎湃科技日前与华东师范大学数据科学与工程学院院长钱卫宁教授的对话全文：

不教这些，我们应该教给学生什么？

澎湃科技：人工智能给你们学科带来最大的冲击是什么？

钱卫宁：人工智能让教学模式发生了很大变化。我们做了一个调研，一周研究生使用AI节省的时间有多久，去年的学生说每周大概节约10个小时，但在今年，学生一周使用人工智能能节省的时间大概有20个小时，此外，学生用人工智能帮助他们在课堂上现场回答老师提问的现象也变得越来越普遍。

我们内部曾经讨论：现在的大模型已经可以帮助学生写代码，那我们还要不要教学生写代码这类技能性的内容。但需要强调的是，今天的AI是会用AI的人在用，对于一个没有计算机基础知识的人来说，哪怕用今天最强大的人工智能工具，仍然没法完成一个复杂的开发任务。

这给我们带来很大的挑战：一方面我们认为教给学生的技能可能将来用不到，但另一方面，如果不教具体的技能，我们应该如何训练学生掌握未来技能的能力？

目前，数据学院在一线授课的老师还是认为基础知识的教学是必要的。但我们也都承认，不能用原来的方法来进行教学。我们需要梳理教学内容里“变”与“不变”的内容。因为在AI时代，变化的东西很多，今天哪一所学校或者哪一位老师能够尽早把那些“不变”的内容提炼、沉淀出来，哪个学校可能会在教学和研究上走到最前沿。

澎湃科技：在你看来，哪些内容应该发生变化？哪些又应该是不变的？

钱卫宁：我们在一些科目上做了“减法”。我们目前在规划新的人工智能专业课程，一方面，传统计算机类专业课中一部分相对古老的知识，我们做了裁剪，在课堂上不讲了。另一方面，针对学生未来从事人工智能相关工作，我们补充了和矩阵计算、优化和运筹学等相关知识。当然，如果所有的计算机、数学知识都要放到课堂来教，本科四年时间是教不完的。所以我们还需要围绕学生将来从事某些方面的研究和开发工作需要和学习的规律，对课程的编排展开设计。

人工智能是典型的“应用驱动创新”的领域。学术界和工业界之间没有太清晰的边界，产业界、工业界和高校的人才双向流动越来越普遍。我们培养人才的逻辑也强调这一点。如果缺少在产业界深耕过的有工程研发经验的老师参与，很难培养好学生。所以，我们目前的40多位专业课任教老师中有十几位老师在英特尔、蚂蚁、京东、华为、百度等创新型企业有丰富的工程研发经历。

人工智能发展的速度实在太快了，如果我们用固定的培养方案去教学生永远是落后的，所以我们也开发了一系列项目制研究型课程。比如，我们正在开发的一门新课程，让学生从零开始自己做一个预训练模型，学生在完成任务的过程中，要主动额外学习很多知识，也要从应用的角度去思考怎么做设计，去做实现和工程。如果用传统的方式，讲授这些内容通常需要很多门课。用这种新的方式，学生可能会学得更快、更好。

最大的困难是激发学生的学习动力

澎湃科技：在这个过程中，你遇到的最大的困难是什么？

钱卫宁：最大的困难是如何建立一种既能激发学生学习动力的教育模式。

在教育资源有限的时候，我们通过“拔尖”或者“掐尖”的模式来培养优秀的人才。也就是把优秀的人选拔出来，集中在一起，给他们更好的教育资源。不过这些学生本身就很有潜力，即便不集中起来，可能也会非常优秀。

但是在创新领域，我们看到越来越多的反社会常识的人才，比如王兴兴等，他们取得突破的领域可能远离所学习的专业。这让我们去思考在高校里，是继续用过往灌输的方式去教，还是应该去点燃学生的兴趣，激发他内在的动力？

我们正在探索另一种路径，我们的学生本身也都是传统意义上的“好学生”，但我们更关注的是如何进一步激发他们的内在动力。但这个过程很长，没有成熟的经验，还需要更多探索。

另外，当前人工智能对高等教育的变革，行政要求是非常重要的推动力，大家都非常急迫。但是，怎样把行政力量的推动和学科本身、技术发展的规律相结合，我认为这是我们面临的很大问题。

澎湃科技：在你看来，AI来了，现在大学里的考试对学生来说还重不重要？

钱卫宁：我们传统的考试体系，承担了两部分的功能，一是对学生的能力评估，另外是选拔。大学里，学生的成绩部分反映了自己学习情况。但是从能力评估的角度来看，我认为考试其实并不全面。

今天，在我们这个学科，学生有丰富的工具和外部资源可以使用，课堂知识的学习情况只能反映学生的能力一部分。我们要评估的是学生用课内学到的知识，加上主动获取的其他知识，解决实际问题的能力。当我们的课程进行了改革，对应的考核方式也要发生改变。

这类项目制研究型课程的考核方式目前已经在我们拔尖班里开始探索，后期也会逐步辐射到其他班级、其他课程。

学校和老师的权威性正在被消解

澎湃科技：你们学院想培养怎样的人才？

钱卫宁：我们学院承担了数据专业和学科的本科生、研究生培养、计算机拔尖2.0基地学生培养任务，同时也承担了全校计算机公共课的教学任务。这些人才培养任务大致分为两类，也就是专业新工科人才培养和全民计算机科学教育。

对于新工科人才的培养，我们想要有家国情怀、具备社会责任感的人才，同时兼有求知欲和好奇心。什么是工科品质？我觉得是理性思维、乐于动手，还有敏捷开发和具备设计思维。

对于新工科人才的培养，说到底，需要打破学科的边界，交叉领域知识的应用，包括传统计算机统计应用数据和各类应用领域相结合，这对我们培养新工科人才是非常重要的。

对于所有人来说，当前学习新技能当然是非常重要的。但是需要考虑技术发展的速度太快，今天教的技能在学生学完很短时间之内，很可能就会变成过时的东西。所以，在教授技能的同时，传授知识、训练思维，才是最重要的。

我认为，掌握编程思维是非常必须且基础的，编程思维指在编程中常用到的分而治之、循序渐进、试错迭代、例外处理的思维方式。这其实教的是怎样解决问题，怎么跟机器打交道，怎样让机器（也包括人工智能）为人所用。这是进一步培养数字素养、学习人工智能技术和知识的基础。

澎湃科技：如果现在不是名校的学生，怎么去学习用好AI？人工智能发展得越快，高校里的师资配比、发展，学校与学校之间的教育资源会不会更加不公平？

钱卫宁：人工智能和大数据、云计算一样，其实是一种“平民化”的技术。与传统的需要进入校园、实验室才能学习的科技相比，今天我们任何人学习AI的门槛要低得多——在网上，有大量名校/培训机构的免费优秀课程、讲义、教科书，有大量开源的优秀代码可供学习，有对学生相对便宜的云资源可供实践使用，在技术论坛上，有很多热心人回答各个层次的学习者遇到的问题。如果有足够大的内驱力并且掌握一定的主动学习方法的话，我想每个学生、每一个青年人都能够学习到足够的、比较新的AI知识和技能。

对于高校和高校教师，他们正面临另一个问题。今天学校和学生、老师和学生的关系正在发生变化。以前学校和老师的权威性正由于从互联网化开始的知识普及，特别是AI的高速发展而被消解。在有些领域，教师和学生都是学习者。当然，教师可能由于有更多的经验，掌握更好的学习方法，但反之，也可能由于沉重的传统知识的包袱，没有年轻学生那么强的学习能力。学校的培养方案、教学大纲很可能是落后于技术发展的。

学校在硬件投入、师资、外部资源方面的不平均是永远存在的。AI不会加强这种学习资源上的不平均。但是学校需要将学生的自主学习，课内外、校内外的学习的成果综合起来考虑，纳入教育评估体系，真正实现“有教无类”和“因材施教”。

另一方面，高校在硬件资源、数据资源等方面的不平均对于在高校从事研究工作而言可能会导致一定程度的不公平。不过研究本身就需要“八仙过海，各显神通”，就像“大而全”和“小而美”的AI相关研究都能找到自己的生长点。