AI时代，学习什么专业才能跟上发展的步伐？

正如阿玛拉定律所说：人们总是高估一项科技所带来的短期效益，却又低估它的长期影响。毫无疑问，无论是在当下还是可预见的未来，AI科技都会以无法阻挡的步伐深刻改变人类文明的所有维度。

近期，各地的高考成绩已陆续出炉，选什么专业成了学生和家长的关注重点。身处AI时代，未来学习什么专业才能跟上发展的步伐？

·被AI替代的可能性：较低

·就业综合竞争力：★★★★★

新时代下，我国经济发展面临转型升级的压力，对创新型人才的需求越来越迫切。同时，随着国际竞争的加剧，加强基础学科研究和拔尖创新人才培养已经成为国家核心竞争力的重要因素。无论是党的二十大报告里关于创新人才的选拔与培养，还是各个高校出台的强基计划，都指向了基础学科，希望选拔一批有志于基础学科研究、具备创新能力和领导潜力的优秀学子，为国家科技发展作贡献。

基础学科专业也为后续的学习和工作提供了坚实理论基础，培养了我们分析和解决复杂问题、抽象思维以及创新的能力，无论将来做什么，这些知识和能力都是理解更高级、更复杂科学和技术概念的基石。更关键的是，基础学科专业的毕业生通常有广泛的职业选择，未来可以进入教育、研究、工程、数据分析、金融等多个领域。

·被AI替代的可能性：出现分化，中下游院校相关专业慎重选择

·就业综合竞争力：★★★★

尽管AI对计算机类专业的冲击很大，但是这类专业仍然是工科学生的首选。这是因为计算机科学是当代技术发展的核心，从云计算到大数据，从物联网到人工智能，几乎所有前沿技术领域都与计算机科学密切相关。

计算机科学所涵盖的技能（如编程、系统设计、算法思维等）具有很高可转移性，可以应用于不同的领域和职业。而且，计算机领域有广泛的应用前景和就业前景，涉及医疗、金融、教育、娱乐、制造业等。不过，如果是中下游院校的人工智能专业，则要慎重选择。

但人工智能、计算机等专业不作为首选推荐。因为数学是“道”，计算机是“术”。这里有个例子：作为现代计算机科学和人工智能之父——艾伦·马西森·图灵（Alan Mathison Turing）的教育背景就深深扎根于数学，图灵对数学的深入理解，使他开创性地提出“图灵机”概念，这是现代计算机理论的基础。在第二次世界大战期间，图灵利用他的数学和逻辑技能，破解了德国的恩尼格玛密码机，对战争的胜利作出巨大贡献。

数学是所有专业的基础，打好数学底子，将来学习什么专业都不会太难。我通常建议学生在读本科时选择数学专业，读硕士和博士时再选计算机专业。有了过硬的数学底子，将来遇到难题时就都能解决了。

·被AI替代的可能性：中等

·就业综合竞争力：★★★★★

如果数学成绩和物理成绩都很差，那文科类的学科有没有好的选择呢？哲学、心理学、教育学等专业或许是不错的选择。

心理学（包括认知科学等）专注于研究人类行为、思维过程和情感，这些领域涉及的问题复杂且深刻，AI无法完全模拟或替代。哲学，特别是伦理学，探讨的是道德和价值判断的问题，AI更是无法涉足，因为这是关乎人类自身的事情。教育学，不是教知识，而是培养人，AI不可能替代老师的全部职责。

另外，认知科学和心理学专业的毕业生可以在用户体验设计、市场研究等领域发挥重要作用，因为这些领域需要深入理解用户的心理和行为模式。

在学术领域，哲学、心理学和认知科学专业的毕业生享有广泛的教育和研究机遇。探索如何利用人工智能来反观人类自身，以及研究人脑的运作机制，都是现代前沿科学的重大研究方向。

·被AI替代的可能性：较低（不包括医学影像等）

·就业综合竞争力：★★★★★

对于治病救人的工作，AI是很难替代的。即使AI可以通过大数据帮助医生做预测，但最后做决策的还是医生本人；即便现在有手术机器人，它也只能替代医生的一小部分工作。而且，医生要与人打交道，“三分治疗，七分帮助，十分安慰”，医学也是一门具有温度和人文关怀的艺术。

读医学专业可能会比较辛苦，周期相对较长，不过，只要能拿到比较好的医学院的硕士及以上学位，就业就非常有保障。可以说，医学是回报稳定性较高的专业选择。

·被AI替代的可能性：较低（不包括医学影像等）

·就业综合竞争力：★★★

有人会说：“这不就是典型的生化环材的‘天坑’专业吗？这是要把我们往‘坑’里推吗？”生化环材之所以被一些人视为“天坑”专业，通常是因为相比其他专业（如计算机科学等），这些专业的毕业生在短期内不太容易找到高薪工作，或者看起来职业前景不那么明朗，但这些专业仍有其独特价值和长远发展潜力。

生物学、化学等基础学科是理解自然界和开发新技术的基础，是当今科技发展的热点和前沿领域，比如生物技术、纳米材料，这些领域的研究对于医学、环保、新材料等领域的发展至关重要，在解决全球性问题（如气候变化、能源危机等）中发挥着关键作用。

我国正处于科技兴国的关键时期，各个尖端科技领域正在快速发展，许多大学和研究所急需生化环材等领域的尖端人才，例如，在2023年当选中国科学院院士的颜宁，就在深圳创办成立了深圳医学科学院，服务于科研、教育、产业孵化和创新。

不仅是学术界，产业界也非常需要这方面的人才。如制药、生物技术、环保、新能源、新材料等产业，都需要这些领域的专业知识。而且，随着科技的发展，相关领域与计算机科学、人工智能等技术的结合会越来越紧密，比如生物信息学、环境监测技术等领域。所以，尽管短期内这些专业可能面临就业挑战，但从长期来看，它们在科技和社会发展中占据重要位置。

分析了这么多，其实专业选择只是一个宏观方向的判断。事实上，学什么专业与未来的就业并不是完全正相关关系。我们要从实际问题出发，不用太在意自己到底学的什么专业，只要想尽各种办法去解决问题即可。

这里有一个高中生的故事，希望能引发大家的思考。

2019年1月，一个叫劳拉·奥沙利文（Laura O’Sullivan）的人，在爱尔兰青年科学家大赛中得了奖，因为她训练出来的AI，对宫颈癌判断的准确率超过了人类医生。

劳拉是谁？是数学天才吗？是编程高手吗？是医学圣手吗？都不是，她是一个仅有16岁的高中女生。她到底做了什么？

故事始于一个名叫薇姬·费伦（Vicky Phelan）的爱尔兰女性，她在2011年被诊断患有晚期宫颈癌，后来，她发现，她的宫颈癌筛查结果曾被错误报告为阴性，而她并没有被通知这是一个错误，直到病情恶化到无法治愈的阶段，她重新调取记录的时候才发现。而且，不仅是薇姬·费伦，有将近200名女性在宫颈癌筛查时都被报告为阴性，结果却得了癌症，当时这一新闻闹得沸沸扬扬。

劳拉对这个新闻产生了浓厚的兴趣，她意识到这个问题的实质其实是图像识别问题。她之前参加过编码培训，会简单编程，也在Cousera网站（大型公开在线课程项目，由美国斯坦福大学两名计算机科学教授创办）学过一点儿关于机器学习和深度学习的在线课程，知道怎么搭建卷积神经网络。这就是她知识的原始积累。

然而，真正的难题不在于编程，而在于数据获取。于是，她联系了丹麦的一家医院，获取了宫颈涂片的开源数据集，但是数据集不太理想，因为大部分是病变的图片，健康的图片很少，AI无法直接对比。

那怎么办呢？她想到了生成式对抗网络（GAN），这是一种可以自己“举一反三”的技术，相当于自己生成与自己类似的样本，用自己生成的数据训练自己。但是，她只是模模糊糊地听说过这种技术，于是就去学习了一下GAN的工作原理。

万事俱备，可以开始行动了。劳拉在她爸爸的笔记本计算机上，用下载的数据和代码，通过不断的调试和评估，把这个应用做出来了。

不知道你从这个故事中读到了什么？我想和大家传达的思想是，我们虽然是在讲专业选择，但到最后，我想让你放下执念，不要去思考与专业选择相关的太多问题，因为在未来，具体的专业可能没有那么重要，能识别问题、看到问题，并用各个学科专业手段去创造性地解决问题才是关键。劳拉的项目就是生物学、医学和计算机科学交叉的典范。

祝愿每个人在AI时代都能找到自己的人生使命，完成更高层次的自我追求，实现自己的人生价值。唯有创造，方能成就自我；唯有前行，方显生命价值。

来源：瞭望智库书摘，摘编自《AI时代，学什么？怎么学？》

审核：余早早

责编：左宗鑫

编辑：崔轶舒