圖靈獎得主、Meta 前 AI 首席科學家楊立昆 (Yann LeCun) 說，電腦科學系學生如果只修最低限度的數學課程，可能會發現自己無法適應重大技術變革。他建議學生多修數學、物理等基礎課程，學習「保鮮期長」的知識。
根據《商業內幕》報導，楊立昆說，電腦科學系學生如果沒有善用時間，可能會發現學位「弄不出什麼名堂」。
這位在紐約大學任教的教授，最近上播客節目時開玩笑說，他根本是「一個反對讀電腦科學的電腦科學教授」。
「我不是叫大家別讀電腦科學，而是要盡量多修基礎課程，像是數學、物理或電機工程，不要去追當下流行的熱門技術。」他說。
學「保鮮期長」的知識
「我們應該學數學基礎、建模，還有能跟現實世界連結的數學。」楊立昆強調，這些東西通常在工程科系會學到，而這是所謂「學習保鮮期長的內容」
楊立昆以美國課程為例說明，工程科系學生要修微積分一、二、三才能打好基礎，但電腦科學系只要修微積分一就能過關，「這樣不夠」。工程科系還會教控制理論、訊號處理等概念，這些對 AI 領域很有用。
不過楊立昆也強調，基礎程式設計仍然重要。「氛圍式編碼」（Vibe coding）雖然不錯，但取代不了基本功。他說，學生還是要學夠多電腦科學才會寫程式、用電腦，就算 AI 能幫忙提高效率，「你還是得知道怎麼做」。
各大學和電腦科學系學生都在思考，該怎麼調整課程來因應生成式 AI 和越來越自主的 AI 時代。今年稍早，加州大學柏克萊分校教授 Hany Farid 提到，學生現在找工作很辛苦，不像以前畢業生「要什麼工作有什麼工作」。
業界共識：批判思考與基礎知識是關鍵
OpenAI 董事長 Bret Taylor 等業界人士強調，電腦科學不只是學寫程式而已。諾貝爾獎得主 Geoffrey Hinton 等人則說，學會批判性思考才是跟上 AI 發展的關鍵。同時，「有些技能永遠有價值，像是數學、統計、機率論、線性代數，這些知識不會過時。」Hinton 說。
楊立昆也補充，「當然你還是要學夠多電腦科學，才會寫程式、用電腦。」他說，「就算 AI 能幫你寫程式寫得更有效率，你還是得知道怎麼做。」
