2025年3月25日，耶鲁大学计算机课程CPSC 223的全体学生收到一封邮件。

Ozan Erat教授在邮件中写道：“我们发现大量学生在作业中使用AI的痕迹。”

作弊者面临两个选择。要么承认使用了AI并扣除一半分数，要么保持沉默。

如果他们选择沉默，但被查出来使用了AI，那么他们的作业将被判零分，面临耶鲁纪律机构执行委员会的处罚。

最让人抓狂的是，学生做决定时，根本不知道自己是否被系统标记为作弊者。几天后，在学生表达了强烈不满后，Erat教授才通知被指控的学生。

一位化名Edward的学生事后回忆当时的场景，说全班都吓坏了。他和班上另一名学生一致认为，几乎每个人都或多或少在作业里用了AI。没人知道教授是怎么查出来的？

其实Erat教授早就察觉到了AI的蛛丝马迹。参加答疑时间的人数比往年少了一半，课程在线问答论坛上的帖子数量锐减了75%。最让他感到荒谬的是，耶鲁大学的学生们考试成绩越来越差，作业分数却越来越高。

他还提到去年秋天他教一门有150人选修的计算机基础课时，整个学期竟然只有一名学生去过他的Office Hours（办公室答疑）。

这不由得让主页菌想到最近网上很火的一个话题：AI时代，学生们还有必要学编程吗？

对于这个问题，美国顶尖大学的教授们各自为营：

有人在教室里坚守着某种古典的学术信念，

有人全盘倒戈、投入AI的怀抱，

还有的人在无法阻挡的技术浪潮中，试图打捞起一点教育本应有的价值。

禁令与猫鼠游戏

耶鲁大学的Erat教授并非孤例。

全美各地的高校中，传统的计算机科学教授们正在面临一场愈演愈烈的作弊风暴。布朗大学的CS助理教授Eric Ewing在上学期发现，25名学生的代码结构异常相似，后来其中22人承认自己使用了AI。

芝加哥大学副教授Adam Shaw在自己的入门课程中明令禁止使用大型语言模型。

他给出的理由是：“很久以前我们就有了解决代数题和算积分的工具。可是我们依然让学生们手工计算。对计算机专业的学生来说，重走前人走过的路，去做那些培养了一代代程序员的经典练习，依然很有价值。”

他补充道：“以后行业里写代码的方式很可能会变得更加自动化。不管未来打算做什么，学会死磕编程难题、拆解并解决问题，都是非常有帮助的。”

卡内基梅隆大学一门名为“命令式计算原理”（Principles of Imperative Computation）的必修课全面禁止学生使用AI。主讲教师Anne Kohlbrenner解释道，这与课程的结构设置有关。

“我们把编程视为一种培养推理能力的工具，教学生如何独立完成这类推理。如果你让AI代劳，你基本上错失了90%的学习机会。 ”

Kohlbrenner结合概率模型和检测AI生成代码的工具发现了一个现象。那些可能在代码中使用了AI的学生，其平均成绩比没有使用的学生低了整整两个等级。

“我们拿到的数据非常糟糕。AI对学生的学习造成了极大的负面影响，程度令人震惊。”

问题是，禁令真的有用？学生真的能抵挡住AI的诱惑吗？

耶鲁的经验告诉我们，几乎不可能。Erat教授承认，他指控了全班三分之一的学生使用AI，实际比例可能高达70%甚至更多。

整个春假期间，Erat教授把每个学生的作业都翻看了一遍。他仔细寻找那些反复出现的、课堂上没教过、做作业也用不上的代码片段。他还让ChatGPT重做这些作业，发现AI总会规律地使用这些特定的代码。

Erat教授发现，如果使用ChatGPT Plus功能包里的ChatGPT-4.5模型，生成的代码就不会带有那些特征标记。而且即使不花钱，精明的学生只要稍微修改一下人工智能生成的代码，把那些明显不像人写的部分改掉，就能轻松蒙混过关。

Edward同学道出了一个让所有教授夜不能寐的现实：“不常用AI、缺乏掩饰经验的学生更容易被查出来。AI重度依赖者反而没有受到这件事的影响。”

这句话细想之下十分讽刺：作弊惯犯早已修炼出完美的伪装术，偶尔偷懒的学生却成了最容易被拿捏的“软柿子”。

拥抱派的反击

正当一部分教授们焦头烂额的时候，另一群教授已经火速调转了方向。

卡内基梅隆大学的学生在课堂上只花了13分钟就开发出了一个类似Instagram的应用，全程没有人写过一行代码。这是该校一门名为“软件开发中的人工智能工具”（AI Tools for Software Development）实验课首次的课堂作业。

软件与社会系统系副教授Andrew Begel开课第一天告诉学生：“你们要让大型语言模型生成所有的代码。如果它生成的代码有误，你们要看懂这些代码、告诉模型如何修复，但绝对不能自己动手修改。”

这就是全网爆火的Vibe Coding。它主要指人们利用大型语言模型来编写代码的行为。Begel教授将其定义为一种不经过测试或训练，就指望输出结果完美无缺的编程方式。

Business Insider在去年11月底报道过斯坦福大学当下最火的课程“现代软件开发者”（The Modern Software Developer）。这门课同样打破了传统课堂上禁止使用AI的惯例，大胆鼓励学生借助像Cursor和Claude这样的AI工具来完成软件开发。

斯坦福课堂还邀请了众多顶尖AI企业的技术大咖分享经验，包括Claude Code的创造者Boris Cherney和Vercel的AI研究负责人Gaspar Garcia。知名风投机构a16z合伙人Martin Casado也在期末周做了讲座。

耶鲁大学的Lin Zhong教授同样将AI工具融入了他的“计算机系统设计”（Computer Systems Design）课程。他大幅提高了课程难度，期望学生用AI挑战高阶难题。

Zhong教授说：“你必须重新设计课程，从而迫使学生去主动学习。”他的课程甚至规定，如果学生能创造性地使用AI完成作业，还会获得额外的加分。

他认为，耶鲁的CS核心课程还停留在上世纪八十年代。Zhong教授希望学生能掌握未来作为专业软件工程师所必需的AI技能。

课堂与就业的冲突

卡内基梅隆大学计算机科学助理教授Michael Taylor开设了一门名为“人工智能高效编程”（Effective Coding with AI）的新课。

他与来自不同计算机背景的本科生、研究生和教职员工一同合作，解决这样一个问题：当市面上尚未有现成答案的时候，你该如何高效使用AI？

Taylor强调学生在使用AI工作前，必须具备扎实的CS基础。要想选修这门课，学生得在CMU规模最大的一门计算机科学入门课中，取得C及以上的成绩。

Taylor教授提到，即将进入计算机行业的学生面临着越来越大的压力。他们被要求掌握AI，然而许多人在课堂上学的却是截然相反的价值观。老师教导他们要抵制AI，让他们认识到AI会损害学习效果。

“我注意到当下许多科技公司对人工智能充满热情。学生们去申请实习和工作时，面试官抛出的第一个问题就是：如何高效地使用AI？如果你没有熟练掌握AI，很多大公司都不会录用你。”

Taylor教授建议学生在学习阶段，不要让AI生成完整的程序。最好的方式是在AI的帮助下一步一步构建代码，通过调整一行行代码来理解它们的运行机制。

他强调，学习AI将是一个持续不断的过程，尤其当这个领域正在不断发展变化。

Taylor说：“我对学生们解决难题的能力充满信心，特别是他们集思广益的时候。只要提供适当的指导和框架，我们就能用AI创造出真正了不起的东西。”

回到最初的问题：AI时代，学生还有必要学编程吗？

2024年诺贝尔物理学奖获得者、被誉为“人工智能教父”的Geoffrey Hinton认为，即便AI正在颠覆编程行业，计算机科学学位依然很有价值。

它的本质不仅仅是教人写代码，更在于培养系统性思维和解决复杂问题的综合能力。

Hinton将编程学习比作在人文教育中学习拉丁语：“你可能永远不会用拉丁语交谈，但它仍然具有重要的学习价值。编程也是一样，它是一种优秀的智力训练。”

面对未来的不确定性，Hinton建议学生把重心放在提升批判性思维上，掌握数学、统计学、概率论和线性代数。不要局限于某一项具体技能，因为具体技能很容易被AI取代。