摘要
美国文科与计算机科学同时陷入“存在危机”：人文科学学士学位授予比例从2005年的近15%降至2022年的8.8%，编程岗位数量则跌至1980年以来45年最低，过去两年美国超四分之一编程岗位消失。ACM博客文章提出，生成式AI既是威胁，也是两个学科复兴的唯一希望——唯有融合才能存活。GenAI可承担翻译、转录、代码生成等重复性劳动，降低语言与技能门槛，推动“AI转向”；但若只培养擅长写提示词、疏于理解计算原理的开发者，也将带来新的风险。
两个学科同时陷入“存在危机”
据美国艺术与科学学院数据，美国人文科学学士学位授予比例已从2005年的近15%骤降至2022年的8.8%。与此同时，计算机科学领域也遭遇生存危机：生成式人工智能正在威胁程序员在编程等脑力工作中的不可替代性。
美国计算机协会（ACM）近日发布博客文章提出，文科与计算机科学这两类专业最后可能合流，融合在一起才能存活。文章认为，这种双重危机反而创造了学科融合的契机：AI在颠覆两个看似截然不同的领域，同时也可能为它们注入新生机。在哲学中，“存在危机”指的是质疑自己人生目的、意义和在世界中位置的状态，如今这一概念恰如其分地反映了人文学科与计算机科学的现状。
文科：腹背受敌
文科吸引力下降的原因错综复杂，但最终重要的是就业问题。外部因素中，就业市场导向与教育投资回报率日益成为关键考量。计算机专业毕业生的就业环境是：高薪职位充足、需求稳定、职业路径清晰。与此形成鲜明对比，文科专业毕业生往往面临就业前景不明、起薪偏低、需要额外资格证书才能获得职业发展等困境。就业的这种差距将学生推向STEM等理工科领域，尽管他们可能对文科有兴趣。
由此形成了文科的恶性循环：招生萎缩导致院系经费削减，进而进一步削弱学科吸引力，依次反复。文科自身的内在困境，也削弱了吸引力。20世纪中后期，后现代主义与存在主义作为对现代主义“进步、理性与普世真理”信仰的叛逆而兴起。这场哲学思潮影响了各个学科，但对不同学科产生了不同的影响。
一方面，后现代主义的怀疑论与计算机科学并行不悖。也就是说，即使在哲学层面上质疑“真理”或“进步”等概念，计算机科学用技术持续推动世界发展，其实际成果有目共睹，难以否认。另一方面，后现代主义的怀疑主义直接冲击了文科的核心。人文学科本身就围绕意义、解释和价值等问题展开，后现代主义的批评质疑了寻找有意义真理的可能性，同时也使学术讨论变得更加复杂，难以为大众所理解，也弱化了与社会现实需求的关联。
计算机科学：程序员需求跌至45年最低
在美国，过去两年中，超过四分之一的计算机编程岗位消失，这是有史以来最严重的计算机行业衰退。根据美国劳工统计局提供的420多种职业的数据，计算机编程成为受冲击最严重的十大职业之一。今年是美国自1980年以来、长达45年历史中程序员数量最低的时期；而在过去45年，美国的总劳动力增长了约75%。
专栏作家Andrew Van Dam分析了其中的原因。学习编程曾是文科专业学生的救星，但如今美国的编程岗位正在急剧减少。在现实世界中，“开发者”（developer）和“程序员”（programmer）几乎可以互换使用，但在美国政府统计数据的世界中，二者有着明显的区别：程序员承担基础性编码工作，而规模更为庞大且增速更快的软件开发者，职能范围则更广，需要完成客户需求分析、解决方案设计，并与程序员、硬件工程师等协作实施项目方案。
经过反思，Andrew Van Dam认为原因显而易见：GenAI正在取代程序员。在2022年底，就在程序员需求急剧下降之前，OpenAI发布了ChatGPT，展示了GenAI惊人的能力，能够生成包括文本、视频、音频、图像和代码在内的内容。这次发布以及随后迅速出现的一系列引人注目的突破，引发了关于这些快速发展的生成式AI技术对当前和未来工作、工人以及生活可能产生的影响的疑问。毫无疑问，程序员受AI的冲击最大，但急剧下降的原因不能仅归咎于GenAI。在过去两年中，整个科技行业都举步维艰，它们为过去鲁莽的决策买单。
这让人好奇，是否有一天“programmer”（程序员）会重复“computer”的命运。过去几个世纪，英文“computer”一词描述的是从事复杂计算的人员；换句话说，“computer”在过去的中文含义是“计算员”，而不是“计算机”。如今，“computer”仅仅指的是人类用来处理计算任务的机器，将来“programmer”可能仅仅指用来自动处理程序的机器。
GenAI来势汹汹，锐不可当
尽管表现形式各不相同，在方法论上，生成式人工智能的崛起给两个领域带来了根本性的冲击。对人文学科而言，GenAI的文本分析、意义阐释与内容生成能力，正在动摇人文学术贡献的不可替代性，甚至可能让学者显得多余和累赘。计算机科学则面临类似的危机：由于GenAI可自动化编程流程，入学率下滑的担忧日益加剧，越来越多人认为这项技术将削弱编程基础的重要性。长此以往，或将催生一代仅擅长指令调优（prompting）却疏于理解计算原理的开发者，这与计算机科学家的角色定位形成根本性冲突。
然而，关键差异在于从业者与工具的关系：计算机科学家具备开发和改造AI系统的能力，与其说GenAI是威胁，不如说他们正构建着共生关系；而人文学者，通常只能被动使用无法重塑的技术工具。值得注意的是，GenAI带来的挑战也可能产生积极影响。人文学科与计算机科学纳入GenAI内容，不仅将重塑教学范式，还可能通过吸引传统弱势学生群体，为这两个学科注入新的活力。
转机：计算机+文科合流
尽管生成式人工智能带来危机，但这是人文学科与计算机科学复兴的唯一机会：利用GenAI破解各自的核心局限。计算机科学通过算法和系统优化开发高效解决方案，而人文学科则专注于解释人类文化、历史和思想。虽然两学科方法论迥异，但AI的能力将为二者带来变革性助力。GenAI能处理语言密集型或其他劳动密集型任务，将学者从“西西弗斯”一样重复而无意义的工作中解放出来，让他们专注于真正推动知识进步的创造性和分析性思考。这种突破是否会成为吸引更多学术进入两领域的关键？
利用GenAI降低入门门槛，这场技术变革会吸引那些曾被技术或语言要求而被劝退、却始终对学科核心问题保持兴趣的人才。回溯计算机科学教育史，关于如何扩大参与的讨论已经进行了几十年。最重要的成果是卡内基梅隆大学开发的Alice与MIT开发的Scratch编程环境。这些编程环境降低了形式化编程语言的心智负担，让学习者专注于计算机科学中真正重要的事情，即问题解决和算法思维。这场持续数十年的教学改革，与GenAI带来的范式革新异曲同工。
同理在人文学科，GenAI能攻克最顽固的壁垒：语言能力。在古典学、中世纪与现代史等领域，学者需耗费数年、掌握多门语言，才能开展研究。以大屠杀研究为例，档案材料涵盖德语、波兰语、俄语、法语、意大利语及希伯来语（含手写体），迫使学者按地域而非整体视角开展研究。而GenAI的文档翻译与转录能力，将帮助历史学者跨越语言藩篱，专注于历史诠释。GenAI实现了学科平民化，有望构建更多元、包容的学术共同体，为亘古之问带来崭新视角。
AI引爆学术范式转变
或许最具深远意义的是，GenAI正在重塑学术问题的基本范式。对人文学者而言，GenAI打破了长期制约研究视野的语言和断代壁垒。如今，学者能跨越数十种语言和几百年的文化模式：比较中世纪阿拉伯文本与现代日本文学的叙事母题，追溯哲学概念在亚非欧大陆的流变。这种全球尺度的比较研究，以往学者多难以独立完成。由此，GenAI将学术疆域扩展到远超学者个人寿命的维度，开辟出全新的研究领域。
GenAI给计算机科学和人文学科带来的变革，构成了所谓的“AI转向”（AI turn），这比学术界以往的方法论转向更具范式革命性。通过自动化核心脑力劳动，GenAI不仅改变了研究方式，更迫使我们重新思考：在知识生产链条中，什么是人类不可替代的独特贡献？“AI转向”不仅是方法论迭代，更是重塑学科疆界的催化剂，它将开创一个计算方法与人文探究深度交融的新学术生态。学术研究的手段与目的常被混淆。AI或许能优化研究流程，但效率提升绝非终极目标。