許多組織正在將目光投向計算機科學(xué)學(xué)位之外，以聘請能夠交付實際成果的程序員。以下是他們可能正確的原因。
圖片來源：hxdbzxy / Shutterstock
科技界真的需要計算機科學(xué)嗎？不是指計算機或芯片，而是指那些以此命名的大學(xué)院系所教授的抽象理論集合。不是指廣義的科學(xué)，而是指用理論視角思考編程的理念。
既然人工智能（AI）將迅速讓我們都失業(yè)，這個問題就變得更加棘手了。AI將能夠深入思考計算理念，因此我們無需這樣做。它們已經(jīng)能夠追蹤數(shù)十億條知識點。如果我們能讓AI在我們小憩時構(gòu)建出宏偉的東西，那么計算機科學(xué)作為一門學(xué)科還有什么意義呢？
并非計算機科學(xué)領(lǐng)域沒有做出貢獻。有數(shù)PB（拍字節(jié)）的LaTeX文件，里面充滿了絕妙的想法，比如新的編程語言、巧妙的搜索算法、機器視覺算法，以及其間的無數(shù)概念。許多甚至非常出色。
問題在于，我們中很少有人真正需要其中的大部分。一位朋友承認，他曾目睹一個開發(fā)團隊通過淘汰計算機科學(xué)專業(yè)的畢業(yè)生，只招聘物理學(xué)家、會計師或任何其他精通數(shù)學(xué)的人才而蓬勃發(fā)展。這些新員工在讓機器交付成果方面更為實際，而這正是大多數(shù)企業(yè)想要做到的。
追求計算機科學(xué)學(xué)位或聘請擁有該學(xué)位的人并非錯誤的努力；只是對于大多數(shù)公司需要解決的問題而言，這可能并非必要。以下是一個尚不完整的清單，解釋了為什么IT招聘經(jīng)理忽略這些學(xué)位可能會更好。
1. 大型語言模型（LLM）正在改變編程的內(nèi)涵
有些勢利小人稱它們?yōu)椤半S機鸚鵡”。另一些人則聲稱它們只是巧妙的壓縮機制。但它們在編程方面確實相當出色。它們會犯錯，會“幻覺”出不存在的API調(diào)用，但總的來說，它們?yōu)槲夜?jié)省了數(shù)小時閱讀文檔的時間。 當我使用它們時——我每天都用——我發(fā)現(xiàn)自己的速度提高了三到十倍。不僅如此，我還可以忘記整個課程的內(nèi)容。前幾天我需要一個數(shù)據(jù)結(jié)構(gòu)，LLM建議了正確的一個。然后它用我?guī)缀醪欢恼Z言為該數(shù)據(jù)結(jié)構(gòu)編寫了代碼。兩門完整的學(xué)期課程被機器學(xué)習(xí)所取代。
2. 無代碼工具正在激增
計算機科學(xué)家們可以為自己讓自己失業(yè)而拍拍自己的背。世界充斥著低代碼和無代碼工具，這些工具完成了幾年前還需要程序員忙碌的大部分工作。現(xiàn)在，LLM為這些技術(shù)棧增加了更多杠桿作用，它們比以往任何時候都更加強大。
這些解決方案并不完美。它們?nèi)匀粫』蛴胁蛔阒?，但它們在不斷改進。而且它們極大地減少了對人類艱苦卓絕努力的需求。我們更像是數(shù)據(jù)流水線的看護者和策展人，而不是在漫長、孤獨的趕牛中放牧數(shù)據(jù)的牛仔。
3. 理論分散注意力并造成混淆
許多計算機科學(xué)家本質(zhì)上是數(shù)學(xué)家，這種癡迷于定理的思維模式滲透到整個學(xué)科中。一位理論家告訴我，至少在他看來，所有的數(shù)學(xué)證明都只是程序，反之亦然。他對交付能完成工作的代碼不那么感興趣，更感興趣的是證明他的代碼是正確的。好吧。
計算機科學(xué)專業(yè)的學(xué)生畢業(yè)時很少不接觸NP完全性和圖靈機這兩個優(yōu)美的理論領(lǐng)域，如果它們不產(chǎn)生不良直覺的話，這兩個領(lǐng)域本會令人愉快。一位生物學(xué)家曾請我解決一個DNA序列匹配問題，我回來后聲稱它是NP完全的——這是一類解決起來可能非常耗時的問題。他不在乎。他需要解決它。事實證明，大多數(shù)NP完全問題在大多數(shù)情況下都相當容易解決。但理論家們癡迷于那些困擾簡單算法的少數(shù)情況，盡管這些情況在日常生活中很少見到。
圖靈機也存在同樣的問題。盡職的計算機科學(xué)學(xué)生學(xué)習(xí)像萊斯定理這樣的虛無主義結(jié)果，該定理表明我們根本無法分析計算機算法。但是圖靈機對于常規(guī)機器的運作方式來說是一個相當糟糕的模型，而且創(chuàng)建能夠?qū)ξ覀兊拇a進行智能操作的軟件相對容易。任何不以批判性眼光看待這些理論結(jié)果的計算機科學(xué)專業(yè)學(xué)生，都有可能在唾手可得的完美可用答案面前放棄。
4. 學(xué)術(shù)性語言很少被使用
學(xué)術(shù)界在每個領(lǐng)域都可能滋生勢利和對晦澀解決方案的偏愛。當我問一位麻省理工學(xué)院的畢業(yè)生他最喜歡的語言是什么時，他自豪地告訴我，他肯定我不知道那是什么。在我追問之下，他讓步說那是CLU。他是對的。
【CLU 是一種由麻省理工學(xué)院（MIT）在20世紀70年代中期開發(fā)的編程語言。它在編程語言歷史上占有重要地位，因為它引入并推廣了許多現(xiàn)在在現(xiàn)代語言中常見的概念，尤其是：
抽象數(shù)據(jù)類型（Abstract Data Types / Clusters）: 這是 CLU 的核心概念，語言的名字也來源于此（CLUster）。它允許將數(shù)據(jù)結(jié)構(gòu)及其上的操作封裝在一起，隱藏內(nèi)部實現(xiàn)細節(jié)，為面向?qū)ο缶幊痰於嘶A(chǔ)。
迭代器（Iterators）: CLU 是最早支持迭代器的語言之一，允許以統(tǒng)一的方式遍歷集合中的元素。
異常處理（Exception Handling）: CLU 也引入了結(jié)構(gòu)化的異常處理機制。
盡管 CLU 本身并沒有獲得廣泛的商業(yè)應(yīng)用，但它的設(shè)計思想和特性深刻影響了后來的許多編程語言，包括 C++、Java、Python、C# 和 Ruby 等。】
那些癡迷于語言的人提出了許多偉大的想法，但有時這些想法會造成混亂和困惑。如果一個團隊成員喜歡某個古怪的特性并將其包含在代碼庫中，那么每個人都必須學(xué)習(xí)它。僅僅幾個這樣的特性，上手的時間就會非常漫長。
這就是為什么谷歌在構(gòu)建Go語言時選擇了“陽春白雪”的路線。創(chuàng)造者們堅持認為，該語言應(yīng)該結(jié)構(gòu)簡單，易于在最短的時間內(nèi)學(xué)會。這樣每個人都能很好地掌握核心內(nèi)容。
5. 許多計算機科學(xué)教授不會編程
大多數(shù)計算機科學(xué)系的一個不可告人的秘密是，大多數(shù)教授不會編程。他們真正的工作是講課和爭取科研經(jīng)費。他們懂電子表格和經(jīng)費申請，但并非實際編寫代碼。這就是為什么上帝給了他們研究生。他們中許多人上一次真正編程還是在讀研究生的時候。從那以后，技術(shù)生疏，布滿蛛網(wǎng)，他們機器上的編譯器可能都無法啟動了。
6. 許多必修科目很少被使用
數(shù)據(jù)結(jié)構(gòu)通常是學(xué)生第二門計算機科學(xué)課程的主要內(nèi)容。但是我們中很少有人再使用很多數(shù)據(jù)結(jié)構(gòu)了。我們把東西扔進對象哈希表，或者把它們推入替我們思考的數(shù)據(jù)庫中?？紤]算法復(fù)雜度仍然有用，但很少有人需要擔心B樹或鏈表。不僅如此，我們中的許多人已經(jīng)意識到，相信標準庫會更好。自己修改數(shù)據(jù)結(jié)構(gòu)太容易出錯了。許多組織有充分的理由禁止自行創(chuàng)建數(shù)據(jù)結(jié)構(gòu)。
在經(jīng)典課程中，還有許多其他不再重要的科目示例。它們被使用，但在很大程度上是自動化的。編譯器復(fù)雜且至關(guān)重要，但唯一編寫它們的人是被迫在為期一學(xué)期的課程中創(chuàng)建玩具版本的學(xué)生。即使是蘋果公司在創(chuàng)建Swift編譯器時也使用了現(xiàn)成的開源工具。
7. 數(shù)學(xué)模型將我們引向錯誤的方向
任何學(xué)習(xí)過數(shù)據(jù)庫理論的人都了解Boyce-Codd范式的巧妙之處，即我們將復(fù)雜的數(shù)據(jù)結(jié)構(gòu)分解成小表的方式。它非常優(yōu)雅和高效——直到你為了等待充滿JOIN命令的SQL查詢響應(yīng)而等到天荒地老。
大多數(shù)開發(fā)團隊很快就學(xué)會了“反規(guī)范化”他們的數(shù)據(jù)庫以提高性能。他們?nèi)コ怂星擅畹脑O(shè)計，將數(shù)據(jù)放在一個巨大的表中。這很難看且浪費，但通常速度快得驚人。而且磁盤空間很便宜。
一旦他們將所學(xué)付諸實踐，許多開發(fā)人員會花幾年時間忘掉他們計算機科學(xué)課程中學(xué)到的所有數(shù)學(xué)技巧。
8. 體制滋生傲慢
學(xué)位的本質(zhì)就是賦予畢業(yè)生以權(quán)威來論證自己優(yōu)越性的能力。但即使在最好的情況下，也很難知道什么是真正正確的，尤其是在一個快速發(fā)展的領(lǐng)域。
我共事過的一個人非常喜歡他帶到部門的“編碼標準”，并抓住一切機會在代碼審查期間引用這些標準。這些標準相當于對空格放置位置的挑剔意見，但他以學(xué)術(shù)般的精確性談?wù)撍鼈?，并像揮舞大棒一樣使用它們。他會以不符合標準為不祥的理由來指責代碼。于是我們所有人都不得不計算空格，以便一切都能符合某些準學(xué)術(shù)標準。
9. 許多現(xiàn)代技能被忽視
大多數(shù)現(xiàn)代技能在許多計算機科學(xué)系都沒有涵蓋。在典型的課程列表中，你很少會找到Node.js、React、游戲設(shè)計或云計算。普通學(xué)校的課程列表專注于基礎(chǔ)知識——比如競爭條件這樣的深層概念，這些概念在Node.js或React這樣的詞匯被遺忘很久之后仍將是計算的一部分。這是一個崇高的目標，但大多數(shù)程序員99%的工作是與當前流行詞的特性作斗爭。
計算機科學(xué)系培養(yǎng)出能夠理解一些基本挑戰(zhàn)的深度思考者，卻對主導(dǎo)普通員工日常工作的細節(jié)一無所知，這種情況很常見。這就是為什么公司發(fā)現(xiàn)，雇傭一個在物理實驗室使用Python處理來自儀器的一些數(shù)據(jù)流的人同樣值得。他們可以像計算機科學(xué)天才一樣輕松地學(xué)習(xí)那些淺顯的細節(jié)。
10. 學(xué)術(shù)前沿成果姍姍來遲
機器學(xué)習(xí)和人工智能現(xiàn)在風靡一時，許多人爭相進行實驗。但是計算機科學(xué)系已經(jīng)研究它們幾十年了。是研究學(xué)校今天提出的所有想法，還是耐心等待它們最終可以普遍使用，這有意義嗎？
11. 終身教職可能滋生自滿情緒
終身教職制度背后有其極好的理由，大多數(shù)享有其保護的教授因其早年的貢獻而理應(yīng)獲得所有這些福利。問題在于，在快速發(fā)展的領(lǐng)域，今天的學(xué)生幾乎不需要十幾年前的見解。然而，終身教職保證了許多教授將比他們擁有最偉大見解的時代晚十年、二十年甚至三十年。
還有一些分心的事情可能讓教授們偏離正軌。一位獲得終身教職的天才似乎無休止地在博客上談?wù)摀淇隋\標賽以及讓他輸?shù)舯荣惖摹氨洹保╞ad beats）。另一位則投資了一支小聯(lián)盟棒球隊，并吹噓自己與球員們一起玩耍，在他們進行擊球練習(xí)時撿球。
12. 空談理論鮮能產(chǎn)出成果
當我告訴一位終身教職的教員，我的一個學(xué)生憑借幾堂關(guān)于Angular和React的課找到了一份工作時，他笑著說：“我最不想做的就是把這里變成一所技校。”
這沒問題，但沒有多少人能夠有理由花費近五十萬美元來思考多項式或指數(shù)級的天使能否在針尖上跳舞。博雅教育傳統(tǒng)是一件美妙的事情，但它鼓勵了對實用知識的蔑視。一切都關(guān)乎某些深刻、永恒的真理。但是，當你的公司必須在下周截止日期前交付產(chǎn)品時，沒有人有時間進行空談和思考永恒的真理。
名詞解釋：
計算機科學(xué) (Computer Science)：研究計算理論和應(yīng)用。
人工智能AI (Artificial Intelligence)：模擬人類智能的理論與技術(shù)。
大語言模型LLM (Large Language Model)：處理和生成自然語言的大型模型。
數(shù)據(jù)結(jié)構(gòu) (Data Structure)：組織和存儲數(shù)據(jù)的方式。
API 調(diào)用 (API Call)：程序請求服務(wù)接口。
低代碼/無代碼工具 (Low-code/No-code Tools)：通過可視化界面快速開發(fā)。
NP 完全性 (NP-completeness)：計算復(fù)雜度理論中的問題類別。
圖靈機 (Turing Machine)：理論計算模型。
Rice 定理 (Rice's Theorem)：關(guān)于程序?qū)傩圆豢膳卸ㄐ远ɡ怼?/span>
代碼庫 (Code Base)：程序源代碼的集合。
編譯器 (Compiler)：將高級語言轉(zhuǎn)為機器碼的程序。
標準庫 (Standard Library)：編程語言自帶的常用代碼集合。
數(shù)據(jù)庫理論 (Database Theory)：研究數(shù)據(jù)庫原理和模型。
Boyce-Codd 范式 (BCNF)：數(shù)據(jù)庫關(guān)系模式規(guī)范化高級形式。
反范式化 (Denormalization)：數(shù)據(jù)庫設(shè)計犧牲規(guī)范化提高性能。
SQL 查詢 (SQL Query)：查詢和管理關(guān)系數(shù)據(jù)庫的語言。
JOIN 操作 (JOIN command)：合并兩個或多個數(shù)據(jù)庫表的記錄。
編程規(guī)范 (Coding Standards)：編寫代碼應(yīng)遵循的規(guī)則和指南。
代碼評審 (Code Review)：同行檢查代碼以發(fā)現(xiàn)問題。
Node.js：基于Chrome V8引擎的JavaScript運行時。
React：構(gòu)建用戶界面的JavaScript庫。
云計算 (Cloud Computing)：通過網(wǎng)絡(luò)訪問計算資源。
競態(tài)條件 (Race Condition)：多個進程訪問共享資源結(jié)果不定。
抽象數(shù)據(jù)類型 (Abstract Data Type)：定義數(shù)據(jù)和操作但不暴露實現(xiàn)。
迭代器 (Iterator)：按順序訪問集合元素的對象。
異常處理 (Exception Handling)：程序運行時處理錯誤或異常事件。
面向?qū)ο缶幊?(Object-Oriented Programming / OOP)：基于對象概念的編程范式。
睿觀：許多企業(yè)在招聘程序員時開始不再將傳統(tǒng)的計算機科學(xué)（CS）學(xué)位視為必需，甚至有意忽略，轉(zhuǎn)而青睞能交付實際成果的人才。主要原因在于，隨著AI編程助手和低代碼/無代碼工具的普及，許多曾經(jīng)需要深厚CS理論知識的任務(wù)已可自動化完成，大幅提高了開發(fā)效率并降低了對人工干預(yù)的需求。傳統(tǒng)的CS課程側(cè)重于抽象理論（如NP完全性、圖靈機）和數(shù)學(xué)模型（如數(shù)據(jù)庫范式），這些在現(xiàn)實世界中常顯脫節(jié)或為追求性能而被規(guī)避。此外，一些學(xué)術(shù)教授缺乏實際編程經(jīng)驗，課程內(nèi)容也未能及時反映業(yè)界對Node.js、React、云計算等現(xiàn)代技能的需求。相比之下，來自物理、會計等數(shù)學(xué)背景的實用主義者，由于其解決實際問題的能力，在技術(shù)崗位上同樣表現(xiàn)出色。作者認為，學(xué)術(shù)界有時滋生對實踐的輕視和對理論的過度強調(diào)，而企業(yè)更需要能按時完成工作的務(wù)實人才，而非沉湎于抽象思辨的理論家。
