云端的可扩展性，我们现在就应应采取行动。，这一

自动驾驶汽车、语音助手和其他人工智能技术在大多数人眼中都是革命性的。然而，对于下一代来说，这些事情将变得司空见惯。人工智能只是他们的工具。在很多情况下，人工智能将成为他们的工作助手，成为他们生活中的司空见惯。

为了让下一代学会有效地使用人工智能和大数据，了解它们的固有局限性，并构建更好的平台和更智能的系统，我们需要现在就采取行动。这意味着我们需要对初等教育进行一些调整，并对早该进行的中等计算机科学教育进行彻底的改变。

例如，考虑当今儿童如何与人工智能和自主技术进行交互：人们可以对 Siri 说，“显示穿着橙色连衣裙的名人的照片”，泰勒·斯威夫特的照片会出现在不到 手机上分秒必争，看似魔法，但显然与魔法无关。人们在设计人工智能系统时，会小心翼翼地将一个问题分解为子问题，并使这些子问题的解决方案相互交流。在上述情况下，人工智能解决方案将语音切成小块并将它们发送到云端，在那里对其进行分析以确定其可能的含义，并将结果转化为一系列搜索请求。然后，云会从搜索中筛选和分类数百万个可能的答案。借助云的可扩展性，这个过程只需十几毫秒。

这并不复杂，但它需要对众多组件进行波形分析来解释音频、机器学习来识别裙子、加密以保护信息等等。然而，这些组件中的许多都是在多个应用程序中反复使用的标准组件，这不是一个在车库里独自工作的天才的作品。发明此类技术的人必须具备组建团队、团队协作以及整合其他团队开发的解决方案的能力。这些是我们需要传给下一代的技能。

同时，随着 AI 开始取代日常信息和工作中的手动任务，我们需要专注于培养区分人类与 AI 的品质，即创造力、适应性和人际交往能力。

在小学阶段计算机编程基础电脑基础为修课pdf，这意味着我们需要专注于鼓励解决问题的练习，并教孩子们如何团队合作。令人欣慰的是，八年级学生对探究式或项目式学习有着浓厚的兴趣，但很难知道有多少学区已经开始这样做。

各个阶段的教育也要更加重视德育。人工智能技术一直面临道德困境。例如，如何消除自动化决策产生的种族、种族和性别歧视；自动驾驶汽车将如何权衡乘客和行人的生命，等等。我们需要深思熟虑的利益相关者和程序员来完善这些决策过程。

我们不是在谈论在小学开设编码课程，尽管这样做并没有错，尤其是如果孩子们喜欢这门课。 Snap等语言！ Scratch 很有用。但是孩子们可以在以后的教育中学习编码。但是，在学习编程时，无需担心这个概念会产生误导。随着世界变得越来越数字化，计算机科学在艺术和科学中与写作和数学一样重要。无论孩子们是否会成为计算机科学家或从事任何其他职业，编程都可以帮助他们走得更远。这就是为什么我们认为在 9 年级开设计算机编程基础课程很重要的原因。

美国现在只有大约 40% 的学校提供​​编程课程计算机编程基础电脑基础为修课pdf，而且这些课程的质量和严格程度各不相同。参加计算机科学 AP 考试的学生人数正在大幅增长，2016 年参加 AP 考试的学生人数为 5.80,000，但 2016 年参加 AP 考试的学生人数为 5.80,000。与 AP AB 考试的分数相比，这个数字相形见绌。美国有三分之一的州甚至不计入学生毕业时的计算机科学课程学分。

在这方面，美国已经被许多发达国家远远甩在后面。以色列已明确将计算机科学纳入其 AP 课程。英国还通过其“学校计算”计划取得了令人瞩目的成果。俄罗斯也在大踏步前进。奥巴马总统在 2016 年的国情咨文中宣布了“人人享有计算机科学行动计划”，这是朝着正确方向迈出的迟来的一步。

在高中阶段完善计算机科学课程不仅有利于学生，也有利于计算机科学的发展，因为他可以鼓励更多的学生和不同学科的学生将计算机科学作为职业选择。尽管去年秋天近一半的一年级学生是女性，但学习计算机科学的女性和少数族裔人数并没有增加。将智能融入系统，在无处不在的数据海洋中发现独到见解，是一项需要各行各业员工参与的任务。

然而，为了取得成功，我们必须改变编程课程的教学方式。我们大多数人仍在以 1990 年代的思维方式教授编程课程，当时编程的细节（如 Visual Basic）被视为计算机科学的核心。如果你能顽强地去了解编程语言的细节，你会学到一些东西，但这仍然是一个痛苦的过程，但它不应该是。编码是一项创造性活动，因此完全有可能开发一个有趣、生动的编码课程。例如，在纽约，Girl Scouts 启动了一个项目，教女孩们使用 Javascript 来创建和增强视频，孩子们喜欢这种视频，因为它很有趣并且与他们的生活息息相关。为什么我们的学校不复制这种模式？

在 9 年级之后，我们认为学校应该提供选修课，例如机器人学、计算数学和计算艺术，以帮助有兴趣和有天赋成为计算机科学家的学生，或未来需要使用计算机的学生提高他们的生产力。今天美国很少有高中提供除了APCS-A考试所需课程之外的课程，但我们也有一些非常成功的例子，比如纽约的Stuyvesant High School和达拉斯的TAG（School for the Gifted） 拥有来自或接受过此类计算机科学培训的专职教师。

我们还敦促高中数学系少关注连续数学，包括高级微积分，多关注与计算机科学直接相关的数学，例如统计、概率、图论和逻辑。这些将是未来数据驱动型员工最实用的技能。

主要障碍是学校严重缺乏具有计算机科学背景的教师。美国科技公司在这方面可以提供很大帮助。例如，微软启动了 TEALS 项目。在这个项目中，高中教师每周跟随计算机专业人士数小时。然而，要教数百万学生，我们需要数万名教师。今后，我们有必要进一步加强这方面的工作。在学术方面，德克萨斯大学奥斯汀分校的 UTech 项目为培养 STEM 教师提供了一个模式，该项目现已扩展到 21 个州和哥伦比亚特区的 44 所大学。

我们还需要付出更多的努力。在科学和数学方面，我们需要相关的政府标准来推进 12 年级的计算机科学教育，并开发教科书、课程和符合这些标准的训练有素的国家计算机科学教师干部。计算机科学教师协会一直是该领域的领导者，制定了标准框架和一系列临时标准。

了解下一代如何理解大数据和 AI 并与之交互是一项投资，从长远来看，每个人都将受益。

大卫·考斯比、安德鲁·摩尔、马克·史崔克|文字

David Cosby 是卡内基梅隆大学计算机科学学院的副教授。 Andrew Moore 是卡内基梅隆大学计算机科学学院的院长。 Mark Stricker 是卡内基梅隆大学计算机科学学院外展副院长。

石清静 |编辑器