硅谷AI大佬讲台摊牌:每学期重写整套教材!直言不会让孩子学数据科学
- 2026-11-21 11:52:44
一段仅一分多钟的访谈切片,最近把欧美科技圈和高校教师群同时掀翻了。
镜头前摊手苦笑的男人叫 Bryan Bischof。
他是纯数学博士,硅谷风投机构 Theory Ventures 的 AI 掌门人,曾带队做出知名数据分析 AI 助手 Hex Magic;
到了晚上,他还是美国罗格斯大学(Rutgers University)的研究生导师。
站在产业最前线与大学讲台的十字路口,他对着麦克风说了一句大实话:“我完全不知道该教什么了。
每个学期,我都得重写整套教材”
这期《AI in the AM》完整访谈节目直接挂出了一记狠辣的标题:“我不会让自己的孩子去学数据科学。”

▲ 社交平台上疯传的访谈切片:Bischof 坦言每学期都在重写教材,顶尖人才靠的是“近乎烦人的好奇心”
01当作业变成“假收据”,大学考场退回19世纪
每个新学期开始前,Bischof 都会秘密做一次残酷测试:把整门课的任务喂给大模型,看它能不能“一枪打穿”。
模型每次都没能拿到满分
麻烦偏偏就卡在半途:交上来的作业已经像模像样,老师根本分不清学生是吃透了原理,还是顺手把题目丢给了 AI。
过去一百年里,课后作业本质上是一张“思考的收据”。
你能交出跑通的代码,说明你的大脑经历过痛苦的推演。
现在,生成式 AI 能以零成本批量伪造这张收据。
师生双方甚至在没有恶意作弊的情况下,共同陷入了一场“以为学会了”的集体幻觉。
就在 Bischof 任教的罗格斯大学,统计学教授 Linjun Zhang 曾联合斯坦福、宾大与华盛顿大学学者做过一次实测:把一本冷门统计教材整整 15 章习题直接塞给大模型,不做任何提示词技巧,AI 轻松拿走 89.7% 的分数(116 分得 104 分)。
面对全新的心脏病预测数据集,人类只需敲入“清洗数据”“换个好模型”“写份报告”寥寥几个短句,AI 就能全自动跑完传统课程要求的全套流水线。
当表层产出彻底失效,全美课堂被迫掀起一场“返祖运动”。
卡内基梅隆大学讲授《生产环境中的机器学习》的学者 Christian Kästner 发现智能体做完了他布置的所有作业后,干脆废除了全部回家完成的计分作业,把上百名学生的考核彻底改成助教当面盘问、笔试和视频演示。
而在旧金山和纽约的不少中学,老师们甚至退回 19 世纪,重新捡起了当堂手写和 15 连问口试。

▲ 面对能做完所有作业的 AI,越来越多计算机课程开始废除课后作业,退回口试与视频演示
02残酷的代际剪刀差:AI专挑“好学生”下手
大学讲台上的焦虑,很快在真实的薪酬数据上得到了印证。
斯坦福大学经济学家 Erik Brynjolfsson 团队调取了全美数百万人的高频薪资数据,追踪至 2026 年年中,写出一份名为《煤矿里的金丝雀》的重磅报告。
数据显示,整体市场保持平稳,但在软件开发、数据分析这类高暴露方向上,新老两代人的处境走出了悬殊的剪刀差:22 至 25 岁年轻新人的在岗规模绝对值跌去 11%,比同龄低暴露方向足足落后了 19%;
反观同一行业里 35 至 49 岁的老手,在岗规模非但没跌,反而逆势增长了 10%。
企业仍在扩招资深骨干,只是默契地提高了校招准入门槛。
为什么受伤最深的是刚毕业的“好学生”?
经济学家的拆解一针见血:正规大学最擅长传授的,是写进教科书里的“显性套路”,怎么调包清洗表格、怎么背熟 pandas 制图语法、怎么套公式跑回归。
可这些被高度标准化的知识,恰恰是大模型最容易吞噬的口粮。
相反,老手在无数次线上事故里攒下的“隐性直觉”,却被 AI 放大成了十倍杠杆。
如果大学还在按部就班教套路,无异于训练年轻人去跟一台不要钱的机器拼手速。
03算错24点与沙拉酱玄学:数据科学死了吗?
既然教材失灵、校招缩水,这门学科是不是走到头了?
当统计学大V Kareem Carr 感叹“数据科学仿佛已被 AI 杀死”时,Bischof 却罕见地跳出来公开唱反调:“这绝对是我最不同意的一次。
数据科学正处在有史以来最好的时刻!”

▲ 面对“数据科学已死”的悲观论调,Bischof 直言当下才是最好的黄金时代
底气从哪来?
因为只要掀开引擎盖就会发现,大模型是个算力惊人、却经常“说话不打草稿”的偏科生。
罗格斯与斯坦福团队在论文里抓到过一个让人哭笑不得的现场:让模型用 2、2、2、9 算 24 点。
由于大模型是逐字往后接龙、缺乏前瞻规划,它一本正经地写出 9×2=18、18×2=36、36-2=34,眼看凑不出 24,竟然凭空捏造一句“减去 10 等于 24”,自信满满地交出错误等式 ((9*2)*2)-2 = 24。
这种“一本正经胡说八道”正是工程一线的头号噩梦。
在覆盖超 3.3 万名程序员的 Stack Overflow 调查中,尽管 84% 的人已经在用 AI,但高达 46% 的开发者明确不信任其准确性;
66% 的人把“看似差不多、实则差一点点的 AI 代码”列为最让人抓狂的痛点。
资深工程师不仅不敢搞脱离掌控的“氛围编程”,反而要花更多精力当人肉裁判。
更何况,商业世界里最致命的坑,从来不在代码里。
Bischof 在访谈中举过两个极妙的真实例子。
第一个叫“把顾客气跑的满分问卷”:产品里某道问卷题可能对预测用户行为准得惊人,但它极其冒犯隐私,一弹窗就会激怒用户卸载软件。
模型只能在事后看着流失率告诉你“这两件事有关联”;
唯有具备产品嗅觉的人类,才会在设计前就喊停,把“伤害业务”写进风险账本。
第二个故事发生在精品咖啡品牌蓝瓶咖啡(Blue Bottle)。
当年工程师们埋头拟合算法,怎么也推不准咖啡豆;
反倒是门店咖啡师随口追问顾客“平时喜欢什么沙拉酱、爱配什么甜点”,这些看似八竿子打不着的旁逸问题,意外揪出了工程师彻底漏掉的味觉特征。
把曲线拟合漂亮只是算术,知道该去问“沙拉酱”才是本事。
043小时速通老教材,留给人类最后的护城河
想通了这一层,再看 Bischof 2026 年春季在罗格斯大学新开的《应用 AI 工程》课表,一切就全都对上了。
他大刀阔斧地砍掉了冗长的传统训练:第一堂课只花 3 小时,直接“速通”过去要讲一学期的传统数据科学基础;
第二堂课再花 3 小时建起大模型直觉;
剩下的宝贵课时,全部砸向系统评测(Evals)、工具调用边界、上下文工程与错误排查。
哪怕离上课只剩两周,只要业界冒出新范式,他立刻推翻讲义重来。
在那个疯传的视频结尾,Bischof 给所有焦虑的从业者留下一句判词:“我共事过的最顶尖的数据科学家,好奇心都强到近乎烦人。”
评论区里,一位学者立刻抛出了灵魂追问:这种“好奇心”,到底该怎么写进期末评分表里?

▲ 网友犀利追问:如果好奇心成了核心竞争力,大学评分表该怎么改?
这句追问恰恰点破了未来教育的终极命题。
Bischof 口中那种“烦人的好奇心”,说白了是一套工业级的防忽悠雷达,当 AI 端出一份 90 分的漂亮报表时,别人都在鼓掌下班,只有那个人非要死磕一句:“慢着,这个指标是不是把用户气跑换来的?”
“那个 34 是怎么变成 24 的?”
数据科学家的角色,正在从埋头砌砖的“代码流水线工人”,彻底变成定义问题、审计风险的“分析产品经理”。
当标准答案沦为廉价的自来水,那个总爱在会议室里煞风景、追问“万一呢”的烦人精,才拥有机器永远替代不了的看家本领。