یان لکون، دانشمند برجسته حوزه هوش مصنوعی هشدار داد که دانشجویان علوم کامپیوتر برای سازگاری با تحولات هوش مصنوعی باید به جای فناوریهای روز، بر مبانی ریاضی، فیزیک و مهندسی تمرکز کنند.
به گزارش سرویس هوش مصنوعی جهانی مگ، او در مکاتبهای اعلام کرد که اگر دانشجویان تنها به گذراندن حداقل واحدهای ریاضی در چارت درسی خود بسنده کنند، در مواجهه با تغییرات بزرگ تکنولوژیک توانایی تطبیقپذیری نخواهند داشت.
لکون که در دانشگاه نیویورک به تدریس اشتغال دارد، به تازگی در یک پادکست به شوخی خود را استاد علوم کامپیوتری معرفی کرد که علیه تحصیل در این رشته استدلال میکند. وی تصریح کرد که هدف او اجتناب از انتخاب این رشته نیست، بلکه توصیه میکند دانشجویان به جای تمرکز بر فناوریهای ترند روز، حداکثر تعداد دورههای آموزشی را در علوم پایه نظیر ریاضیات، فیزیک یا مهندسی برق بگذرانند.
بر اساس گزارش Business Insider، لکون معتقد است دانشجویان باید مهارتهایی را بیاموزند که تاریخ انقضای طولانیتری دارند. او در پادکست تنگنای اطلاعات اشاره کرد که مفاهیم بنیادی در مدلسازی ریاضی که با واقعیت در پیوند هستند، اهمیت حیاتی دارند. به گفته او، این نوع دانش معمولاً در رشتههای مهندسی برق یا مکانیک که با علوم کامپیوتر مرتبط هستند، بیشتر یافت میشود.
این توصیهها در حالی مطرح میشود که دانشگاهها و دانشجویان همچنان در حال کلنجار رفتن با نحوه تطبیق خود با عصر هوش مصنوعی مولد هستند. پیش از این نیز جفری هینتون، برنده جایزه نوبل بر اهمیت یادگیری تفکر انتقادی، آمار و جبر خطی تأکید کرده بود.
همچنین لکون خاطرنشان کرد که مفاهیم مهندسی مانند تئوری کنترل و پردازش سیگنال برای درک عمیق هوش مصنوعی بسیار مفید هستند. وی در پایان تاکید کرد که اگرچه هوش مصنوعی در کدنویسی به افراد کمک میکند، اما این موضوع هرگز جایگزین دانش بنیادی و توانایی برنامهنویسی اصولی نخواهد شد.
