https://www.neican.ai/tags/%E8%AE%A1%E7%AE%97%E6%9C%BA%E7%A7%91%E5%AD%A6/ Recent content in 计算机科学 on AI内参 Hugo zh-cn Wed, 20 May 2026 19:40:03 +0800 https://www.neican.ai/insights/article-20260520194003609-0/ Wed, 20 May 2026 19:40:03 +0800 https://www.neican.ai/insights/article-20260520194003609-0/ 迈克尔·伍尔德里奇是一位冷静的AI伦理倡导者，他擅长用博弈论视角拆解科技巨头的盲区，并致力于通过通俗化的解读弥合大众认知与技术现实之间的鸿沟。 https://www.neican.ai/insights/mitcsai-20251201234010225-1/ Mon, 01 Dec 2025 23:40:10 +0800 https://www.neican.ai/insights/mitcsai-20251201234010225-1/ 曾经的“王牌”计算机科学专业，现在可能要给AI让位了！麻省理工学院（MIT）新设的“人工智能与决策”专业，竟然一举成为第二受欢迎的本科专业，这无疑是给全球学子和教育界发出了一个明确信号：AI已成为新的“顶流”，未来人才的培养模式正在经历一场大洗牌。 https://www.neican.ai/insights/article-20251121124005086-1/ Fri, 21 Nov 2025 12:40:05 +0800 https://www.neican.ai/insights/article-20251121124005086-1/ 中国科学院院士增选名单公布，刘云浩和周志华两位计算机与人工智能领域的杰出学者榜上有名。刘云浩曾是国家邮电部最年轻的处长，后毅然“弃政从学”，在物联网领域做出开创性贡献；周志华则深耕机器学习，以“西瓜书”启蒙无数AI学子，并在国际学术界担任多项重要职务。他们的人生轨迹融合了卓越的学术成就、深远的教育影响与对科技前沿的持续探索。 https://www.neican.ai/insights/aics-20250708191004828-0/ Tue, 08 Jul 2025 19:10:04 +0800 https://www.neican.ai/insights/aics-20250708191004828-0/ 人工智能正引发全球教育体系的深刻变革，促使计算机科学专业向“文科化”转型，更加重视批判性思维和AI素养；与此同时，AI也对传统文科教育的学术诚信构成挑战。这场转型不仅重塑了未来人才所需的技能图谱，强调沟通、协作等“人”的独特价值，也呼唤教育体系在课程设置和评估机制上进行系统性重构，以培养适应人机共存时代的核心能力。 https://www.neican.ai/insights/article-20250623113258927-3/ Mon, 23 Jun 2025 11:32:58 +0800 https://www.neican.ai/insights/article-20250623113258927-3/ 曾经风光无限的计算机科学专业正面临前所未有的挑战：美国高校入学率增长停滞，顶尖院校如斯坦福也陷入招生瓶颈。这与AI技术对初级编程岗位的自动化冲击密切相关，导致计算机专业毕业生就业率上升，甚至高学历人才也求职艰难。专家呼吁，面对AI对就业市场的深远影响，未来的教育应更侧重培养可迁移的“软技能”和跨学科能力，以应对长期变革。 https://www.neican.ai/insights/article-20250623113044216-3/ Mon, 23 Jun 2025 11:30:44 +0800 https://www.neican.ai/insights/article-20250623113044216-3/ 曾经风光无限的计算机科学专业正面临前所未有的挑战：美国高校入学率增长停滞，顶尖院校如斯坦福也陷入招生瓶颈。这与AI技术对初级编程岗位的自动化冲击密切相关，导致计算机专业毕业生就业率上升，甚至高学历人才也求职艰难。专家呼吁，面对AI对就业市场的深远影响，未来的教育应更侧重培养可迁移的“软技能”和跨学科能力，以应对长期变革。 https://www.neican.ai/insights/ai4-20250618112004739-5/ Wed, 18 Jun 2025 11:20:04 +0800 https://www.neican.ai/insights/ai4-20250618112004739-5/ 香港科技大学团队发布的MATP-BENCH基准测试显示，当前多模态大模型（MLLMs）在理解图文结合的数学问题并将其形式化方面表现尚可（45%成功率），但在构建完整、可验证的形式化证明时，其成功率骤降至仅4%，暴露出模型在严谨逻辑推理和辅助线构造等深层能力上的显著不足，这指明了AI在迈向真正智能道路上的关键瓶颈。