版权声明
来源：deeplearning.ai、书享界（readsharecn）
作者：吴恩达，全球知名的人工智能专家和教育家，斯坦福大学前副教授，深度学习领域的先驱之一，Coursera的共同创始人。
随着AI的进步，尤其是在自动化和机器学习领域，很多人担心传统工作会被AI替代。
比如，编程工作本身可能被认为不再需要人类来完成，或者只需要更少的技术能力。很多人可能认为，既然AI可以生成代码，自动化任务，甚至进行创意工作，那学习编程或从事与技术相关的职业似乎没有那么重要了。
那么最近吴恩达也给出了他的观点。
吴恩达（AndrewNg）是全球知名的人工智能专家和教育家，斯坦福大学前副教授，深度学习领域的先驱之一。他是Coursera的共同创始人之一，推动了在线教育的发展。他曾担任百度首席科学家，领导AI研究团队。他的机器学习课程培养了数百万学习者。他的工作在人工智能、机器学习和深度学习领域产生了重要影响，推动了AI技术的普及与应用。
以下为译文，
亲爱的朋友们，
如今，有些人劝阻他人学习编程，理由是AI迟早会取代这一技能。但这种说法将成为历史上最糟糕的职业建议之一。
我不同意一位曾获图灵奖和诺贝尔奖的学者的观点——他曾说：“与其说编程职业会变得无所不能，不如说它更可能走向消亡。未来，计算机将越来越多地自主编写代码。”
然而，鼓吹“别学编程”的观点不仅是错误的，而且是有害的！
20世纪60年代，编程方式从打孔卡片转向键盘和计算机终端，使得编写代码变得更加简单，也让那个时代比以往任何时候都更适合学习编程。
然而，正是在这个时期，诺贝尔奖得主赫伯特·西蒙写下了前文引用的那段话。而如今，反对学习编程的论调，依然在重复他的观点。
随着编程变得越来越简单，应该有更多人学习编程，而不是更少！
在过去的几十年里，编程经历了从汇编语言到C语言等高级语言、从桌面计算到云端、从纯文本编辑器到集成开发环境（IDE），再到AI辅助编程的演变。每一次变革都让编程变得更加简单。
如今，在AI辅助编程中，开发者有时甚至几乎不需要查看生成的代码，最近一些程序员将这种方式称为“氛围编程”（vibecoding）。
顺便说一句，如果想了解更多关于AI辅助编程的内容，可以观看我们的短视频课程《BuildAppswithWindsurf’sAICodingAgents》。
我之前写过，我认为精通技术的人可以通过灵活运用AI工具，迈向“10倍专业人士”——即在自身领域影响力达到普通人的10倍的人。
而现在，我越来越坚信，许多人实现这一目标的最佳方式，不是仅仅作为AI应用的使用者，而是掌握一定的编程能力，从而高效使用AI辅助编程工具。
我最常被问到的一个问题是：如果担心AI取代工作，该怎么办？
我的回答是：了解AI，并学会掌控它。因为未来最重要的技能之一，就是能精准地指令计算机执行你的需求。而编程——或者让AI为你编程——是实现这一点的最佳方式。
当我在制作课程《GenerativeAIforEveryone》时，需要生成AI艺术作品作为背景图。我与一位研究过艺术史、熟悉艺术语言的合作者合作。
他使用基于历史风格、色彩搭配、艺术家风格等术语——即艺术的语言——向Midjourney提示，以获得理想的结果。而我不懂这种语言，我拙劣的提示词尝试，远远无法生成同样出色的作品。
同样，科学家、数据分析师、市场人员、招聘人员，以及各行各业的专业人士，如果通过编程知识理解“软件的语言”，就能更精准地向大型语言模型（LLM）或AI赋能的集成开发环境（IDE）传达需求，并获得更优的结果。
随着这些工具不断降低编程门槛，现在正是学习编程的最佳时机——去掌握“软件的语言”，学会让计算机精准执行你的指令。
英文原文：https://www.deeplearning.ai/the-batch/issue-292/
Some people today are discouraging others from learning programming on the grounds AI will automate it. This advice will be seen as some of the worst career advice ever given. I disagree with the Turing Award and Nobel prize winner who wrote, “It is far more likely that the programming occupation will become extinct […] than that it will become all-powerful. More and more, computers will program themselves.” Statements discouraging people from learning to code are harmful!
In the 1960s, when programming moved from punchcards (where a programmer had to laboriously make holes in physical cards to write code character by character) to keyboards with terminals, programming became easier. And that made it a better time than before to begin programming. Yet it was in this era that Nobel laureate Herb Simon wrote the words quoted in the first paragraph. Today’s arguments not to learn to code continue to echo his comment.
As coding becomes easier, more people should code, not fewer!
Over the past few decades, as programming has moved from assembly language to higher-level languages like C, from desktop to cloud, from raw text editors to IDEs to AI assisted coding where sometimes one barely even looks at the generated code (which some coders recently started to call vibe coding), it is getting easier with each step. (By the way, to learn more about AI assisted coding, check out our video-only short course, “Build Apps with Windsurf’s AI Coding Agents.”)
I wrote previously that I see tech-savvy people coordinating AI tools to move toward being 10x professionals — individuals who have 10 times the impact of the average person in their field. I am increasingly convinced that the best way for many people to accomplish this is not to be just consumers of AI applications, but to learn enough coding to use AI-assisted coding tools effectively.
One question I’m asked most often is what someone should do who is worried about job displacement by AI. My answer is: Learn about AI and take control of it, because one of the most important skills in the future will be the ability to tell a computer exactly what you want, so it can do that for you. Coding (or getting AI to code for you) is the best way to do that.
When I was working on the course Generative AI for Everyone and needed to generate AI artwork for the background images, I worked with a collaborator who had studied art history and knew the language of art. He prompted Midjourney with terminology based on the historical style, palette, artist inspiration and so on — using the language of art — to get the result he wanted. I didn’t know this language, and my paltry attempts at prompting could not deliver as effective a result.
Similarly, scientists, analysts, marketers, recruiters, and people of a wide range of professions who understand the language of software through their knowledge of coding can tell an LLM or an AI-enabled IDE what they want much more precisely, and get much better results. As these tools continue to make coding easier, this is the best time yet to learn to code, to learn the language of software, and learn to make computers do exactly what you want them to do.
相关阅读：吴恩达写给开发者的公开信
亲爱的朋友们:
如今，精通AI的开发者供不应求，专业的失业率正在上升。这是因为，借助AI工具编程，可以大幅提升效率，而大多数大学的课程体系，尚未针对现实情况进行调整。
当我面试AI工程师–擅长构建AI应用的人才我看重这几项能力:
具备这些技能的人，他们完成工作的效率，远超仍用2022年(生成式AI出现之前)方式写代码的人。
我每周都会与大型企业交流，他们希望能招聘数百名，甚至更多具备这些技能的人;也有不少初创公司，有很好的创意，但缺乏足够的工程师来实现。随着更多的企业拥抱AI，我预计，这种AI人才缺口只会越来越大!
与此同时，虽然计算机专业的“就业不匹配率(即从事不需要学位，就能从事工作的比例)，仍低于大多数其他专业，但计算机专业的毕业生失业率正在上升。
听起来非常矛盾，一边是计算机毕业生失业的故事一边是AI工程师薪资暴涨的新闻。
过去，编程从打孔卡，发展到键盘终端时，雇主在段时间内，还会雇佣打孔卡程序员。但最终，所有开发者，都必须转向新的编程方式。AI工程，同样正在掀起一股巨大的变革浪潮。
有一种刻板印象认为，作为AI原住民的应届毕业生，能超越有经验的开发者。确实有几分事实，在很多全栈软件工程招聘中，我会选择真正懂AI的应届毕业生，而不会选按2022年方式工作的资深开发者。但我所认识的最优秀的开发者，并不是应届生(无意冒犯应届生!)，而是那些紧跟AI变化的资深开发者。现在最高产的程序员，是那些深刻理解计算机、懂软件架构、会权衡复杂问题，又熟悉前沿AI工具的人。
毫无疑问，2022年的一些技能正在变得过时。例如，过去我们必须死记硬背的大量编码语法，如今已不再那么重要，因为我们不需要大量的手敲代码。但即便假设有30%的计算机科学知识已过时，剩下的70%，加上现代AI知识，就是造就高效开发者的关键。(即便打孔卡淘汰后，对编程的基础理解对用键盘输入代码，依然很有帮助。)如果不了解计算机的工作原理，你不可能仅凭“感觉写代码”就走向卓越。基础依然重要，而对于那些懂基础又懂AI的人来说，工作机会将会非常多!
持续创造，
书享界
