当前，人工智能技术正以前所未有的速度渗透到各个领域，深刻地改变着我们的工作与生活。
特别是在软件开发行业，AI编程助手如GitHub Copilot、AlphaCode，以及各类无代码/低代码平台的崛起，似乎预示着编程的门槛正在迅速降低，程序员们纷纷拥抱人工智能来提升生产力，传统程序员的角色也面临着被弱化的风险。
这一趋势引发了一个广泛且深刻的讨论：
“在AI如此强大的今天，我们还有必要学习编码吗？”
“随着越来越多的学生开始使用 ChatGPT 和 GitHub Copilot 等 AI 编码辅助工具，计算机教师应该如何调整他们的课程？”
“在人工智能教育应用飞速发展的今天，学校的编程教育应该学些什么？如何去应对？”
Anthropic 首席执行官 Dario Amodel 表示，未来代码将完全由 AI 生成，他预测 AI 将在六个月内生成高达 90% 的代码。
这促使 Replit 创始人兼首席执行官 Amjad Masad 给出建议：“我不再认为你应该学习编程了。”
AI和无代码工具显著提升了软件开发的效率，使得非专业人士也能参与到应用创造中，这无疑是技术的巨大进步。
然而，这种进步是否就意味着传统编码技能的价值正在消退？
在自留地君看来，并非如此。
掌握编码能力使我们能够更深入地理解软件是如何运作的，数据是如何流动和处理的，算法的逻辑和效率是如何影响结果的。
这种深层理解有助于我们做出更明智的技术选型决策，更有效地利用工具，并能预见潜在的问题和风险。
在关键时刻，具备阅读、修改、优化甚至重构代码的能力，意味着拥有解决问题的最终控制权，而不是完全受制于外部工具或服务的“黑箱”。
于此同时，我们应该意识到，编程不仅仅是写代码，编程的过程本身就是一种严谨的逻辑思维训练。从理解需求、分析问题，到设计算法、编写代码，再到调试纠错、优化性能，每一个环节都要求清晰的思路和严密的逻辑。
苹果公司创始人史蒂夫·乔布斯曾说过一句广为流传的话：“每个人都应该学习如何编程，因为它教会你如何思考。”
在AI时代，他的这句名言似乎显得尤为深刻。
本质上，编程正在从专业技能转变为一种技术素养。
就像现代商务人士需要会做PPT而不必成为平面设计师一样，未来职场人需要会修改代码片段而不必成为专业工程师。
这种能力将成为区分”技术消费者”和”技术创造者”的关键界限。代码生成可以因生成式人工智能而自动化，思维不能自动化。
AI可以成为强大的执行工具，但驱动这些工具、使其发挥最大效能的，依然是人类的思考能力。
思维自动化会毁了人的思维，会在未来难以培养真正的程序员。
当思考过程被AI替代，我们可能只停留在问题表面，失去了深度学习和自主创新的机会。
习惯性地规避主动思考，将认知负担转移给外部工具，长期以往可能削弱个体独立分析和解决问题的能力。
不仅如此，我们也必须充分地意识到，人工智能生成代码和网站，无代码/低代码平台极大地降低了应用开发的门槛，使得不懂编程的业务人员也能快速搭建简单的应用程序。
虽然它们可以用来创建简单的应用程序或网站，但它们不适合构建复杂的系统或解决独特的问题。
人工智能生成编程和无代码工具有其局限性，这些工具并非万能，其固有的局限性决定了它们在许多场景下无法替代传统的编程开发。
其输出基于预先确定的输入（例如，模板和模块），这可能会限制创造力和创新。
相比之下，编码允许开发人员根据特定需求创建定制的解决方案。通过编码，开发人员可以完全控制开发过程，并可以尝试新的想法和概念。
因此，从这个意义上说，人工智能时代的到来，并非宣告了编程技能的黄昏，反而对其提出了更高层次、更综合性的要求。
编程不再仅仅是“写代码”这一单一动作，它升华为一种理解、设计、创造和与智能系统高效协作的核心语言。
它赋予我们洞察技术本质的能力，锻炼我们解决复杂问题的逻辑思维，并帮助我们在日益智能化的世界中保持主动和清醒。
人工智能是这个时代最伟大的技术浪潮之一，它带来了效率的飞跃，也带来了认知的挑战。
技术进步越快，对高技能的需求也变化得越快。
虽然人工智能可以增强学习，但它无法取代我们学习编程时获得的技能和态度。
此外，理解代码比以往任何时候都更加重要，这样我们才能评估和修改人工智能工具的成果。我们应当积极拥抱AI，利用其强大的能力。但与此同时，我们更不应放弃思考的深度、创造的乐趣以及对技术本质的探索。
学习编码，正是AI时代赋予我们每一个人的，用以理解世界、驾驭未来、保持个体主动性与核心竞争力的关键钥匙。我们坚信计算思维和编程仍然是科技世界中必不可少的技能。事实上，学习编程现在比以往任何时候都更加重要。
不过，我们必须看到，在几乎所有程序员都在依赖 Github 编程的时代，在人工智能可以快速生成代码的大背景下，中小学的编程教学必须要做出改变，
从编程”语法记忆”转向”计算思维培养”。毕竟，编程最大的难点不是编程语言本身，而是让学生“把自己头脑中的想法转换成编程的逻辑”。
传统笔试被过程性评估替代。编程教学中的评估将重点考察学生的“debug过程”而非最终结果，评价中可能会更多地引入用注释/文档说明算法意图之类的“代码可解释性”评分。
当前快速崛起的人机协同编程实践，催生学校编程教学中构建”AI-人类”协作的人机协同教学框架。
Photo by Johnnie Walker