Sergey Brin 給焦慮學生的建議：別因為 AI 會寫程式就轉去念比較文學

本文整理自史丹佛工程學院百年校慶活動，2025 年 12 月播出。

「我該不該繼續念電腦科學？」

這個問題來自台下一位史丹佛大一新生。在場的是 Google 共同創辦人 Sergey Brin、史丹佛校長 Jonathan Levin，以及工程學院院長 Jennifer Widom。在 AI 似乎能做越來越多事情的今天，這個問題代表了無數學生的焦慮。

Brin 的回答出人意料：「不要因為 AI 會寫程式就轉去念比較文學。老實說，AI 寫比較文學可能寫得更好。」

一個反直覺的論點

這個回答乍聽之下像是在開玩笑，但 Brin 認真地解釋了他的邏輯。

AI 寫程式確實已經相當不錯，但程式碼有一個特性：錯誤會被立即發現。程式要嘛能跑，要嘛不能跑；要嘛通過測試，要嘛不通過。這意味著 AI 生成的程式碼需要人類持續監督和修正。「老實說，AI 有時候還是會犯蠻顯著的錯誤，」Brin 說，「所以你總是需要監督它。」

相比之下，AI 寫一篇關於比較文學的文章，就算有些句子寫得不太對，也不會有什麼嚴重後果。讀者可能根本不會注意到。這反而讓 AI 在文字創作領域更容易「蒙混過關」。

這個論點揭示了一個重要觀察：AI 的應用場景中，「容錯率」決定了人類監督的必要程度。在容錯率低的領域（程式設計、醫療診斷、法律文件），人類專業知識依然不可或缺。在容錯率高的領域（創意寫作、一般性文案），AI 已經可以獨立完成大部分工作。

為什麼程式設計能力在 AI 時代依然重要

Brin 的職涯本身就是這個論點的證明。他在大學時雙主修數學和電腦科學，這在當時並不常見。這個組合讓他有能力理解並發展出 PageRank 演算法，最終創辦了 Google。

「現在我們雇用的人，」Brin 說，「比我當年強得多。他們在數學和電腦科學上都非常厲害。而且很多是物理學家，因為物理學家必須做困難的數學，而且他們做的事情往往受到算力限制，所以他們也發展出了計算方面的能力。」

這段話透露了一個訊息：在 AI 時代，技術的門檻不是降低了，而是提高了。Google 現在需要的人才，必須能夠理解深度學習背後的數學原理、能夠設計新的演算法架構、能夠優化大規模分散式系統。這些能力不是看幾個 YouTube 教學就能習得的。

更重要的是，Brin 強調演算法的進步比單純堆疊算力更有價值。「如果你仔細對照，過去十年演算法的進步其實超越了算力的規模化。」這意味著那些真正理解演算法原理的人，能夠創造出比單純「用更多 GPU」更大的價值。

AI 時代真正該培養的能力

在訪談中，Brin 多次提到他自己如何使用 AI。他開車時會跟 Gemini 討論各種問題——從資料中心的電力需求，到健康問題，到選禮物的建議。

「它不會幫我做決定，」Brin 解釋，「我通常會說『給我五個想法』。大概有三個會有某種明顯的問題，但另外兩個會有一些很棒的洞見。」

這描述了一種與 AI 協作的方式：把 AI 當作一個知識淵博但判斷力有限的顧問。你需要足夠的專業知識來評估它的建議、辨識它的錯誤、從它的想法中提煉出有價值的部分。

這種能力需要什麼基礎？首先是領域專業知識——你必須知道什麼是對的，才能判斷 AI 是不是在胡說八道。其次是批判性思維——你必須能夠質疑、驗證、比較不同的說法。第三是問對問題的能力——AI 的輸出品質高度依賴你的輸入品質。

這些能力恰恰是傳統大學教育試圖培養的。諷刺的是，在 AI 時代，這些「軟技能」可能比以往任何時候都更重要。

選擇你真正有熱情的事

Brin 最後給出的建議其實很簡單：「我選電腦科學是因為我對它有熱情。對我來說這是很自然的選擇。」

他承認自己很幸運，恰好對一個正在爆發的領域有興趣。但他的重點是：不要因為外在因素（包括對 AI 的恐懼）來決定你要學什麼。如果你對程式設計有熱情，就繼續學。如果你對其他領域有熱情，也不要因為覺得那個領域「更安全」就硬轉過去。

「AI 會改變所有事情，」Brin 說，「但現在要預測具體會怎麼改變太難了。五年前的 AI 和今天的 AI 完全不同，五年後的 AI 又會完全不同。」

在這種高度不確定的環境中，押注在某個「AI 不會取代」的領域可能是徒勞的。更好的策略可能是：培養深厚的專業能力、保持學習的習慣、擁抱 AI 作為工具而非將它視為威脅。

而這一切的前提是，你要選擇一個你真正有動力持續投入的領域。因為在 AI 時代，半吊子的專業知識很快就會被 AI 超越。只有真正深入的專業，才能讓你站在 AI 的肩膀上，而不是被 AI 踩在腳下。