■ 林婧

　　专业上新，是一股来自产业的风，吹到了教育领域。人才培养与产业迭代，永远存在时间差。以人工智能为例，从2022年底ChatGPT横空出世，到如今大模型百花齐放，不过三四年，人们已从一知半解到熟练使用，甚至离不开AI工具。

　　改变，是为了不被淘汰。但当教育努力跟随行业步伐时，来自四面八方的风，总容易乱了航行的方向。学生在校学习有固定周期，如何保障在他们毕业时，所学的技术依旧具有竞争力？是一味追求新技术、学习新模型，还是沉下心，打牢那些不易被淘汰的底层能力？

　　采访中，不止一位受访者给出相似的答案：追新，不能停；但只追新，容易疲于奔命。

　　一位正在攻读计算机方向博士的教师坦言，自己目前用得最多的，还是本科时期打下的底子。在他看来，教学重点应该放在深度学习、神经网络等底层原理上，行业新潮应用则留给学生毕业后进行自主学习、自我提升。

　　另一位机器人专业教师则把人形机器人比作早年的汽车：刚普及时，会修车的人很吃香；但当汽车进入千家万户，光会修还不够，还要懂改装、懂定制，能根据不同的使用场景做二次开发，“人形机器人也会走这条路”。

　　技术会迭代，但理解问题和解决问题的能力，不会过时。可见，学校要给的，不仅是某一款模型、某一台设备的“现成答案”，而是理解技术、迁移能力、持续学习的“底层算法”，让学生既摸到产业前沿，又练就底层内功。