高中階段學習資料科學能不能取代數學，這個主題的討論已經延伸到 AI 圈了。
在大模型技術高速發展，各家公司激烈競爭的同時，有人站出來對於未來的人才表示了擔憂，焦點在於數學。 近日，加州大學（UC）系統對於入學新生設立數學基礎標準的消息掀起了軒然大波。隨著全國範圍內數學成績的下降，一些教育工作者認為，標準的代數密集型數學教育需要改革，既可以吸引更多的學生，也可以幫助他們在日益依賴數據的未來培養相關技能。 有組織稱，目前至少有 17 個州已把「數據科學」作為高中數學教育的可選項，俄勒岡州和俄亥俄州甚至已將其作為代數 II 的替代課程。這一方式遭到了加州大學的反對。 有人發出了一封公開信，呼籲必須保證本科新生的數學水平：不要再把高中階段提前學習的數據科學再納入“數學”的範疇了，沒有基礎數學水平，就學不好 AI。 雖然還在訴訟對決之中，但奧特曼和馬斯克都位列這封公開信的簽字人名單之列 —— 看來英雄所見略同。 除此之外，支持此倡議的學界和業界重要人物還包括蘋果機器學習高管Samy Bengio、微軟生成人工智慧副總裁Sébastien Bubeck、英偉達首席科學家Bill Dally、谷歌首席科學家Jeff Dean、圖靈獎得主，Meta 首席科學家Yann LeCun、xAI 聯合創始人Greg Yang 等人。 一水的創始人、CEO、CTO，可見業內對於此事的重視程度。 人工智慧即將改變我們所處的社會。為了為未來做好準確，我們必須加強未來人們建構和部署 AI 技術的知識教育。其中，代數、微積分和機率學的核心數學概念是現代人工智慧創新的核心。因此，參與人工智慧技術的開發需要學生從夯實數學基礎開始。我們讚賞加州大學最近澄清了有關數學的入學要求，確保學生必須完成符合該州大學入學標準的高中課程。 雖然當今的進步可能表明微積分或代數等經典數學學科已經過時，但事實並非如此。事實上，現代人工智慧系統植根於數學，因此學好了數學對於人工智慧領域的職業生涯發展至關重要。 深度學習的演算法支柱 —— 梯度下降，透過結合微積分和（線性）代數來證明了人工智慧與數學的關聯。向量和矩陣是神經網路的建構模組，對數尺度的成長建模是神經網路訓練的基礎。三角函數和畢達哥拉斯恆等式也沒有過時，它們是資料科學中重要工具的基礎，包括傅立葉轉換和最小平方法演算法。 因此，在高中階段學習這些數學學科可以為今後專門從事機器學習、數據科學或任何 STEM 領域的工作做好準備。一般來說，我們更願意聘用強大掌握基礎知識的學生，而不是那些對最新的工具或軟體一知半解的學生。 如果不能維持公立教育中數學課程的標準，則將擴大公立學校（尤其是資源貧乏地區的公立學校）與私立學校之間的差距，從而阻礙 STEM 多元化的努力。所有加州的孩子（不只是私立學校的孩子），都應該接受頂尖的數學教育，為我們的未來打好基礎。因此，我們敦促加州政策制定者盡一切努力確保學生接受此類教育的機會。 公開信地址：https://www.mathmatters.ai/簽署姓名的 Jeff Dean 發推表示，數學教育對 AI 以及更廣泛的領域顯然都非常重要。對此，有不少網友也表示支持。雖然你可能覺得很難，但數學真的很有用：“recipe-based math”指死註重培養數學思考能力，看起來很有既視感。沒想到這種話如今被用在美國人吐槽他們的數學教育上了。 公開信中提到了加州大學澄清了高中生進入該大學的數學要求，這是怎麼一回事呢？ 最近，我們會時常看到有關高中生必須學習多少數學才能進入四年制加州州立大學（泛指）的數學（泛指）的數學報道。 近日，加州大學（UC）學術評議會下屬的一個有影響力的委員會就這一有爭議的問題發表了意見。意見規定：從 2025 年秋季開始，入學加州大學和加州州立大學的高中生，他們學習的資料科學課程或 AP 統計課程不能代替代數 II。 加州大學招生和學校關係委員會（BOARS）接受了研究該問題的「數學和統計教授工作小組」的建議，重申了其立場。 該工作小組確定，這些被標記為數據科學的課程甚至都沒有“接近”更高級代數課程的資格，更不用說代替了。 原文連結：https://senate.universityofcalifornia.edu/_files/committees/boars/documents/boarsacwphase1report-20240221.pdf?mc_cid=9de3e6e6fmcfm 加州大學的STEM 教授也對用數據科學取代高階代數課程的做法持批評態度。他們中的許多人雖然支持數據科學，但不支持缺少高中完整數學的課程，這些課程是學生學習 STEM 或任何需要定量技能的專業所需要的。
如果在高中就跳過了基礎數學學習，則會造成學生認為自己已經為統計學、計算機科學和數據科學專業做好準備的錯覺，而實際上他們並沒有準備好。這可能會迫使他們在社區大學另外補習數學。
與此同時，BOARS 的決定引起了其他一些人的不滿。例如加州大學洛杉磯分校統計學教授兼大學部研究副主席、《數據科學導論》的主要作者 Robert Gould 不同意 BOARS 的決定。他表示，這門數據科學課程也是在美國國家科學基金會贊助下，透過一項數學和科學合作基金創立的。
他說到，「我們當然很失望，我們相信自己的課程嚴謹且富有挑戰性。最重要的是，這些課程包含了學生職業和學術成功所需的所有知識和技能。」
此外，數據科學倡導者擔心， BOARS 可能會取消符合招生標準的數學課程類別下數據科學和（可能）統計學學生的入學資格。
在當前人工智慧和其他數據驅動的機會和職業所塑造的世界中，越來越多的高中生開始學習入門數據課程。倡導者認為這些數據課程是三角學、初級微積分和大學主修科學、 技術工程或數學（STEM）的學生必須學習的其他嚴格課程的「更友善」替代品。
因此，數十名高中數學教師和管理者已經採取行動，他們簽署了一封公開信，並將發送給加州大學董事會。該信重申了對數據科學和統計學課程的支持，批評了 BOARS 下決定時沒有諮詢高中教師和數據科學專家們的觀點。公開信地址：https://docs.google.com/forms/d/e/1FAIpQLSflQnXznvqrJtd64FcSpADHOjQtRNJr8jq-A5OvJmdlrJtd64FcSpADHOjQtRNJr8jq-A5OvJmdlRLA003/viewc這類數據科學課程，原因是它們提供了一種創新的21 世紀學習體驗，可以激發學生的興趣並吸引他們學習，傳授當今各種職業和學術領域所需的定量技能，為學生交流和學習數學提供一種新的方式。他們認為，越來越多的學區提供這些課程，與學生非常相關並對它們有吸引力，不然他們可能會對數學感到厭倦。 至於加州大學最終如何將《CourseKata》、《數據科學導論》和YouCubed 網站的《數據科學探索》等熱門數據課程納入入學課程要求，這個更大的問題恐怕要等到五月數學工作組發布下一份報告時才能確定。 在外界來看，人們對於美國中學階段的數學基礎教育程度一直存在爭議。在美國中學的許多學區，自國中起就會進行分班教學，對於不感興趣或不致力於 STEM 專業的學生，學完代數幾何就可以安全畢業。另一方面，部分學生也可以選擇選修 AP（大學先修課程），並在本科期間換成學分。 但因為大學入學成績所佔的比重相對較小，許多本科生對數學知識的掌握可能並不滿足需求。甚至有人指出，有相當一部分大學生連四則運算、解一元二次方程式都搞不定。 看起來，即使是在 AI 技術發展的時代，提升數學基礎也是至關重要的。至少新生的水平不應該越來越差。
https://www.washingtonpost.com/education/2024/03/02/data-https://www.washingtonpost.com/education/2024/03/02/data-science-alpbra-ornm https://edsource.org/2024/uc-confirms-data-science-cant-sub-for-algebra-ii-unresolved-what-can-it-qualify-for/707043以上是想搞AI，高中別學資料科學：奧特曼、馬斯克此刻終於一致了的詳細內容。更多資訊請關注PHP中文網其他相關文章！
