高中阶段学习数据科学能不能替代数学，这个话题的评论现已延伸到了 AI 圈。
为了 AI 的开展，再不加强根底教育就晚了。
在大模型技能高速开展，各家公司激烈竞赛的同时，有人站出来关于未来的人才表明了担忧，焦点在于数学。
近来，加州大学（UC）体系关于入学重生设立数学根底规范的消息掀起了轩然大波。随着全国范围内数学成果的下降，一些教育工作者以为，规范的代数密集型数学教育需求改革，既能够招引更多的学生，也能够协助他们在日益依赖数据的未来培养相关技能。
有组织称，目前至少有 17 个州已把「数据科学」作为高中数学教育的可选项，俄勒冈州和俄亥俄州乃至已将其作为代数 II 的替代课程。这一方式遭到了加州大学的对立。
有人发出了一封公开信，呼吁有必要保证本科重生的数学水平：不要再把高中阶段提前学习的数据科学再归入「数学」的范畴了，没有根底数学水平，就学欠好 AI。
尽管还在诉讼对决之中，但奥特曼和马斯克都位列这封公开信的签字人名单之列 —— 看来英雄所见略同。
除此之外，支撑此建议的学界和业界重要人物还包括苹果机器学习高管 Samy Bengio、微软生成人工智能副总裁 Sbastien Bubeck、英伟达首席科学家 Bill Dally、谷歌首席科学家 Jeff Dean、图灵奖获得者，Meta 首席科学家 Yann LeCun、xAI 联合创始人 Greg Yang 等人。
一水的创始人、CEO、CTO，可见业界关于此事的重视程度。
公开信的完好内容如下：
人工智能即将改动咱们所在的社会。为了为未来做好精确，咱们有必要加强未来人们构建和部署 AI 技能的常识教育。其中，代数、微积分和概率学的中心数学概念是现代人工智能立异的中心。因而，参加人工智能技能的开发需求学生从夯实数学根底开始。咱们赞赏加州大学最近澄清了有关数学的入学要求，确保学生有必要完成契合该州大学入学规范的高中课程。
尽管当今的前进或许标明微积分或代数等经典数学学科现已过时，但事实并非如此。事实上，现代人工智能体系植根于数学，因而学好了数学关于人工智能范畴的工作生涯开展至关重要。
深度学习的算法支柱 —— 梯度下降，经过结合微积分和（线性）代数来证明了人工智能与数学的关联。向量和矩阵是神经网络的构建模块，对数尺度的增长建模是神经网络训练的根底。三角函数和毕达哥拉斯恒等式也没有过时，它们是数据科学中重要东西的根底，包括傅里叶变换和最小二乘算法。
因而，在高中阶段学习这些数学学科能够为往后专门从事机器学习、数据科学或任何 STEM 范畴的工作做好准备。一般来说，咱们更愿意聘任结实掌握根底常识的学生，而不是那些对最新的东西或软件一知半解的学生。
假如不能保持公共教育中数学课程的规范，则将扩展公立学校（尤其是资源贫乏区域的公立学校）与私立学校之间的差距，然后阻止 STEM 多元化的尽力。所有加州的孩子（不仅仅是私立学校的孩子），都应该承受顶级的数学教育，为咱们的未来打好根底。因而，咱们敦促加州政策制定者尽全部尽力确保学生承受此类教育的时机。
公开信地址：www.mathmatters.ai/
签署姓名的 Jeff Dean 发推表明，数学教育对 AI 以及更广泛的范畴明显都十分重要。
对此，有不少网友也表明支撑。尽管你或许觉得难，但数学真的很有用：
也有人表达了关于当前美国数学教育的不满：
「recipe-based math」指死记硬背公式，不重视培养数学思维能力，看起来很有既视感。没想到这种话如今被用在美国人吐槽他们的数学教育上了。
公开信中提到了加州大学澄清了高中生进入该大学的数学要求，这是怎么一回事呢？
加州大学：想申 STEM，数学没有替代品
最近，咱们会时常看到有关高中生有必要学习多少数学才干进入四年制加州州立大学（泛指）的报道。
近来，加州大学（UC）学术评议会下属的一个有影响力的委员会就这一有争议的问题发表了定见。定见规定：从 2025 年秋季开始，入学加州大学和加州州立大学的高中生，他们学习的数据科学课程或 AP 统计学课程不能替代代数 II。
加州大学招生和学校关系委员会（BOARS）承受了研讨该问题的「数学和统计学教授工作组」的建议，重申了其态度。
该工作组确定，这些被标记为数据科学的课程乃至都没有「挨近」更高档代数课程的资历，更不用说替代了。
原文链接：senate.universityofcalifornia.edu/\_files/co…
加州大学的 STEM 教授也对用数据科学替代高档代数课程的做法持批评态度。他们中的许多人尽管支撑数据科学，但不支撑短少高中完好数学的课程，这些是学生学习 STEM 或任何需求定量技能的专业所需求的。
假如在高中就跳过了根底数学学习，则会造成学生以为自己现已为统计学、计算机科学和数据科学专业做好准备的错觉，而实际上他们并没有准备好。这或许会迫使他们在社区大学另外补习数学。
与此同时，BOARS 的决定引起了其他一些人的不满。比如加州大学洛杉矶分校统计学教授兼本科生研讨副主席、《数据科学导论》的首要作者 Robert Gould 不同意 BOARS 的决定。他表明，这门数据科学课程也是在美国国家科学基金资助下，经过一项数学和科学协作基金创立的。
他说到，「咱们当然很失望，咱们信任自己的课程谨慎且富有挑战性。最重要的是，这些课程包含了学生工作和学术成功所需求的所有常识和技能。」
此外，数据科学倡导者担心， BOARS 或许会撤销契合招生规范的数学课程类别下数据科学和（或许）统计学学生的入学资历。
在当前人工智能和其他数据驱动的机会和工作所塑造的世界中，越来越多的高中生开始学习入门数据课程。倡导者以为这些数据课程是三角学、初级微积分和大学主修科学、 技能工程或数学（STEM）的学生有必要学习的其他严厉课程的「更友爱」替代品。
因而，数十名高中数学教师和管理者现已采取举动，他们签署了一封公开信，并将发送给加州大学董事会。该信重申了对数据科学和统计学课程的支撑，批评了 BOARS 下决定时没有咨询高中教师和数据科学专家们的观点。
公开信地址：docs.google.com/forms/d/e/1…
信中写到，「咱们学校和学区采纳了这类数据科学课程，原因是它们供给了一种立异的 21 世纪学习体验，能够激发学生的兴趣并招引他们学习，传授当今各种工作和学术范畴所需求的定量技能，为学生沟通和学习数学供给一种新的方式。」
除了数据科学倡导者、高中教师之外，一些非盈利组织也表达了对数据科学课程的支撑。他们以为，越来越多的学区供给这些课程，与学生十分相关并对它们有招引力，否则他们或许会对数学感到厌烦。
至于加州大学最终如何将《CourseKata》、《数据科学导论》和 YouCubed 网站的《数据科学探索》等热门数据课程归入入学课程要求，这个更大的问题恐怕要等到五月数学工作组发布下一份报告时才干确定。
在外界来看，人们关于美国中学阶段的数学根底教育水平一直存在争议。在美国中学的许多学区，自初中起就会进行分班教育，关于不感兴趣或不致力于 STEM 专业的学生，学完代数几何就能够安全毕业。另一方面，部分学生也能够选择选修 AP（大学先修课程），并在本科期间换成学分。
但由于大学选取成果所占的比重相对较小，许多本科生对数学常识的掌握或许并不满意需求。乃至有人指出，适当一部分大学生连四则运算、解一元二次方程都搞不定。
这就怪不得马斯克和奥特曼都一起站出来呼吁了。
看起来，即使是在 AI 技能开展的时代，提高数学根底也是至关重要的。至少重生的水平不应该越来越差。
参阅链接：
