微信扫一扫
威斯康星大学麦迪逊分校于2026年7月1日正式成立了计算与人工智能学院（College of Computing & Artificial Intelligence，简称 CAI）。这是该校40多年来首次新设立的学院
在原文理学院下属“计算机、数据与信息科学学院”成功发展的基础上，CAI 的成立将进一步推动威斯康星大学麦迪逊分校在计算与人工智能领域的科研、人才培养、社会参与及学术思想引领等方面的发展。
当人工智能走进大学：UW–Madison 新学院想回答的，不只是“技术能做什么”
“是我们塑造机器，还是机器塑造我们？又或者，机器正在重新塑造我们？”
这句写于1948年的追问，原本指向农业机械对土地与社会的改变。今天再读，却很像人工智能时代的注脚：技术正在改变学习、工作、科研与日常生活，而我们需要思考的，也不只是工具能够完成什么任务，更是人应当如何参与它的设计、使用与治理。
近日，威斯康星大学麦迪逊分校（UW–Madison）成立了计算与人工智能学院（College of Computing & Artificial Intelligence，简称 CAI）。这所新学院建立在计算机科学、信息学院与统计学三个学术单位长期积累的基础上，也回应了一个正在变得具体的问题：当计算与人工智能进入越来越多行业，大学应如何培养能够理解技术、提出问题并承担责任的人？
从“会使用技术”到“理解技术与人的关系”
许多人谈人工智能时，往往关注编程能力、模型性能、数据规模与应用场景。但 CAI 所强调的视角并不止于此。
技术可以帮助研究人员处理复杂数据，辅助医生分析信息，也可以改变课堂学习和企业协作方式；与此同时，它也会带来隐私、偏见、就业变化、信息可信度等议题。
因此，计算与人工智能教育不应只回答“怎样做”，还应当持续追问：
- 这项技术服务于谁？
- 它可能影响哪些群体？
- 数据如何被取得和使用？
- 当系统作出判断时，人应承担怎样的责任？
- 技术能力与社会判断如何配合？
对于计划赴美学习计算机、数据科学、统计学或人工智能的学生而言，这种思考很有价值。未来的学习与职业发展，往往不只取决于会不会写代码，也与能否把技术能力放进真实世界的问题中有关。
三个学术方向汇聚，形成交叉学习的基础
CAI的基础来自三个已有学术单位：Computer Sciences、Information School 和 Statistics。
这三个方向分别对应了人工智能时代的几项核心能力：
| 学术方向 | 关注的问题 |
|---|---|
| 计算机科学 | 算法、软件系统、计算理论、人工智能方法 |
| 信息科学 | 信息如何被组织、传播、理解与使用，以及技术与社会的关系 |
| 统计学 | 数据分析、概率模型、推断方法与不确定性判断 |
根据学院公开文章，这些单位此前已在2019年整合为“计算机、数据与信息科学学院”，为跨学科合作做准备；目前相关领域拥有100多位教师和约5,000名学生。
对学生来说，这意味着学习路径不必局限于单一标签。一个对人工智能感兴趣的学生，也许会同时接触数学、统计、计算机系统、数据伦理、信息政策、社会科学或具体行业应用。这样的课程组合，有助于学生在进入研究生阶段或就业市场前，更清楚地理解自己的兴趣所在。
人工智能教育，也是一种判断力教育
CAI 的文章提出了一个很值得反复思考的观点：一个领域走向成熟，不仅表现为能够构建更多系统，也表现为能够判断什么值得构建、为什么构建，以及应如何使用。
化学、物理等学科的发展，都曾深刻影响社会。随着技术能力扩大，研究者和使用者也需要面对安全、伦理、公共利益与社会责任等问题。计算与人工智能正处于类似的阶段。
这对正在规划留学的家庭也有启发。选择专业时，可以关注的不只是专业名称，还包括：
- 学校是否提供跨学科课程；
- 是否有本科科研、实验室、项目制学习或实习机会；
- 是否重视写作、沟通、伦理与公共议题；
- 学生是否能在不同学院之间选课；
- 课程设置是否帮助学生从“完成任务”走向“提出问题”。
对准备申请相关专业的学生意味着什么
如果学生计划申请计算机科学、人工智能、数据科学、统计学、信息科学等方向，可以尽早积累以下几类能力：
-
数理基础
微积分、线性代数、概率统计与离散数学，常常是后续学习机器学习、算法和数据分析的重要基础。 -
编程与项目经验
不必追求项目数量，而应尝试完成能够体现思考过程的作品：例如数据分析报告、小型应用、研究型课题或开源协作。 -
真实问题意识
与其只展示“我会使用某个工具”，不如进一步说明：我观察到了什么问题？为什么选择这个方法？结果有哪些局限？ -
跨学科视角
对医疗、教育、金融、环境、公共政策、艺术或社会议题有兴趣的学生，可以思考技术如何与这些领域结合。 -
责任与边界意识
当使用生成式人工智能、数据集或自动化工具时，理解学术诚信、数据来源、隐私保护与偏见风险，同样是学习的一部分。
结语：技术应由人来定义方向
人工智能时代并不缺少新工具。更值得培养的，是面对新工具时保持好奇、审慎与行动能力的人。
UW–Madison CAI 的成立，传递出一种清晰的教育方向：技术不应只是“发生在我们身上的事”，人也应当参与决定它将走向哪里。对于未来想进入计算与人工智能领域的学生而言，学习代码、模型和数据固然重要；学习如何判断、解释、质疑并负责任地应用技术，也同样重要。
