मस्क, ऑल्टमन आणि ब्रिन कशावर सहमत आहेत: विद्यार्थ्यांनी संगणक विज्ञान आणि गणिताकडे लक्ष दिले पाहिजे

वर्गखोल्या आणि कोडिंग लॅबमधून एक शांत दहशत पसरली आहे. आर्टिफिशियल इंटेलिजन्स आता विद्यार्थी शिकू शकतील त्यापेक्षा वेगाने कोड लिहिते. हे त्याचे कार्य न दाखवता समीकरणे सोडवते. हे अस्वस्थ आत्मविश्वासाने परीक्षा-शैलीतील प्रश्नांची उत्तरे देते. वेग आणि शॉर्टकटवर वाढलेल्या पिढीसाठी, निष्कर्ष स्पष्ट वाटतो: कदाचित संगणक विज्ञान शिखरावर पोहोचले आहे; कदाचित गणित शेवटी ऐच्छिक आहे.तो निष्कर्ष चुकीचा आहे आणि ज्या लोकांना हे चांगले माहित आहे त्यांनीच घाबरून जाणाऱ्या यंत्रणा तयार करण्यात मदत केली. गेल्या वर्षभरात, जागतिक तंत्रज्ञान नेत्यांमध्ये संभाव्य एकमत दिसून आले आहे. ते विद्यार्थ्यांना नवीन प्रोग्रामिंग भाषेचा पाठलाग करण्यासाठी किंवा सर्वात ट्रेंडी एआय टूलमध्ये प्रभुत्व मिळविण्याचा आग्रह करत नाहीत. त्याऐवजी, अनेक विद्यार्थी सुटण्यास उत्सुक असलेल्या विषयांकडे ते आग्रहाने मागे इंगित करत आहेत: गणित, संगणक विज्ञान मूलभूत, भौतिकशास्त्र आणि सैद्धांतिक विचार.हा नॉस्टॅल्जिया किंवा शैक्षणिक रोमँटिसिझम नाही. सिस्टममधून मूल्य कोठे कमी होत आहे याबद्दल ही एक चेतावणी आहे. AI बुद्धिमत्ता नष्ट करत नाही, तर ते त्यातील यांत्रिक भागांचे उत्पादन करत आहे. सपाट करण्याची पहिली कौशल्ये पुनरावृत्तीवर आधारित आहेत: वाक्यरचना लक्षात ठेवणे, फ्रेमवर्क प्रवाहीपणा, पृष्ठभाग-स्तरीय कोडिंग क्षमता. जे टिकून राहते आणि किंबहुना दुर्मिळ होत जाते, ते म्हणजे पहिल्या तत्त्वांवरून तर्क करण्याची क्षमता, एखाद्या समस्येचे अमूर्त स्वरूप तयार करणे, एखादी प्रणाली अपयशी ठरल्यावर ती कशी वागते हे समजून घेणे.म्हणूनच तंत्रज्ञानातील काही धारदार मन आता जवळजवळ पुराणमतवादी वाटू लागले आहे. गणित हा अडथळा नसून गाळण आहे, असा त्यांचा युक्तिवाद आहे; संगणक शास्त्र हे कोड लिहिण्याबद्दल नाही तर विचारांची रचना करण्याबद्दल आहे; आणि अडचण, शिक्षणातील दोष नसणे ही त्याची शेवटची शिल्लक गुणवत्ता तपासणी असू शकते.शॉर्टकटचे वेड लागलेल्या वयात, हे आवाज एक फॅशनेबल केस बनवत आहेत: की सर्वात कठीण विषय अजूनही महत्त्वाचे आहेत – कृत्रिम बुद्धिमत्ता असूनही नाही, परंतु त्यामुळे. येथे, आम्ही तपासतो की जगातील सर्वात प्रभावशाली तंत्रज्ञानातील काही व्यक्ती विद्यार्थ्यांना गणित आणि मुख्य संगणक विज्ञानाकडे का ढकलत आहेत त्याच क्षणी अनेकांना दूर जाण्याचा मोह होतो.

पावेल दुरोव: गणित स्वातंत्र्याचे प्रशिक्षण देते

चिथावणी शांतपणे सुरू झाली. 2025 च्या मध्यात, टेलीग्रामचे संस्थापक पावेल दुरोव यांनी AI-वर्चस्व असलेल्या भविष्यात विद्यार्थ्यांना त्यांच्या पर्यायांचे वजन करण्याच्या उद्देशाने सल्ला पोस्ट केला. “तुम्ही विद्यार्थी असाल तर कशावर लक्ष केंद्रित करायचे हे निवडत असल्यास, गणित निवडा,” त्याने लिहिले. इमोजी नाहीत, चेतावणी नाहीत.डुरोव्हने रोजगाराची हमी म्हणून गणिताची मांडणी केली नाही. स्वतंत्र विचार करण्यास भाग पाडणारी एक शिस्त म्हणून त्यांनी ते तयार केले. गणित, जसे त्याने अनेकदा युक्तिवाद केले आहे, अनुकरणाच्या लक्झरीला परवानगी देत ​​नाही. तुम्हाला एकतर समस्या समजते किंवा नाही. अशा जगात जिथे AI त्वरित उत्तरे देते, तो फरक कमी नाही तर अधिक महत्त्वाचा आहे. डुरोव्हचे सबटेक्स्ट अस्पष्ट होते: साधनांवरील अवलंबन वाढत आहे; बौद्धिक स्वावलंबन दुर्मिळ होत आहे.

एलोन मस्क: प्रथम तत्त्वे, किंवा काहीही नाही

डुरोव्हच्या पोस्टने एलोन मस्कचा प्रतिसाद काढला जो त्याच्या संक्षिप्ततेमुळे व्हायरल झाला. X वर सार्वजनिकपणे उत्तर देताना, मस्कने लिहिले: “भौतिकशास्त्र (गणितासह).”दोन शब्द अभ्यासक्रम नव्हते. ते एक तत्वज्ञान होते. कस्तुरीसाठी, भौतिकशास्त्र हे क्षेत्र आहे जिथे प्रथम-तत्त्वांचा विचार करणे अपरिहार्य आहे, गृहितकांची वास्तविकता विरुद्ध चाचणी केली जाते, सोयीसाठी नाही. गणित ही अशी भाषा आहे जी ती चाचणी अचूक बनवते. जेव्हा मस्क “भौतिकशास्त्र (गणितासह)” म्हणतो तेव्हा तो पृष्ठभागाची क्षमता नाकारतो. तो असा युक्तिवाद करत आहे की जसजशी प्रणाली अधिक जटिल होत जाते – रॉकेट्स, स्वायत्त वाहने, मोठ्या प्रमाणात एआय – उथळ समजण्यासाठी दंड आपत्तीजनक बनतो.एआय युगात, मस्कचा संदेश कठोर होता: साधने साप्ताहिक बदलतील; प्रथम तत्त्वे टिकतात.

सॅम ऑल्टमन: उच्च-लाभ क्षण

2025 च्या उत्तरार्धात, एका वेगळ्याच चिंतेने ग्रासले होते: AI ने संगणक शास्त्रालाच एक गरीब शैक्षणिक पैज बनवले होते. स्टॅनफोर्ड युनिव्हर्सिटीमध्ये क्रिप्टोग्राफीचे प्राध्यापक डॅन बोनेह यांच्याशी सार्वजनिक संभाषणात बोलताना, ओपनएआयचे सीईओ सॅम ऑल्टमन यांनी त्या भीतीला तोंड दिले.“संगणक शास्त्राचा अभ्यास करण्यासाठी हा खरोखर छान काळ आहे,” ऑल्टमन म्हणाले. “हा एक उच्च-लिव्हरेज क्षण आहे, विशेषत: जर तुम्हाला AI मध्ये स्वारस्य असेल.”ऑल्टमनची वाक्यरचना मुद्दाम केली होती. “उच्च लाभ” म्हणजे सहज परतावा मिळत नाही. याचा अर्थ असा आहे की पायाभूत प्रणाली समजून घेणे आता नंतर मोठ्या प्रमाणात प्रभाव पाडते. एआय, ऑल्टमनच्या सांगण्यानुसार, संगणक विज्ञानाची जागा घेत नाही; ज्यांना या प्रणाली कशा बनवल्या जातात, मर्यादित केल्या जातात आणि तैनात केल्या जातात हे समजणाऱ्यांच्या हातात शक्ती केंद्रित करणे आहे.विद्यार्थ्यांसाठी, मथितार्थ अस्वस्थ आहे परंतु स्पष्ट आहे: उथळ परिचय वाईटरित्या वृद्ध होईल. स्ट्रक्चरल समज वाढेल.

डेमिस हसाबिस: अडचणीची शिस्त

जर ऑल्टमन रणनीतीकार म्हणून बोलतो, तर डेमिस हसाबिस शैक्षणिक कठोरतेचे उत्पादन म्हणून बोलतो. लेक्स फ्रिडमॅन पॉडकास्टवरील 2025 च्या संभाषणात, Google DeepMind CEO यांनी त्यांच्या शिक्षणाच्या रचनात्मक प्रभावावर प्रतिबिंबित केले.“मी काही अतिशय कठीण गणित आणि सैद्धांतिक संगणक विज्ञान अभ्यासक्रम घेतले,” हसाबिस म्हणाले. “त्यांनी मला सखोल आणि कठोरपणे विचार कसा करायचा – आणि गोष्टी कठीण असताना कसे टिकून राहायचे ते शिकवले.”त्या वर्षाच्या उत्तरार्धात सार्वजनिक मंचांवर तो थीमवर परत आला, विद्यार्थ्यांना गणित आणि सिद्धांत सोडून देण्यापासून सावध केले कारण एआय टूल्स त्यांना अनावश्यक बनवतात. त्या विषयांचे खरे मूल्य, हसाबिस यांनी युक्तिवाद केला, ते सामग्रीमध्येच नाही तर त्यांनी लादलेल्या संज्ञानात्मक प्रशिक्षणामध्ये आहे: अचूकता, संयम आणि झटपट उपायांना विरोध करणाऱ्या समस्यांशी लढण्याची क्षमता. अशा युगात जिथे उत्तरे त्वरित येतात, अनिश्चिततेसह बसण्याची क्षमता स्पर्धात्मक फायदा बनते.

सर्जी ब्रिन: एआय युगातील उत्कटता आणि सावधगिरी

अशा वेळी जेव्हा विद्यार्थी दोन परस्परविरोधी कथा ऐकत असतात — एआय नोकऱ्यांची जागा घेईल आणि AI पदवी बदलेल — Google सह-संस्थापक सेर्गे ब्रिन यांनी जानेवारी 2026 मध्ये स्टॅनफोर्ड युनिव्हर्सिटीमधील अभियंत्यांच्या नवीन पिढीशी बोलताना सर्वात आधारभूत प्रतिसादांपैकी एक ऑफर केला.त्यांचे शब्द साधे पण स्तरित होते. “मी संगणक विज्ञान निवडले कारण मला त्याची आवड होती. माझ्यासाठी तो एक प्रकारचा विचार न करणारा होता. मला वाटते की तुम्ही म्हणू शकता की मी देखील भाग्यवान आहे कारण मी देखील अशा परिवर्तनशील क्षेत्रात होतो,” तो म्हणाला. ब्रिनने क्रेडेन्शियल चेसिंगपेक्षा कुतूहलावर भर देणे मुद्दाम दिले होते. त्यांनी निदर्शनास आणून दिले की – स्टॅनफोर्ड पदवीधर विद्यार्थ्यापासून ते Google चे सह-आर्किटेक्ट असा त्यांचा स्वत:चा प्रवास – भीतीवर आधारित करिअर कॅल्क्युलस नसून स्वारस्याने प्रेरित होता. जनरेटिव्ह AI च्या युगात, जिथे Gemini आणि ChatGPT सारखी मॉडेल्स कोड लिहू आणि डीबग करू शकतात, तो फरक नेहमीपेक्षा जास्त महत्त्वाचा आहे. महत्त्वाचे म्हणजे ब्रिन उत्कटतेने थांबला नाही. ऑटोमेशन हेड-ऑन बद्दलची चिंता देखील त्यांनी संबोधित केली. वैशिष्ट्यपूर्ण स्पष्टपणाने, त्यांनी ठणकावून सांगितले, “मी तुलनात्मक साहित्याकडे वळणार नाही कारण तुम्हाला वाटते की एआय कोडिंगमध्ये चांगले आहे. एआय कदाचित तुलनात्मक साहित्यात अधिक चांगले आहे, तरीही अगदी प्रामाणिकपणे.”त्याचा मुद्दा दुहेरी होता: ऑटोमेशनच्या भीतीने STEM मधून पळ काढू नका आणि AI चे सध्याचे कार्यप्रदर्शन संरचित शिक्षणाचे मूल्य कमी करते असे समजू नका.

प्रसिद्धीकडे दुर्लक्ष केल्यास…

प्रसिद्धी ही विचलित आहे. यातून ख्यातनाम व्यक्तींना बाहेर काढा — मस्क “मॅथ्ससह भौतिकशास्त्र” टाकत आहे, जसे की ते माईक-ड्रॉप आहे, ऑल्टमॅन स्टॅनफोर्ड स्टेजवरून “उच्च लाभ” म्हणून संगणक विज्ञान विकत आहे, हॅसाबिस क्लास टॉपर आहे ज्याने खरोखर सैद्धांतिक CS चा आनंद लुटला आहे, ब्रिन प्रत्येकाला आठवण करून देत आहे की त्याने CS ला निवडले आहे आणि त्याला सारखेच थांबवले आहे. किंबहुना ते त्रासदायक समजू लागते. AI बुद्धिमत्ता चोरत नाही, तर ते त्यातील सोपे बिट्स मोठ्या प्रमाणात सूट देत आहे. एकेकाळी कौशल्य म्हणून उत्तीर्ण होणारी सामग्री — रुटीन कोडिंग, फॉर्म्युला ॲप्लिकेशन, टेम्पलेट थिंकिंग — आता व्हेंडिंग मशीन आहे. जे अद्याप स्वयंचलित करण्यास नकार देते ते म्हणजे निर्णय: वाईट गृहीतक शोधणे, उत्तर कधी प्रशंसनीय आहे हे जाणून घेणे आणि जेव्हा ते मूर्खपणाचे आहे. म्हणूनच ते गणित आणि कोर सीएसकडे परत येत राहतात.