报告:想学 AI 的学生数量已涨 200%,老师都不够用了

大千世界 94 0

  如今,随着神经网络的卷土重来以及深度学习的蓬勃发展 —— 让想学 AI 的学生越来越多,以至于大学里的老师都不够用了。

  一份报告显示,从 2011 年到 2020 年,美国计算机科学专业的学生人数增加了两倍,从 60661 人增至 182262 人。但计算机科学专业的教师人数才从 4363 人增加到 6230 人,增幅不到 50%。

  也就是说,以前平均一个老师教 14 个学生,现在一个老师要教快 30 个学生。老师更累了不说,学生获得的教学质量也无非跟以前比了。

  所以,为什么计算机专业的老师数量没有跟上来?

  老师数量 x1.5,学生数量 x3

  这份报告出自美国智库“安全与新兴技术中心”(CSET)。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第1张图片-大千世界


  该调查收集了 140 多个公立和私立大学计算机科学系的数据。负责人表示,调查虽然没有专门统计机器学习课程,但计算机科学系的数据足够说明相关趋势。

  正如开头所说,2020 年计算机系的学生已是九年前的三倍,不管是本科生、硕士生还是博士生都增势明显。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第2张图片-大千世界


  而教师的数量虽然也在增加,但增幅远跟不上学生。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第3张图片-大千世界


  这种的局面让老师们抱怨自己的工作量越来越大,搞研究的时间越来越少。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第4张图片-大千世界


  学生的教育质量同样受损:很多学校为了应对这个局面,开始提高录取门槛,或者取消小班课程。

  就比如 2018 年时,参与调查的学校中就有 60% 的学校限制了热门课程的学生人数、61% 的学校已经或打算取消小班授课、42% 的学校已经或打算提高 CS 专业的入学门槛……

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第5张图片-大千世界


  为什么造成这样的不平衡?

  并非全因为人才流向工业界

  此前有专家警告称,由于工业界给的薪水更高、资源更容易获得等原因,大学面临着人才流失的困境。

  此话不假。

  一方面,确实有很多大学教授被一些科技公司挖角。

  最有名的案例包括 2015 年优步在几个月内从 CMU 机器人实验室挖走近 40 名专家,2013 年 Yann LeCun 成为 Meta 人工智能研究的负责人。

  其中,LeCun 仍然保留了在纽约大学教课的职位。

  这种“双重隶属”关系很常见,很多人教授只花 10-20% 的时间给公司打工,但总的来看,全职加入工业界的例子还是更多一些。

  另一方面,AI 相关的博士毕业生虽然越来越多,但进入学业界的数量 20 来年基本没啥变化,进入工业界的却飞速增长。从下表的曲线可以很明显地观察到这一趋势。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第6张图片-大千世界


  CRA 就曾批评行业在博士毕业之前就把他们录取了的现象。

  然而,人才都往工业界流失并非全部原因。

  事实上:

  (1)调查显示,过去二十年,“被工业界挖角”的现象并没有显著增加,高校教师流失的常见原因反而是退休和学术界内的工作变动。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第7张图片-大千世界


  (2)同时,工业界也有一小部分人才往学业界流动。

  2020 年,有 32% 的学校表示,他们的老师被工业界聘用;同时,也有 38% 的学校从工业界聘请了专家来当老师。

  同样值得关注的是,有些老师去工业界干了几年后还会选择回到学术界,他们的理由是:工业界工资虽然高、资源多,但无聊,短视。

  这在一定程度上缓解了大学教师的人才流失。

  (3)另外,对于很多博士生来说,他们的职业选择,并不代表职业偏好。相反,调查显示,许多博士生对学术界的研究和教课工作比较感兴趣。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第8张图片-大千世界


  报告在此揭开另一重要的原因,其实是学校的招聘速度没有跟上来。

  看下面这张图就明白了。从 2006 年到 2020 年间,高校教师岗的招聘难度基本保持平稳,没有太大的增幅。

  

报告:想学 AI 的学生数量已涨 200%,老师都不够用了-第9张图片-大千世界


  由此我们可以推断出:教师数量增长相对缓慢的最合理解释,是招聘力度不够。

  那么,是学校故意不招么?他们完全意识到了紧缺情况呀。报告指出,主要是钱不够。

  总的来说,计算机专业开销比人文学科要高很多,但政府的拨款增长缓慢,对于很多预算比较刚性的学校来说,要接受更多的学生、开更多的课程花掉很多钱后,就只能自己承担额外的教师招聘费用,或者减少对原来教师的补助。

  这俩方案实施起来都面临着巨大的内部阻力。于是,教师岗位的数量就一直没有跟上学生的增长速度。

  几点建议

  如果这种紧缺不解决,后果也很明显,其中,对于博士生来说影响最严重。调查显示,近年来,博士生入学人数相比本科生和硕士生增长最慢,这跟终身制教师数量的增长密切相关。

  由于导师有限,很多没有在顶刊发表过文章的申请者被拒绝了,这个要求其实很高。反过来,博士生培养速度变慢,又会进一步限制高校合格教师的供应。

  在更深层面,这一现象对 AI 领域的长远发展也很不利。最直观的表现,老师把任务都耗在教学上了,哪来时间去搞研究呢?毕竟工业界更注重利益,创造出根本性进展的可能性较小。

  所以,应该怎么办?

  这份报告在最后也给出了一些建议:

  (1)学术界:简单粗暴,增加经费;

  (2)工业界:鼓励雇员同时在学校教书;

  (3)政府:为学校提供更多数据和基础计算设施,这样人才就不会因为学校资源不够去工业界了;

  ……

  最后,国内是否也存在这种趋势,请大家畅所欲言。

  原报告:

  https://cset.georgetown.edu/publication/ai-faculty-shortages/

  参考链接:

  https://www.theregister.com/2022/07/07/comp_sci_students_ai_lecturers/


标签: AI 人工智能

抱歉,评论功能暂时关闭!