您现在的位置是:娱乐 >>正文

报告:想学 AI 的学生数量已涨 200%,老师都不够用了

娱乐648人已围观

简介如今,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 ...

如今,报告不够随着神经网络的想学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,以至于大学里的生数师都老师都不够用了。

一份报告显示,量已从 2011 年到 2020 年,涨老美国计算机科学专业的报告不够学生人数增加了两倍,从 60661 人增至 182262 人。想学但计算机科学专业的生数师都教师人数才从 4363 人增加到 6230 人,增幅不到 50%。量已

也就是涨老说,以前平均一个老师教 14 个学生,报告不够现在一个老师要教快 30 个学生。想学老师更累了不说,生数师都学生获得的量已教学质量也无非跟以前比了。

所以,涨老为什么计算机专业的老师数量没有跟上来?

这份报告出自美国智库“安全与新兴技术中心”(CSET)。

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。

而教师的数量虽然也在增加,但增幅远跟不上学生。

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。

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……

为什么造成这样的不平衡?

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。

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。

(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。

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。

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/

Tags:

相关文章