بیشتر و بیشتر دانشجویان CS به هوش مصنوعی علاقه مند هستند - و استادان کافی وجود ندارد

گزارش مرکز امنیت و فناوری های نوظهور (CSET) در این ماه نشان می دهد که دپارتمان های علوم کامپیوتر در سراسر دانشگاه های ایالات متحده استادان کافی برای آموزش تعداد فزاینده ای از دانشجویان علاقه مند به هوش مصنوعی ندارند.

علاقه به یادگیری ماشین و هوش مصنوعی از زمانی که این رشته به طور رسمی در دهه 1950 تأسیس شد، افزایش و کاهش یافته است. شبکه‌های عصبی در سال‌های اخیر بازگشته‌اند و با یادگیری عمیق محبوبیت زیادی پیدا کرده‌اند. به ما گفته می شود که تقاضا برای دوره های یادگیری ماشینی در دانشگاه ها به شدت افزایش یافته است و استادان کافی برای حمایت از علاقه دانشجویان وجود ندارد.

داده های گردآوری شده توسط نظرسنجی Taulbee، و نقل شده در گزارش، نشان داد که بین سال های 2011 تا 2020، تعداد دانش آموزانی که در برنامه های علوم کامپیوتر در آمریکا ثبت نام کرده اند، سه برابر شده و از 60,661 به 182,262 رسیده است. اما تعداد اعضای هیئت علمی در بخش‌های علوم کامپیوتر کمتر از 1.5 برابر از 4,363 به 6,230 افزایش یافت. نسبت کل دانشجو به استاد در گروه های مورد بررسی از 14 به 1 به 29 به 1 دو برابر شد. 

اکنون، برای روشن بودن، این آمارها نشان‌دهنده همه دانش‌آموزانی است که در 140 دپارتمان علوم کامپیوتر ایالات متحده ثبت‌نام کرده‌اند، به جای آن دسته از دانش‌آموزانی که به‌طور خاص در کلاس‌های هوش مصنوعی ثبت‌نام می‌کنند، اگرچه این گزارش استدلال می‌کند که این ارقام نشان‌دهنده افزایش علاقه به دروسی است که در درجه اول هدایت می‌شوند. آموزش یادگیری ماشین خلاصه اجرایی نتیجه گرفت:

در حالی که افزایش غیرقابل انکاری در افرادی که علوم کامپیوتر را دریافت می کنند وجود دارد، شما باید به قول گزارش آن را قبول کنید که این به احتمال زیاد معادل افزایش علاقه به ML است. این گزارش در ضمیمه‌ای اشاره کرد: «بسیاری از دوره‌های هوش مصنوعی در بخش‌های علوم رایانه تدریس می‌شوند و متخصصان هوش مصنوعی به طور کلی بخش رو به رشدی از اعضای هیئت علمی CS را تشکیل می‌دهند.

برخی از دانشگاه ها به دلیل کمبود کادر آموزشی مجبور به محدود کردن تعداد دانشجویان برای کلاس های خاص شده اند. نویسندگان گزارش، Remco Zwetsloot، یکی از همکاران برنامه امنیت بین‌المللی در مرکز مطالعات امنیت و بین‌المللی، و جک کوریگان، تحلیلگر پژوهشی در CSET جورج تاون، توضیح دادند که محدود کردن آموزش تأثیر مخربی برای ایالات متحده خواهد داشت.

آنها نوشتند: «شکاف های ظرفیت آموزشی، میزان استعدادی که به نیروی کار هوش مصنوعی ایالات متحده سرازیر می شود را محدود می کند، که به نوبه خود بر امنیت اقتصادی و ملی تأثیر منفی می گذارد. "تحقیقات نشان داده است که نوآوری تا حدی تابعی از تعداد مطلق محققین در یک زمینه خاص است و عمل تولید ایده های جدید در حال تبدیل شدن به نیروی کار بیشتر است. بنابراین استعداد کمتر به معنای نوآوری کمتر است.»

کارشناسان هوش مصنوعی قبلاً هشدار داده بودند که دانشگاه ها از فرار مغزها از استعدادها رنج می برند. به‌جای ورود به دانشگاه، آنها به‌دلیل حقوق‌های بالاتر و دسترسی به منابع بهتر، به سمت موقعیت‌های تحقیقاتی در صنعت حرکت می‌کنند که منجر به معلمان کمتر در کالج‌ها می‌شود.

اما Zwetsloot و Corrigan بر این باورند که داده ها نشان می دهد که این تصویر کامل نیست. این به این معنا نیست که دانشگاه‌ها برای جذب اعضای هیئت علمی برای حمایت از دانشجویان بیشتر مشکل دارند، بلکه این است که آنها با سرعت کافی استخدام نمی‌کنند. برخی از دانشگاهیان مورد علاقه صنعت اغلب در دپارتمان های خود باقی می مانند و تنها 10 تا 20 درصد از زمان خود را صرف کار برای یک شرکت می کنند. 

ما شواهد کمی پیدا کردیم که نشان دهد خروج اعضای هیئت علمی هوش مصنوعی از دانشگاه به صنعت در سال‌های اخیر افزایش یافته است، و اگرچه سهم بیشتری از فارغ‌التحصیلان جدید دکترا در صنعت مشغول به کار هستند، داده‌های نظرسنجی نشان نمی‌دهد که آنها به دانشگاه بی‌علاقه هستند. مشاغل با این حال، ما شواهدی پیدا کردیم که نشان می‌دهد دانشگاه‌ها تعداد پست‌های دانشکده علوم کامپیوتر را مطابق با تقاضای رو به رشد برای آموزش‌های مرتبط با هوش مصنوعی افزایش نداده‌اند.»

پرسی لیانگ، دانشیار علوم کامپیوتر در دانشگاه استنفورد، با این حال، به ما گفت: «درست است که تعداد موقعیت‌های اساتید در دسترس تقریباً به سرعت تعداد پست‌های صنعتی افزایش پیدا نکرده است، اما فکر می‌کنم فرار مغزها واقعی است: محققان صنعت را به دانشگاه انتخاب می‌کنند یا دانشگاه را ترک می‌کنند تا به صنعت بروند به دلیل پاداش بالاتر، داده‌ها و محاسبات بیشتر.»

در همین حال، زاخاری لیپتون، استادیار یادگیری ماشین و تحقیقات عملیاتی در دانشگاه کارنگی ملون، گفت: ثبت نام او فرار مغزهای عظیمی از محققانی را که به سمت صنعت می روند، نمی بیند. پس از چند سال کار در یک شرکت، بسیاری از آنها اغلب به دانشگاه باز می گردند.

او به ما گفت: «بله، دستمزد بیشتری در صنعت وجود دارد، اما به نوعی خسته کننده است. تمرکز آنها بیشتر نزدیک بینی است. مشکلات مهم تری در تحقیقات بنیادی و نظری وجود دارد که هنوز به بهترین شکل در دانشگاه مورد مطالعه قرار می گیرند.

لیپتون گفت که افزایش علاقه به یادگیری ماشین برای دوره های مقدماتی است که اصول اولیه را پوشش می دهد و این کلاس ها برای طیف گسترده ای از مشاغل خارج از دانشگاه مفید هستند. تقاضای زیادی برای تحصیلات تکمیلی پیشرفته وجود ندارد. برای رویارویی با افزایش تقاضا، دانشگاه ها باید به جای پژوهشگرانی که به دنبال تصدی سمت هستند، هیئت علمی تدریس را تقویت کنند. 

او به ما گفت: "دانشگاه ها باید مسیر تدریس را جذاب تر کنند." این اعضای هیئت علمی نیازی به نگرانی در مورد کمک هزینه یا اداره آزمایشگاه ندارند، اما پذیرش کاهش دستمزد فقط برای تمرکز بر تدریس بسیار سخت است. آکادمیک های دارای حق شغل ممکن است برخی از دوره های مقدماتی را تدریس کنند، اما تمرکز اصلی آنها تحقیق است. ما باید افراد بیشتری را پیدا کنیم که به تدریس علاقه داشته باشند و بتوانند با پایگاه وسیعی از دانش‌آموزان ارتباط برقرار کنند.»

این گزارش پیشنهاد می‌کند که دولت ایالات متحده باید وارد عمل شود و بودجه دانشگاه‌ها را افزایش دهد تا بتوانند اساتید بیشتری را استخدام کنند. باید گزینه‌های بیشتری در خارج از دانشگاه وجود داشته باشد تا افراد بتوانند این دوره‌های مقدماتی هوش مصنوعی را در کالج‌های محلی یا آنلاین بگذرانند. بخش خصوصی نیز می‌تواند با کمک مالی به دانشگاه‌ها، تداوم کمک مالی به جوایز کمک مالی و حمایت از پست‌های جدید دانشگاهی کمک کند. ®