Egyre több CS-hallgató érdeklődik a mesterséges intelligencia iránt – és nincs elég oktató

A Biztonsági és Feltörekvő Technológiai Központ (CSET) e havi jelentése szerint az amerikai egyetemek számítástechnikai tanszékein nincs elég oktató ahhoz, hogy egyre több, az AI iránt érdeklődő hallgatót tanítsanak.

A gépi tanulás és a mesterséges intelligencia iránti érdeklődés a terület 1950-es, hivatalos megalapítása óta nőtt és csökkent. A neurális hálózatok az elmúlt években visszatértek, és a mély tanulással robbanásszerűen népszerűvé váltak. Úgy tudjuk, az egyetemeken az egekbe szökött a gépi tanulási kurzusok iránti kereslet, és nincs elég oktató a hallgatók érdeklődésének támogatására.

Az adatok által összeállított Taulbee felmérés, és idézi a jelentést, kimutatta, hogy 2011 és 2020 között Amerikában megháromszorozódott a számítástechnikai programokra beiratkozott hallgatók száma, 60,661 182,262-ről 1.5 4,363-re. De a számítástechnikai tanszékeken az oktatók száma másfélszeresére nőtt, 6,230-ról 14-ra. A hallgatók és oktatók összesített aránya a vizsgált tanszékeken 1-ről 29-ről 1:XNUMX-re nőtt. 

Nos, hogy egyértelmű legyen, ezek a statisztikák az Egyesült Államok 140 számítástechnikai tanszékén beiratkozott hallgatók összességét tükrözik, nem pedig azokat a hallgatókat, akik kifejezetten mesterséges intelligencia órákra iratkoznak fel, bár a jelentés azt állítja, hogy a számok az elsősorban ösztönző kurzusok iránti érdeklődés növekedését jelzik. a gépi tanulás tanítása. A vezetői összefoglaló így zárult:

Bár tagadhatatlanul növekszik az informatikával foglalkozók száma, a jelentés szavát kell fogadni, hogy ez minden valószínűség szerint az ML iránti érdeklődés növekedésével egyenlő. „Számos mesterségesintelligencia-tanfolyamot a számítástechnikai tanszékeken tanítanak, és a mesterséges intelligencia-szakemberek a CS-oktatók egyre nagyobb részét teszik ki” – áll a jelentés mellékletében.

Egyes egyetemeknek korlátozniuk kellett az egyes osztályok hallgatóinak számát a tanári személyzet hiánya miatt. Az oktatás korlátozása káros hatással lesz az Egyesült Államokra – magyarázta a jelentés szerzői, Remco Zwetsloot, a Biztonsági és Nemzetközi Tanulmányok Központjának nemzetközi biztonsági programjának munkatársa, valamint Jack Corrigan, a Georgetown-i CSET kutatóelemzője.

„A tanítási kapacitás hiányosságai korlátozzák az amerikai mesterséges intelligencia munkaerőbe áramló tehetségek számát, ami viszont negatívan hat a gazdasági és nemzetbiztonságra” – írták. „A kutatások kimutatták, hogy az innováció részben az adott területen dolgozó kutatók abszolút számának függvénye, és az új ötletek generálása egyre munkaigényesebb. A kevesebb tehetség tehát kevesebb innovációt jelent.”

A mesterséges intelligencia szakértői korábban arra figyelmeztettek, hogy az egyetemek a tehetségek agyelszívásától szenvednek. Ahelyett, hogy bemennének az akadémiába, az iparban kutatói pozíciók felé mozdulnak el a magasabb fizetések és a jobb forrásokhoz való hozzáférés miatt, ami kevesebb oktatót eredményez a főiskolákon.

De Zwetsloot és Corrigan úgy véli, az adatok azt mutatják, hogy ez nem a teljes kép. Nem arról van szó, hogy az egyetemek azért küzdenek, hogy oktatókat vegyenek fel, hogy több hallgatót támogassanak, hanem arról, hogy nem vesznek fel elég gyors ütemben. Egyes akadémikusok, akiket az ipar kiszolgáltatott, gyakran továbbra is a tanszékeiken maradnak, és idejüknek csak 10-20 százalékát töltik egy vállalatnál. 

„Kevés bizonyítékot találtunk arra nézve, hogy az MI-oktatók kiáramlása az akadémiából az iparba az elmúlt években megnőtt, és bár a doktori fokozatot szerzők nagyobb hányada valóban az iparban vállal munkát, a felmérési adatok nem utalnak arra, hogy nem érdekli őket az akadémia. karrierek. Azonban találtunk olyan bizonyítékokat, amelyek arra utalnak, hogy az egyetemek nem növelték a számítástechnikai oktatói állások számát az AI-val kapcsolatos oktatás iránti növekvő keresletnek megfelelően” – áll a jelentésben.

Percy Liang, a Stanford Egyetem informatikai docense azonban ezt mondta nekünk: „Igaz, hogy a rendelkezésre álló oktatói állások száma közel sem nőtt olyan gyorsan, mint az iparági pozíciók száma, de úgy gondolom, hogy az agyelszívás valós: a kutatók az ipart választják az akadémia helyett, vagy elhagyják az akadémiát, hogy az iparba menjenek a magasabb fizetés, több adat és számítás miatt.”

Zachary Lipton, a Carnegie Mellon Egyetem gépi tanulással és műveletekkel foglalkozó kutatásának adjunktusa pedig elmondta. A regisztráció nem látja a kutatók óriási agyelszívását az iparba. Néhány év után egy cégnél sokan visszatérnek a tudományos életbe.

„Igen, több fizetés van az iparban, de ez bizonyos értelemben unalmas” – mondta nekünk. „A fókuszuk inkább rövidlátó. Vannak fontosabb érdekes problémák az alapozó, elméleti kutatásban, amelyeket még mindig a tudományos körökben lehet a legjobban tanulmányozni.”

Lipton elmondta, hogy a gépi tanulás iránti érdeklődés az alapokat lefedő bevezető kurzusokra irányul, és ezek az órák az egyetemeken kívüli karrierek széles körében hasznosak. Nincs akkora kereslet a felsőfokú végzettségű tanulmányokra. A megnövekedett kereslet megbirkózása érdekében az egyetemeknek az oktatói karokat kellene fellendíteniük, nem pedig a kutatókat, akik megbízást keresnek. 

„Az egyetemeknek vonzóbbá kell tenniük az oktatási pályát” – mondta nekünk. „Ezeknek az oktatóknak nem kell aggódniuk az ösztöndíjak miatt vagy egy labor működtetése miatt, de nagyon nehéz elfogadni a fizetéscsökkentést, csak azért, hogy a tanításra összpontosítsanak. Az akadémikusok taníthatnak néhány bevezető kurzust, de elsődleges céljuk a kutatás. Több olyan embert kell találnunk, aki rajong a tanításért, és aki képes kapcsolatot teremteni a hallgatók széles bázisával.”

A jelentés azt javasolta, hogy az Egyesült Államok kormánya lépjen közbe, és növelje az egyetemek finanszírozását, hogy több oktatót vegyenek fel. Az egyetemeken kívül több lehetőségnek kell lennie arra, hogy az emberek továbbfejlesszék a készségeket, és részt vegyenek ezeken a bevezető AI-tanfolyamokon a közösségi főiskolákon vagy online. A magánszektor is segíthet az egyetemek támogatásával, a pályázati díjak finanszírozásával és az új tudományos állások támogatásával. ®