이달 CSET(Center for Security and Emerging Technology) 보고서에 따르면 미국 대학의 컴퓨터 과학 부서에는 AI에 관심이 있는 점점 더 많은 학생들을 가르칠 강사가 충분하지 않습니다.
머신 러닝과 인공 지능에 대한 관심은 1950년대에 이 분야가 공식적으로 설립된 이후로 오르락 내리락했습니다. 신경망은 최근 몇 년 동안 딥 러닝으로 폭발적인 인기를 얻으며 다시 돌아왔습니다. 대학에서 기계 학습 과정에 대한 수요가 급증했으며 학생들의 관심을 지원할 강사가 충분하지 않다고 합니다.
에 의해 컴파일된 데이터 톨비 설문조사, 그리고 인용 신고, 2011년에서 2020년 사이에 미국에서 컴퓨터 공학 프로그램에 등록한 학생 수는 60,661명에서 182,262명으로 1.5배 증가했습니다. 그러나 전산학과 교수 수는 4,363명에서 6,230명으로 14배 이하로 늘었다. 조사된 부서의 총 학생 대 교수 비율은 1대 29에서 1대 XNUMX로 두 배 증가했습니다.
이제 명확하게, 이 통계는 AI 수업에 특별히 등록한 학생들이 아니라 140개 미국 컴퓨터 공학 부서에 등록한 모든 학생을 나타냅니다. 그러나 보고서는 이 수치가 주로 AI 수업에 대한 관심 증가를 나타내는 것이라고 주장합니다. 기계 학습의 가르침. 요약은 다음과 같이 결론지었습니다.
강사 공급과 AI 교육 수요 사이의 잠재적 불일치를 측정하기는 어렵지만 사용 가능한 증거는 실제로 격차가 있음을 시사합니다.
지난 XNUMX년 동안 컴퓨터 공학 등록의 증가는 미국 대학에서 AI 교육의 많은 부분을 담당하는 컴퓨터 과학 교수의 증가를 훨씬 능가했습니다.
컴퓨터 공학을 수강하는 사람들이 증가하고 있다는 사실은 부인할 수 없지만 보고서의 말은 이것이 ML에 대한 관심의 증가와 거의 동일하다는 사실을 받아들여야 합니다. 보고서는 부록에 "많은 AI 과정이 컴퓨터 과학 부서에서 진행되고 AI 전문가가 CS 교수진의 전체 비율을 차지하는 비율이 증가하고 있습니다."라고 설명했습니다.
일부 대학은 교직원 부족으로 인해 특정 수업의 학생 수를 제한해야 했습니다. 보고서 작성자인 Remco Zwetsloot, Center for Security and International Studies와 Jack Corrigan, Georgetown's CSET의 연구 분석가는 교육을 제한하는 것은 미국에 해로운 영향을 미칠 것이라고 설명했습니다.
그들은 "교수 능력 격차는 미국 AI 인력으로 유입되는 인재의 양을 제한하고, 이는 차례로 경제 및 국가 안보에 부정적인 영향을 미친다"고 적었다. “연구에 따르면 혁신은 부분적으로 특정 분야의 절대적인 연구자 수의 기능이며 새로운 아이디어를 생성하는 행위는 점점 더 노동 집약적입니다. 따라서 인재가 적다는 것은 혁신이 적다는 의미입니다.”
AI 전문가들은 이전에 대학이 인재의 두뇌 유출로 고통받고 있다고 경고한 바 있습니다. 학계에 들어가는 대신, 그들은 더 높은 급여와 더 나은 자원에 대한 접근으로 인해 산업계의 연구 직책으로 이동하여 대학의 교사 수가 줄어듭니다.
그러나 Zwetsloot와 Corrigan은 데이터가 이것이 전체 그림이 아님을 보여주고 있다고 믿습니다. 대학이 더 많은 학생을 지원하기 위해 교수진을 고용하는 데 어려움을 겪는 것이 아니라 충분히 빠른 속도로 채용하지 않고 있습니다. 업계의 관심을 받는 일부 학자들은 종종 계속해서 자신의 부서에 머물며 회사에서 일하는 데 시간의 10~20%만 보냅니다.
"우리는 최근 몇 년 동안 학계에서 산업계로 AI 교수진의 유출이 증가했다는 증거를 거의 찾지 못했습니다. 새로운 박사 학위 졸업생의 더 많은 부분이 실제로 산업계에 취업하고 있지만 설문 조사 데이터는 그들이 학문에 무관심하다는 것을 나타내지 않습니다. 경력. 그러나 AI 관련 교육에 대한 수요 증가에 따라 대학이 컴퓨터 공학 교수의 수를 늘리지 않았다는 증거를 찾았습니다.”라고 보고서는 말했습니다.
그러나 스탠포드 대학의 컴퓨터 과학 부교수인 Percy Liang은 다음과 같이 말했습니다. 연구원들은 더 높은 보상, 더 많은 데이터 및 컴퓨팅 때문에 학계보다 산업을 선택하거나 학계를 떠나 산업으로 이동합니다."
한편 Carnegie Mellon University의 기계 학습 및 운영 연구 조교수인 Zachary Lipton은 다음과 같이 말했습니다. 등록 그는 산업계에 진출하는 연구원들의 엄청난 두뇌 유출을 보지 않습니다. 회사에서 몇 년 동안 일한 후 많은 사람들이 종종 학계로 돌아갑니다.
"예, 업계에서 더 많은 급여가 있지만 어떤 면에서는 지루합니다."라고 그는 말했습니다. “그들의 초점은 더 근시안적입니다. 여전히 학계에서 가장 잘 연구되고 있는 기초적이고 이론적인 연구에는 더 중요한 흥미로운 문제가 있습니다.”
Lipton은 기계 학습에 대한 관심의 급증은 기초를 다루는 입문 과정을 위한 것이며 이러한 수업은 학계 이외의 다양한 직업에 유용하다고 말했습니다. 고급 대학원 수준의 연구에 대한 수요는 많지 않습니다. 증가하는 수요에 대처하기 위해 대학은 정년을 추구하는 연구원보다 교수진을 늘려야 합니다.
“대학은 교육 과정을 더 매력적으로 만들어야 합니다.”라고 그는 말했습니다. “이 교수진은 보조금이나 연구실 운영에 대해 걱정할 필요가 없지만 교육에만 집중하기 위해 급여 삭감을 받아들이는 것은 매우 어렵습니다. 종신 학자는 일부 입문 과정을 가르칠 수 있지만 주요 초점은 연구입니다. 우리는 가르치는 것에 대한 열정이 있고 광범위한 학생들과 연결될 수 있는 더 많은 사람들을 찾아야 합니다.”
보고서는 미국 정부가 개입하여 대학이 더 많은 교수를 고용할 수 있도록 자금을 늘려야 한다고 제안했습니다. 사람들이 기술을 향상시키고 커뮤니티 칼리지나 온라인에서 AI 입문 과정을 수강할 수 있도록 학계 외부에 더 많은 옵션이 있어야 합니다. 민간 부문도 대학에 기부하고, 보조금 상금을 지속적으로 지원하고, 새로운 학술 게시물을 지원함으로써 도움을 줄 수 있습니다. ®
