Stadig flere CS-studenter er interessert i AI – og det er ikke nok forelesere

Datavitenskapelige avdelinger på tvers av amerikanske universiteter har ikke nok forelesere til å undervise et økende antall studenter som er interessert i AI, antydet en rapport fra Center for Security and Emerging Technology (CSET) denne måneden.

Interessen for maskinlæring og kunstig intelligens har økt og falt siden feltet ble formelt grunnlagt på 1950-tallet. Nevrale nettverk har gjort comeback de siste årene, og har eksplodert i popularitet med dyp læring. Etterspørselen etter maskinlæringskurs ved universitetene har skutt i været, blir vi fortalt, og det er ikke nok forelesere til å støtte studentenes interesse.

Data kompilert av Taulbee-undersøkelse, og sitert i rapporterer, viste at mellom 2011 og 2020 tredoblet antallet studenter som var påmeldt informatikkprogrammer i Amerika fra 60,661 182,262 til 1.5 4,363. Men antallet fakulteter i informatikkavdelinger økte under 6,230X fra 14 til 1. Det samlede student-til-fakultet-forholdet på tvers av de undersøkte avdelingene doblet seg fra 29-til-1 til XNUMX-til-XNUMX. 

Nå, for å være tydelig, er dette statistikken som representerer alle studenter som er registrert på tvers av 140 amerikanske informatikkavdelinger, i stedet for de studentene som spesifikt melder seg på AI-klasser, selv om rapporten hevder at tallene indikerer en økning i interessen for kurs som primært kjører undervisning i maskinlæring. Sammendraget konkluderte:

Selv om det er en ubestridelig økning i de som tar informatikk, må du ta rapportens ord for at dette etter all sannsynlighet tilsvarer en økning i interessen for ML. "Mange AI-kurs undervises i informatikkavdelinger, og AI-spesialister utgjør en økende del av CS-fakultetet totalt sett," bemerket rapporten i et vedlegg.

Noen universiteter har måttet begrense antallet studenter for bestemte klasser på grunn av mangel på lærere. Å begrense utdanning vil ha en skadelig effekt for USA, forklarte rapportens forfattere Remco Zwetsloot, stipendiat ved International Security Program ved Center for Security and International Studies, og Jack Corrigan, en forskningsanalytiker ved Georgetowns CSET.

"Undervisningskapasitetsgap begrenser mengden talent som strømmer inn i den amerikanske AI-arbeidsstyrken, noe som igjen påvirker økonomisk og nasjonal sikkerhet negativt," skrev de. "Forskning har vist at innovasjon delvis er en funksjon av det absolutte antallet forskere innen et bestemt felt, og handlingen med å generere nye ideer blir mer arbeidskrevende. Mindre talent betyr derfor mindre innovasjon.»

Eksperter innen AI har tidligere advart om at universiteter lider av hjerneflukt av talent. I stedet for å gå inn i akademia, beveger de seg mot forskerstillinger i industrien på grunn av høyere lønn og tilgang til bedre ressurser, noe som fører til færre veiledere på høyskoler.

Men Zwetsloot og Corrigan mener dataene viser at dette ikke er hele bildet. Det er ikke det at universiteter sliter med å ansette fakulteter for å støtte flere studenter, det er at de ikke ansetter i et raskt nok tempo. Noen akademikere som er fri til av industrien, fortsetter ofte å bo på avdelingene sine og bruker bare 10 til 20 prosent av tiden sin på å jobbe for et selskap. 

"Vi fant lite bevis som tyder på at utflyttingen av AI-fakultetet fra akademia til industri har økt de siste årene, og selv om en større andel av nyutdannede doktorgradsstudenter faktisk tar jobber i industrien, indikerer ikke undersøkelsesdata at de er uinteresserte i akademisk karrierer. Imidlertid fant vi bevis som tyder på at universiteter ikke har økt antallet stillinger ved informatikkfakultetet i tråd med den økende etterspørselen etter AI-relatert utdanning, heter det i rapporten.

Percy Liang, en førsteamanuensis i informatikk ved Stanford University, fortalte oss imidlertid: «Det er sant at antallet tilgjengelige fakultetsstillinger ikke har vokst på langt nær så raskt som antallet industristillinger, men jeg tror at hjerneflukt er reell: forskere velger industri fremfor akademia eller forlater akademia for å gå til industri på grunn av høyere kompensasjon, mer data og databehandling.»

Zachary Lipton, en assisterende professor i maskinlæring og operasjonsforskning ved Carnegie Mellon University, fortalte i mellomtiden Registeret han ser ikke en stor hjerneflukt av forskere som går inn i industrien. Etter å ha jobbet et par år i en bedrift, vender mange ofte tilbake til akademia.

"Ja, det er mer lønn i industrien, men det er kjedelig på en måte," fortalte han oss. "Fokuset deres er mer nærsynt. Det er viktigere interessante problemer i grunnleggende, teoretisk forskning som fortsatt best studeres i akademia.»

Lipton sa at den økende interessen for maskinlæring er for introduksjonskurs som dekker det grunnleggende, og disse timene er nyttige for et bredt spekter av karrierer utenfor akademia. Det er ikke like stor etterspørsel etter videregående studier på høyere nivå. For å takle den økte etterspørselen, bør universiteter øke undervisningsfakultetet i stedet for forskere som søker fast stilling. 

"Universiteter bør gjøre undervisningssporet mer attraktivt," sa han til oss. «Disse fakultetsmedlemmene trenger ikke å bekymre seg for tilskudd eller drift av et laboratorium, men det er veldig vanskelig å akseptere en lønnskutt bare for å fokusere på undervisning. Faste akademikere kan undervise i noen introduksjonskurs, men deres primære fokus er forskning. Vi må finne flere mennesker som har en lidenskap for undervisning, som er i stand til å knytte seg til en bred base av studenter."

Rapporten foreslo at den amerikanske regjeringen burde gå inn og øke finansieringen til universiteter slik at de kan ansette flere fakulteter. Det burde være flere alternativer utenfor akademia for folk å oppgradere og ta disse introduksjonskursene til AI på høyskoler eller online. Privat sektor kan også hjelpe ved å donere til universiteter, fortsette å finansiere stipender og støtte nye akademiske stillinger. ®