Coraz więcej studentów CS interesuje się sztuczną inteligencją – a wykładowców jest za mało

Według raportu Centrum Bezpieczeństwa i Nowych Technologii (CSET) w tym miesiącu, wydziały informatyki na amerykańskich uniwersytetach nie mają wystarczającej liczby wykładowców, aby uczyć coraz większą liczbę studentów zainteresowanych sztuczną inteligencją.

Zainteresowanie uczeniem maszynowym i sztuczną inteligencją rosło i spadało od czasu formalnego założenia tej dziedziny w latach 1950. XX wieku. Sieci neuronowe powróciły w ostatnich latach, zyskując popularność dzięki głębokiemu uczeniu. Powiedziano nam, że popyt na kursy uczenia maszynowego na uniwersytetach gwałtownie wzrósł, a nie ma wystarczającej liczby wykładowców, by wspierać zainteresowanie studentów.

Dane zebrane przez Ankieta Taulbeei cytowany w raportwykazały, że w latach 2011-2020 liczba studentów zapisanych na programy informatyki w Ameryce potroiła się z 60,661 182,262 do 1.5 4,363. Ale liczba wydziałów na wydziałach informatyki wzrosła poniżej 6,230x z 14 do 1. Łączny stosunek liczby studentów do wydziałów w badanych wydziałach podwoił się z 29 do 1 do XNUMX do XNUMX. 

Teraz, żeby było jasne, są to statystyki reprezentujące wszystkich studentów zapisanych na 140 amerykańskich wydziałach informatyki, a nie tych studentów, którzy konkretnie zapisali się na zajęcia z SI, chociaż raport twierdzi, że liczby wskazują na wzrost zainteresowania kursami, które nauczanie uczenia maszynowego. W podsumowaniu podsumowano:

Chociaż istnieje niezaprzeczalny wzrost liczby osób podejmujących naukę informatyki, należy wierzyć na słowo raportu, że jest to najprawdopodobniej równoznaczne ze wzrostem zainteresowania ML. „Wiele kursów AI jest prowadzonych na wydziałach informatyki, a specjaliści AI stanowią ogólnie rosnącą część wydziału CS” – zauważono w załączniku.

Niektóre uczelnie musiały ograniczyć liczbę studentów na poszczególne zajęcia ze względu na brak kadry dydaktycznej. Jak wyjaśniają autorzy raportu, Remco Zwetsloot, pracownik Programu Bezpieczeństwa Międzynarodowego w Centrum Bezpieczeństwa i Studiów Międzynarodowych oraz Jack Corrigan, analityk z Georgetown's CSET, ograniczenie edukacji będzie miało szkodliwy wpływ na Stany Zjednoczone.

„Luki w możliwościach nauczania ograniczają ilość talentów napływających do amerykańskiej siły roboczej AI, co z kolei negatywnie wpływa na bezpieczeństwo gospodarcze i narodowe” – napisali. „Badania wykazały, że innowacyjność jest częściowo funkcją bezwzględnej liczby badaczy w danej dziedzinie, a tworzenie nowych pomysłów staje się coraz bardziej pracochłonne. Mniej talentów oznacza zatem mniej innowacji”.

Eksperci w dziedzinie sztucznej inteligencji ostrzegali wcześniej, że uniwersytety cierpią z powodu drenażu mózgów talentów. Zamiast iść na studia, przenoszą się na stanowiska badawcze w przemyśle ze względu na wyższe pensje i dostęp do lepszych zasobów, co prowadzi do mniejszej liczby wykładowców na uczelniach.

Ale Zwetsloot i Corrigan uważają, że dane pokazują, że to nie jest cały obraz. Nie chodzi o to, że uniwersytety walczą o zatrudnianie kadry, aby wspierać większą liczbę studentów, ale o to, że nie zatrudniają w wystarczająco szybkim tempie. Niektórzy naukowcy, zauroczeni przez przemysł, często pozostają na swoich wydziałach i spędzają tylko 10 do 20 procent swojego czasu pracy dla firmy. 

„Znaleźliśmy niewiele dowodów sugerujących, że odpływ kadry naukowej AI z uczelni do przemysłu wzrósł w ostatnich latach i chociaż większy odsetek nowych absolwentów studiów doktoranckich rzeczywiście podejmuje pracę w przemyśle, dane z badań nie wskazują, że są oni niezainteresowani nauką kariery. Znaleźliśmy jednak dowody sugerujące, że uniwersytety nie zwiększyły liczby stanowisk na wydziale informatyki zgodnie z rosnącym zapotrzebowaniem na edukację związaną ze sztuczną inteligencją” – czytamy w raporcie.

Percy Liang, docent informatyki na Uniwersytecie Stanforda, powiedział nam jednak: „To prawda, że ​​liczba dostępnych stanowisk na wydziałach nie wzrosła tak szybko, jak liczba stanowisk w branży, ale myślę, że drenaż mózgów jest prawdziwy: naukowcy wybierają przemysł zamiast akademii lub opuszczają akademię, aby przejść do przemysłu ze względu na wyższe wynagrodzenia, więcej danych i obliczeń”.

Zachary Lipton, adiunkt w dziedzinie uczenia maszynowego i badań operacyjnych na Uniwersytecie Carnegie Mellon, powiedział: Rejestr nie widzi ogromnego drenażu mózgów naukowców przechodzących do przemysłu. Po kilku latach pracy w firmie wielu często wraca na studia.

„Tak, w przemyśle jest więcej płac, ale jest to w pewien sposób nudne”, powiedział nam. „Skupiają się na krótkowzroczności. W fundamentalnych badaniach teoretycznych są ważniejsze interesujące problemy, które nadal najlepiej bada się w środowisku akademickim”.

Lipton powiedział, że wzrost zainteresowania uczeniem maszynowym dotyczy kursów wprowadzających, które obejmują podstawy, a zajęcia te są przydatne w wielu zawodach poza akademią. Nie ma tak dużego zapotrzebowania na zaawansowane studia magisterskie. Aby sprostać zwiększonemu zapotrzebowaniu, uniwersytety powinny raczej rozwijać kadrę dydaktyczną niż badacze poszukujący etatu. 

„Uczelnie powinny uatrakcyjnić ścieżkę nauczania” – powiedział nam. „Ci członkowie wydziału nie muszą martwić się o granty czy prowadzenie laboratorium, ale bardzo trudno jest zaakceptować obniżkę płac tylko po to, by skupić się na nauczaniu. Nauczyciele akademiccy mogą prowadzić niektóre kursy wprowadzające, ale ich głównym celem są badania. Musimy znaleźć więcej osób, które mają pasję do nauczania, które są w stanie nawiązać kontakt z szeroką bazą uczniów.”

Raport sugerował, że rząd Stanów Zjednoczonych powinien wkroczyć i zwiększyć finansowanie uniwersytetów, aby mogły zatrudniać więcej wykładowców. Powinno istnieć więcej opcji poza akademią, aby ludzie mogli podnosić swoje umiejętności i wziąć udział w kursach wprowadzających na temat sztucznej inteligencji w college'ach społecznościowych lub online. Sektor prywatny również może pomóc, przekazując darowizny na rzecz uniwersytetów, kontynuując finansowanie stypendiów i wspierając nowe stanowiska akademickie. ®