Allt fler CS-studenter är intresserade av AI – och det finns inte tillräckligt med föreläsare

Datavetenskapliga institutioner över amerikanska universitet har inte tillräckligt med föreläsare för att undervisa ett ökande antal studenter som är intresserade av AI, föreslog en rapport från Center for Security and Emerging Technology (CSET) denna månad.

Intresset för maskininlärning och artificiell intelligens har ökat och minskat sedan fältet formellt grundades på 1950-talet. Neurala nätverk har gjort comeback de senaste åren och exploderat i popularitet med djupinlärning. Efterfrågan på maskininlärningskurser vid universiteten har skjutit i höjden, får vi veta, och det finns inte tillräckligt med föreläsare för att stödja studenters intresse.

Uppgifter sammanställda av Taulbee undersökning, och citeras i rapport, visade att mellan 2011 och 2020 tredubblades antalet studenter som var inskrivna i datavetenskapsprogram i Amerika från 60,661 182,262 till 1.5 4,363. Men antalet fakulteter vid datavetenskapliga institutioner ökade under 6,230X från 14 1 till 29 1. Det sammanlagda förhållandet mellan student och fakultet över de undersökta institutionerna fördubblades från XNUMX till XNUMX till XNUMX till XNUMX. 

För att vara tydlig, detta är statistik som representerar alla studenter som är inskrivna på 140 amerikanska datavetenskapsavdelningar, snarare än de studenter som specifikt registrerar sig för AI-klasser, även om rapporten hävdar att siffrorna tyder på ett ökat intresse för kurser som främst driver kurser. undervisningen i maskininlärning. Sammanfattningen slutade:

Även om det finns en obestridlig ökning av de som läser datavetenskap, får man ta rapportens ord för att detta med all sannolikhet är lika med ett ökat intresse för ML. "Många AI-kurser undervisas på datavetenskapliga institutioner, och AI-specialister står för en växande del av CS-fakulteten totalt sett," noterade rapporten i en bilaga.

Vissa universitet har varit tvungna att begränsa antalet studenter för särskilda klasser på grund av brist på lärarpersonal. Att begränsa utbildningen kommer att ha en skadlig effekt för USA, förklarade rapportens författare Remco Zwetsloot, stipendiat vid International Security Program vid Center for Security and International Studies, och Jack Corrigan, en forskningsanalytiker vid Georgetowns CSET.

"Klyftor i undervisningskapacitet begränsar mängden talang som strömmar in i den amerikanska AI-arbetsstyrkan, vilket i sin tur negativt påverkar den ekonomiska och nationella säkerheten", skrev de. – Forskning har visat att innovation delvis är en funktion av det absoluta antalet forskare inom ett visst område och att skapa nya idéer blir mer arbetsintensiva. Mindre talang betyder därför mindre innovation.”

Experter inom AI har tidigare varnat för att universiteten lider av en kompetensflykt av talang. Istället för att gå in i akademin går de mot forskarpositioner inom industrin på grund av högre löner och tillgång till bättre resurser, vilket leder till färre handledare på högskolor.

Men Zwetsloot och Corrigan tror att data visar att detta inte är hela bilden. Det är inte så att universiteten kämpar för att anställa lärare för att stödja fler studenter, det är att de inte anställer i tillräckligt hög takt. Vissa akademiker som uppvaktas av industrin fortsätter ofta att stanna på sina avdelningar och tillbringar bara 10 till 20 procent av sin tid på att arbeta för ett företag. 

"Vi hittade få bevis som tyder på att utflödet av AI-fakulteten från akademin till industrin har ökat de senaste åren, och även om en större andel av nyutexaminerade doktorander verkligen tar jobb inom industrin, tyder inte undersökningsdata på att de är ointresserade av akademisk karriärer. Men vi hittade bevis som tyder på att universiteten inte har ökat antalet datavetenskapliga fakultetsbefattningar i linje med den växande efterfrågan på AI-relaterad utbildning”, står det i rapporten.

Percy Liang, en docent i datavetenskap vid Stanford University, sa dock till oss: "Det är sant att antalet tillgängliga fakultetsbefattningar inte har vuxit tillnärmelsevis lika snabbt som antalet industritjänster, men jag tror att kompetensflykt är verklig: forskare väljer industri framför akademi eller lämnar akademin för att gå till industrin på grund av högre ersättning, mer data och beräkningar."

Zachary Lipton, biträdande professor i maskininlärning och operationsforskning vid Carnegie Mellon University, berättade samtidigt Registret han ser inte en stor kompetensflykt av forskare som går in i industrin. Efter att ha arbetat ett par år på ett företag återvänder många ofta till akademin.

"Ja, det finns mer lön i industrin men det är tråkigt på något sätt", sa han till oss. "Deras fokus är mer närsynt. Det finns viktigare intressanta problem inom grundläggande, teoretisk forskning som fortfarande bäst studeras i akademin.”

Lipton sa att det ökade intresset för maskininlärning är för introduktionskurser som täcker grunderna, och dessa klasser är användbara för ett brett utbud av karriärer utanför den akademiska världen. Det finns inte lika stor efterfrågan på avancerade studier på forskarnivå. För att klara av den ökade efterfrågan bör universiteten stärka lärarfakulteten snarare än forskare som söker anställning. 

"Universiteten borde göra undervisningsspåret mer attraktivt", sa han till oss. “De här fakultetsmedlemmarna behöver inte oroa sig för anslag eller att driva ett labb, men det är väldigt svårt att acceptera en lönesänkning bara för att fokusera på undervisningen. Anställda akademiker kan undervisa i vissa introduktionskurser men deras primära fokus är forskning. Vi måste hitta fler människor som har en passion för undervisning, som kan knyta an till en bred bas av studenter.”

Rapporten föreslog att den amerikanska regeringen borde gå in och öka finansieringen till universiteten så att de kan anställa fler lärare. Det borde finnas fler alternativ utanför den akademiska världen för människor att utveckla och ta dessa introduktionskurser till AI-kurser på community colleges eller online. Den privata sektorn kan också hjälpa till genom att donera till universitet, fortsätta att finansiera bidragsutmärkelser och stödja nya akademiska tjänster. ®