安全与新兴技术中心 (CSET) 本月的一份报告显示，美国大学的计算机科学系没有足够的讲师来教授越来越多对人工智能感兴趣的学生。
自 1950 年代该领域正式成立以来，人们对机器学习和人工智能的兴趣一直在上升和下降。 近年来，神经网络卷土重来，随着深度学习的普及而迅速普及。 我们被告知，大学对机器学习课程的需求猛增，而且没有足够的讲师来支持学生的兴趣。
编制的数据 陶尔比调查, 并引用在 报告，显示在 2011 年至 2020 年间，美国计算机科学专业的学生人数从 60,661 人增加到 182,262 人，增加了两倍。 但计算机科学系的教职员工人数从 1.5 人增加到 4,363 人，增加了不到 6,230 倍。 被调查部门的总师生比从 14 比 1 翻了一番，达到 29 比 1。
现在，需要明确的是，这些统计数据代表了美国 140 个计算机科学系注册的所有学生，而不是那些专门报名参加 AI 课程的学生，尽管报告认为这些数据表明人们对主要推动课程的兴趣有所上升机器学习的教学。 执行摘要总结如下：
虽然很难衡量教师供应与人工智能教育需求之间的潜在不匹配，但现有证据表明确实存在差距。
在过去十年中，计算机科学招生人数的增长远远超过了计算机科学教师的增长速度，这些教师负责美国大学的大部分人工智能教学。
虽然学习计算机科学的人有不可否认的增长，但你必须相信报告中所说的，这很可能等同于对 ML 的兴趣增加。 报告在附录中指出：“许多 AI 课程在计算机科学系教授，而 AI 专家在整个 CS 教师中所占的比例越来越大。”
由于缺乏教职员工，一些大学不得不限制特定课程的学生人数。 该报告的作者、安全与国际研究中心国际安全项目研究员 Remco Zwetsloot 和乔治城 CSET 的研究分析师 Jack Corrigan 解释说，限制教育将对美国产生不利影响。
“教学能力差距限制了流入美国人工智能劳动力的人才数量，这反过来又对经济和国家安全产生了负面影响，”他们写道。 “研究表明，创新部分取决于特定领域研究人员的绝对数量，而产生新想法的行为正变得更加劳动密集。 因此，更少的人才意味着更少的创新。”
人工智能专家此前曾警告说，大学正遭受人才流失的困扰。 由于更高的薪水和更好的资源，他们没有进入学术界，而是转向工业界的研究职位，导致大学导师减少。
但 Zwetsloot 和 Corrigan 认为数据显示这并不是全部。 并不是大学在努力招聘教师来支持更多的学生，而是他们招聘的速度不够快。 一些被行业吸引的学者经常继续留在他们的部门，只花 10% 到 20% 的时间为公司工作。
“我们发现几乎没有证据表明近年来人工智能教员从学术界流出到工业界有所增加，尽管更大比例的新博士毕业生确实在工业界工作，但调查数据并不表明他们对学术不感兴趣事业。 然而，我们确实发现证据表明，大学并没有根据对人工智能相关教育不断增长的需求增加计算机科学教师职位的数量，”报告称。
然而，斯坦福大学计算机科学副教授 Percy Liang 告诉我们：“确实，可用教师职位的数量并没有像行业职位的数量那样快速增长，但我认为人才流失是真实的：研究人员选择工业而不是学术界，或者因为更高的薪酬、更多的数据和计算而离开学术界进入工业界。”
与此同时，卡内基梅隆大学机器学习和运筹学助理教授 Zachary Lipton 表示 注册 他没有看到进入工业界的研究人员的大量人才流失。 在一家公司工作了几年后，许多人经常回到学术界。
“是的，工业界的薪水更高，但在某种程度上它很无聊，”他告诉我们。 “他们的关注点更加短视。 在基础性理论研究中还有更重要的有趣问题，这些问题仍然在学术界得到了最好的研究。”
立顿表示，对机器学习的兴趣激增是针对涵盖基础知识的入门课程，这些课程对学术界以外的广泛职业很有用。 对高级研究生水平的学习没有那么多的需求。 为了应对不断增长的需求，大学应该增加教师而不是寻求终身教职的研究人员。
“大学应该让教学轨道更具吸引力，”他告诉我们。 “这些教职员工不必担心拨款或运营实验室，但很难仅仅为了专注于教学而接受减薪。 终身教授可能会教授一些入门课程，但他们的主要重点是研究。 我们需要找到更多对教学充满热情、能够与广大学生建立联系的人。”
该报告建议美国政府应该介入并增加对大学的资助，以便他们可以雇用更多的教师。 在学术界之外，人们应该有更多的选择来提高技能，并在社区大学或在线学习这些人工智能课程的介绍。 私营部门也可以通过向大学捐款、继续资助赠款和支持新的学术职位来提供帮助。 ®
