报告：想学AI的学生数量已涨200%，老师都不够用了

如今，伴随着神经网络的复兴和深度学习的蓬勃发展——越来越多的学生想学习AI，以至于大学里的老师都不够用了。

一份报告显示，从2011年到2020年，美国计算机科学专业的学生人数增加了两倍，从60661人增加到182262人而计算机专业的教师从4363人增加到6230人，增幅不到50%

也就是说，以前一个老师平均教14个学生，现在一个老师要快30个学生就算老师再累，学生的教学质量也不比以前了

那么，为什么计算机老师的数量没有跟上呢。

教师人数x1.5，学生人数x3

这份报告来自美国智库安全和新兴技术中心。

这项调查从140多所公立和私立大学的计算机科学系收集了数据该负责人表示，虽然调查中没有专门的统计机器学习课程，但来自计算机系的数据足以说明相关趋势

如开头所述，2020年，计算机系的学生人数将是9年前的3倍，本科生，硕士生，博士生的人数将明显增加。

虽然教师人数也在增加，但增幅远远赶不上学生人数。

这种情况让老师们抱怨工作量越来越大，做研究的时间越来越少。

学生的教育质量也受到损害:为了应对这种情况，许多学校开始提高入学门槛或取消小班。

例如，2018年，60%参与调查的学校限制热门课程的学生人数，61%的学校已经或计划取消小班教学，42%的学校已经或计划提高CS专业的入学门槛...

为什么会造成这种不平衡。

不全是因为人才流向了产业。

早些时候，一些专家警告说，由于更高的工资和更容易从行业获得资源，大学正面临人才流失的困境。

这是真的。

一方面，确实有很多大学教授被一些科技公司挖走。

最著名的案例包括，2015年，优步在几个月内从CMU机器人实验室挖走了40名专家，2013年Yann LeCun成为Meta人工智能研究的负责人。

其中，LeCun还保留着在纽约大学任教的职位。

这种双重从属关系很常见很多教授只花10—20%的时间为公司工作，但总体来说，全职加入行业的例子还是比较多的

另一方面，虽然AI相关的博士毕业生越来越多，但进入学术领域的毕业生数量20年来基本保持不变，而进入工业领域的毕业生数量却迅速增加从下表中的曲线可以清楚地观察到这一趋势

CRA曾经批评过这种现象，即在他们博士毕业之前，行业就接纳了他们。

可是，人才外流到工业并不是全部原因。

实际上:

据调查，被产业挖走的现象在过去二十年里并没有明显增加相反，大学教师流失的常见原因是退休和学术界的工作变动

与此同时，工业部门的一小部分人才流向了学术部门。

2020年，32%的学校表示他们的老师被行业雇佣，同时，38%的学校聘请了行业内的专家做老师。

另外值得注意的是，有些老师在工业界工作几年后会选择回归学术界他们的理由是:这个行业虽然工资高，资源丰富，但是无聊，短视

这在一定程度上缓解了大学教师的人才流失。

另外，对于很多博士生来说，他们的职业选择并不代表他们的职业偏好相反，调查显示，许多博士生对学术研究和教学更感兴趣

报告在这里揭示了另一个重要原因，其实学校的招聘速度没有跟上。

看下图从2006年到2020年，高校教师招聘难度基本保持稳定，增幅不大

由此我们可以推断，教师数量增长相对缓慢的最合理解释是招聘不足。

那么，学校是不是故意拒认呢他们充分意识到短缺报道指出，主要原因是钱不够

总体来说，计算机专业的经费支出远高于人文学科，但政府的经费增长缓慢对于很多预算刚性的学校来说，花了很多钱接受更多的学生，开设更多的课程之后，只能自己承担额外的教师招聘费用，或者减少对原有教师的补贴

两个方案在实施时都面临巨大的内部阻力因此，教师职位的数量没有跟上学生的增长速度

一些建议

如果这个短缺不解决，后果很明显，尤其是博士生调查显示，最近几年来，与本科生和硕士生相比，博士生人数增长最慢，这与终身教职教师的增长密切相关

由于导师有限，很多没有在顶级期刊发表过文章的申请者都被拒绝了，这其实是一个非常高的要求反过来，博士培养的放缓将进一步限制高校合格教师的供应

从更深层次来说，这种现象也不利于AI的长远发展最直观的表现就是老师把所有的任务都花在了教学上，怎么可能有时间做研究毕竟行业更注重利益，更不可能创造根本性的进步

那么，我们该怎么办呢。

本报告最后也给出了一些建议:

学术界:简单粗暴，增加经费，

行业:鼓励员工同时在学校任教，

政府:为学校提供更多的数据和基础计算设施，让人才不会因为学校资源不足而去实业，

。

最后，中国是否存在这样的趋势，请大家畅所欲言。

原始报告:

参考链接: