如今,随着神经网络的卷土重来以及深度学习的蓬勃发展——

让想学AI的学生越来越多,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人增至182262人

但计算机科学专业的教师人数才从4363人增加到6230人,增幅不到50%。

也就是说,以前平均一个老师教14个学生,现在一个老师要教快30个学生。

老师更累了不说,学生获得的教学质量也无非跟以前比了。

所以,为什么计算机专业的老师数量没有跟上来?

老师数量x1.5,学生数量x3

这份报告出自美国智库“安全与新兴技术中心”(CSET)。

该调查收集了140多个公立和私立大学计算机科学系的数据。

负责人表示,调查虽然没有专门统计机器学习课程,但计算机科学系的数据足够说明相关趋势。

正如开头所说,2020年计算机系的学生已是九年前的三倍,不管是本科生、硕士生还是博士生都增势明显。

而教师的数量虽然也在增加,但增幅远跟不上学生。

这种的局面让老师们抱怨自己的工作量越来越大,搞研究的时间越来越少。

学生的教育质量同样受损:

很多学校为了应对这个局面,开始提高录取门槛,或者取消小班课程

就比如2018年时,参与调查的学校中就有60%的学校限制了热门课程的学生人数、61%的学校已经或打算取消小班授课、42%的学校已经或打算提高CS专业的入学门槛……

为什么造成这样的不平衡?

并非全因为人才流向工业界

此前有专家警告称,由于工业界给的薪水更高、资源更容易获得等原因,大学面临着人才流失的困境。

此话不假。

一方面,确实有很多大学教授被一些科技公司挖角

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

其中,LeCun仍然保留了在纽约大学教课的职位。

这种“双重隶属”关系很常见,很多人教授只花10-20%的时间给公司打工,但总的来看,全职加入工业界的例子还是更多一些。

另一方面,AI相关的博士毕业生虽然越来越多,但进入学业界的数量20来年基本没啥变化,进入工业界的却飞速增长。从下表的曲线可以很明显地观察到这一趋势。

CRA就曾批评行业在博士毕业之前就把他们录取了的现象。

然而,人才都往工业界流失并非全部原因。

事实上:

(1)调查显示,过去二十年,“被工业界挖角”的现象并没有显著增加,高校教师流失的常见原因反而是退休和学术界内的工作变动

(2)同时,工业界也有一小部分人才往学业界流动。

2020年,有32%的学校表示,他们的老师被工业界聘用;同时,也有38%的学校从工业界聘请了专家来当老师。

同样值得关注的是,有些老师去工业界干了几年后还会选择回到学术界,他们的理由是:工业界工资虽然高、资源多,但无聊,短视。

这在一定程度上缓解了大学教师的人才流失。

(3)另外,对于很多博士生来说,他们的职业选择,并不代表职业偏好。

相反,调查显示,许多博士生对学术界的研究和教课工作比较感兴趣。

报告在此揭开另一重要的原因,其实是学校的招聘速度没有跟上来

看下面这张图就明白了。

从2006年到2020年间,高校教师岗的招聘难度基本保持平稳,没有太大的增幅。

由此我们可以推断出:

教师数量增长相对缓慢的最合理解释,是招聘力度不够。

那么,是学校故意不招么?他们完全意识到了紧缺情况呀。

报告指出,主要是钱不够。

总的来说,计算机专业开销比人文学科要高很多,但政府的拨款增长缓慢,对于很多预算比较刚性的学校来说,要接受更多的学生、开更多的课程花掉很多钱后,就只能自己承担额外的教师招聘费用,或者减少对原来教师的补助。

这俩方案实施起来都面临着巨大的内部阻力。

于是,教师岗位的数量就一直没有跟上学生的增长速度。