报告:想学AI的学生数量已涨200%,老师都不够用了

2023-12-24 22:50

本文主要是介绍报告:想学AI的学生数量已涨200%,老师都不够用了,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

 Datawhale干货 

方向:AI高校,来源:量子位

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%。

dd3fd62fb05889e7f156091c545e8978.png

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)。

4b00858fde93ff5e5303d8db9611dcac.png

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。

cae7a1a52bcdc6c6341c8139e82b41c7.png

而教师的数量虽然也在增加,但增幅远跟不上学生。

5ff68e980225c431ca2a2f5c99c00757.png

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。

7525c9b58eec2835d04ebf62d77dc376.png

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……

727240a6a192f813de0d6559762ee82d.png

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。

78cf0fa9e11e64a730cfc3af36eb2f0a.png

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

69fbed687ec0dbfd9f378cc6509e459a.png

(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。

4a1951905832d59da6b801ef6acdc44c.png

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。

7660077e0d4e3c861428d99341c42434.png

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。

几点建议

如果这种紧缺不解决,后果也很明显,其中,对于博士生来说影响最严重。

调查显示,近年来,博士生入学人数相比本科生和硕士生增长最慢,这跟终身制教师数量的增长密切相关。

由于导师有限,很多没有在顶刊发表过文章的申请者被拒绝了,这个要求其实很高。

反过来,博士生培养速度变慢,又会进一步限制高校合格教师的供应。

在更深层面,这一现象对AI领域的长远发展也很不利。

最直观的表现,老师把任务都耗在教学上了,哪来时间去搞研究呢?

毕竟工业界更注重利益,创造出根本性进展的可能性较小。

所以,应该怎么办?

这份报告在最后也给出了一些建议:

(1)学术界:简单粗暴,增加经费;

(2)工业界:鼓励雇员同时在学校教书;

(3)政府:为学校提供更多数据和基础计算设施,这样人才就不会因为学校资源不够去工业界了;

……

最后,国内是否也存在这种趋势,请大家畅所欲言。

原报告:
https://cset.georgetown.edu/publication/ai-faculty-shortages/

cc85a7786d90a125689a384459e14654.png

整理不易,三连

这篇关于报告:想学AI的学生数量已涨200%,老师都不够用了的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/533391

相关文章

揭秘未来艺术:AI绘画工具全面介绍

📑前言 随着科技的飞速发展,人工智能(AI)已经逐渐渗透到我们生活的方方面面。在艺术创作领域,AI技术同样展现出了其独特的魅力。今天,我们就来一起探索这个神秘而引人入胜的领域,深入了解AI绘画工具的奥秘及其为艺术创作带来的革命性变革。 一、AI绘画工具的崛起 1.1 颠覆传统绘画模式 在过去,绘画是艺术家们通过手中的画笔,蘸取颜料,在画布上自由挥洒的创造性过程。然而,随着AI绘画工

一份LLM资源清单围观技术大佬的日常;手把手教你在美国搭建「百万卡」AI数据中心;为啥大模型做不好简单的数学计算? | ShowMeAI日报

👀日报&周刊合集 | 🎡ShowMeAI官网 | 🧡 点赞关注评论拜托啦! 1. 为啥大模型做不好简单的数学计算?从大模型高考数学成绩不及格说起 司南评测体系 OpenCompass 选取 7 个大模型 (6 个开源模型+ GPT-4o),组织参与了 2024 年高考「新课标I卷」的语文、数学、英语考试,然后由经验丰富的判卷老师评判得分。 结果如上图所

AI儿童绘本创作

之前分享过AI儿童绘画的项目,但是主要问题是角色一致要花费很长的时间! 今天发现了这款,非常奈斯! 只需输入故事主题、风格、模板,软件就会自动创作故事内容,自动生成插画配图,自动根据模板生成成品,测试效果如下图。 变现方式:生成儿童绘本发布到各平台,吸引宝妈群体进私域。  百度网盘 请输入提取码百度网盘为您提供文件的网络备份、同步和分享服务。空间大、速度快、安全

人工和AI大语言模型成本对比 ai语音模型

这里既有AI,又有生活大道理,无数渺小的思考填满了一生。 上一专题搭建了一套GMM-HMM系统,来识别连续0123456789的英文语音。 但若不是仅针对数字,而是所有普通词汇,可能达到十几万个词,解码过程将非常复杂,识别结果组合太多,识别结果不会理想。因此只有声学模型是完全不够的,需要引入语言模型来约束识别结果。让“今天天气很好”的概率高于“今天天汽很好”的概率,得到声学模型概率高,又符合表达

智能客服到个人助理,国内AI大模型如何改变我们的生活?

引言 随着人工智能(AI)技术的高速发展,AI大模型越来越多地出现在我们的日常生活和工作中。国内的AI大模型在过去几年里取得了显著的进展,不少独创的技术点和实际应用令人瞩目。 那么,国内的AI大模型有哪些独创的技术点?它们在实际应用中又有哪些出色表现呢?此外,普通人又该如何利用这些大模型提升工作和生活的质量和效率呢?本文将为你一一解析。 一、国内AI大模型的独创技术点 多模态学习 多

力扣SQL50 每位经理的下属员工数量 join

Problem: 1731. 每位经理的下属员工数量 👨‍🏫 参考题解 Code select m.Employee_id, m.name,count(*) reports_count,round(avg(e.age),0) average_agefrom Employees ejoin Employees mon e.reports_to = m.Employee_id

【新闻】AI程序员要来了吗?阿里云官宣

内容提要 6 月 21 日,在阿里云上海 AI 峰会上,阿里云宣布推出首个AI 程序员。 据介绍,这个AI程序员具备架构师、开发工程师、测试工程师等多种岗位的技能,能一站式自主完成任务分解、代码编写、测试、问题修复、代码提交整个过程,最快分钟级即可完成应用开发,大幅提升研发效率。 近段时间以来,有关AI的实践应用突破不断,全球开发者加速研发步伐。有业内人士坦言,随着大模型性能逐渐提升,AI应

AI元宇宙

随着科技的迅猛发展,人工智能(AI)迎来了一个宇宙大爆发的时代。特别是以GPT为代表的生成式大模型的诞生和不断进步,彻底改变了人们的工作和生活方式。程序员与AI协同工作写代码已成为常态,大模型不仅提高了工作效率,还为人类带来了无限的可能性。 AI元宇宙http://ai.toolxq.com/#/如同生物进化出眼睛打开了三维世界的元宇宙之后,GPT打开了人+AI工作模式的新时代,程序员的人生被划

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征

AI学习指南机器学习篇-朴素贝叶斯处理连续特征和离散特征 在机器学习领域,朴素贝叶斯是一种常用的分类算法,它的简单性和高效性使得它在实际应用中得到了广泛的应用。然而,在使用朴素贝叶斯算法进行分类时,我们通常会面临一个重要的问题,就是如何处理连续特征和离散特征。因为朴素贝叶斯算法基于特征的条件独立性假设,所以对于不同类型的特征,我们需要采取不同的处理方式。 在本篇博客中,我们将探讨如何有效地处理

AI赋能天气:微软研究院发布首个大规模大气基础模型Aurora

编者按:气候变化日益加剧,高温、洪水、干旱,频率和强度不断增加的全球极端天气给整个人类社会都带来了难以估计的影响。这给现有的天气预测模型提出了更高的要求——这些模型要更准确地预测极端天气变化,为政府、企业和公众提供更可靠的信息,以便做出及时的准备和响应。为了应对这一挑战,微软研究院开发了首个大规模大气基础模型 Aurora,其超高的预测准确率、效率及计算速度,实现了目前最先进天气预测系统性能的显著