报告：想学AI的学生增加了200%，老师却不够用在神经网络卷土重来、深度学习蓬勃发展的今天——越来越多的学生想要学习人工智能，以至于大学里师资不够。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60,661人增加到182,262人。但计算机科学教职工人数从4,363人增加到6,230人，增幅不到50%。也就是说，过去一个老师平均教14个学生，现在一个老师要教差不多30个学生。不说老师更累，学生得到的教学质量也比不上以前。那么，为什么计算机科学教师的数量没有跟上呢？教师人数x1.5，学生人数x3本报告来自美国智库“安全与新兴技术中心”（CSET）。该调查收集了来自公立和私立大学140多个计算机科学系的数据。据负责人介绍，此次调查虽然没有专门的统计机器学习课程，但来自计算机科学系的数据足以说明相关趋势。正如开头所说，2020年计算机专业的学生人数是九年前的三倍，本科生、硕士生和博士生都有明显的增长。虽然教师的数量也在增加，但增幅远远落后于学生。这种情况让老师们抱怨自己的工作量越来越大，用于研究的时间越来越少。学生的教育质量也受到影响：许多学校针对这种情况开始提高录取门槛或取消小班授课。例如，2018年，60%的参与调查学校限制了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%的学校已经或计划增加小班教学。CS专业的录取门槛…………为什么这么不平衡？不仅仅是人才流失到行业专家警告说，由于更高的薪水和更容易获得行业资源，大学正面临人才流失。这是真实的。一方面，确实有不少大学教授被一些科技公司挖走了。最著名的案例包括2015年Uber在几个月内从CMU机器人实验室挖走了近40名专家，以及2013年YannLeCun成为Meta人工智能研究负责人。其中，乐存仍保有其在纽约大学的教职。这种“双重隶属关系”非常普遍。很多教授只花10-20%的时间为公司工作，但总体来说，全职投身行业的例子还是比较多的。另一方面，虽然人工智能相关的博士毕业生越来越多，但进入学术界的毕业生数量在过去20年基本没有变化，而进入产业界的数量却在迅速增加。从下表中的曲线可以清楚地观察到这种趋势。CRA批评业界在博士毕业前就录取他们。然而，人才流失并不是行业的全部原因。事实上：（1）根据调查，近二十年来“被产业挖角”的现象并没有明显增多，高校教师流失的常见原因是退休和学术界的工作变动。(2)与此同时，工业界的少量人才也流向了学术界。2020年，32%的学校表示其教师为行业聘用；同时，38%的学校聘请行业专家担任教师。还值得注意的是，一些教师在行业工作几年后选择回归学术界。他们的理由是，这个行业虽然薪资高，资源丰富，但乏味且目光短浅。这在一定程度上缓解了高校教师的人才流失。(3)另外，对于很多博士生来说，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学工作更感兴趣。报告在这里揭示了另一个重要原因，那就是学校的招生速度没有跟上。看下图就明白了。2006年至2020年，高校教师招聘难度基本保持稳定，没有太大增加。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，学校是不是故意招人的？他们充分意识到短缺。报道指出，主要原因是资金不够。总的来说，计算机科学的成本远高于人文科学，但政府资助的增长缓慢。对于很多预算相对刚性的学校来说，在花费大量资金接收更多学生、开设更多课程后，他们只能自己承担额外的教师招聘成本，或者减少对原有教师的补贴。这两个方案的实施都面临着巨大的内部阻力。结果，教学职位的数量跟不上学生的增长速度。几点建议如果这个短缺不解决，后果很明显，其中对博士生的影响最为严重。调查显示，近年来，与本科生和硕士生相比，博士生入学人数增长最慢，这与终身教师数量的增长密切相关。由于导师人数有限，很多没有在顶级期刊发表文章的申请者被拒绝。这个要求其实很高。反过来，博士生培养放缓将进一步限制高校合格教师的供给。在更深层次上，这种现象也不利于AI领域的长远发展。最直观的表现就是老师把所有的任务都花在了教学上，哪来的时间做研究？毕竟行业更看重利润，不太可能创造根本性的进步。那么，我们应该怎么做呢？这份报告最后也给出了一些建议：（1）学术界：简单粗暴，增加经费；（2）行业：鼓励员工同时在校任教；（3）政府：为学校提供更多的数据和基础计算设施，使人才不会因为学校资源匮乏而去实业；……最后，这个趋势在中国是否也存在，请畅所欲言。原始报告：https://cset.georgetown.edu/publication/ai-faculty-shortages/
