如今，隨着神經網絡的捲土重來以及深度學習的蓬勃發展——讓想學AI的學生越來越多，以至於大學里的老師都不夠用了。一份報告顯示，從2011年到2020年，美國計算機科學專業的學生人數增加了兩倍，從60661人增至182262人。
但計算機科學專業的教師人數才從4363人增加到6230人，增幅不到50%。
也就是說，以前平均一個老師教14個學生，現在一個老師要教快30個學生。
老師更累了不說，學生獲得的教學質量也無非跟以前比了。
所以，為什麼計算機專業的老師數量沒有跟上來？
老師數量x1.5，學生數量x3
這份報告出自美國智庫“安全與新興技術中心”(CSET)。
該調查收集了140多個公立和私立大學計算機科學系的數據。
負責人表示，調查雖然沒有專門統計機器學習課程，但計算機科學系的數據足夠說明相關趨勢。
正如開頭所說，2020年計算機系的學生已是九年前的三倍，不管是本科生、碩士生還是博士生都增勢明顯。
而教師的數量雖然也在增加，但增幅遠跟不上學生。
這種的局面讓老師們抱怨自己的工作量越來越大，搞研究的時間越來越少。
學生的教育質量同樣受損：
很多學校為了應對這個局面，開始提高錄取門檻，或者取消小班課程。
就比如2018年時，參與調查的學校中就有60%的學校限制了熱門課程的學生人數、61%的學校已經或打算取消小班授課、42%的學校已經或打算提高CS專業的入學門檻……
為什麼造成這樣的不平衡？
並非全因為人才流向工業界
此前有專家警告稱，由於工業界給的薪水更高、資源更容易獲得等原因，大學面臨著人才流失的困境。
此話不假。
一方面，確實有很多大學教授被一些科技公司挖角。
最有名的案例包括2015年優步在幾個月內從CMU機器人實驗室挖走近40名專家，2013年Yann LeCun成為META人工智能研究的負責人。
其中，LeCun仍然保留了在紐約大學教課的職位。
這種“雙重隸屬”關係很常見，很多人教授只花10-20%的時間給公司打工，但總的來看，全職加入工業界的例子還是更多一些。
另一方面，AI相關的博士畢業生雖然越來越多，但進入學業界的數量20來年基本沒啥變化，進入工業界的卻飛速增長。從下表的曲線可以很明顯地觀察到這一趨勢。
CRA就曾批評行業在博士畢業之前就把他們錄取了的現象。
然而，人才都往工業界流失並非全部原因。
事實上：
（1）調查顯示，過去二十年，“被工業界挖角”的現象並沒有顯著增加，高校教師流失的常見原因反而是退休和學術界內的工作變動。
（2）同時，工業界也有一小部分人才往學業界流動。
2020年，有32%的學校表示，他們的老師被工業界聘用；同時，也有38%的學校從工業界聘請了專家來當老師。
同樣值得關注的是，有些老師去工業界幹了幾年後還會選擇回到學術界，他們的理由是：工業界工資雖然高、資源多，但無聊，短視。
這在一定程度上緩解了大學教師的人才流失。
（3）另外，對於很多博士生來說，他們的職業選擇，並不代表職業偏好。
相反，調查顯示，許多博士生對學術界的研究和教課工作比較感興趣。
報告在此揭開另一重要的原因，其實是學校的招聘速度沒有跟上來。
看下面這張圖就明白了。
從2006年到2020年間，高校教師崗的招聘難度基本保持平穩，沒有太大的增幅。
由此我們可以推斷出：
教師數量增長相對緩慢的最合理解釋，是招聘力度不夠。
那麼，是學校故意不招么？他們完全意識到了緊缺情況呀。
報告指出，主要是錢不夠。
總的來說，計算機專業開銷比人文學科要高很多，但政府的撥款增長緩慢，對於很多預算比較剛性的學校來說，要接受更多的學生、開更多的課程花掉很多錢后，就只能自己承擔額外的教師招聘費用，或者減少對原來教師的補助。
這倆方案實施起來都面臨著巨大的內部阻力。
於是，教師崗位的數量就一直沒有跟上學生的增長速度。
幾點建議
如果這種緊缺不解決，後果也很明顯，其中，對於博士生來說影響最嚴重。
調查顯示，近年來，博士生入學人數相比本科生和碩士生增長最慢，這跟終身制教師數量的增長密切相關。
由於導師有限，很多沒有在頂刊發表過文章的申請者被拒絕了，這個要求其實很高。
反過來，博士生培養速度變慢，又會進一步限制高校合格教師的供應。
在更深層面，這一現象對AI領域的長遠發展也很不利。
最直觀的表現，老師把任務都耗在教學上了，哪來時間去搞研究呢？
畢竟工業界更注重利益，創造出根本性進展的可能性較小。
所以，應該怎麼辦？
這份報告在最後也給出了一些建議：
（1）學術界：簡單粗暴，增加經費；
（2）工業界：鼓勵僱員同時在學校教書；
（3）政府：為學校提供更多數據和基礎計算設施，這樣人才就不會因為學校資源不夠去工業界了；
……
最後，國內是否也存在這種趨勢，請大家暢所欲言。
原報告：
參考鏈接：
https://www.theregister.com/2022/07/07/comp_sci_students_ai_lecturers/