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？

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？

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：