可以說,就讀計算機專業(yè)學(xué)生會吃的苦頭,人工智能專業(yè)的學(xué)生也要跟著吃一遍,甚至更多。
比如寫課后作業(yè),學(xué)生們不是當(dāng)“代碼裁縫”,去 CSDN、Stack Overflow 等專業(yè)論壇里找代代相傳的答案;就是當(dāng)“江洋大盜”,打劫大佬的代碼,試圖蒙混過關(guān),開一百個標(biāo)簽頁就為解決一個非常簡單的文件讀寫或者環(huán)境配置問題。
而學(xué)生 debug 時更是血壓一次比一次高,披星戴月熬夜到凌晨三四點是家常便飯,最后發(fā)現(xiàn)不是代碼跑完但忘記改目錄,就是運算平臺顯存不足,獨留自己和“No such file named”“CUDA Out of memory”等各種報錯在風(fēng)中凌亂。
更慘的是,在許多層次偏低的高校,課程體系設(shè)計并不完善,只是照葫蘆畫瓢開設(shè)了人工智能導(dǎo)論、機器學(xué)習(xí)等基礎(chǔ)課程,學(xué)生四年所學(xué)不僅雜亂還膚淺,被吐槽是只會數(shù)據(jù)煉丹的“調(diào)參俠”:
我們就是把計科和電子的專業(yè)基礎(chǔ)課都學(xué)一遍,再把機器學(xué)習(xí)“西瓜書”拿出來粗略講一講,最后敲代碼不如計科,做芯片又不如電子,多而不精,面面蜻蜓點水,每一樣都差距甚遠(yuǎn)。
究其原因,由高校人工智能相關(guān)專業(yè)老師學(xué)生等創(chuàng)建的開源組織Datawhale發(fā)布的《2023中國人工智能人才學(xué)習(xí)白皮書》就指出,人工智能人才培養(yǎng)錯位的三個主要問題就是:缺實踐、教學(xué)內(nèi)容過時與教學(xué)方式固化[9]。
像關(guān)于人工智能發(fā)展史、機器學(xué)習(xí)原理這樣的理論課程,教師可以很快上手教課,但是,讓不熟悉AI實操的老師們指導(dǎo)一個應(yīng)用落地,大家就犯怵了。最后學(xué)生被老師“半散養(yǎng)”——雜活是要做的,但指導(dǎo)和資源是沒有的:
在人工智能領(lǐng)域,薪資待遇頗為誘人,年薪區(qū)間通常在50萬至70萬,而百萬乃至200至300萬的高薪情況也并不少見
2024-08-22 13:54:46快沖