在人工智能领域，斯坦福大学的很多课程都颇受欢迎，如 CS 224N 深度学习自然语言处理和 CS 229 机器学习。这些课程如何一步步发展成为今天的热门课程？这些课程规模增加的背后又有哪些驱动因素呢？近日，Stanford Daily 的数据团队对 2010-2020 这十年间 AI 相关课程的增长趋势以及背后的原因做了一个非常全面的汇总分析。

AI 正在改变世界，斯坦福大学处于这一趋势的最前沿。多年来，斯坦福已经涌现出许多 AI 方面的重大研究突破，斯坦福研究者也是 AI 领域的开拓者。

为了分析斯坦福在过去十年中的变化，Stanford Daily 的数据团队分析了过去 10 年 AI 相关计算机科学课程的数据变化，以探究其演变过程。

10 年来，计算机科学系的 AI 课程以及在校学生的数量都在增加，许多课程自始至终都是非常热门的课程。下图为过去 10 年斯坦福大学 AI 课程的增长趋势：

AI 课程数量不断增长

在过去的 10 年中，与 AI 相关的计算机科学课程总数从 25 个增加到 77 个，增长了两倍多。2014 年课程数量首次跃升后，从 2015 年开始，课程数量一直呈稳定增长，2018 年至 2020 年，增长速度达到最大。

10 年来，与机器学习相关的课程一直最多，课程数量也一直呈现出相对稳定的持续增长，从不到 10 种增长至如今的近 40 种。这可能是因为其他类别（例如自然语言处理或深度学习）属于更广泛的机器学习范畴。

2014 年，斯坦福首次开设了与机器学习相关的课程，但之后课程数量迅速超过了自然语言处理和计算机视觉课程。2016 年以来，自然语言处理课程数的增长速度也越来越快，而计算机视觉课程数的增长速度却越来越慢。

课程数量的趋势表明，AI 课程越来越多，AI 子主题的课程种类也越来越多。

斯坦福计算机科学系教授兼教育副主席 Mehran Sahami 说：「课程的灵活性和可用性都更高了。」

Mehran Sahami

带来这种灵活性的一个主要变化是 2008 年引入了一个追踪系统。该系统提供了一个灵活的课程机制，可确保学生参加核心基础课程以及与他们的特定兴趣相匹配的其他课程，例如 AI、生物计算和其他一些课程。

Sahami 说：「学生在自己想要学习的特定领域有了更多的选择。」

机器学习是 AI 中重要的学习领域。Sahami 表示：「众所周知，机器学习是 AI 中最重要的领域之一，这也是每个人都需要了解机器学习的原因。CS 109 之类的课程提供了机器学习的入门知识，CS 专业的每个人都至少能够学到入门级的知识。」

「赢家通吃」：课程越受欢迎，规模就会越大

尽管斯坦福提供的课程数量大幅度增加，但注册人数最多的课程，包括很多机器学习课程，它们的排名依然保持不变。但有一点，这些课程的规模却成倍增长。

下图为 2010-2020 年受欢迎 AI 课程的注册人数发展趋势：

以 CS 229 机器学习课程为例，它基本上是过去 10 年（2016-17、2018-19 学年除外）选读人数最多的一门课程，从 2010-11 学年的 318 人增长至 2019-2020 学年的 869 人。类似地，CS 221 人工智能原理与技术和 CS 109 面向计算机科学家的概率论在班级规模上也大幅度提升，从少于 300 名学生增长至 700 名以上。

课程规模增加的一个驱动因素是学生需求的爆炸式增长。

斯坦福计算机科学与语言学教授兼人工智能实验室（SAIL）主任 Christopher Manning 博士对此表示：「很明显，所有学生的需求促成了课程规模的增加，同时也反映出了近些年 AI 领域取得的重大突破以及学生学习这些课程的巨大热情。」

Christopher Manning

需求增加的部分原因在于：学习计算机科学特别是人工智能学科的学生数量有所增长。

Mehran Sahami 表示：「过去 10 年，学生对计算机科学专业的学习兴趣呈现出极大幅度的增长。」据他估计，自 2007 年以来，计算机科学专业的学生数量已经增加了约 300%-400%，使其成为斯坦福最受欢迎的本科专业。

在计算机科学的分支学科中，AI 的发展又是最显著的。Mehran Sahami 说道：「随着时间的推移，我们看到 AI 不断在发展，如今已经成为最受欢迎的学科，在硕士生中也是这样。」不仅如此，越来越多计算机科学专业之外的学生也在学习人工智能课程。

Manning 又说道：「越来越多来自不同学院的博士生想要学习机器学习课程，如企业管理、教育或法学博士生。」

不过，有些课程的受欢迎程度却在逐渐降低。例如，2010-11 学年，CS 223A 机器人学导论课程在最受欢迎课程排名中位列第五，彼时有 92 名注册学生，但在 2019-20 学年，注册学生下降至了 64 名。

CS 224N 深度学习自然语言处理（过去称自然语言处理）课程和 CS 231N 视觉识别卷积神经网络这两门课程的注册学生数量在 2016-17 学年达到顶峰，但之后略有下降，尽管它们依然比较受欢迎。

Manning 介绍称：「大约在 2010 年代中期，我们开始提供 NLP 和计算机视觉领域的深度学习课程，之后突然之间 NLP 和计算机视觉课程的学生达到了 500-600 人。」

受学生欢迎的新课程也不断涌现，如 CS 230 深度学习课程。该课程开设于 2017-18 学年，此后注册学生一直维持在 800 名以上。

Manning 表示，现在受本科生欢迎的很多 AI 课程「最初主要是作为研究生水平的 AI 课程」。以一直以来很受欢迎的 CS 229 课程为例，该课程最初是针对想要做机器学习研究的博士生开设的。

增长背后：学生需求和整个行业的变化

AI 专业的学生分享了各自致力于该领域的原因。计算机科学 co-trem 大四学生 Nik Marda 表示，他对政治学与数学都有着浓厚的学习兴趣，这些兴趣又转变成了想要塑造更好 AI 策略的热情。

Manan Shah 也是一名计算机科学 co-term 大四学生，他参与了多个在医疗健康应用中使用深度神经网络的研究竞赛。他始终认为将 AI 应用于有意义的事情会大有益处。

Sahami 表示，该学院在教师招聘时注重为学生提供多样化的课程，从而「满足更多的学生需求」。学生兴趣和学院教职员工的增长表明计算机科学学科的重要性日益增强。

Manning 认为，2010 年「很多事情开始发生」。彼时，AI 开始取得成功，世界上也开始出现各种各样机器学习的应用。

他补充说道，在 2000-2010 年，事情第一次真正出现了变化。AI 领域越来越强调概率模型，而概率被视为在不确定世界中建模不确定思维的一种方式。之后，机器学习开始崛起。

此外，Manning 还提到，大约从 2010 年开始，又出现了另一次巨变——人工神经网络方法和深度学习方法。现在，这两者已经席卷了一切，包括斯坦福的大多数课程，并且实际上，绝大多数 AI 研究者都在使用神经网络。

学习 AI 的学生也认识到了斯坦福的课程与专业领域有许多交集。Nik Marda 认为，斯坦福 AI 课程并不是孤立地存在，它们在某种程度上受到行业的推动，与行业和其他参与者息息相关。所有这些都对课程的增加产生了不可或缺的影响。

原文链接：https://www.stanforddaily.com/2021/02/04/the-rise-of-ai-in-stanfords-cs-curricula/

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。