Az amerikai felsőoktatásban gyorsan nő az alapszakok, kiegészítő szakok (minors) és specializációk kínálata a mesterséges intelligencia (AI) területén. A Center for Inclusive Computing at Northeastern University adatai szerint áprilisra legalább 1 000 AI-program indult közel 584 amerikai főiskolán és egyetemen; ezek között 78 alapszak és 103 minor szerepel. Összehasonlításképp, 2021-ben mindössze öt iskolában volt AI-alapszak, derült ki a The New York Times korábbi közléséből.
Programok sokfélesége: elmélet, gyakorlat, interdiszciplinaritás
A mesterséges intelligencia alapképzések tantárgyi követelményei széles skálán mozognak. Vannak programok, amelyek erősen matematikai és technikai jellegűek, míg mások interdiszciplináris megközelítést alkalmaznak, és etikát, politikát vagy adott alkalmazási területeket is bevonnak. Egyes képzések az AI elméleti alapjaira koncentrálnak, mások pedig a rendszerek gyakorlati felépítésére és üzemeltetésére helyezik a hangsúlyt.
Carnegie Mellon University volt az első amerikai intézmény, amely 2018-ban alapított mesterséges intelligencia alapszakot. Az egyetem képzési programja nagy hangsúlyt fektet a matematikai megalapozottságra: hét matematika- és statisztika tárgyat, öt számítástechnikai és programozási alapokhoz kapcsolódó kurzust, három mesterséges intelligencia kurzust, egy etika kurzust, valamint további tárgyakat ír elő emberi kogníció, percepció és nyelv, gépi tanulás és ember–számítógép interakció témakörökben.
Ezzel szemben a University of Oklahoma Polytechnic Institute alkalmazott AI-szakja a gyakorlati ismeretekre fókuszál. A matematika és statisztika követelmények mellett a hallgatóknak 15 AI- és számítástechnikai kurzust kell teljesíteniük olyan tárgyakból, mint robotika, gépi tanulás, megerősítéses tanulás, számítógépes látás, felhőalapú számítástechnika és DevOps.
Más intézmények interdiszciplinárisabb, kevésbé technikai jellegű programokat kínálnak. Drake University (Iowa) például bölcsészettudományi és üzleti hallgatók számára tervezett Bachelor of Arts fokozatot kínál mesterséges intelligenciából; a követelmények rugalmasak, és a hallgatók filozófia, angol, számítástechnika, információs rendszerek és pszichológia kurzuscsoportjaiból választhatnak. Ehhez a képzéshez csak két matematika tantárgy kötelező.
Számos iskola, amely nem kínál külön AI-alapszakot, koncentrációkat vagy specializációkat nyújt. Például a Stanford University AI-szakirányán tanuló hallgatóknak hét kvalifikáló kurzust kell elvégezniük olyan területeken, mint természetes nyelvfeldolgozás, számítógépes látás és robotika. (Közlemény: Andrew Ng a Stanford Computer Science tanszékén adjunktus professzori szerepet tölt be.)
Viták és aggályok
Egyes szakértők szerint az egyetemek túl lassan reagáltak a munkaadók megnövekedett AI-elvárásaira; mások azzal érvelnek, hogy az AI-diplomák múló divathullámot jelentenek. Még a támogatók közül is többen figyelmeztetnek arra, hogy a szűk, specializált AI-képzések veszélyeztethetik a szélesebb számítástechnikai alapok elsajátítását, amelyekre a hallgatóknak szükségük lehet a gyorsan változó területen való alkalmazkodáshoz.
Miért fontos mindez?
A jelenlegi tantervek nagyban befolyásolhatják, hogy kik lépnek be az AI szakmába és milyen készségekkel rendelkeznek a következő generációs AI-mérnökök. A mesterséges intelligencia rendkívül sokszínű terület: vannak szerepkörök, amelyek hagyományos szoftvermérnöki munkához hasonló feladatokat tartalmaznak AI-elemekkel, míg mások mélyebb gépi tanulási kutatást, elosztott rendszerek vagy adatmérnöki tudást igényelnek. A programok között továbbá jelentős különbségek lesznek azok között, amelyek a mesterképzésre való felkészítést célozzák, és azok között, amelyek feltételezik, hogy az alapképzés lesz a végső képesítés.
Szakmai szemlélet
Az AI tempója sokkal gyorsabb, mint amilyen ütemben az egyetemek hagyományos tantervi módosítási folyamatai működnek: a tanszékeknek meg kell tanulniuk egy témát, javaslatot kell tenniük kurzusokra, jóváhagyást kell szerezniük a tantervi bizottságtól, és esetleg módosítaniuk kell a fokozatkövetelményeket — ez a folyamat nehezen tarthat lépést a mesterséges intelligencia gyors változásával. Ugyanakkor fontos pozitív fejlemény, hogy egyre több innovatív oktató és adminisztrátor talál módszereket a gyorsabb reagálásra, ami nemcsak a 2026-os állásokra készítheti fel a hallgatókat, hanem a jóval távolabbi jövőre is.
