- Bài viết phản ánh những thay đổi sâu sắc trong nghiên cứu AI tại các trường đại học khi cuộc đua AI chuyển sang khu vực doanh nghiệp.
- Trong 4 năm qua, nghiên cứu AI tập trung mạnh vào mô hình ngôn ngữ lớn, khiến vị trí dẫn đầu chuyển từ học thuật sang các công ty như OpenAI và Anthropic.
- Nhiều trường đại học không đủ kinh phí mua GPU để huấn luyện các mô hình tiên tiến, đồng thời cũng không thể tiếp cận chi tiết kỹ thuật của Claude hay ChatGPT.
- Giáo sư Nika Haghtalab ví tình trạng hiện nay như ngành sinh học nếu chỉ doanh nghiệp được phép sử dụng công nghệ chỉnh sửa gene CRISPR.
- Chương trình AI2050 của Schmidt Sciences hỗ trợ kinh phí mua GPU, nhưng chi phí sử dụng API từ OpenAI, Anthropic và Google vẫn rất cao đối với giới nghiên cứu.
- Nhiều nhà khoa học chuyển sang nghiên cứu các vấn đề mà doanh nghiệp ít quan tâm vì khó tạo lợi nhuận.
- Giáo sư Anjalie Field phát hiện mô hình ngôn ngữ trả lời kém tinh vi hơn với cách diễn đạt thường được phụ nữ sử dụng, cho thấy vai trò quan trọng của nghiên cứu độc lập.
- Nhiều nhà nghiên cứu AI không phát triển mô hình ngôn ngữ lớn mà xây dựng AI chuyên biệt cho khí hậu, khoa học và mô phỏng hệ thống vật lý.
- Các chuyên gia lo ngại công chúng đồng nhất AI với mô hình ngôn ngữ lớn tiêu tốn nhiều năng lượng, làm giảm sự quan tâm đến các hướng AI khác.
- Ngày càng nhiều giáo sư tạm rời trường đại học để gia nhập các phòng thí nghiệm AI hoặc làm việc song song cho doanh nghiệp.
- Một số nhà toán học lo lắng khi AI đã giải được nhiều bài toán nghiên cứu thực sự, ảnh hưởng đến tâm lý của giới học thuật.
- Dù vậy, nhiều chuyên gia tin AI sẽ giúp tăng năng suất nghiên cứu và những hạn chế về tài nguyên có thể thúc đẩy các phòng thí nghiệm đại học tạo ra những đột phá mới với mô hình nhỏ và hiệu quả hơn.
📌 Nghiên cứu AI đang chuyển mạnh sang khu vực tư nhân do ưu thế về dữ liệu, GPU và nguồn vốn. Tuy nhiên, giới học thuật vẫn giữ vai trò quan trọng trong nghiên cứu độc lập, đánh giá thiên lệch của mô hình và phát triển AI chuyên biệt phục vụ khoa học. Tác giả cho rằng chính những hạn chế về nguồn lực có thể trở thành động lực để các trường đại học tạo ra các kiến trúc AI mới, hiệu quả hơn và có khả năng tạo nên bước đột phá tiếp theo.
Tổng hợp
