この記事は、AIの競争が企業セクターへと移行する中で、大学におけるAI研究の深い変化を反映している。
過去4年間、AI研究は大規模言語モデルに大きく集中し、その主導権は学術界からOpenAIやAnthropicといった企業へと移行した。
多くの大学には、先進モデルを訓練するためのGPUを購入する資金がなく、またClaudeやChatGPTの技術詳細にアクセスすることもできない。
ニカ・ハグタラブ（Nika Haghtalab）教授は、現在の状況を「もし企業だけがCRISPR遺伝子編集技術の使用を許可されている場合の生物学分野」に例えている。
Schmidt Sciencesの「AI2050」プログラムはGPU購入のための資金を支援しているが、OpenAI、Anthropic、GoogleからのAPI利用コストは研究者にとって依然として非常に高額である。
多くの科学者は、収益化が難しいため企業があまり注目しない問題の研究へとシフトしている。
アンジャリエ・フィールド（Anjalie Field）教授は、言語モデルが女性によく使われる表現に対して洗練されていない回答を返すことを発見し、独立した研究の重要な役割を示している。
多くのAI研究者は大規模言語モデルを開発するのではなく、気候、科学、物理システムのシミュレーションのための特化型AIを構築している。
専門家は、一般大衆がAIをエネルギーを大量消費する大規模言語モデルと同一視し、他のAIの方向性への関心を薄れさせていることを懸念している。
大学を一時的に離れてAIラボに参加したり、企業で兼務したりする教授が増えている。
一部の数学者は、AIがすでに多くの実際の研究課題を解決していることに不安を感じており、学術界の心理に影響を与えている。
それにもかかわらず、多くの専門家は、AIが研究の生産性を高めるのに役立ち、リソースの制限が大学のラボにより小さく効率的なモデルで新たなブレイクスルーを生み出すよう促す可能性があると信じている。
📌 AI研究は、データ、GPU、資金の優位性により、民間セクターへと強く移行している。しかし、学術界は依然として、独立した研究、モデルのバイアスの評価、科学に資する特化型AIの開発において重要な役割を果たしている。著者は、リソースの制限こそが、大学が次なるブレイクスルーを生み出す能力を持つ、より新しく効率的なAIアーキテクチャを創造する原動力になると主張している。
