Статья отражает глубокие изменения в исследованиях ИИ в университетах по мере того, как гонка ИИ смещается в корпоративный сектор.
За последние четыре года исследования ИИ были сильно сосредоточены на больших языковых моделях, в результате чего лидерство перешло от академических кругов к таким компаниям, как OpenAI и Anthropic.
У многих университетов нет достаточного финансирования для покупки графических процессоров (GPU) для обучения передовых моделей, а также у них нет доступа к техническим деталям Claude или ChatGPT.
Профессор Ника Хагталаб сравнивает текущую ситуацию с биологией, если бы только корпорациям было разрешено использовать технологию редактирования генов CRISPR.
Программа AI2050 от Schmidt Sciences предоставляет финансирование на покупку GPU, но затраты на использование API от OpenAI, Anthropic и Google остаются очень высокими для исследователей.
Многие ученые переключились на исследование проблем, которым корпорации уделяют меньше внимания из-за сложности их монетизации.
Профессор Анджали Филд обнаружила, что языковые модели дают менее изощренные ответы на формулировки, часто используемые женщинами, что демонстрирует важную роль независимых исследований.
Многие исследователи ИИ не разрабатывают большие языковые модели, а создают специализированный ИИ для климата, науки и симуляции физических систем.
Эксперты опасаются, что общественность отождествляет ИИ с энергоемкими большими языковыми моделями, снижая интерес к другим направлениям ИИ.
Всё больше профессоров временно покидают университеты, чтобы присоединиться к ИИ-лабораториям или работать параллельно на корпорации.
Некоторые математики обеспокоены тем, что ИИ уже решил множество реальных исследовательских задач, что влияет на психологический настрой академического сообщества.
Тем не менее, многие эксперты считают, что ИИ поможет повысить производительность исследований, а ограничения ресурсов могут подтолкнуть университетские лаборатории к созданию новых прорывов с помощью более мелких и эффективных моделей.
📌 Исследования в области ИИ стремительно смещаются в частный сектор благодаря преимуществам в данных, GPU и капитале. Тем не менее, академические круги по-прежнему играют ключевую роль в независимых исследованиях, оценке предвзятости моделей и разработке специализированного ИИ на службе науки. Автор считает, что именно ограничения ресурсов могут стать стимулом для университетов создавать новые, более эффективные архитектуры ИИ, способные совершить следующий прорыв.
