पिछले चार वर्षों में, एआई अनुसंधान में गुरुत्वाकर्षण का केंद्र विश्वविद्यालय प्रयोगशालाओं से निजी कंपनियों में स्थानांतरित हो गया है। वैज्ञानिक जो हाल ही में अब खुद को उद्योग के साथ कैच-अप खेलने तक रुझान स्थापित कर रहे थे। श्मिट साइंस AI2050 प्रोग्राम की हाल की बैठक में - एरिक और वेंडी श्मिट द्वारा एक पहल जो अकादमिक शोधकर्ताओं का समर्थन करती है - प्रोफेसरों ने चर्चा की कि नए परिदृश्य में कैसे जीवित रहें।
क्यों अत्याधुनिक विश्वविद्यालयों छोड़ दिया
मुख्य कारण पैसे और उपकरण तक पहुंच है। विश्वविद्यालयों को बड़ी भाषा मॉडलों को प्रशिक्षित करने या सबसे उन्नत प्रणालियों को चलाने के लिए GPUs को बर्दाश्त नहीं किया जा सकता है, जबकि निजी प्रयोगशालाएं अपने उत्पादों के आंतरिक कार्यों को प्रकट करने के लिए कोई जल्दी नहीं हैं। UC Berkeley से प्रोफेसर Nika Haghtalab एक जीवविज्ञानी जो CRISPR पर विशेष नियंत्रण निजी फर्मों द्वारा दूर ले जाया गया था की स्थिति की तुलना: आप घटना का अध्ययन कर सकते हैं, लेकिन आप उपकरण को छू नहीं सकते।
तो क्या परिणाम है? विशेषज्ञों के बाहर बड़े मॉडल के व्यवहार का निरीक्षण कर सकते हैं, लेकिन वे यह नहीं देख सकते कि वे कैसे बनाए गए हैं या उन्हें किस तरह प्रशिक्षित किया गया था, अकेले अपने विकास को प्रभावित करते हैं। कठोर विश्लेषण के लिए अनुरोध भी एक खड़ी कीमत पर आते हैं: ओपनएआई, एंथ्रोपिक और गूगल के एपीआई को एक औसत विभाग का बजट उड़ाते हैं। और अमेरिका में विज्ञान के लिए संघीय वित्त पोषण सिकुड़ रहा है, जिससे समस्या तेजी से तीव्र हो जाती है।
उत्तरजीविता रणनीति: आप जीत सकते हैं युद्धों का चयन करें
कई शोधकर्ता जानबूझकर उन विषयों से दूर हो जाते हैं जो तकनीकी निगमों को ब्याज दे सकते हैं। जॉन्स हॉपकिन्स के प्रोफेसर अंजलि फील्ड ने उन कार्यों को नहीं लेने की कोशिश की जो एक कंपनी अपने संसाधनों के साथ बंद हो जाएगी। आखिरकार, व्यापार केवल वही निवेश करता है जो लाभ उत्पन्न करता है, जबकि प्रश्न जो एक निगम को एक प्रतिकूल प्रकाश में डाल सकते हैं, बिना कपड़े उतार सकते हैं। उदाहरण के लिए, फील्ड ने दिखाया है कि भाषा मॉडल महिलाओं को आम तौर पर बोलने के तरीके को वाक्यांश में प्रश्नों के लिए कम विस्तृत और जटिल प्रतिक्रिया देते हैं।
उन लोगों के लिए जो गहरी खुदाई करना चाहते हैं, एक और पथ है - एआई 2050 जैसे कार्यक्रमों में भाग लेना। वे जीपीयू खरीदने के लिए अनुदान प्रदान करते हैं, और साथी के अनुसार, यह यकीनन इस तरह के समर्थन का सबसे बड़ा मूल्य है। अन्य शोधकर्ता उन विषयों पर ध्यान केंद्रित करते हैं जो रुचि तकनीकी दिग्गजों की संभावना नहीं हैं - इस तरह, वे अकादमिक स्वतंत्रता को बनाए रख सकते हैं।
विज्ञान जो एलएलएम प्रवृत्ति को फिट नहीं करता है
सभी शैक्षणिक समूह बड़ी भाषा के मॉडल के साथ काम नहीं करते हैं। कुछ वैज्ञानिक डेटा विश्लेषण, पूर्वानुमान और भौतिक प्रक्रियाओं का अनुकरण करने के लिए विशेष एआई सिस्टम का निर्माण करते हैं - उदाहरण के लिए, जलवायु परिवर्तन समस्याओं को संबोधित करने के लिए। यह अपनी चुनौतियों के साथ आता है: सामान्य सार्वजनिक सोच "AI" ऊर्जा भूखे chatbots के रूप में, और वास्तविक वैज्ञानिक उपकरण को बहुत कुछ समझाने की आवश्यकता होती है। अल्फाफोल्ड का भाग्य बता रहा है: गूगल डीपमिन्ड टीम जिसने प्रोटीन भविष्यवाणी के लिए नोबेल विजेता मॉडल बनाया था, को पिछले महीने में खारिज कर दिया गया था। यह एक संकेत है कि सफल वैज्ञानिक परियोजनाएं कॉर्पोरेट लॉजिक के प्रति प्रतिरक्षा नहीं हैं।
भविष्य: कम निराशावाद, अधिक दक्षता
वहाँ भी परेशान संकेत हैं। पिछले छह महीनों में, ओपनएआई के मॉडल ने गणित में कई वास्तविक अनुसंधान समस्याओं का सामना किया है - स्पार्किंग डर है कि मनुष्य को जल्द ही शुद्ध गणित में छोड़ा नहीं जाएगा। एक साथी ने गणितीय सहयोगियों के बीच मानसिक स्वास्थ्य संघर्ष का उल्लेख किया। लेकिन अनुभवजन्य विज्ञान कहीं अधिक लचीला हैं: डेटा संग्रह स्वाभाविक रूप से धीमा है, इसलिए पूरी तरह से स्वचालित रूप से निकट भविष्य में इसकी संभावना नहीं है। इसके अलावा, कई प्रमुख शिक्षाविदों ने हाल ही में अपने विश्वविद्यालयों से अत्याधुनिक प्रयोगशालाओं में शामिल होने के लिए छुट्टी ली है, और कई एआई 2050 साथी उद्योग में काम के साथ शैक्षणिक पदों को जोड़ते हैं। विज्ञान का परिदृश्य हमारी आँखों से पहले बदल रहा है।
Tim Dettmers from Carnegie Mellon. वह मॉडल तैनाती को सस्ता बनाने पर काम करता है और मानता है कि एआई वैज्ञानिक मनुष्यों को प्रतिस्थापित नहीं करेंगे बल्कि उन्हें काफी अधिक उत्पादक बना देंगे। सीमित संसाधन केवल एक अभिशाप नहीं हैं: कंप्यूटिंग पावर की कमी अधिक कुशल आर्किटेक्चर और कॉम्पैक्ट मॉडल खोजने की ओर धकेलती है। शायद यह इन बाधाओं से ठीक है कि अगले बड़ी सफलता उभरेगी।
