在过去四年里,AI研究的重心已经从大学实验室转移到私营公司. 科学家们直到最近才确定趋势,现在发现自己正在赶上工业。 在施密特科学AI2050计划最近的一次会议上——埃里克和温蒂·施密特支持学术研究人员的倡议——教授们讨论了如何在新景观中生存.
为什么最前沿离开大学
主要原因是金钱和获得设备。 大学既不能用来培训大型语言模型,也不能用来运行最先进的系统,而私人实验室却不急于透露其产品的内在功能. 伯克利大学的Nika Haghtalab教授将AI学者的地位与生物学家的地位相提并论,
那结果如何? 外部专家可以观察大型模型的行为,但他们无法看清模型是如何构建的,也无法看清他们接受了什么训练,更不用说影响其发展. 要求严格分析也付出了高昂的代价:一再向OpenAI,Anthropic的API发出呼吁,Google吹掉了一个平均部门的预算. 而联邦对美国科学的资助正在减少,使得问题越来越尖锐.
生存策略:选择可以赢的战斗
许多研究者故意回避可能令技术公司感兴趣的话题。 来自约翰·霍普金斯的Anjali Field教授试图不承担一个公司可能用自己的资源关闭的任务。 毕竟,企业只投资于能产生利润的东西,而将公司置于不利境地的问题却得不到解决。 例如,实地情况表明,语言模式对妇女通常说话方式的提问作出较不详细和复杂的答复。
对于想更深入挖掘的人来说,还有另一种途径——参与AI2050等程序. 它们提供赠款用于购买全球免疫单位,据研究人员说,这可能是这种支助的最大价值。 其他研究者专注于不太可能引起科技巨头兴趣的专题——这样,他们就可以保持学术独立性.
不符合LLM趋势的科学
并非所有学术团体都与大型语言模型合作. 一些科学家建立了专门的AI系统,用于数据分析,预测,模拟物理过程——例如解决气候变化问题. 这伴随着其自身的挑战:大众认为"AI"是渴望能量的聊天机器人,真正的科学工具需要很多的解释. AlphaFold的命运说明:创建诺贝尔蛋白质预测模型的Google DeepMind团队上个月解散. 这是一个信号,即使成功的科学项目也不能不受公司逻辑的影响.
未来:减少悲观情绪,提高效率
还有令人不安的信号。 在过去的六个月里,OpenAI的模型解决了数学中几个真正的研究问题——引发了人类很快在纯数学中无处可去的恐惧. 一位研究员提到数学家同事的心理健康斗争。 但实证科学的适应力要强得多:数据收集本身就很慢,因此在最近的将来不可能完全自动化. 此外,一些著名学者最近离开其大学,加入尖端实验室,许多AI2050研究员将学术职位与工业工作结合起来。 在我们眼前,科学的面貌正在发生变化。
来自卡内基梅隆的蒂姆·迪特默斯(Tim Dettmers)不惊慌地看待着正在发生的事情. 他致力于使模型部署更便宜,并认为AI科学家不会取代人类,而是会让他们大大提高产量. 有限的资源不仅仅是一个诅咒:缺乏计算能力促使人们找到更有效的建筑和紧凑的模型。 也许正是由于这些限制,下一个重大突破将出现。
