Este o perioadă ciudată pentru cercetătorii universitari de AI, care formează majoritatea grupului AI2050. În ultimii patru ani, cercetarea în AI s-a reorientat în jurul modelelor de limbaj la scară largă (LLM-uri), iar frontiera a trecut de la instituțiile academice la companiile private. Universitățile pur și simplu nu își permit GPU-urile necesare pentru a antrena și rula modele de ultimă generație, iar chiar dacă și le-ar permite, Anthropic și OpenAI nu lasă pe nimeni să vadă detaliile interne ale lui Claude sau ChatGPT. Într-o conversație la prânz, Nika Haghtalab, profesor de informatică la UC Berkeley, a spus că a fi academician în domeniul AI în zilele noastre este ca și cum ai fi biolog într-o lume în care companiile private au control exclusiv asupra instrumentului de editare genetică CRISPR. Experții din afara laboratoarelor de frontieră pot studia comportamentul lui ChatGPT și Claude, dar nu pot face cercetări detaliate asupra designului și antrenării acestor instrumente, nici nu pot direcționa acest design sau antrenament.
Programul AI2050 oferă fellows o finanțare pe care o pot folosi pentru a cumpăra GPU-uri, ceea ce unii cercetători au menționat ca fiind un beneficiu major al participării. Dar banii rămân o preocupare stringentă, mai ales având în vedere reducerea finanțării științifice federale în Statele Unite. Chiar și pentru cercetătorii care nu rulează modele locale, costul interogării repetate a modelelor OpenAI, Anthropic și Google pentru a le studia riguros poate fi prohibitiv. În loc să se concentreze pe avansarea capacităților, mulți fellows își îndreaptă atenția către întrebări care este puțin probabil să fie abordate de Anthropic sau OpenAI. „Încerc să nu lucrez la probleme care cred că vor fi rezolvate de o companie tech”, spune Anjalie Field, profesor de informatică la Johns Hopkins. Companiile trebuie să facă bani, iar întrebările de cercetare care au puține promisiuni de profit s-ar putea să nu merite investiția – mai ales dacă răspunsurile lor ar putea face companiile să arate rău. Recent, de exemplu, Field a realizat un studiu în care a descoperit că modelele de limbaj oferă răspunsuri mai puțin sofisticate la solicitările formulate în moduri mai frecvent utilizate de femei decât de bărbați. Este greu de imaginat că un astfel de studiu ar putea veni din partea Anthropic sau OpenAI.
Există, de asemenea, un grup uriaș de academicieni în AI care nu lucrează deloc cu LLM-uri. Mulți dintre ei sunt oameni de știință care construiesc modele specializate de AI capabile să analizeze date, să facă predicții utile sau chiar să simuleze sisteme fizice întregi. Acești cercetători nu concurează neapărat cu laboratoarele de frontieră – echipa AlphaFold de la Google DeepMind, care a construit un model câștigător al Premiului Nobel pentru predicția structurilor proteinelor, a fost desființată luna trecută. Dar se confruntă cu propriile provocări. La reuniune, mai mulți au exprimat îngrijorări cu privire la modul în care ignoranța larg răspândită față de AI non-LLM le afectează munca. Cercetătorii care construiesc instrumente specializate de AI pentru a ajuta la abordarea schimbărilor climatice, de exemplu, se luptă uneori să își susțină munca atunci când atât de mulți oameni cred că „AI” înseamnă „LLM-uri care consumă multă energie”.
Toate aceste provocări schimbă peisajul academic: mai mulți academicieni proeminenți și-au luat recent concediu de la universități pentru a se alătura laboratoarelor de frontieră, iar mulți fellows AI2050 dețin poziții în industrie pe lângă locurile de muncă academice. Și în ultimele șase luni, a apărut o altă amenințare. Modelele OpenAI au rezolvat o serie de probleme reale de cercetare în matematică, iar unii experți se tem că oamenii ar putea să nu aibă un viitor în matematica pură. Un fellow cu care am vorbit a spus că este îngrijorată de sănătatea mentală a colegilor săi matematicieni.
Dar nu totul este sumbru. Pentru început, știința empirică s-ar putea dovedi mult mai dificil de automatizat decât matematica, deoarece colectarea datelor este un proces intrinsec lent. Și unii cercetători văd matematicienii și oamenii de știință AI ca pe un avantaj, nu ca pe o amenințare – inclusiv Tim Dettmers, informatician la Carnegie Mellon, care lucrează pentru a face modelele AI mai rapide și mai ieftine de rulat. Oamenii de știință AI nu vor înlocui oamenii, spune Dettmers. Dimpotrivă, ei ar putea face oamenii de știință mult mai eficienți, astfel încât el și colegii săi să aibă șansa de a urmări toate ideile sălbatice și inspirate pe care altfel nu ar fi apucat să le exploreze. Și oamenii de știință sunt o specie rezistentă. Chiar constrângerile de resurse care îi împiedică să antreneze modele de frontieră îi împing să descopere noi modalități de a face modelele mai mici și mai eficiente sau să exploreze arhitecturi complet noi. Dacă următoarea mare descoperire în AI nu vine de la o companie majoră, ci de la un laborator academic neînfricat, nu voi fi surprins.
De ce este important:
Această analiză evidențiază o schimbare fundamentală în ecosistemul cercetării AI: trecerea de la universități la corporații. Aceasta are implicații profunde pentru transparență, accesibilitate și direcția inovației. Dacă cercetătorii academici nu pot accesa modelele de frontieră sau nu își permit resursele necesare, riscăm să pierdem perspective critice și cercetări independente care țin companiile la răspundere. În plus, concentrarea pe LLM-uri umbrește alte domenii importante ale AI, cum ar fi modelele specializate pentru știință. Înțelegerea acestor provocări este esențială pentru a modela politici publice și strategii de finanțare care să sprijine cercetarea academică și să asigure că beneficiile AI sunt distribuite echitabil.
