Професорите по ИИ договарят новите реалности на академичните изследвания

Тази статия първоначално беше публикувана в The Algorithm, нашия седмичен бюлетин за изкуствения интелект. За да получавате първи подобни истории във входящата си поща, абонирайте се тук.

Миналата седмица се отправих на 30 мили южно от Сан Франциско, към хотел в Маунтин Вю, Калифорния, за да се присъединя към някои от най-утвърдените и най-обещаващите изследователи на изкуствения интелект в света. Водех интервюта на кръгла маса и говорех на медийно обучение за среща на участниците в програмата AI2050 на Schmidt Sciences — инициатива, финансирана от Ерик и Уенди Шмид, която подкрепя академични изследователи, чиято работа е свързана с изкуствения интелект. Списъкът с участници е своеобразен „кой кой е“ сред светилата на ИИ и макар че не всички успяха да стигнат до залива, всеки път, когато завивах зад ъгъл, виждах учен, когото вече бях интервюирал, или чиято работа се възхищавах. (Пълно разкритие: през 2024 г. получих награда за научна комуникация, финансирана от Schmidt Sciences.) 

За университетските изследователи на ИИ, които съставляват по-голямата част от групата AI2050, това е странен период. През последните четири години изследванията в областта на ИИ се преориентираха около големите езикови модели, а авангардът на разработките се премести от академичните институции към частните компании. Университетите просто не могат да си позволят графичните процесори, необходими за обучението и работата на най-модерните модели, а дори и да можеха, Anthropic и OpenAI не позволяват на никого другиго да види вътрешните подробности за Claude или ChatGPT.

В разговор по време на обяда Ника Хагталаб, професор по компютърни науки в Калифорнийския университет в Бъркли, каза, че да си академичен изследовател на ИИ в наши дни е като да си биолог в свят, в който частните компании имат изключителен контрол над инструмента за редактиране на гени CRISPR. Експертите извън водещите лаборатории могат да изследват как се държат ChatGPT и Claude, но не могат да провеждат подробни изследвания върху проектирането и обучението на тези инструменти, нито сами да насочват това проектиране или обучение.

 Програмата AI2050 все пак предоставя на участниците известно финансиране, което те могат да използват за закупуване на графични процесори; някои от изследователите, с които разговарях, казаха, че това е голяма полза от участието в програмата. Но парите остават наболял проблем, особено предвид съкращаването на федералното финансиране за научни изследвания в Съединените щати. Дори за изследователите, които не управляват собствени локални модели, разходите за многократно подаване на заявки към моделите на OpenAI, Anthropic и Google, за да ги изследват задълбочено, могат да бъдат непосилни.

Вместо да се съсредоточават върху развитието на възможностите, много от участниците насочват вниманието си към въпроси, на които Anthropic или OpenAI едва ли ще потърсят отговор. „Опитвам се да не работя по проблеми, които според мен ще бъдат решени от технологична компания“, казва Анжали Фийлд, професор по компютърни науки в университета „Джонс Хопкинс“. Компаниите трябва да печелят пари, а изследователските въпроси с малък потенциал за печалба може да не си струват инвестицията — особено ако отговорите им биха могли да представят компаниите в лоша светлина. Наскоро например Фийлд проведе изследване, в което установи, че езиковите модели дават по-малко сложни отговори на подканвания, формулирани по начини, които по-често се използват от жени, отколкото от мъже. Трудно е да си представим подобно изследване да излезе от Anthropic или OpenAI.

Съществува и огромна група академични изследователи в областта на ИИ, които изобщо не работят с големи езикови модели. Много от тях са учени, които създават специализирани модели на ИИ, способни да анализират данни, да правят полезни прогнози или дори да симулират цели физически системи. Тези изследователи непременно не се конкурират с водещите лаборатории — екипът на Google DeepMind, създал удостоения с Нобелова награда модел AlphaFold, който предсказва структурите на протеините, беше разпуснат миналия месец. Но те се сблъскват с множество собствени предизвикателства. На срещата няколко души изразиха опасения за това как широко разпространеното невежество относно ИИ, който не е базиран на големи езикови модели, се отразява на работата им. Например изследователите, които създават специализирани инструменти с ИИ за борба с климатичните промени, понякога се затрудняват да защитят значимостта на работата си, когато толкова много хора вярват, че „ИИ“ означава „енергоемки големи езикови модели“.

Всички тези предизвикателства променят академичната среда: няколко известни академични изследователи наскоро излязоха в отпуск от университетите си, за да се присъединят към водещи лаборатории, а много от участниците в AI2050 заемат позиции в индустрията наред с академичните си длъжности. А през последните шест месеца се появи и още една заплаха. Моделите на OpenAI решиха редица реални изследователски проблеми в математиката и някои експерти се тревожат, че хората може да нямат бъдеще в чистата математика. Една от участничките, с която разговарях, каза, че се тревожи за психичното здраве на колегите си математици.

Но не всичко е мрачно и безнадеждно. От една страна, емпиричната наука може да се окаже много по-трудна за автоматизиране от математиката, защото събирането на данни по своята същност е бавен процес. А някои изследователи виждат в математическите и научните системи с ИИ по-скоро полза, отколкото заплаха — сред тях е Тим Детмърс, компютърен учен от университета „Карнеги Мелън“, който работи за това моделите на ИИ да работят по-бързо и по-евтино. Учените с ИИ няма да заменят хората, казва Детмърс. Напротив, те биха могли да направят човешките учени много по-ефективни, така че той и колегите му да имат възможност да се заемат с всички онези смели и вдъхновяващи идеи, до които иначе може никога да не са стигнали.

А учените са издръжливи хора. Именно ограниченията в ресурсите, които не им позволяват да обучават водещи модели, ги подтикват да откриват нови начини за създаване на по-малки и по-ефективни модели или да изследват изцяло нови архитектури. Ако следващият голям пробив в ИИ дойде не от голяма компания, а от малка, амбициозна академична лаборатория, няма да се изненадам.