إعادة اختراع أبحاث الذكاء الاصطناعي: مناهج في مشهد تهيمن عليه الشركات
في سطور
تقدم المقالة التي كتبها Togelius و Yannakakis رؤى قيمة حول التحديات التي يواجهها أكاديميون الذكاء الاصطناعي في الأوساط الأكاديمية.
يسلط المقال الضوء على ندرة موارد الحوسبة وهيمنة الشركات والحاجة إلى تجارب على نطاق أصغر.
يجب أن يركز الباحثون على الاستفادة من النماذج المدربة مسبقًا ، والتحليل المتعمق للنماذج الحالية ، واستكشاف التعلم المعزز (RL) ، والتحقيق في النماذج المحملة بالحد الأدنى ، واستكشاف المناطق غير المستغلة أو المهملة ، واختبار الأساليب غير المتوقعة.
يقترحون أيضًا تجاوز الحدود الأخلاقية ، والتعاون مع أصحاب المصلحة في الصناعة ، وتعزيز التعاون بين الجامعات.
تقدم هذه الاستراتيجيات خارطة طريق لأكاديميين الذكاء الاصطناعي للتغلب على هذه التحديات ومواصلة تقديم مساهمات ذات مغزى في هذا المجال.
من الأهمية بمكان تقييم تأثير الذكاء الاصطناعي على مختلف أصحاب المصلحة ، بما في ذلك باحثو الذكاء الاصطناعي الأكاديمي ، حيث يمر المجال بتحول سريع. مقال حديث بقلم Togelius J. and Yannakakis GN بعنوان "اختر سلاحك: استراتيجيات البقاء على قيد الحياة لأكاديميين الذكاء الاصطناعي المكتئبين"يوفر نظرة عميقة في هذا المجال.
يستكشف محتوى الورقة الصعوبات التي يواجهها المنخرطون في النظرية أبحاث الذكاء الاصطناعي في الأوساط الأكاديمية ، على الرغم من الاقتراح السردي المرعب للعنوان. سيتم تلخيص الأفكار والاستنتاجات الرئيسية للدراسة بإيجاز في هذه المراجعة.
الجزء 1: مواجهة معضلات الذكاء الاصطناعي
1. ندرة موارد الحوسبة:
تؤكد المقالة على التفاوت المتزايد في موارد الحوسبة المتاحة لأكاديميين الذكاء الاصطناعي ونظرائهم في أقسام الذكاء الاصطناعي للشركات. قبل عقد من الزمن ، كانت الأجهزة الحسابية المحلية كافية للنهوض بأبحاث الذكاء الاصطناعي في الأوساط الأكاديمية. ومع ذلك ، فقد شهد السيناريو المعاصر نقلة نوعية. غالبًا ما تعتمد التطورات الكبيرة في الذكاء الاصطناعي اليوم على قوة حسابية واسعة وسلسلة من التجارب التفصيلية. لسوء الحظ ، يجد العديد من الباحثين الأكاديميين أنفسهم بدون وصول كافٍ إلى هذه الموارد.
2. تحدي هيمنة الشركات:
تم تكثيف مفهوم المنافسة في عالم البحث العلمي. من الناحية المثالية ، قد تمثل التجارب العلمية مساعي تعاونية ، مع الاعتراف الواجب بكل مساهم. ومع ذلك ، فإن التأثير المتزايد لمجال الشركات قد طغى إلى حد ما على هذه الروح التعاونية. عندما توجه الشركات استثمارات كبيرة في أبحاث الذكاء الاصطناعي ، فإنها تميل إلى الهيمنة على تطوير الأفكار الواعدة ، وغالبًا ما تهمش المساهمين الأكاديميين الأصليين. تقارن الورقة بين هذا الوضع والظاهرة حيث يقوم بائع تجزئة ضخم مثل Walmart بتأسيس نفسه بالقرب من متجر عائلي محلي ، مما يلقي بظلاله على أعماله.
التحديات المذكورة أعلاه ، كما أبرزها توجيليوس وياناكاكيس ، تصور مشهدًا مقلقًا لأكاديميين الذكاء الاصطناعي. أدت الظروف إلى درجة معينة من خيبة الأمل ، مما أثر على الروح المعنوية والإنتاجية للباحثين الذين كرسوا حياتهم المهنية لتعزيز هذا المجال.
الدراسة لا تحدد المشاكل فقط. كما أنه يوفر استراتيجيات البقاء لأولئك في الأوساط الأكاديمية الذين يعانون من وطأة هذه التحديات. سوف يتعمق التحليل اللاحق أدناه بشكل أعمق في الحلول المحتملة التي اقترحها المؤلفون ، بهدف تقديم مسارات ملموسة لأكاديميين الذكاء الاصطناعي للتنقل في هذه التضاريس المتطورة.
| مقالات ذات صلة: يقترح مصطفى سليمان نهج ACI لسد الفجوة بين الذكاء الاصطناعي الضعيف والذكاء الاصطناعي العام |
الجزء الثاني: إستراتيجيات الإبحار في التحديات
1. اختيار طرق النشر البديلة:
يُنصح الباحثون بالنظر في النشر في مجلات أقل شهرة ، مع التركيز على تحسين الجوانب التقنية واستكشاف الأسئلة المتخصصة ضمن موضوعات أوسع.
2. تحديد أولويات موارد الحوسبة:
يتم التركيز على تخصيص جزء كبير من المنح البحثية للموارد الحسابية. ومع ذلك ، فقد لوحظ أنه حتى المنح الكبيرة قد لا تكون كافية لإجراء تجارب متقدمة على قدم المساواة مع مساعي الشركات.
3. التركيز على التجارب ذات النطاق الأصغر:
يمكن للباحثين تركيز جهودهم على مشاكل أكثر إيجازًا ، واستخدامها للتحقق من صحة التقدم النظري. عدة أوراق ، مثل تلك التي كتبها شفي الله وآخرون (2022) و بيرس وآخرون (2023)، نجح في توظيف هذا النهج. على الرغم من أن هذه الأساليب قد تحظى باهتمام محدود في البداية ، إلا أن أهميتها يمكن أن تزداد بمجرد اختبارها على مجموعات بيانات أكبر.
4. الاستفادة من النماذج سابقة التدريب:
بدلاً من البدء من الصفر ، باستخدام ما قبل التدريب يمكن للنماذج تسريع عملية البحث، على الرغم من أنه قد يحد في بعض الأحيان من عمق النتائج.
5. تحليل متعمق للنماذج الحالية:
الباحثين يتم تشجيعهم على الخوض في تعقيدات النماذج الحالية بدلاً من التركيز حصريًا على إنشاء نماذج جديدة.
6. الاستكشاف تعزيز التعلم (رل):
تم اقتراح RL كأداة قيمة ، خاصةً لأنها لا تعتمد بشكل كبير على مجموعات البيانات الشاملة. ومع ذلك ، من الضروري الموازنة بين الطموح والجدوى.
7. التحقيق في النماذج ذات الحد الأدنى من التحميل:
تسلط الورقة الضوء على الأهمية المتزايدة لاستخلاص النتائج باستخدام نماذج محملة بالحد الأدنى ومجموعة بيانات محدودة ، مع الإشارة إلى أساليب بايز كمثال.
8. استكشاف المناطق غير المستغلة أو المهملة:
يمكن للباحثين الخوض في الموضوعات التي تتجاهلها الصناعة حاليًا أو إحياء المنهجيات التي تم التخلي عنها سابقًا. قد يوفر هذا النهج فرصة سانحة قبل جذب انتباه كبير.
9. تجربة طرق غير متوقعة:
يُطلب من الباحثين تحدي الوضع الراهن من خلال اختبار طرق تبدو غير بديهية.
10. تجاوز الحدود الأخلاقية:
في حين أن الشركات قد تكون مقيدة بالإرشادات الأخلاقية واعتبارات السمعة ، إلا أن الأكاديميين لديهم مساحة أكبر قليلاً. يقترح المؤلفون استكشاف الموضوعات التي يمكن اعتبارها مثيرة للجدل ولكنها تؤكد على أهمية الالتزام بها تنظيمات قانونية.
11- التعاون مع الصناعة:
يمكن أن يؤدي إنشاء شراكات مع أصحاب المصلحة في الصناعة إلى توفير التمويل وربما يؤدي إلى بدء الشركات الناشئة. ومع ذلك ، من الضروري أن يتماشى البحث مع التطبيقات العملية.
12. تشجيع التعاون بين الجامعات:
يمكن أن يؤدي بناء الجسور بين الجامعات إلى تعزيز بيئة تعاونية ، على الرغم من أن الفوائد الفورية قد تبدو بعيدة المنال.
الاستراتيجيات التي حددها توجيليوس وياناكاكيس (2023) تمثل خارطة طريق لأكاديميين الذكاء الاصطناعي الذين يتعاملون مع التحديات الحالية. بينما لا يزال مستقبل الأوساط الأكاديمية للذكاء الاصطناعي غير مؤكد ، تقدم هذه الإرشادات مسارات لمواصلة تقديم مساهمات ذات مغزى في هذا المجال. ستزيد المقالات اللاحقة في هذه السلسلة من الخوض في الآثار المترتبة على هذه التوصيات وتأثيرها المحتمل على المدى الطويل.
اقرأ المزيد عن الذكاء الاصطناعي:
إخلاء المسئولية
تتماشى مع المبادئ التوجيهية لمشروع الثقةيرجى ملاحظة أن المعلومات المقدمة في هذه الصفحة ليس المقصود منها ولا ينبغي تفسيرها على أنها نصيحة قانونية أو ضريبية أو استثمارية أو مالية أو أي شكل آخر من أشكال المشورة. من المهم أن تستثمر فقط ما يمكنك تحمل خسارته وأن تطلب مشورة مالية مستقلة إذا كانت لديك أي شكوك. لمزيد من المعلومات، نقترح الرجوع إلى الشروط والأحكام بالإضافة إلى صفحات المساعدة والدعم المقدمة من جهة الإصدار أو المعلن. MetaversePost تلتزم بتقارير دقيقة وغير متحيزة، ولكن ظروف السوق عرضة للتغيير دون إشعار.
نبذة عن الكاتب
دامير هو قائد الفريق ومدير المنتج والمحرر في Metaverse Post، تغطي موضوعات مثل AI / ML و AGI و LLMs و Metaverse و Web3-حقول ذات صله. تجذب مقالاته جمهورًا هائلاً يزيد عن مليون مستخدم كل شهر. يبدو أنه خبير يتمتع بخبرة 10 سنوات في تحسين محركات البحث والتسويق الرقمي. تم ذكر دامير في Mashable، Wired، Cointelegraphو The New Yorker و Inside.com و Entrepreneur و BeInCrypto ومنشورات أخرى. يسافر بين الإمارات العربية المتحدة وتركيا وروسيا ورابطة الدول المستقلة كبدو رقمي. حصل دامير على درجة البكالوريوس في الفيزياء ، والذي يعتقد أنه منحه مهارات التفكير النقدي اللازمة للنجاح في المشهد المتغير باستمرار للإنترنت.
المزيد من المقالات
دامير هو قائد الفريق ومدير المنتج والمحرر في Metaverse Post، تغطي موضوعات مثل AI / ML و AGI و LLMs و Metaverse و Web3-حقول ذات صله. تجذب مقالاته جمهورًا هائلاً يزيد عن مليون مستخدم كل شهر. يبدو أنه خبير يتمتع بخبرة 10 سنوات في تحسين محركات البحث والتسويق الرقمي. تم ذكر دامير في Mashable، Wired، Cointelegraphو The New Yorker و Inside.com و Entrepreneur و BeInCrypto ومنشورات أخرى. يسافر بين الإمارات العربية المتحدة وتركيا وروسيا ورابطة الدول المستقلة كبدو رقمي. حصل دامير على درجة البكالوريوس في الفيزياء ، والذي يعتقد أنه منحه مهارات التفكير النقدي اللازمة للنجاح في المشهد المتغير باستمرار للإنترنت.
