Süni İntellekt Tədqiqatının Yenidən İxtira Edilməsi: Korporativlərin üstünlük təşkil etdiyi mənzərədə yanaşmalar
Qısaca
Togelius və Yannakakis-in məqaləsi süni intellekt üzrə akademiklərin akademik şəraitdə üzləşdiyi problemlərə dair dəyərli fikirlər təqdim edir.
Məqalədə hesablama resurslarının qıtlığı, korporativ dominantlıq və daha kiçik miqyaslı təcrübələrə ehtiyac vurğulanır.
Tədqiqatçılar diqqətini əvvəlcədən hazırlanmış modellərdən istifadə etməyə, mövcud modellərin dərin təhlilinə, gücləndirici öyrənmənin (RL) tədqiqinə, minimal yüklənmiş modellərin tədqiqinə, istifadə olunmamış və ya diqqətdən kənarda qalan sahələrin tədqiqinə və gözlənilməz metodların sınaqdan keçirilməsinə yönəlməlidir.
Onlar həmçinin etik sərhədləri keçməyi, sənayenin maraqlı tərəfləri ilə əməkdaşlıq etməyi və universitetlərarası əməkdaşlığı təşviq etməyi təklif edirlər.
Bu strategiyalar süni intellekt alimləri üçün bu çətinlikləri həll etmək və sahəyə mənalı töhfələr verməyə davam etmək üçün yol xəritəsi təklif edir.
Süni intellektin müxtəlif maraqlı tərəflərə, o cümlədən akademik süni intellekt tədqiqatçılarına təsirini qiymətləndirmək həyati əhəmiyyət kəsb edir, çünki sahə sürətlə transformasiyadan keçir. Togelius J. və Yannakakis GN tərəfindən bu yaxınlarda dərc olunmuş “Silahınızı seçin: Depressiyada olan AI Akademikləri üçün sağ qalma strategiyaları” bu sahəyə dair dərin fikir verir.
Məqalənin məzmunu nəzəri ilə məşğul olanların qarşılaşdıqları çətinlikləri araşdırır AI tədqiqatı akademik şəraitdə, başlığın oynaq povest təklifinə baxmayaraq. Tədqiqatın əsas ideyaları və nəticələri bu icmalda qısaca ümumiləşdiriləcəkdir.
1-ci hissə: AI Akademiklərinin Üzü Dilemmalar
1. Hesablama Resurslarının Qıtlığı:
Məqalədə AI akademikləri və onların korporativ AI departamentlərindəki həmkarları üçün mövcud olan hesablama resurslarında artan bərabərsizlik vurğulanır. On il əvvəl yerli hesablama qurğuları akademiyada süni intellekt tədqiqatını inkişaf etdirmək üçün kifayət edirdi. Bununla belə, müasir ssenari bir paradiqma dəyişikliyini gördü. Bu gün süni intellektdə əhəmiyyətli irəliləyişlər çox vaxt geniş hesablama gücünə və bir sıra mürəkkəb təcrübələrə əsaslanır. Təəssüf ki, bir çox akademik tədqiqatçılar bu cür resurslara kifayət qədər çıxış əldə edə bilmirlər.
2. Korporativ Dominantlığın Çətinliyi:
Elmi tədqiqatlar dünyasında rəqabət anlayışı güclənib. İdeal olaraq, elmi eksperimentlər hər bir töhfə verənə lazımi tanınma ilə birgə səyləri təmsil edərdi. Bununla belə, korporativ səltənətin artan təsiri bu kooperativ ruhunu bir qədər kölgədə qoydu. Korporasiyalar süni intellektlə bağlı tədqiqatlara böyük sərmayələr yönəltdikdə, onlar perspektivli ideyaların inkişafında üstünlük təşkil edir və çox vaxt orijinal akademik töhfə verənləri kənara qoyurlar. Qəzet bu vəziyyətlə Walmart kimi meqa-pərakəndəçinin yerli ailə mağazasının yanında yerləşərək biznesinə kölgə salması fenomeni arasında paralellik yaradır.
Yuxarıda qeyd olunan problemlər, Togelius və Yannakakis tərəfindən vurğulandığı kimi, AI akademikləri üçün narahat bir mənzərəni təsvir edir. Şərait müəyyən dərəcədə məyusluğa səbəb olub, karyeralarını bu sahənin inkişafına həsr etmiş tədqiqatçıların mənəviyyatına və məhsuldarlığına təsir edib.
Tədqiqat təkcə problemləri müəyyən etmir; o, həmçinin bu problemlərin ağır yükünü hiss edən akademiyada olanlar üçün sağ qalma strategiyaları təqdim edir. Aşağıdakı sonrakı təhlil müəlliflər tərəfindən təklif olunan potensial həlləri daha dərindən araşdıracaq və süni intellekt alimlərinə bu inkişaf edən ərazini idarə etmək üçün maddi yollar təklif etmək məqsədi daşıyır.
| əlaqədar: Mustafa Süleyman Zəif AI və AGI arasındakı uçurumu aradan qaldırmaq üçün ACI yanaşmasını təklif edir |
2-ci Hissə: Problemlərin Naviqasiyası üçün Strategiyalar
1. Alternativ Nəşr Prospektlərinə Seçim:
Tədqiqatçılara texniki aspektləri təkmilləşdirməyə və daha geniş mövzular daxilində niş sualları araşdırmağa diqqət yetirərək, daha az yüksək profilli jurnallarda dərc etməyi düşünmək tövsiyə olunur.
2. Hesablama Resurslarının prioritetləşdirilməsi:
Tədqiqat qrantlarının əhəmiyyətli hissəsinin hesablama resursları üçün ayrılmasına diqqət yetirilir. Bununla belə, qeyd olunur ki, korporativ səylərlə bərabər qabaqcıl təcrübələr keçirmək üçün hətta böyük qrantlar kifayət etməyə bilər.
3. Daha kiçik miqyaslı təcrübələrə diqqət yetirmək:
Tədqiqatçılar nəzəri irəliləyişləri təsdiqləmək üçün onlardan istifadə edərək, səylərini daha qısa problemlər üzərində cəmləşdirə bilərlər. Bir neçə kağız, məsələn, tərəfindən Shafiullah və b. (2022) və Pearce et al. (2023), bu yanaşmadan uğurla istifadə etdi. Baxmayaraq ki, bu üsullar ilkin olaraq məhdud diqqəti cəlb edə bilər, lakin daha böyük verilənlər bazasında sınaqdan keçirildikdən sonra onların aktuallığı arta bilər.
4. Əvvəlcədən hazırlanmış modellərdən istifadə:
Sıfırdan başlamaq əvəzinə, əvvəlcədən hazırlanmış istifadə modellər tədqiqat prosesini sürətləndirə bilər, baxmayaraq ki, bəzən tapıntıların dərinliyini məhdudlaşdıra bilər.
5. Mövcud Modellərin dərin təhlili:
Tədqiqatçılar Yalnız yeni modellərin yaradılmasına diqqət yetirməkdənsə, mövcud modellərin incəliklərini araşdırmaq tövsiyə olunur.
6. Kəşfiyyat Gücləndirmə öyrənmə (RL):
RL dəyərli bir vasitə kimi təklif olunur, xüsusən də geniş məlumat dəstlərinə çox etibar etmədiyi üçün. Bununla belə, ambisiya ilə fizibiliteyi balanslaşdırmaq vacibdir.
7. Minimum yüklənmiş modellərin tədqiqi:
Məqalə, nümunə kimi Bayes metodlarına istinad edərək, minimal yüklənmiş modellərdən və məhdud verilənlər bazasından istifadə edərək nəticə çıxarmağın artan əhəmiyyətini vurğulayır.
8. İstifadə edilməmiş və ya baxımsız qalan ərazilərin tədqiqi:
Tədqiqatçılar hazırda sənaye tərəfindən nəzərdən qaçırılan mövzuları araşdıra və ya əvvəllər tərk edilmiş metodologiyaları canlandıra bilər. Bu yanaşma əhəmiyyətli diqqəti cəlb etməzdən əvvəl bir fürsət pəncərəsi təklif edə bilər.
9. Gözlənilməz üsullarla sınaq:
Tədqiqatçılar intuitiv görünən metodları sınaqdan keçirməklə status-kvonu etiraz etməyə dəvət olunurlar.
10. Etik Sərhədlərdə Naviqasiya:
Korporasiyalar etik qaydalar və reputasiya mülahizələri ilə məhdudlaşdırıla bilsələr də, akademiklər bir az daha geniş imkanlara malikdirlər. Müəlliflər mübahisəli sayıla biləcək mövzuları araşdırmağı təklif edirlər, lakin bunlara əməl etməyin vacibliyini vurğulayırlar. hüquqi qaydalar.
11. Sənaye ilə əməkdaşlıq:
Sənaye maraqlı tərəfləri ilə tərəfdaşlıqların qurulması maliyyə təmin edə bilər və potensial olaraq startapların başlanmasına səbəb ola bilər. Bununla belə, tədqiqatın praktik tətbiqlərlə uyğunlaşdırılması vacibdir.
12. Universitetlərarası əməkdaşlığın təşviqi:
Universitetlər arasında körpülərin qurulması əməkdaşlıq mühitini inkişaf etdirə bilər, baxmayaraq ki, dərhal faydalar çətin görünə bilər.
tərəfindən təsvir edilən strategiyalar Togelius və Yannakakis (2023) cari çağırışları idarə edən AI akademikləri üçün yol xəritəsini təmsil edir. Süni intellekt akademiyasının gələcəyi qeyri-müəyyən qalsa da, bu təlimatlar sahəyə mənalı töhfələr verməyə davam etmək üçün yollar təklif edir. Bu seriyanın sonrakı məqalələri bu tövsiyələrin nəticələrini və onların potensial uzunmüddətli təsirlərini daha da araşdıracaq.
AI haqqında daha çox oxuyun:
Məsuliyyətdən imtina
uyğun olaraq Güvən Layihəsi qaydaları, lütfən nəzərə alın ki, bu səhifədə təqdim olunan məlumat hüquqi, vergi, investisiya, maliyyə və ya hər hansı digər məsləhət forması kimi təfsir edilməməlidir və təfsir edilməməlidir. Yalnız itirə biləcəyiniz şeyə investisiya qoymaq və hər hansı bir şübhəniz varsa, müstəqil maliyyə məsləhətləri axtarmaq vacibdir. Əlavə məlumat üçün biz emitent və ya reklamçı tərəfindən təmin edilən şərtlər və şərtlərə, həmçinin yardım və dəstək səhifələrinə müraciət etməyi təklif edirik. MetaversePost dəqiq, qərəzsiz hesabat verməyə sadiqdir, lakin bazar şərtləri xəbərdarlıq edilmədən dəyişdirilə bilər.
Müəllif haqqında
Damir komanda rəhbəri, məhsul meneceri və redaktordur Metaverse Post, AI/ML, AGI, LLMs, Metaverse və kimi mövzuları əhatə edir Web3- əlaqəli sahələr. Onun məqalələri hər ay bir milyondan çox istifadəçinin kütləsini cəlb edir. O, SEO və rəqəmsal marketinq sahəsində 10 illik təcrübəyə malik mütəxəssis kimi görünür. Damirin adı Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto və digər nəşrlər. O, rəqəmsal köçəri kimi BƏƏ, Türkiyə, Rusiya və MDB arasında səyahət edir. Damir fizika üzrə bakalavr dərəcəsi qazandı və onun fikrincə, bu, ona internetin daim dəyişən mənzərəsində uğur qazanmaq üçün lazım olan tənqidi düşünmə bacarıqlarını verdi.
Ətraflı məqalələr
Damir komanda rəhbəri, məhsul meneceri və redaktordur Metaverse Post, AI/ML, AGI, LLMs, Metaverse və kimi mövzuları əhatə edir Web3- əlaqəli sahələr. Onun məqalələri hər ay bir milyondan çox istifadəçinin kütləsini cəlb edir. O, SEO və rəqəmsal marketinq sahəsində 10 illik təcrübəyə malik mütəxəssis kimi görünür. Damirin adı Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto və digər nəşrlər. O, rəqəmsal köçəri kimi BƏƏ, Türkiyə, Rusiya və MDB arasında səyahət edir. Damir fizika üzrə bakalavr dərəcəsi qazandı və onun fikrincə, bu, ona internetin daim dəyişən mənzərəsində uğur qazanmaq üçün lazım olan tənqidi düşünmə bacarıqlarını verdi.
