Reinventant la investigació en IA: enfocaments en un paisatge dominat per les empreses
En breu
L'article de Togelius i Yannakakis ofereix informació valuosa sobre els reptes als quals s'enfronten els acadèmics d'IA en entorns acadèmics.
L'article destaca l'escassetat de recursos informàtics, el domini empresarial i la necessitat d'experiments a menor escala.
Els investigadors haurien de centrar-se en l'aprofitament de models prèviament entrenats, l'anàlisi en profunditat dels models existents, l'exploració de l'aprenentatge de reforç (RL), la investigació de models de càrrega mínima, l'exploració d'àrees no explotades o descuidades i la prova de mètodes inesperats.
També suggereixen navegar pels límits ètics, col·laborar amb les parts interessades del sector i promoure col·laboracions interuniversitaries.
Aquestes estratègies ofereixen un full de ruta perquè els acadèmics d'IA puguin navegar per aquests reptes i continuar fent contribucions significatives al camp.
És vital avaluar l'impacte de la IA en les diferents parts interessades, inclosos els investigadors acadèmics d'IA, ja que el camp està experimentant una ràpida transformació. Un article recent de Togelius J. i Yannakakis GN titulat “Tria la teva arma: estratègies de supervivència per a acadèmics d'IA deprimits” ofereix una visió profunda d'aquesta àrea.
| connex: L'enigma de l'especisme: anàlisi de la intel·ligència humana en relació amb els gats i la IA |
El contingut de l'article explora les dificultats a les quals s'enfronten els que es dediquen a la teoria Investigació en IA en entorns acadèmics, malgrat el suggeriment narratiu lúdic del títol. Les idees i conclusions principals de l'estudi es resumiran breument en aquesta revisió.
Part 1: Els dilemes als quals s'enfronten els acadèmics de l'IA
1. Escassetat de recursos informàtics:
L'article subratlla la creixent disparitat en els recursos informàtics disponibles per als acadèmics d'IA i els seus homòlegs als departaments corporatius d'IA. Fa una dècada, les configuracions computacionals locals eren suficients per avançar en la investigació de la IA a l'àmbit acadèmic. Tanmateix, l'escenari contemporani ha vist un canvi de paradigma. Els avenços significatius de la IA avui sovint depenen d'una gran potència computacional i d'una sèrie d'experiments elaborats. Malauradament, molts investigadors acadèmics es troben sense un accés adequat a aquests recursos.
2. El repte del domini corporatiu:
El concepte de competència en el món de la recerca científica s'ha intensificat. Idealment, els experiments científics representarien esforços col·laboratius, amb el degut reconeixement a tots els col·laboradors. No obstant això, la creixent influència de l'àmbit corporatiu ha eclipsat una mica aquest esperit cooperatiu. Quan les corporacions canalitzen inversions substancials en investigació en IA, tendeixen a dominar el desenvolupament d'idees prometedores, sovint deixant de banda els col·laboradors acadèmics originals. El document fa un paral·lelisme entre aquesta situació i el fenomen en què un mega-venda com Walmart s'estableix a prop d'una botiga familiar local, eclipsant el seu negoci.
Els reptes esmentats anteriorment, tal com van destacar Togelius i Yannakakis, representen un panorama preocupant per als acadèmics d'IA. Les condicions han provocat un cert grau de desil·lusió, impactant en la moral i la productivitat dels investigadors que han dedicat la seva carrera a avançar en el camp.
L'estudi no només identifica problemes; també ofereix estratègies de supervivència per a aquells que en l'àmbit acadèmic se senten el pes d'aquests reptes. Una anàlisi posterior a continuació aprofundirà en les possibles solucions proposades pels autors, amb l'objectiu d'oferir als acadèmics d'IA camins tangibles per navegar per aquest terreny en evolució.
Part 2: Estratègies per afrontar els reptes
1. Optar per vies alternatives de publicació:
Es recomana als investigadors que considerin la possibilitat de publicar en revistes de menys prestigi, centrant-se a perfeccionar els aspectes tècnics i explorar qüestions de nínxol dins de temes més amplis.
2. Prioritzar els recursos informàtics:
Es posa èmfasi en l'assignació d'una part important de les beques de recerca per als recursos computacionals. No obstant això, s'observa que fins i tot les subvencions substancials poden no ser suficients per dur a terme experiments avançats a la par dels esforços corporatius.
3. Centrant-se en experiments a menor escala:
Els investigadors poden centrar els seus esforços en problemes més concisos, utilitzant-los per validar els avenços teòrics. Diversos papers, com els de Shafiullah et al. (2022) i Pearce et al. (2023), va utilitzar amb èxit aquest enfocament. Tot i que aquests mètodes poden rebre inicialment una atenció limitada, la seva rellevància pot créixer un cop provats en conjunts de dades més grans.
4. Aprofitament de models prèviament entrenats:
En lloc de començar des de zero, utilitzeu preentrenats models poden accelerar el procés de recerca, tot i que de vegades pot limitar la profunditat de les troballes.
5. Anàlisi en profunditat dels models existents:
Investigadors se'ls anima a aprofundir en les complexitats dels models actuals en lloc de centrar-se exclusivament en crear-ne de nous.
6. Explorant Aprenentatge de reforç (RL):
RL es proposa com una eina valuosa, sobretot perquè no es basa en gran mesura en conjunts de dades extensos. Tanmateix, és essencial equilibrar l'ambició amb la viabilitat.
7. Investigació de models de càrrega mínima:
El document destaca la importància creixent de treure conclusions utilitzant models de càrrega mínima i un conjunt de dades limitat, fent referència a mètodes bayesians com a exemple.
8. Explorant zones sense explotar o desateses:
Els investigadors podrien aprofundir en temes que actualment la indústria passa per alt o reviure metodologies abans abandonades. Aquest enfocament pot oferir una finestra d'oportunitat abans de cridar una atenció significativa.
9. Experimentant amb mètodes inesperats:
Es demana als investigadors que desafiin l'statu quo provant mètodes que semblen contraris a la intuïció.
10. Navegant pels límits ètics:
Tot i que les corporacions poden estar restringides per directrius ètiques i consideracions de reputació, els acadèmics tenen una mica més de marge. Els autors suggereixen explorar temes que es puguin considerar controvertits, però subratllen la importància de complir amb normativa legal.
11. Col·laboració amb la indústria:
Establir associacions amb les parts interessades de la indústria podria proporcionar finançament i, potencialment, conduir a la creació de noves empreses. Tanmateix, és essencial que la investigació s'alinei amb les aplicacions pràctiques.
12. Foment de les col·laboracions interuniversitaries:
Construir ponts entre universitats pot fomentar un entorn de col·laboració, tot i que els beneficis immediats poden semblar esquius.
Les estratègies descrites per Togelius i Yannakakis (2023) representen un full de ruta per als acadèmics d'IA que naveguen pels reptes actuals. Tot i que el futur de l'acadèmia d'IA segueix sent incert, aquestes directrius ofereixen vies per continuar fent contribucions significatives al camp. Els articles posteriors d'aquesta sèrie aprofundiran en les implicacions d'aquestes recomanacions i el seu impacte potencial a llarg termini.
Llegeix més sobre AI:
renúncia
En línia amb la Directrius del projecte Trust, si us plau, tingueu en compte que la informació proporcionada en aquesta pàgina no pretén ni s'ha d'interpretar com a assessorament legal, fiscal, d'inversió, financer o de cap altra forma. És important invertir només el que et pots permetre perdre i buscar assessorament financer independent si tens dubtes. Per obtenir més informació, us suggerim que feu referència als termes i condicions, així com a les pàgines d'ajuda i assistència proporcionades per l'emissor o l'anunciant. MetaversePost es compromet a fer informes precisos i imparcials, però les condicions del mercat estan subjectes a canvis sense previ avís.
About The Autor
Damir és el líder d'equip, cap de producte i editor de Metaverse Post, que cobreix temes com AI/ML, AGI, LLMs, Metaverse i Web3-camps relacionats. Els seus articles atrauen una audiència massiva de més d'un milió d'usuaris cada mes. Sembla ser un expert amb 10 anys d'experiència en SEO i màrqueting digital. Damir ha estat esmentat a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i altres publicacions. Viatja entre els Emirats Àrabs Units, Turquia, Rússia i la CEI com a nòmada digital. Damir va obtenir una llicenciatura en física, que creu que li ha donat les habilitats de pensament crític necessàries per tenir èxit en el paisatge en constant canvi d'Internet.
més articles
Damir és el líder d'equip, cap de producte i editor de Metaverse Post, que cobreix temes com AI/ML, AGI, LLMs, Metaverse i Web3-camps relacionats. Els seus articles atrauen una audiència massiva de més d'un milió d'usuaris cada mes. Sembla ser un expert amb 10 anys d'experiència en SEO i màrqueting digital. Damir ha estat esmentat a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto i altres publicacions. Viatja entre els Emirats Àrabs Units, Turquia, Rússia i la CEI com a nòmada digital. Damir va obtenir una llicenciatura en física, que creu que li ha donat les habilitats de pensament crític necessàries per tenir èxit en el paisatge en constant canvi d'Internet.
