Réinventer la recherche sur l'IA : Approches dans un paysage dominé par les entreprises
En bref
L'article de Togelius et Yannakakis fournit des informations précieuses sur les défis auxquels sont confrontés les universitaires en IA dans les milieux universitaires.
L'article met en évidence la rareté des ressources informatiques, la domination des entreprises et la nécessité d'expériences à plus petite échelle.
Les chercheurs doivent se concentrer sur l'exploitation de modèles pré-entraînés, l'analyse approfondie des modèles existants, l'exploration de l'apprentissage par renforcement (RL), l'étude de modèles peu chargés, l'exploration de domaines inexploités ou négligés et le test de méthodes inattendues.
Ils suggèrent également de naviguer dans les limites éthiques, de collaborer avec les intervenants de l'industrie et de promouvoir les collaborations interuniversitaires.
Ces stratégies offrent une feuille de route aux universitaires en IA pour relever ces défis et continuer à apporter des contributions significatives dans le domaine.
Il est essentiel d'évaluer l'impact de l'IA sur les différentes parties prenantes, y compris les chercheurs universitaires en IA, car le domaine subit une transformation rapide. Un article récent de Togelius J. et Yannakakis GN intitulé «Choisissez votre arme : stratégies de survie pour les universitaires déprimés en IA” donne un aperçu approfondi de ce domaine.
| Services Connexes: L'énigme du spécisme : analyser l'intelligence humaine par rapport aux chats et à l'IA |
Le contenu de l'article explore les difficultés rencontrées par ceux qui sont engagés dans des études théoriques Recherche sur l'IA en milieu universitaire, malgré la suggestion narrative ludique du titre. Les principales idées et conclusions de l'étude seront brièvement résumées dans cette revue.
Partie 1 : Les dilemmes auxquels sont confrontés les universitaires en IA
1. Rareté des ressources informatiques :
L'article souligne la disparité croissante des ressources informatiques disponibles pour les universitaires en IA et leurs homologues dans les départements d'IA des entreprises. Il y a dix ans, les configurations informatiques locales suffisaient pour faire avancer la recherche sur l'IA dans le milieu universitaire. Cependant, le scénario contemporain a connu un changement de paradigme. Aujourd'hui, les progrès significatifs de l'IA reposent souvent sur une puissance de calcul étendue et une série d'expériences élaborées. Malheureusement, de nombreux chercheurs universitaires se retrouvent sans accès adéquat à ces ressources.
2. Le défi de la domination des entreprises :
La notion de concurrence dans le monde de la recherche scientifique s'est intensifiée. Idéalement, les expériences scientifiques représenteraient des efforts de collaboration, avec la reconnaissance due à chaque contributeur. Pourtant, l'influence croissante du monde de l'entreprise a quelque peu éclipsé cet esprit coopératif. Lorsque les entreprises canalisent des investissements substantiels dans la recherche sur l'IA, elles ont tendance à dominer le développement d'idées prometteuses, écartant souvent les contributeurs universitaires d'origine. Le journal établit un parallèle entre cette situation et le phénomène où un méga-détaillant comme Walmart s'installe à proximité d'un magasin familial local, éclipsant son activité.
Les défis susmentionnés, tels que soulignés par Togelius et Yannakakis, dépeignent un paysage préoccupant pour les universitaires en IA. Les conditions ont conduit à un certain degré de désillusion, affectant le moral et la productivité des chercheurs qui ont consacré leur carrière à faire avancer le domaine.
L'étude ne se contente pas d'identifier les problèmes ; il fournit également des stratégies de survie pour les universitaires qui ressentent le poids de ces défis. Une analyse ultérieure ci-dessous approfondira les solutions potentielles proposées par les auteurs, dans le but d'offrir aux universitaires de l'IA des voies tangibles pour naviguer sur ce terrain en évolution.
| Services Connexes: Mustafa Suleyman propose une approche ACI pour combler le fossé entre l'IA faible et l'AGI |
Partie 2 : Stratégies pour relever les défis
1. Opter pour des voies de publication alternatives :
Il est conseillé aux chercheurs d'envisager de publier dans des revues moins prestigieuses, en se concentrant sur le raffinement des aspects techniques et en explorant des questions de niche dans des sujets plus larges.
2. Prioriser les ressources informatiques :
L'accent est mis sur l'allocation d'une partie importante des subventions de recherche aux ressources informatiques. Cependant, il est à noter que même des subventions substantielles peuvent ne pas suffire pour mener des expériences avancées à égalité avec les efforts des entreprises.
3. Se concentrer sur des expériences à plus petite échelle :
Les chercheurs peuvent concentrer leurs efforts sur des problèmes plus concis, en les utilisant pour valider des avancées théoriques. Plusieurs articles, comme ceux de Shafiullah et coll. (2022) ainsi que Pearce et coll. (2023), ont utilisé avec succès cette approche. Bien que ces méthodes puissent initialement recevoir une attention limitée, leur pertinence peut croître une fois testées sur des ensembles de données plus importants.
4. Tirer parti des modèles pré-entraînés :
Au lieu de partir de zéro, utilisez des les modèles peuvent accélérer le processus de recherche, même si cela peut parfois limiter la profondeur des conclusions.
5. Analyse approfondie des modèles existants :
Les chercheurs sont encouragés à se plonger dans les subtilités des modèles actuels plutôt que de se concentrer exclusivement sur la création de nouveaux.
6. Explorer Apprentissage par renforcement (RL):
RL est proposé comme un outil précieux, d'autant plus qu'il ne s'appuie pas fortement sur des ensembles de données étendus. Cependant, il est essentiel d'équilibrer l'ambition avec la faisabilité.
7. Enquête sur les modèles à charge minimale :
L'article souligne l'importance croissante de tirer des conclusions à l'aide de modèles peu chargés et d'un ensemble de données limité, en citant les méthodes bayésiennes à titre d'exemple.
8. Explorer des zones inexploitées ou négligées :
Les chercheurs pourraient approfondir des sujets actuellement négligés par l'industrie ou faire revivre des méthodologies précédemment abandonnées. Cette approche peut offrir une fenêtre d'opportunité avant d'attirer une attention significative.
9. Expérimenter avec des méthodes inattendues :
Les chercheurs sont incités à remettre en question le statu quo en testant des méthodes qui semblent contre-intuitives.
10. Naviguer dans les limites éthiques :
Alors que les entreprises peuvent être limitées par des directives éthiques et des considérations de réputation, les universitaires ont un peu plus de latitude. Les auteurs suggèrent d'explorer des sujets qui pourraient être considérés comme controversés, mais soulignent l'importance de respecter dispositions légales.
11. Collaborer avec l'industrie :
L'établissement de partenariats avec des intervenants de l'industrie pourrait fournir du financement et éventuellement mener à la création d'entreprises en démarrage. Pourtant, il est essentiel que la recherche s'aligne sur les applications pratiques.
12. Promouvoir les collaborations interuniversitaires :
Construire des ponts entre les universités peut favoriser un environnement collaboratif, bien que les avantages immédiats puissent sembler insaisissables.
Les stratégies décrites par Togelius et Yannakakis (2023) représentent une feuille de route pour les universitaires en IA qui relèvent les défis actuels. Alors que l'avenir du milieu universitaire de l'IA reste incertain, ces lignes directrices offrent des voies pour continuer à apporter des contributions significatives dans le domaine. Les articles suivants de cette série approfondiront les implications de ces recommandations et leur impact potentiel à long terme.
En savoir plus sur l'IA :
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Damir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.
Plus d'articles
Damir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.
