2023 년 8 월 11 일

AI 연구 재창조: 기업이 지배하는 환경에서의 접근 방식

by 다미르 얄랄로프

게시: 11년 2023월 3일 오전 34시 11분 업데이트: 2023년 3월 35일 오전 XNUMX시 XNUMX분

by 다닐 먀킨

수정 및 사실 확인 날짜: 11년 2023월 3일 오전 34시 XNUMX분

요컨대

Togelius와 Yannakakis의 기사는 학업 환경에서 AI 학자들이 직면한 문제에 대한 귀중한 통찰력을 제공합니다.

이 기사는 컴퓨팅 리소스의 부족, 기업 지배력 및 소규모 실험의 필요성을 강조합니다.

연구원은 사전 훈련된 모델 활용, 기존 모델에 대한 심층 분석, 강화 학습(RL) 탐색, 최소 부하 모델 조사, 미개척 또는 방치 영역 탐색, 예상치 못한 방법 테스트에 집중해야 합니다.

또한 윤리적 경계를 탐색하고, 업계 이해관계자와 협력하고, 대학 간 협력을 촉진할 것을 제안합니다.

이러한 전략은 AI 학계가 이러한 과제를 탐색하고 해당 분야에 의미 있는 기여를 계속할 수 있는 로드맵을 제공합니다.

이 분야는 급속한 변화를 겪고 있기 때문에 AI가 학계 AI 연구자를 포함한 다양한 이해 관계자에게 미치는 영향을 평가하는 것이 중요합니다. Togelius J.와 Yannakakis GN의 최근 기사 "무기 선택: 우울한 AI 학자를 위한 생존 전략"는 이 분야에 대한 심오한 통찰력을 제공합니다.

관련: 종차별 수수께끼: 고양이와 인공 지능과 관련된 인간 지능 분석

이 논문의 내용은 이론에 종사하는 사람들이 직면한 어려움을 탐구합니다. AI 연구 제목의 장난스러운 내러티브 제안에도 불구하고 학업 환경에서. 연구의 주요 아이디어와 결론은 이 검토에서 간략하게 요약될 것입니다.

1부: AI 학계의 딜레마

1. 컴퓨팅 자원의 부족:
이 기사는 AI 학자와 기업 AI 부서의 동료가 사용할 수 있는 컴퓨팅 리소스의 격차가 커지고 있음을 강조합니다. XNUMX년 전, 학계에서 AI 연구를 발전시키기 위해서는 로컬 컴퓨팅 설정으로 충분했습니다. 그러나 현대 시나리오는 패러다임 전환을 보았습니다. 오늘날 AI의 중요한 발전은 종종 광범위한 계산 능력과 일련의 정교한 실험에 의존합니다. 불행하게도 많은 학술 연구자들은 그러한 리소스에 대한 적절한 액세스 권한이 없음을 알게 됩니다.

2. 기업 지배의 도전:
과학 연구 세계에서 경쟁의 개념이 강화되었습니다. 이상적으로는 과학 실험은 모든 공헌자를 합당한 인정과 함께 공동 노력을 나타내는 것입니다. 그러나 기업 영역의 영향력이 커지면서 이러한 협력 정신이 어느 정도 무색해졌습니다. 기업이 AI 연구에 상당한 투자를 할 때 그들은 유망한 아이디어의 개발을 지배하는 경향이 있으며 종종 원래 학문적 기여자를 제외시킵니다. 이 논문은 이러한 상황과 Walmart와 같은 대형 소매업체가 지역 패밀리 스토어 근처에 자리를 잡고 사업을 무색하게 만드는 현상 사이에 유사점을 그립니다.

Togelius와 Yannakakis가 강조한 앞서 언급한 과제는 AI 학계의 우려되는 환경을 묘사합니다. 이러한 상황은 어느 정도 환멸을 불러일으켰고, 이 분야를 발전시키기 위해 경력을 쌓은 연구자들의 사기와 생산성에 영향을 미쳤습니다.

이 연구는 단순히 문제를 식별하는 것이 아닙니다. 그것은 또한 이러한 도전의 정면을 느끼는 학계의 사람들을 위한 생존 전략을 제공합니다. 아래의 후속 분석에서는 저자가 제안한 잠재적인 솔루션에 대해 더 깊이 탐구하여 AI 학계에 이 진화하는 지형을 탐색할 수 있는 가시적인 경로를 제공하는 것을 목표로 합니다.

2부: 도전 과제 탐색 전략

1. 대체 출판 방법 선택:
연구자들은 기술적 측면을 다듬고 더 넓은 주제 내에서 틈새 질문을 탐색하는 데 초점을 맞추면서 덜 유명한 저널에 출판하는 것을 고려하는 것이 좋습니다.

2. 컴퓨팅 리소스의 우선 순위 지정:
전산 자원에 대한 연구 보조금의 상당 부분을 할당하는 데 중점을 둡니다. 그러나 기업의 노력과 동등한 고급 실험을 수행하기에는 상당한 보조금으로도 충분하지 않을 수 있습니다.

3. 소규모 실험에 집중:
연구원은 보다 간결한 문제에 노력을 집중하여 이론적 발전을 검증할 수 있습니다. 의 논문과 같은 여러 논문 Shafiullahet al. (2022) 및 Pearceet al. (2023), 이 접근 방식을 성공적으로 사용했습니다. 이러한 방법은 처음에는 제한적인 관심을 받을 수 있지만 더 큰 데이터 세트에서 테스트하면 관련성이 높아질 수 있습니다.

4. 사전 학습된 모델 활용:
처음부터 시작하는 대신 pretrained를 사용하여 모델은 연구 프로세스를 촉진할 수 있습니다., 때로는 결과의 깊이를 제한할 수 있습니다.

5. 기존 모델에 대한 심층 분석:
연구원 새로운 모델을 만드는 데에만 집중하기보다는 현재 모델의 복잡성을 탐구하도록 권장됩니다.

6. 탐색 강화 학습 (RL):
RL은 특히 광범위한 데이터 세트에 크게 의존하지 않기 때문에 유용한 도구로 제안됩니다. 그러나 목표와 실행 가능성의 균형을 맞추는 것이 중요합니다.

7. 최소 로드 모델 조사:
이 백서는 베이지안 방법을 예로 들어 최소 로드 모델과 제한된 데이터 세트를 사용하여 결론을 도출하는 것의 중요성이 높아지고 있음을 강조합니다.

8. 개발되지 않았거나 방치된 지역 탐색:
연구자들은 현재 업계에서 간과하고 있는 주제를 탐구하거나 이전에 버려진 방법론을 되살릴 수 있습니다. 이 접근 방식은 중요한 관심을 끌기 전에 기회의 창을 제공할 수 있습니다.

9. 예상치 못한 방법으로 실험하기:
연구원들은 직관에 반하는 것처럼 보이는 방법을 테스트하여 현상 유지에 도전하도록 자극을 받습니다.

10. 윤리적 경계 탐색:
기업은 윤리적 지침과 평판 고려 사항에 의해 제한을 받을 수 있지만 학계는 약간 더 많은 여유가 있습니다. 저자는 논란이 될 수 있는 주제를 탐색할 것을 제안하지만 다음을 준수하는 것의 중요성을 강조합니다. 법적 규제.

11. 업계와의 협력:
업계 이해 관계자와 파트너십을 구축하면 자금을 제공하고 잠재적으로 신생 기업의 시작으로 이어질 수 있습니다. 그러나 연구가 실제 응용 프로그램과 일치하는 것이 필수적입니다.

12. 대학 간 협력 촉진:
대학 간의 가교를 구축하면 협업 환경을 조성할 수 있지만 즉각적인 이점은 파악하기 어려울 수 있습니다.

에 의해 요약된 전략 토겔리우스와 야나카키스 (2023) 현재 과제를 탐색하는 AI 학자를 위한 로드맵을 나타냅니다. AI 학계의 미래는 여전히 불확실하지만 이 지침은 이 분야에 계속해서 의미 있는 기여를 할 수 있는 경로를 제공합니다. 이 시리즈의 후속 기사에서는 이러한 권장 사항의 의미와 잠재적인 장기적 영향에 대해 자세히 알아볼 것입니다.

AI에 대해 자세히 알아보기:

태그 :

책임 부인

줄 안 트러스트 프로젝트 지침, 이 페이지에 제공된 정보는 법률, 세금, 투자, 재정 또는 기타 형태의 조언을 제공하기 위한 것이 아니며 해석되어서도 안 됩니다. 손실을 감수할 수 있는 만큼만 투자하고 의심스러운 경우 독립적인 재정 조언을 구하는 것이 중요합니다. 자세한 내용은 이용약관은 물론 발행자나 광고주가 제공하는 도움말 및 지원 페이지를 참조하시기 바랍니다. MetaversePost 는 정확하고 편견 없는 보고를 위해 최선을 다하고 있지만 시장 상황은 예고 없이 변경될 수 있습니다.

저자에 관하여

Damir는 팀 리더, 제품 관리자 및 편집자입니다. Metaverse Post, AI/ML, AGI, LLM, Metaverse 및 Web3-관련 분야. 그의 기사는 매달 백만 명이 넘는 사용자의 엄청난 청중을 끌어들입니다. 그는 SEO 및 디지털 마케팅 분야에서 10년의 경험을 가진 전문가로 보입니다. Damir는 Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto 및 기타 간행물. UAE, 터키, 러시아, CIS를 오가며 디지털 유목민으로 활동하고 있습니다. Damir는 끊임없이 변화하는 인터넷 환경에서 성공하는 데 필요한 비판적 사고 기술을 제공했다고 믿는 물리학 학사 학위를 받았습니다.

더 많은 기사

다미르 얄랄로프