Znovuobjavenie výskumu AI: Prístupy v krajine ovládanej podnikmi
Stručne
Článok Togeliusa a Yannakakisa poskytuje cenné informácie o výzvach, ktorým čelia akademici AI v akademickom prostredí.
Článok poukazuje na nedostatok výpočtových zdrojov, firemnú dominanciu a potrebu menších experimentov.
Výskumníci by sa mali zamerať na využitie vopred pripravených modelov, hĺbkovú analýzu existujúcich modelov, skúmanie posilňovacieho vzdelávania (RL), skúmanie minimálne zaťažených modelov, skúmanie nevyužitých alebo zanedbaných oblastí a testovanie neočakávaných metód.
Navrhujú tiež orientáciu v etických hraniciach, spoluprácu so zainteresovanými stranami v odvetví a podporu spolupráce medzi univerzitami.
Tieto stratégie ponúkajú akademikom AI plán, ako sa v týchto výzvach zorientovať a naďalej zmysluplne prispievať do tejto oblasti.
Je nevyhnutné vyhodnotiť vplyv AI na rôzne zainteresované strany vrátane akademických výskumníkov AI, keďže táto oblasť prechádza rýchlou transformáciou. Nedávny článok od Togeliusa J. a Yannakakisa GN s názvom „Vyberte si svoju zbraň: Stratégie prežitia pre depresívnych akademikov AI“ poskytuje hlboký pohľad na túto oblasť.
Obsah príspevku skúma ťažkosti, s ktorými sa stretávajú teoretici výskum AI v akademickom prostredí, napriek hravej naratívnej sugescii názvu. Hlavné myšlienky a závery štúdie budú stručne zhrnuté v tomto prehľade.
Časť 1: Dilemy AI Academics Face
1. Nedostatok výpočtových zdrojov:
Článok podčiarkuje zvyšujúci sa rozdiel vo výpočtových zdrojoch dostupných pre akademikov AI a ich náprotivky v podnikových oddeleniach AI. Pred desiatimi rokmi postačovali miestne výpočtové nastavenia na pokrok vo výskume AI v akademickej obci. Súčasný scenár však zaznamenal zmenu paradigmy. Významné pokroky v AI dnes často závisia od rozsiahleho výpočtového výkonu a série prepracovaných experimentov. Bohužiaľ, mnohí akademickí výskumníci sa ocitli bez primeraného prístupu k takýmto zdrojom.
2. Výzva firemnej dominancie:
Koncept konkurencie vo svete vedeckého výskumu sa zintenzívnil. V ideálnom prípade by vedecké experimenty predstavovali spoločné úsilie s náležitým uznaním každého prispievateľa. Narastajúci vplyv korporátnej sféry však trochu zatienil tohto kooperatívneho ducha. Keď korporácie smerujú značné investície do výskumu AI, majú tendenciu dominovať vo vývoji sľubných nápadov, pričom často odsúvajú pôvodných akademických prispievateľov. Dokument uvádza paralelu medzi touto situáciou a fenoménom, keď sa megamaloobchodník ako Walmart usadí v blízkosti miestneho rodinného obchodu, čím zatieni jeho podnikanie.
Vyššie uvedené výzvy, ako zdôraznili Togelius a Yannakakis, zobrazujú situáciu, ktorá sa týka akademikov AI. Podmienky viedli k určitému stupňu dezilúzie, ktorá ovplyvnila morálku a produktivitu výskumníkov, ktorí zasvätili svoju kariéru rozvoju odboru.
Štúdia nielen identifikuje problémy; poskytuje tiež stratégie prežitia tým, ktorí v akademickej obci pociťujú nápor týchto výziev. Následná analýza uvedená nižšie sa ponorí hlbšie do potenciálnych riešení navrhnutých autormi s cieľom ponúknuť akademickým pracovníkom AI hmatateľné cesty na navigáciu v tomto vyvíjajúcom sa teréne.
Časť 2: Stratégie pre navigáciu vo výzvach
1. Výber alternatívnych publikačných ciest:
Výskumníkom sa odporúča, aby zvážili publikovanie v menej známych časopisoch so zameraním na dolaďovanie technických aspektov a skúmanie špecializovaných otázok v rámci širších tém.
2. Stanovenie priorít výpočtových zdrojov:
Dôraz sa kladie na alokáciu významnej časti výskumných grantov na výpočtové zdroje. Je však potrebné poznamenať, že ani značné granty nemusia stačiť na vykonávanie pokročilých experimentov na rovnakej úrovni ako podnikové snahy.
3. Zameranie na experimenty menšieho rozsahu:
Výskumníci môžu zamerať svoje úsilie na stručnejšie problémy a použiť ich na overenie teoretických pokrokov. Viaceré papiere, ako napr Shafiullah a kol. (2022) a Pearce a kol. (2023), úspešne použili tento prístup. Aj keď sa týmto metódam môže spočiatku venovať obmedzená pozornosť, ich význam môže rásť po testovaní na väčších súboroch údajov.
4. Využitie predtrénovaných modelov:
Namiesto toho, aby ste začínali od nuly, použite predtrénované modely môžu urýchliť výskumný proces, hoci to môže niekedy obmedziť hĺbku nálezov.
5. Hĺbková analýza existujúcich modelov:
výskumníci sú povzbudzovaní, aby sa radšej ponorili do zložitosti súčasných modelov, než aby sa výlučne zameriavali na vytváranie nových.
6. Skúmanie Posilňovacie učenie (RL):
RL sa navrhuje ako cenný nástroj, najmä preto, že sa vo veľkej miere nespolieha na rozsiahle súbory údajov. Je však nevyhnutné vyvážiť ambície a uskutočniteľnosť.
7. Skúmanie modelov s minimálnym zaťažením:
Článok poukazuje na rastúci význam vyvodzovania záverov pomocou minimálne zaťažených modelov a obmedzeného súboru údajov, pričom ako príklad odkazuje na Bayesovské metódy.
8. Skúmanie nevyužitých alebo zanedbaných oblastí:
Výskumníci by sa mohli ponoriť do predmetov, ktoré priemysel v súčasnosti prehliada, alebo oživiť predtým opustené metodológie. Tento prístup môže ponúknuť príležitosť pred tým, než pritiahne významnú pozornosť.
9. Experimentovanie s neočakávanými metódami:
Výskumníci sú vyzvaní, aby spochybnili status quo testovaním metód, ktoré sa zdajú kontraintuitívne.
10. Navigácia v etických hraniciach:
Zatiaľ čo korporácie môžu byť obmedzené etickými usmerneniami a úvahami o reputácii, akademici majú o niečo väčší priestor. Autori navrhujú preskúmať témy, ktoré by sa mohli považovať za kontroverzné, ale zdôrazňujú dôležitosť dodržiavania právnymi predpismi.
11. Spolupráca s priemyslom:
Nadviazanie partnerstiev so zainteresovanými stranami v odvetví by mohlo poskytnúť financovanie a potenciálne viesť k vzniku začínajúcich podnikov. Napriek tomu je nevyhnutné, aby sa výskum zosúladil s praktickými aplikáciami.
12. Podpora spolupráce medzi univerzitami:
Budovanie mostov medzi univerzitami môže podporiť prostredie spolupráce, hoci okamžité výhody sa môžu zdať nepolapiteľné.
Stratégie načrtnuté v Togelius a Yannakakis (2023) predstavujú plán pre akademikov AI, ktorí sa orientujú v súčasných výzvach. Aj keď budúcnosť akademickej obce AI zostáva neistá, tieto usmernenia ponúkajú cesty, ako pokračovať v zmysluplnom prispievaní do tejto oblasti. Nasledujúce články tejto série sa budú podrobnejšie zaoberať dôsledkami týchto odporúčaní a ich potenciálnym dlhodobým vplyvom.
Prečítajte si viac o AI:
Vylúčenie zodpovednosti
V súlade s Pokyny k projektu Trust, uvedomte si, že informácie uvedené na tejto stránke nie sú zamýšľané a nemali by byť interpretované ako právne, daňové, investičné, finančné alebo iné formy poradenstva. Je dôležité investovať len toľko, koľko si môžete dovoliť stratiť a v prípade akýchkoľvek pochybností vyhľadať nezávislé finančné poradenstvo. Ak chcete získať ďalšie informácie, odporúčame vám pozrieť si zmluvné podmienky, ako aj stránky pomoci a podpory poskytnuté vydavateľom alebo inzerentom. MetaversePost sa zaviazala poskytovať presné a nezaujaté správy, ale podmienky na trhu sa môžu zmeniť bez upozornenia.
O autorovi
Damir je vedúci tímu, produktový manažér a redaktor v Metaverse Post, pokrývajúce témy ako AI/ML, AGI, LLM, Metaverse a Web3- súvisiace oblasti. Jeho články priťahujú každý mesiac obrovské publikum s viac ako miliónom používateľov. Zdá sa, že je odborníkom s 10-ročnými skúsenosťami v oblasti SEO a digitálneho marketingu. Damir bol spomenutý v Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto a ďalšie publikácie. Ako digitálny nomád cestuje medzi SAE, Tureckom, Ruskom a SNŠ. Damir získal bakalársky titul z fyziky, o ktorom sa domnieva, že mu dal schopnosti kritického myslenia potrebné na to, aby bol úspešný v neustále sa meniacom prostredí internetu.
Ďalšie články
Damir je vedúci tímu, produktový manažér a redaktor v Metaverse Post, pokrývajúce témy ako AI/ML, AGI, LLM, Metaverse a Web3- súvisiace oblasti. Jeho články priťahujú každý mesiac obrovské publikum s viac ako miliónom používateľov. Zdá sa, že je odborníkom s 10-ročnými skúsenosťami v oblasti SEO a digitálneho marketingu. Damir bol spomenutý v Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto a ďalšie publikácie. Ako digitálny nomád cestuje medzi SAE, Tureckom, Ruskom a SNŠ. Damir získal bakalársky titul z fyziky, o ktorom sa domnieva, že mu dal schopnosti kritického myslenia potrebné na to, aby bol úspešný v neustále sa meniacom prostredí internetu.
