Переосмислення досліджень штучного інтелекту: підходи в умовах домінування корпорацій
Коротко
Стаття Тогеліуса та Яннакакіса дає цінну інформацію про проблеми, з якими стикаються вчені ШІ в академічних умовах.
У статті наголошується на дефіциті обчислювальних ресурсів, корпоративному домінуванні та необхідності менш масштабних експериментів.
Дослідники повинні зосередитися на використанні попередньо підготовлених моделей, глибокому аналізі існуючих моделей, дослідженні навчання з підкріпленням (RL), дослідженні мінімально завантажених моделей, дослідженні невикористаних або забутих областей і тестуванні неочікуваних методів.
Вони також пропонують орієнтуватися в етичних кордонах, співпрацювати із зацікавленими сторонами галузі та сприяти міжуніверситетській співпраці.
Ці стратегії пропонують науковцям зі штучного інтелекту дорожню карту, щоб подолати ці виклики та продовжувати робити вагомий внесок у цю сферу.
Життєво важливо оцінити вплив штучного інтелекту на різні зацікавлені сторони, включно з академічними дослідниками штучного інтелекту, оскільки ця сфера зазнає швидких трансформацій. Недавня стаття Togelius J. і Yannakakis GN під назвою «Виберіть свою зброю: Стратегії виживання для вчених ШІ в депресії” дає глибоке розуміння цієї сфери.
Зміст статті досліджує труднощі, з якими стикаються ті, хто займається теоретичними дослідженнями Дослідження ШІ в академічних умовах, незважаючи на жартівливу оповідь назви. Основні ідеї та висновки дослідження будуть коротко підсумовані в цьому огляді.
Частина 1: Дилеми, з якими стикаються вчені ШІ
1. Дефіцит обчислювальних ресурсів:
Стаття підкреслює зростаючу різницю в обчислювальних ресурсах, доступних науковцям ШІ та їхнім колегам у корпоративних департаментах ШІ. Десять років тому локальних обчислювальних установок було достатньо для просування досліджень ШІ в академічних колах. Однак у сучасному сценарії відбулася зміна парадигми. Сьогодні значний прогрес ШІ часто залежить від великої обчислювальної потужності та серії складних експериментів. На жаль, багато академічних дослідників не мають належного доступу до таких ресурсів.
2. Виклик корпоративного домінування:
Поняття конкуренції у світі наукових досліджень посилилося. В ідеалі наукові експерименти мали б являти собою спільні зусилля з належним визнанням кожного учасника. Проте зростаючий вплив корпоративної сфери дещо затьмарив цей дух співпраці. Коли корпорації спрямовують значні інвестиції в дослідження штучного інтелекту, вони, як правило, домінують у розробці багатообіцяючих ідей, часто відсуваючи на другий план перших академічних учасників. Стаття проводить паралель між цією ситуацією та явищем, коли такий мега-роздрібний продавець, як Walmart, засновується біля місцевого сімейного магазину, затьмарюючи його бізнес.
Вищезазначені виклики, як підкреслили Тогеліус і Яннакакіс, зображують занепокоєння для вчених ШІ. Ці умови призвели до певного розчарування, що вплинуло на моральний стан і продуктивність дослідників, які присвятили свою кар’єру розвитку цієї галузі.
Дослідження не просто визначає проблеми; він також пропонує стратегії виживання для тих, хто в академічних колах відчуває на собі тягар цих викликів. Подальший аналіз, наведений нижче, глибше заглибиться в потенційні рішення, запропоновані авторами, щоб запропонувати вченим штучного інтелекту відчутні шляхи для навігації в цій місцевості, що розвивається.
Частина 2: Стратегії подолання викликів
1. Вибір альтернативних шляхів публікації:
Дослідникам радимо розглянути можливість публікації в менш резонансних журналах, зосереджуючись на вдосконаленні технічних аспектів і вивченні нішевих питань у ширших темах.
2. Пріоритезація обчислювальних ресурсів:
Акцент робиться на виділенні значної частини дослідницьких грантів на обчислювальні ресурси. Однак зазначається, що навіть значних грантів може бути недостатньо для проведення передових експериментів нарівні з корпоративними зусиллями.
3. Зосередження на експериментах меншого масштабу:
Дослідники можуть зосередити свої зусилля на більш лаконічних проблемах, використовуючи їх для підтвердження теоретичних досягнень. Кілька документів, наприклад, автор Шафіулла та ін. (2022) та Пірс та ін. (2023), успішно застосував цей підхід. Незважаючи на те, що спочатку цим методам може приділятися обмежена увага, їх актуальність може зрости після перевірки на більших наборах даних.
4. Використання попередньо підготовлених моделей:
Замість того, щоб починати з нуля, використовуйте попередньо підготовлені моделі можуть прискорити процес дослідження, хоча іноді це може обмежити глибину висновків.
5. Поглиблений аналіз існуючих моделей:
Дослідники заохочуємо вникати в тонкощі поточних моделей, а не зосереджуватися виключно на створенні нових.
6. Дослідження Навчання зміцненню (RL):
RL пропонується як цінний інструмент, особливо тому, що він не сильно покладається на великі набори даних. Однак важливо збалансувати амбіції та здійсненність.
7. Дослідження мінімально завантажених моделей:
У документі наголошується на зростаючій важливості висновків за допомогою мінімально завантажених моделей і обмеженого набору даних, посилаючись на байєсівські методи як приклад.
8. Дослідження незадіяних або забутих територій:
Дослідники могли б заглибитися в теми, які наразі залишаються поза увагою галузі, або відновити раніше залишені методології. Цей підхід може запропонувати вікно можливостей, перш ніж привернути значну увагу.
9. Експериментуйте з несподіваними методами:
Дослідників спонукають кинути виклик статус-кво шляхом тестування методів, які здаються нерозумними.
10. Навігація через етичні межі:
Хоча корпорації можуть бути обмежені етичними принципами та міркуваннями репутації, науковці мають трохи більше свободи дій. Автори пропонують вивчити теми, які можуть вважатися суперечливими, але підкреслюють важливість дотримання правові норми.
11. Співпраця з галуззю:
Встановлення партнерства із зацікавленими сторонами галузі може забезпечити фінансування та потенційно призвести до створення стартапів. Тим не менш, важливо, щоб дослідження узгоджувалися з практичними застосуваннями.
12. Сприяння міжуніверситетській співпраці:
Наведення мостів між університетами може сприяти створенню середовища для співпраці, хоча безпосередні переваги можуть здаватися невловимими.
Стратегії, окреслені Тогеліус і Яннакакіс (2023) являють собою дорожню карту для вчених ШІ, які орієнтуються в поточних викликах. Незважаючи на те, що майбутнє наукових кіл штучного інтелекту залишається невизначеним, ці рекомендації пропонують шляхи для продовження вагомого внеску в цю сферу. У наступних статтях цієї серії докладніше буде розглянуто наслідки цих рекомендацій та їхній потенційний довгостроковий вплив.
Докладніше про ШІ:
відмова
Відповідно до Правила проекту Trust, будь ласка, зверніть увагу, що інформація, надана на цій сторінці, не призначена і не повинна тлумачитися як юридична, податкова, інвестиційна, фінансова або будь-яка інша форма консультації. Важливо інвестувати лише те, що ви можете дозволити собі втратити, і звернутися за незалежною фінансовою порадою, якщо у вас виникнуть сумніви. Щоб отримати додаткову інформацію, ми пропонуємо звернутися до положень та умов, а також до сторінок довідки та підтримки, наданих емітентом або рекламодавцем. MetaversePost прагне до точного, неупередженого звітування, але ринкові умови можуть змінюватися без попередження.
про автора
Дамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.
інші статті
Дамір є керівником групи, менеджером із продуктів і редактором Metaverse Post, що охоплює такі теми, як AI/ML, AGI, LLMs, Metaverse тощо Web3- суміжні поля. Його статті щомісяця приваблюють величезну аудиторію понад мільйон користувачів. Здається, він є експертом із 10-річним досвідом роботи в SEO та цифровому маркетингу. Даміра згадували в Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto та інші видання. Він подорожує між ОАЕ, Туреччиною, Росією та СНД як цифровий кочівник. Дамір отримав ступінь бакалавра з фізики, що, на його думку, дало йому навички критичного мислення, необхідні для досягнення успіху в Інтернеті, який постійно змінюється.
