AI tadqiqotlarini qayta kashf qilish: korporativ ustunlikdagi landshaftdagi yondashuvlar
Qisqacha
Togelius va Yannakakisning maqolasida AI akademiklari akademik sharoitlarda duch keladigan muammolar haqida qimmatli tushunchalar berilgan.
Maqolada hisoblash resurslarining tanqisligi, korporativ ustunlik va kichikroq tajribalar zarurligi ta'kidlangan.
Tadqiqotchilar oldindan tayyorlangan modellardan foydalanishga, mavjud modellarni chuqur tahlil qilishga, mustahkamlashni o'rganishga (RL), minimal yuklangan modellarni tekshirishga, foydalanilmagan yoki e'tibordan chetda qolgan joylarni o'rganishga va kutilmagan usullarni sinab ko'rishga e'tibor qaratishlari kerak.
Shuningdek, ular axloqiy chegaralardan o'tishni, sanoat manfaatdor tomonlari bilan hamkorlik qilishni va universitetlararo hamkorlikni rivojlantirishni taklif qilishadi.
Ushbu strategiyalar AI akademiklari uchun ushbu muammolarni hal qilish va sohaga mazmunli hissa qo'shishni davom ettirish uchun yo'l xaritasini taklif qiladi.
AIning turli manfaatdor tomonlarga, shu jumladan akademik AI tadqiqotchilariga ta'sirini baholash juda muhim, chunki soha tez o'zgarishlarni boshdan kechirmoqda. Yaqinda Togelius J. va Yannakakis GN tomonidan chop etilgan "Qurolingizni tanlang: ruhiy tushkunlikka tushgan AI akademiklari uchun omon qolish strategiyalari” ushbu soha haqida chuqur tushuncha beradi.
| tegishli: Turlar bo'yicha jumboq: Mushuklar va sun'iy intellektga nisbatan inson aqlini tahlil qilish |
Maqolaning mazmuni nazariya bilan shug'ullanuvchilar duch keladigan qiyinchiliklarni o'rganadi AI tadqiqoti sarlavhaning o'ynoqi hikoya taklifiga qaramay, akademik sharoitlarda. Tadqiqotning asosiy g'oyalari va xulosalari ushbu sharhda qisqacha bayon qilinadi.
1-qism: AI Akademiklari duch keladigan dilemmalar
1. Hisoblash resurslarining tanqisligi:
Maqolada AI akademiklari va ularning korporativ AI bo'limlaridagi hamkasblari uchun mavjud bo'lgan hisoblash resurslaridagi nomutanosiblik ortib borayotganini ta'kidlaydi. O'n yil oldin, mahalliy hisoblash qurilmalari akademiyada AI tadqiqotlarini rivojlantirish uchun etarli edi. Biroq, zamonaviy stsenariy paradigma o'zgarishini ko'rdi. Bugungi kunda sun'iy intellektdagi sezilarli yutuqlar ko'pincha keng hisoblash kuchiga va bir qator murakkab tajribalarga tayanadi. Afsuski, ko'plab akademik tadqiqotchilar bunday manbalardan etarli darajada foydalana olmaydilar.
2. Korporativ ustunlik muammosi:
Ilmiy tadqiqotlar olamida raqobat tushunchasi kuchaydi. Ideal holda, ilmiy tajribalar har bir hissa qo'shuvchiga munosib e'tirof etilgan holda hamkorlikdagi sa'y-harakatlarni ifodalaydi. Shunga qaramay, korporativ sohaning ortib borayotgan ta'siri bu kooperatsiya ruhini biroz yo'qotdi. Korporatsiyalar AI tadqiqotlariga katta investitsiyalarni yo'naltirganda, ular istiqbolli g'oyalarni ishlab chiqishda ustunlik qiladi va ko'pincha asl akademik hissa qo'shuvchilarni chetlab o'tadi. Hujjat ushbu holat va Walmart kabi mega-chakana sotuvchi mahalliy oilaviy do'kon yaqinida o'z biznesiga soya solib qo'ygan hodisa o'rtasida parallellik keltiradi.
Togelius va Yannakakis ta'kidlaganidek, yuqorida aytib o'tilgan muammolar AI akademiklari uchun tashvishli manzarani tasvirlaydi. Sharoitlar ma'lum darajada umidsizlikka olib keldi, bu o'z karerasini sohani rivojlantirishga bag'ishlagan tadqiqotchilarning ma'naviyati va samaradorligiga ta'sir qildi.
Tadqiqot nafaqat muammolarni aniqlaydi; shuningdek, ushbu qiyinchiliklarning eng og'irligini his qilayotgan akademiyadagilar uchun omon qolish strategiyalarini taqdim etadi. Quyidagi keyingi tahlil mualliflar tomonidan taklif qilingan potentsial yechimlarni chuqurroq o'rganib chiqadi va AI akademiklariga ushbu rivojlanayotgan hududda harakat qilish uchun aniq yo'llarni taklif qilishni maqsad qiladi.
2-qism: Muammolarni hal qilish strategiyalari
1. Muqobil nashr yo‘llarini tanlash:
Tadqiqotchilarga texnik jihatlarni takomillashtirish va kengroq mavzulardagi savollarni o'rganishga e'tibor qaratib, unchalik katta bo'lmagan jurnallarda nashr etishni o'ylab ko'rish tavsiya etiladi.
2. Hisoblash resurslariga ustuvorlik berish:
Hisoblash resurslari uchun tadqiqot grantlarining muhim qismini ajratishga alohida e'tibor qaratilgan. Biroq, ta'kidlanishicha, hatto yirik grantlar ham korporativ sa'y-harakatlar bilan bir qatorda ilg'or tajribalar o'tkazish uchun etarli bo'lmasligi mumkin.
3. Kichikroq tajribalarga e'tibor qaratish:
Tadqiqotchilar o'z sa'y-harakatlarini nazariy yutuqlarni tasdiqlash uchun ishlatib, qisqaroq muammolarga yo'naltirishlari mumkin. Bir nechta qog'ozlar, masalan Shafiullah va boshqalar. (2022) va Pearce va boshqalar. (2023), bu yondashuvni muvaffaqiyatli qo'lladi. Ushbu usullar dastlab cheklangan e'tiborga ega bo'lishi mumkin bo'lsa-da, ularning ahamiyati kattaroq ma'lumotlar to'plamlarida sinovdan o'tkazilgandan keyin o'sishi mumkin.
4. Oldindan tayyorlangan modellardan foydalanish:
Noldan boshlash o'rniga, oldindan o'qitilgandan foydalaning modellar tadqiqot jarayonini tezlashtirishi mumkin, garchi u ba'zan topilmalarning chuqurligini cheklashi mumkin.
5. Mavjud modellarni chuqur tahlil qilish:
Tadqiqotchilar Faqat yangilarini yaratishga e'tibor qaratish o'rniga, hozirgi modellarning nozik tomonlarini o'rganish tavsiya etiladi.
6. Tadqiq qilish Takomillashtirish (RL):
RL qimmatli vosita sifatida taklif etiladi, ayniqsa u keng ma'lumotlar to'plamlariga tayanmaydi. Biroq, shuhratparastlik va fizibillik bilan muvozanatni saqlash juda muhimdir.
7. Minimal yuklangan modellarni tekshirish:
Maqolada minimal yuklangan modellar va cheklangan ma'lumotlar to'plamidan foydalangan holda xulosalar chiqarishning ortib borayotgan ahamiyati ta'kidlanadi, misol sifatida Bayes usullariga murojaat qiladi.
8. Ishlatilmagan yoki qarovsiz hududlarni o'rganish:
Tadqiqotchilar sanoat tomonidan e'tibordan chetda qolgan mavzularni o'rganishlari yoki ilgari tashlab ketilgan metodologiyalarni qayta tiklashlari mumkin. Ushbu yondashuv muhim e'tiborni jalb qilishdan oldin imkoniyat oynasini taklif qilishi mumkin.
9. Kutilmagan usullar bilan tajriba o‘tkazish:
Tadqiqotchilarga qarama-qarshi ko'rinadigan usullarni sinab ko'rish orqali status-kvoga qarshi chiqish taklif etiladi.
10. Axloqiy chegaralarni navigatsiya qilish:
Korporatsiyalar axloqiy me'yorlar va obro'-e'tibor bilan cheklanishi mumkin bo'lsa-da, akademiklar biroz ko'proq erkinlikka ega. Mualliflar munozarali deb hisoblanishi mumkin bo'lgan mavzularni o'rganishni taklif qilishadi, lekin ularga rioya qilish muhimligini ta'kidlaydilar. huquqiy tartibga solish.
11. Sanoat bilan hamkorlik qilish:
Sanoat manfaatdor tomonlari bilan hamkorlikni yo'lga qo'yish moliyalashtirishni ta'minlashi va potentsial ravishda startaplarning boshlanishiga olib kelishi mumkin. Shunga qaramay, tadqiqot amaliy ilovalar bilan uyg'un bo'lishi juda muhimdir.
12. Universitetlararo hamkorlikni rivojlantirish:
Universitetlar o'rtasida ko'prik o'rnatish hamkorlik muhitini rivojlantirishi mumkin, ammo darhol foyda olish qiyin bo'lib tuyulishi mumkin.
tomonidan belgilab berilgan strategiyalar Togelius va Yannakakis (2023) mavjud muammolarni hal qiladigan AI akademiklari uchun yo'l xaritasi. AI akademiyasining kelajagi noaniq bo'lib qolsa-da, ushbu ko'rsatmalar sohaga mazmunli hissa qo'shishni davom ettirish yo'llarini taklif qiladi. Ushbu turkumdagi keyingi maqolalar ushbu tavsiyalarning oqibatlarini va ularning uzoq muddatli ta'sirini batafsilroq ko'rib chiqadi.
AI haqida ko'proq o'qing:
Masʼuliyatdan voz kechish
Bunga javoban Ishonch loyihasi bo'yicha ko'rsatmalar, iltimos, ushbu sahifada taqdim etilgan ma'lumotlar yuridik, soliq, investitsiya, moliyaviy yoki boshqa har qanday maslahat shakli sifatida talqin qilinmasligi va talqin qilinmasligini unutmang. Faqat yo'qotishingiz mumkin bo'lgan narsaga investitsiya qilish va agar shubhangiz bo'lsa, mustaqil moliyaviy maslahat olish muhimdir. Qo'shimcha ma'lumot olish uchun biz shartlar va emitent yoki reklama beruvchi tomonidan taqdim etilgan yordam va qo'llab-quvvatlash sahifalariga murojaat qilishni tavsiya qilamiz. MetaversePost to'g'ri, xolis hisobot berish majburiyatini oladi, lekin bozor sharoitlari ogohlantirilmasdan o'zgarishi mumkin.
Muallif haqida
Damir - guruh rahbari, mahsulot menejeri va muharrir Metaverse Post, AI/ML, AGI, LLMs, Metaverse va kabi mavzularni qamrab oladi Web3- tegishli sohalar. Uning maqolalari har oy milliondan ortiq foydalanuvchilarning katta auditoriyasini jalb qiladi. U SEO va raqamli marketing bo'yicha 10 yillik tajribaga ega mutaxassis bo'lib ko'rinadi. Damir haqida Mashable, Wired nashrlarida tilga olingan. Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto va boshqa nashrlar. U BAA, Turkiya, Rossiya va MDH davlatlari oʻrtasida raqamli koʻchmanchi sifatida sayohat qiladi. Damir fizika bo'yicha bakalavr darajasini oldi, uning fikricha, bu unga internetning doimiy o'zgaruvchan manzarasida muvaffaqiyatga erishish uchun zarur bo'lgan tanqidiy fikrlash qobiliyatlarini berdi.
Boshqa maqolalar
Damir - guruh rahbari, mahsulot menejeri va muharrir Metaverse Post, AI/ML, AGI, LLMs, Metaverse va kabi mavzularni qamrab oladi Web3- tegishli sohalar. Uning maqolalari har oy milliondan ortiq foydalanuvchilarning katta auditoriyasini jalb qiladi. U SEO va raqamli marketing bo'yicha 10 yillik tajribaga ega mutaxassis bo'lib ko'rinadi. Damir haqida Mashable, Wired nashrlarida tilga olingan. Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto va boshqa nashrlar. U BAA, Turkiya, Rossiya va MDH davlatlari oʻrtasida raqamli koʻchmanchi sifatida sayohat qiladi. Damir fizika bo'yicha bakalavr darajasini oldi, uning fikricha, bu unga internetning doimiy o'zgaruvchan manzarasida muvaffaqiyatga erishish uchun zarur bo'lgan tanqidiy fikrlash qobiliyatlarini berdi.
