重塑人工智能研究：企業主導環境下的方法
簡單來說
Togelius 和 Yannakakis 的文章為人工智能學者在學術環境中面臨的挑戰提供了寶貴的見解。
文章強調了計算資源的稀缺、企業的主導地位以及小規模實驗的必要性。
研究人員應重點關注利用預訓練模型、深入分析現有模型、探索強化學習（RL）、研究最小負載模型、探索未開發或被忽視的領域以及測試意想不到的方法。
他們還建議跨越道德界限，與行業利益相關者合作，並促進大學間合作。
這些策略為人工智能學者應對這些挑戰並繼續為該領域做出有意義的貢獻提供了路線圖。
由於該領域正在經歷快速轉型，評估人工智能對包括學術人工智能研究人員在內的各個利益相關者的影響至關重要。 Togelius J. 和 Yannakakis GN 最近發表的一篇文章，題為“選擇你的武器：抑鬱的人工智能學者的生存策略”提供了對該領域的深刻見解。
論文的內容探討了從事理論研究的人所面臨的困難。 人工智能研究 儘管標題帶有有趣的敘事暗示，但在學術環境中。 本文將簡要總結該研究的主要觀點和結論。
第 1 部分：人工智能學者面臨的困境
1. 計算資源稀缺：
這篇文章強調了人工智能學者和企業人工智能部門同行可用的計算資源之間日益擴大的差距。 十年前，本地計算設置足以推進學術界的人工智能研究。 然而，當代的情況已經發生了範式轉變。 當今人工智能的重大進步通常依賴於廣泛的計算能力和一系列精心設計的實驗。 不幸的是，許多學術研究人員發現自己無法充分獲得這些資源。
2.企業主導地位的挑戰：
科研界的競爭觀念愈演愈烈。 理想情況下，科學實驗應該代表協作努力，並給予每個貢獻者應有的認可。 然而，企業領域日益增長的影響力在某種程度上掩蓋了這種合作精神。 當企業將大量投資投入人工智能研究時，它們往往會主導有前途的想法的開發，而往往會排擠最初的學術貢獻者。 該論文將這種情況與沃爾瑪這樣的大型零售商在當地一家家庭商店附近建立自己的分支機構，從而使其業務蒙上陰影的現象進行了類比。
正如 Togelius 和 Yannakakis 所強調的，上述挑戰描繪了人工智能學者令人擔憂的前景。 這種情況導致了一定程度的幻滅，影響了致力於推動該領域發展的研究人員的士氣和生產力。
該研究不僅發現問題，而且還發現問題。 它還為那些首當其沖地感受到這些挑戰的學術界人士提供了生存策略。 下面的後續分析將更深入地探討作者提出的潛在解決方案，旨在為人工智能學者提供切實可行的路徑來駕馭這一不斷發展的領域。
第 2 部分：應對挑戰的策略
1. 選擇其他出版途徑：
建議研究人員考慮在知名度較低的期刊上發表文章，重點改進技術方面並探索更廣泛主題中的利基問題。
2.計算資源的優先級：
重點是將很大一部分研究經費分配給計算資源。 然而，值得注意的是，即使是大量資助也可能不足以進行與企業努力相當的高級實驗。
3. 專注於小規模實驗：
研究人員可以將精力集中在更簡潔的問題上，用它們來驗證理論進展。 幾篇論文，例如 沙菲烏拉等人。 (2022) 和 皮爾斯等人。 (2023)，成功地採用了這種方法。 儘管這些方法最初可能受到的關注有限，但一旦在更大的數據集上進行測試，它們的相關性就會增加。
4. 利用預訓練模型：
不是從頭開始，而是使用預訓練的 模型可以加快研究過程，儘管有時它可能會限制研究結果的深度。
5.現有模型的深入分析：
研究人員 鼓勵深入研究當前模型的複雜性，而不是僅僅專注於創建新模型。
6. 探索 強化學習 （RL）：
強化學習被認為是一種有價值的工具，特別是因為它並不嚴重依賴於廣泛的數據集。 然而，平衡雄心與可行性至關重要。
7. 研究最小負載模型：
本文以貝葉斯方法為例，強調了使用最小負載模型和有限數據集得出結論的重要性。
8. 探索未開發或被忽視的領域：
研究人員可以深入研究目前被行業忽視的主題或複興以前放棄的方法。 這種方法可能會在引起廣泛關注之前提供一個機會之窗。
9. 嘗試意想不到的方法：
研究人員被促使通過測試看似違反直覺的方法來挑戰現狀。
10. 跨越道德界限：
雖然企業可能會受到道德準則和聲譽考慮的限制，但學術界卻有更多的迴旋餘地。 作者建議探索可能被認為有爭議的話題，但強調遵守的重要性 法律規定.
11. 與業界合作：
與行業利益相關者建立合作夥伴關係可以提供資金，並有可能促進初創企業的成立。 然而，研究與實際應用保持一致至關重要。
12. 促進大學間合作：
在大學之間建立橋樑可以促進協作環境，儘管直接的好處可能看起來難以捉摸。
概述的策略 托格柳斯和亞納卡基斯 (2023) 代表了人工智能學者應對當前挑戰的路線圖。 儘管人工智能學術界的未來仍不確定，但這些指南提供了繼續為該領域做出有意義貢獻的途徑。 本系列的後續文章將進一步深入探討這些建議的含義及其潛在的長期影響。
閱讀有關人工智能的更多信息：
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
更多文章
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
