Η επιρροή του κλάδου στην τεχνητή νοημοσύνη διαμορφώνει το μέλλον της τεχνολογίας — προς το καλύτερο και προς το χειρότερο

Οι τεράστιες δυνατότητες του AI για την αναμόρφωση του μέλλοντος έγιναν τεράστιες επενδύσεις από τη βιομηχανία τα τελευταία χρόνια. Ωστόσο, η αυξανόμενη επιρροή των ιδιωτικών εταιρειών στη βασική έρευνα που τροφοδοτεί αυτήν την αναδυόμενη τεχνολογία θα μπορούσε να έχει σοβαρές επιπτώσεις στον τρόπο ανάπτυξής της, λένε οι ερευνητές.

Το ερώτημα εάν οι μηχανές θα μπορούσαν να αναπαράγουν το είδος της νοημοσύνης που παρατηρείται σε ζώα και ανθρώπους είναι σχεδόν τόσο παλιό όσο και το ίδιο το πεδίο της επιστήμης των υπολογιστών. Η δέσμευση της βιομηχανίας με αυτή τη γραμμή έρευνας παρουσίασε διακυμάνσεις κατά τη διάρκεια των δεκαετιών, lπροχωρώντας σε μια σειρά από χειμώνες τεχνητής νοημοσύνης καθώς οι επενδύσεις εισρέουν και στη συνέχεια επανέρχονται όπως έχει κάνει η τεχνολογία απέτυχε να ανταποκριθεί προσδοκίες.

Η έλευση της βαθιάς μάθησης στο τέλος της προηγούμενης δεκαετίας, ωστόσο, είχε ως αποτέλεσμα ένα από τα πιο διαρκή κύκλους ενδιαφέροντος και επενδύσεων από ιδιωτικές εταιρείες. Αυτό τώρα αρχίζει να παράγουν μερικά προϊόντα τεχνητής νοημοσύνης που αλλάζουν πραγματικά το παιχνίδι, Αλλά νέα ανάλυση σε Επιστήμη δείχνει ότι οδηγεί επίσης στην ανάληψη δράσης της βιομηχανίαςκρεασίνηgκυρίαρχη θέση στην έρευνα της τεχνητής νοημοσύνης.

Αυτό είναι ένα δίκοπο μαχαίρι, λένε οι συγγραφείς. Η βιομηχανία φέρνει μαζί της χρήματα, υπολογιστικούς πόρους και τεράστιες ποσότητες δεδομένων που έχουν πρόοδο με τούρμπο, αλλά επίσης εστιάζει εκ νέου ολόκληρο το πεδίο σε τομείς που ενδιαφέρουν ιδιωτικές εταιρείες και όχι σε αυτούς με τις μεγαλύτερες δυνατότητες ή οφέλη για την ανθρωπότητα.

"Τα εμπορικά κίνητρα της βιομηχανίας την ωθούν να επικεντρωθούν σε θέματα που είναι προσανατολισμένα στο κέρδος. Συχνά τέτοια κίνητρα αποδίδουν αποτελέσματα σύμφωνα με το δημόσιο συμφέρον, αλλά όχι πάντα», γράφουν οι συγγραφείς. «Αν και αυτές οι επενδύσεις του κλάδου θα ωφελήσουν τους καταναλωτές, η συνοδευτική κυριαρχία της έρευνας θα πρέπει να ανησυχεί τους υπεύθυνους χάραξης πολιτικής σε όλο τον κόσμο, επειδή σημαίνει ότι οι εναλλακτικές λύσεις δημοσίου ενδιαφέροντος για σημαντικά εργαλεία τεχνητής νοημοσύνης μπορεί να γίνονται όλο και πιο σπάνιες».

Οι συγγραφείς δείχνουν ότι το αποτύπωμα της βιομηχανίας στην έρευνα τεχνητής νοημοσύνης έχει αυξηθεί δραματικά τα τελευταία χρόνια. Το 2000, μόνο το 22 τοις εκατό των παρουσιάσεων σε κορυφαία συνέδρια τεχνητής νοημοσύνης περιλάμβαναν έναν ή περισσότερους συν-συγγραφείς από ιδιωτικές εταιρείες, αλλά μέχρι το 2020 αυτό είχε φτάσει το 38%. Όμως ο αντίκτυπος γίνεται πιο ξεκάθαρος στην αιχμή του γηπέδου.

Η πρόοδος στη βαθιά μάθηση οφείλεται σε μεγάλο βαθμό στην ανάπτυξη ολοένα και μεγαλύτερων μοντέλων. Το 2010, η βιομηχανία αντιπροσώπευε μόνο το 11 τοις εκατό των μεγαλύτερων μοντέλων τεχνητής νοημοσύνης, αλλά μέχρι το 2021 είχε φτάσει το 96 τοις εκατό. Αυτό συνέπεσε με την αυξανόμενη κυριαρχία σε βασικά σημεία αναφοράς σε τομείς όπως η αναγνώριση εικόνας και η μοντελοποίηση γλώσσας, όπου η συμμετοχή της βιομηχανίας στο κορυφαίο μοντέλο έχει αυξηθεί από 62 τοις εκατό το 2017 σε 91 τοις εκατό το 2020.

Βασικός μοχλός αυτής της αλλαγής είναι οι πολύ μεγαλύτερες επενδύσεις που μπορεί να κάνει ο ιδιωτικός τομέας σε σύγκριση με τους δημόσιους φορείς. Εξαιρουμένων των αμυντικών δαπανών, η κυβέρνηση των ΗΠΑ διέθεσε 1.5 δισεκατομμύρια δολάρια για δαπάνες για την τεχνητή νοημοσύνη το 2021, σε σύγκριση με τα 340 δισεκατομμύρια δολάρια που δαπανήθηκαν από τη βιομηχανία σε όλο τον κόσμο εκείνο το έτος.

Αυτή η επιπλέον χρηματοδότηση μεταφράζεται σε πολύ καλύτερους πόρους -τόσο όσον αφορά την υπολογιστική ισχύ όσο και την πρόσβαση σε δεδομένα- και την ικανότητα προσέλκυσης των καλύτερων ταλέντων. Το μέγεθος των μοντέλων τεχνητής νοημοσύνης συσχετίζεται στενά με την ποσότητα δεδομένων και υπολογιστικών πόρων που διατίθενται και το 2021 τα βιομηχανικά μοντέλα ήταν 29 φορές μεγαλύτερα από τα ακαδημαϊκά κατά μέσο όρο.

Και ενώ το 2004 μόνο το 21 τοις εκατό των διδακτορικών στην επιστήμη των υπολογιστών που είχαν ειδικευτεί στην τεχνητή νοημοσύνη πήγε στη βιομηχανία, μέχρι το 2020 αυτό είχε εκτιναχθεί σχεδόν στο 70 τοις εκατό. Ο ρυθμός με τον οποίο οι ειδικοί της τεχνητής νοημοσύνης προσλαμβάνονται εκτός πανεπιστημίου από ιδιωτικές εταιρείες έχει επίσης οκταπλασιαστεί από το 2006.

Οι συγγραφείς επισημαίνουν το OpenAI ως δείκτη του αυξανόμενου δύσκολουy να κάνει έρευνα αιχμής στην τεχνητή νοημοσύνη χωρίς τους οικονομικούς πόρους του ιδιωτικού τομέα. Το 2019, ο οργανισμός μετατράπηκε από μη κερδοσκοπικό σε «κερδοσκοπικό οργανισμό με ανώτατο όριο» προκειμένου να «αυξήσει γρήγορα τις επενδύσεις μας στους υπολογιστές και τα ταλέντα», δήλωσε η εταιρεία εκείνη την εποχή.

Αυτή η επιπλέον επένδυση είχε τα προνόμιά της, σημειώνουν οι συγγραφείς. Βοηθήθηκε να βγει η τεχνολογία AI από το εργαστήριο και σε καθημερινά προϊόντα που μπορούν να βελτιώσουν τη ζωή των ανθρώπων. Οδήγησε επίσης στην ανάπτυξη μιας σειράς πολύτιμων εργαλείων που χρησιμοποιούνται τόσο από τη βιομηχανία όσο και από τον ακαδημαϊκό κόσμο, όπως πακέτα λογισμικού όπως το TensorFlow και το PyTorch και όλο και πιο ισχυρά τσιπ υπολογιστών προσαρμοσμένα σε φόρτους εργασίας AI.

Αλλά ωθεί επίσης την έρευνα της τεχνητής νοημοσύνης να επικεντρωθεί σε τομείς με πιθανά εμπορικά οφέλη για τους χορηγούς της, και εξίσου σημαντικό, προσεγγίσεις τεχνητής νοημοσύνης που απαιτούν δεδομένα και υπολογιστικά δαπανηρές, συνδυάζονται όμορφα με τα πράγματα στα οποία οι μεγάλες εταιρείες τεχνολογίας είναι ήδη καλές. Καθώς η βιομηχανία καθορίζει όλο και περισσότερο την κατεύθυνση της έρευνας για την τεχνητή νοημοσύνη, αυτό θα μπορούσε να οδηγήσει στην παραμέληση των ανταγωνιστικών προσεγγίσεων για την τεχνητή νοημοσύνη και άλλες κοινωνικά επωφελείς εφαρμογές χωρίς σαφές κίνητρο κέρδους.

"Δεδομένου του πόσο ευρέως θα μπορούσαν να εφαρμοστούν τα εργαλεία τεχνητής νοημοσύνης σε ολόκληρη την κοινωνία, μια τέτοια κατάσταση θα έδινε σε μικρό αριθμό τεχνολογικών εταιρειών τεράστια δύναμη πάνω στην κατεύθυνση της κοινωνίας», σημειώνουν οι συγγραφείς.

Υπάρχουν μοντέλα για το πώς θα μπορούσε να καλυφθεί το χάσμα μεταξύ του ιδιωτικού και του δημόσιου τομέα, λένε οι συγγραφείς. Οι ΗΠΑ πρότειναν τη δημιουργία ενός Εθνικού Ερευνητικού Πόρων AI που θα αποτελείται από δημόσιο ερευνητικό cloud και δημόσια σύνολα δεδομένων. Η Κίνα ενέκρινε πρόσφατα ένα «εθνικό σύστημα υπολογιστικού δικτύου ισχύος». AΗ πλατφόρμα Advanced Research Computing του Καναδά λειτουργεί εδώ και σχεδόν μια δεκαετία.

Αλλά χωρίς παρέμβαση από τους υπεύθυνους χάραξης πολιτικής, οι συγγραφείς λένε ότι οι ακαδημαϊκοί πιθανότατα δεν θα είναι σε θέση να ερμηνεύσουν σωστά και να ασκήσουν κριτική στα μοντέλα της βιομηχανίας ή να προσφέρουν εναλλακτικές λύσεις δημοσίου συμφέροντος. Η διασφάλιση ότι έχουν τις δυνατότητες να συνεχίσουν να διαμορφώνουν τα σύνορα της έρευνας για την τεχνητή νοημοσύνη θα πρέπει να αποτελεί βασική προτεραιότητα για τις κυβερνήσεις σε όλο τον κόσμο.

Image Credit: Deepmind / Unsplash 

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• Platoblockchain. Web3 Metaverse Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• πηγή: https://singularityhub.com/2023/03/05/industrys-influence-on-ai-is-shaping-the-techs-future-for-better-and-for-worse/