Industry’s Influence On AI Is Shaping The Technology’s Future

بازنشر افلاطون

دنبال: 0

Industry’s Influence on AI Is Shaping the Technology’s Future—for Better and for Worse PlatoBlockchain Data Intelligence. Vertical Search. Ai.

پتانسیل عظیم از AI برای تغییر شکل آینده شاهد سرمایه گذاری هنگفت صنعت در سال های اخیر بوده است. اما به گفته محققان، نفوذ فزاینده شرکت‌های خصوصی در تحقیقات اساسی که این فناوری نوظهور را تقویت می‌کند، می‌تواند پیامدهای جدی برای چگونگی توسعه آن داشته باشد.

این سوال که آیا ماشین‌ها می‌توانند نوع هوشی که در حیوانات و انسان‌ها دیده می‌شود را تکرار کنند، تقریباً به قدمت خود رشته علوم کامپیوتر است. تعامل صنعت با این خط از تحقیقات در طول دهه ها نوسان داشته است، lبا سرازیر شدن سرمایه‌گذاری به یک سری زمستان‌های هوش مصنوعی ادامه می‌دهیم و پس از آن مجدداً مانند فناوری، از آن خارج می‌شویم نتوانست به آن عمل کند انتظارات.

با این حال، ظهور یادگیری عمیق در آغاز دهه گذشته منجر به یکی از پایدارترین دوره‌های علاقه و سرمایه‌گذاری شرکت‌های خصوصی شده است. این در حال حاضر شروع به برخی از محصولات هوش مصنوعی واقعاً تغییر دهنده بازی را ارائه دهید، اما یک تحلیل جدید در علم نشان می دهد که این امر همچنین منجر به ورود صنعت می شودکراسینgموقعیت غالب در تحقیقات هوش مصنوعی

نویسندگان می گویند این یک شمشیر دو لبه است. صنعت با خود پول، منابع محاسباتی و حجم وسیعی از داده‌ها را به همراه دارد که دارای پیشرفت توربو شارژ هستند، اما همچنین کل این حوزه را بر روی حوزه‌هایی متمرکز می‌کند که مورد علاقه شرکت‌های خصوصی هستند تا آن‌هایی که بیشترین پتانسیل یا منافع را برای بشریت دارند.

"انگیزه‌های تجاری صنعت، آنها را به تمرکز بر موضوعاتی سوق می‌دهد که سود محور هستند. اغلب چنین مشوق‌هایی نتایجی در راستای منافع عمومی به همراه دارد، اما نه همیشه.» نویسندگان می‌نویسند. اگرچه این سرمایه‌گذاری‌های صنعتی به نفع مصرف‌کنندگان خواهد بود، اما تسلط تحقیقاتی همراه باید برای سیاست‌گذاران در سراسر جهان نگران‌کننده باشد، زیرا به این معنی است که جایگزین‌های منافع عمومی برای ابزارهای مهم هوش مصنوعی ممکن است به طور فزاینده‌ای کمیاب شوند.

نویسندگان نشان می‌دهند که ردپای صنعت در تحقیقات هوش مصنوعی در سال‌های اخیر به طرز چشمگیری افزایش یافته است. در سال 2000، تنها 22 درصد از ارائه‌ها در کنفرانس‌های پیشرو هوش مصنوعی شامل یک یا چند نویسنده مشترک از شرکت‌های خصوصی بود، اما تا سال 2020 به 38 درصد رسید. اما تاثیر به وضوح در لبه برش میدان احساس می شود.

پیشرفت در یادگیری عمیق تا حد زیادی توسط توسعه مدل های بزرگتر انجام شده است. در سال 2010، صنعت تنها 11 درصد از بزرگترین مدل های هوش مصنوعی را به خود اختصاص داد، اما تا سال 2021 این میزان به 96 درصد رسید. این با تسلط رو به رشد بر معیارهای کلیدی در زمینه هایی مانند تشخیص تصویر و مدل سازی زبان همزمان شده است، جایی که مشارکت صنعت در مدل پیشرو از 62 درصد در سال 2017 به 91 درصد در سال 2020 افزایش یافته است.

عامل اصلی این تغییر، سرمایه‌گذاری‌های بسیار بزرگ‌تری است که بخش خصوصی می‌تواند در مقایسه با نهادهای دولتی انجام دهد. بدون احتساب هزینه‌های دفاعی، دولت ایالات متحده در سال 1.5، 2021 میلیارد دلار برای هزینه‌های هوش مصنوعی اختصاص داد، در حالی که در آن سال، صنعت در سراسر جهان 340 میلیارد دلار هزینه کرد.

این بودجه اضافی به منابع بسیار بهتر - هم از نظر قدرت محاسباتی و هم دسترسی به داده - و توانایی جذب بهترین استعدادها منجر می شود. اندازه مدل‌های هوش مصنوعی به شدت با مقدار داده‌ها و منابع محاسباتی موجود مرتبط است و در سال 2021 مدل‌های صنعتی به طور متوسط 29 برابر بزرگ‌تر از مدل‌های دانشگاهی بودند.

و در حالی که در سال 2004 تنها 21 درصد از دکترای علوم کامپیوتر که در زمینه هوش مصنوعی تخصص داشتند وارد صنعت شدند، تا سال 2020 این تعداد به 70 درصد افزایش یافت. نرخ استخدام کارشناسان هوش مصنوعی خارج از دانشگاه توسط شرکت های خصوصی نیز از سال 2006 هشت برابر شده است.

نویسندگان به OpenAI به عنوان نشانه ای از افزایش دشوار اشاره می کنندy انجام تحقیقات پیشرفته هوش مصنوعی بدون منابع مالی بخش خصوصی. این شرکت در آن زمان گفت: در سال 2019، این سازمان از یک سازمان غیرانتفاعی به یک "سازمان انتفاعی محدود" تبدیل شد تا "سرمایه گذاری های خود را در محاسبات و استعدادها افزایش دهد."

نویسندگان خاطرنشان می کنند که این سرمایه گذاری اضافی مزایای خود را داشته است. به بیرون آوردن فناوری هوش مصنوعی از آزمایشگاه و وارد کردن محصولات روزمره که می تواند زندگی مردم را بهبود بخشد، کمک کرده است. همچنین منجر به توسعه مجموعه‌ای از ابزارهای ارزشمند مورد استفاده صنعت و دانشگاه شده است، مانند بسته‌های نرم‌افزاری مانند TensorFlow و PyTorch و تراشه‌های رایانه‌ای قوی‌تر متناسب با حجم کاری هوش مصنوعی.

اما همچنین تحقیقات هوش مصنوعی را تحت فشار قرار می دهد تا بر حوزه هایی با مزایای تجاری بالقوه برای حامیان مالی خود تمرکز کند و به همان اندازه مهم، رویکردهای هوش مصنوعی پرهزینه و پرهزینه محاسباتی است که به خوبی با چیزهایی که شرکت های بزرگ فناوری در حال حاضر در آن مهارت دارند، هماهنگ است. همانطور که صنعت به طور فزاینده جهت تحقیقات هوش مصنوعی را تعیین می کند، این می تواند منجر به نادیده گرفتن رویکردهای رقابتی نسبت به هوش مصنوعی و سایر برنامه های کاربردی اجتماعی سودمند بدون انگیزه سود مشخص شود.

"با توجه به اینکه ابزارهای هوش مصنوعی چقدر می توانند در سراسر جامعه به کار گرفته شوند، چنین وضعیتی به تعداد کمی از شرکت های فناوری قدرت زیادی در جهت هدایت جامعه می دهد.»

به گفته نویسندگان، مدل‌هایی برای رفع شکاف بین بخش خصوصی و دولتی وجود دارد. ایالات متحده ایجاد یک منبع تحقیقاتی هوش مصنوعی ملی متشکل از ابر تحقیقات عمومی و مجموعه داده های عمومی را پیشنهاد کرده است. چین اخیرا «سیستم شبکه ملی توان محاسباتی» را تصویب کرده است. Aپلت فرم محاسبات تحقیقاتی پیشرفته کانادا تقریباً یک دهه است که در حال اجرا است.

اما بدون دخالت سیاستگذاران، نویسندگان می‌گویند که دانشگاهیان احتمالاً قادر به تفسیر و نقد مدل‌های صنعت یا ارائه جایگزین‌های منافع عمومی نخواهند بود. حصول اطمینان از توانایی آنها برای ادامه شکل دادن به مرز تحقیقات هوش مصنوعی باید یک اولویت کلیدی برای دولت‌ها در سراسر جهان باشد.

تصویر های اعتباری: Deepmind / می Unsplash