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

Újra kiadta Platón

Követő: 0

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

A hatalmas potenciál AI a jövő átformálása érdekében az elmúlt években hatalmas beruházások történtek az ipar részéről. De a magáncégek növekvő befolyása az alapkutatásban, amely ezt a feltörekvő technológiát alapozza meg, komoly következményekkel járhat annak fejlődésére, állítják a kutatók.

Az a kérdés, hogy a gépek képesek-e megismételni az állatoknál és az embereknél tapasztalt intelligenciát, majdnem egyidős a számítástechnika területével. Az ipar ezzel a kutatási irányvonallal való elkötelezettsége az évtizedek során ingadozott, la mesterséges intelligencia telei sorozatához érünk, mivel a befektetések beáramlófélben vannak, majd újra kiszálltak, ahogy a technológia tette nem sikerült megfelelni elvárásainak.

A mély tanulás megjelenése az előző évtized fordulóján azonban az egyik legtartósabb érdeklődést és befektetést eredményezte a magánvállalatok részéről. Ez most kezdődik valóban játékot megváltoztató AI-termékeket eredményez, de a új elemzés be Tudomány azt mutatja, hogy ez egyben az ipar bevonzásához is vezetkreazingdomináns pozícióját az AI-kutatásban.

Ez egy kétélű kard, mondják a szerzők. Az ipar pénzt, számítástechnikai erőforrásokat és hatalmas mennyiségű adatot hoz magával, amelyek felturbózott előrelépést jelentenek, ugyanakkor az egész területet olyan területekre összpontosítja, amelyek a magáncégek érdeklődésére tartanak számot, nem pedig azokra, amelyek a legnagyobb potenciállal vagy az emberiség számára előnyösek.

"Az ipar kereskedelmi motívumai arra késztetik őket, hogy olyan témákra összpontosítsanak, amelyek profitorientáltak. Az ilyen ösztönzők gyakran a közérdeknek megfelelő eredményeket hoznak, de nem mindig” – írják a szerzők. „Bár ezek az iparági befektetések a fogyasztók javát szolgálják, az ezzel járó kutatási dominancia aggodalomra ad okot a döntéshozók számára szerte a világon, mert ez azt jelenti, hogy a fontos AI-eszközök közérdekű alternatívái egyre ritkábbakká válhatnak.”

A szerzők kimutatták, hogy az iparág lábnyoma az AI-kutatásban drámaian megnőtt az elmúlt években. 2000-ben a vezető mesterségesintelligencia-konferenciákon tartott előadások mindössze 22 százalékában szerepelt egy vagy több társszerző magáncégektől, 2020-ra azonban ez az arány elérte a 38 százalékot. De a hatás a legvilágosabban a mezőny élén érezhető.

A mély tanulás terén elért haladás nagymértékben az egyre nagyobb modellek kifejlesztésének köszönhető. 2010-ben az ipar a legnagyobb mesterségesintelligencia-modellek mindössze 11 százalékát tette ki, de 2021-re ez már elérte a 96 százalékot. Ez egybeesett a kulcsfontosságú benchmarkok növekvő dominanciájával olyan területeken, mint a képfelismerés és a nyelvi modellezés, ahol az iparág vezető modellben való részvétele a 62-es 2017 százalékról 91-ra 2020 százalékra nőtt.

Ennek az elmozdulásnak a fő mozgatórugója az, hogy a magánszektor sokkal nagyobb beruházásokat tud végrehajtani, mint az állami szervek. A védelmi kiadásokat leszámítva az Egyesült Államok kormánya 1.5-ben 2021 milliárd dollárt különített el mesterséges intelligencia fejlesztésére, szemben az ipar által abban az évben elköltött 340 milliárd dollárral.

Ez a többletfinanszírozás sokkal jobb erőforrásokat jelent – mind a számítási teljesítmény, mind az adatokhoz való hozzáférés tekintetében – és a legjobb tehetségek vonzásának képességét. Az AI-modellek mérete szorosan összefügg a rendelkezésre álló adatok és számítási erőforrások mennyiségével, és 2021-ben az iparági modellek átlagosan 29-szer nagyobbak voltak, mint a tudományos modellek.

És míg 2004-ben a mesterséges intelligenciára szakosodott számítástechnikai doktorok mindössze 21 százaléka ment be az iparba, 2020-ra ez az arány majdnem 70 százalékra ugrott. 2006 óta nyolcszorosára nőtt a magáncégek által az AI-szakértők felvételének aránya is.

A szerzők az OpenAI-ra mutatnak rá, mint a növekvő nehézségekrey élvonalbeli AI-kutatást végezni a magánszektor pénzügyi forrásai nélkül. 2019-ben a szervezet non-profit szervezetből „korlátozott profitorientált szervezetté” alakult át annak érdekében, hogy „gyorsan növeljük a számítástechnikába és a tehetségekbe való befektetéseinket” – közölte a vállalat akkor.

Ennek az extra befektetésnek megvoltak a maga előnyei – jegyzik meg a szerzők. Segített abban, hogy a mesterséges intelligencia technológiát kihozzák a laborból és olyan mindennapi termékekbe, amelyek javíthatják az emberek életét. Ez egy sor értékes eszköz kifejlesztéséhez is vezetett, amelyeket az ipar és a tudományos körök egyaránt használnak, mint például a TensorFlow és a PyTorch szoftvercsomagokat, valamint az AI-munkaterhelésekhez igazodó, egyre erősebb számítógépes chipeket.

De ez arra is ösztönzi az AI-kutatást, hogy azokra a területekre összpontosítson, amelyek potenciális kereskedelmi előnyökkel járhatnak szponzorai számára, és ami ugyanilyen fontos, az adatigényes és számításigényes mesterségesintelligencia-megközelítések, amelyek jól illeszkednek azokhoz a dolgokhoz, amelyekben a nagy technológiai cégek már most is jók. Ahogy az ipar egyre inkább meghatározza a mesterséges intelligencia kutatásának irányát, ez a mesterséges intelligencia és más társadalmilag előnyös, egyértelmű profitmotiváció nélküli alkalmazások figyelmen kívül hagyásához vezethet.

"Tekintettel arra, hogy a mesterséges intelligencia eszközök milyen széles körben alkalmazhatók az egész társadalomban, egy ilyen helyzet néhány technológiai cégnek óriási hatalmat adna a társadalom irányítása felett” – jegyzik meg a szerzők.

Vannak modellek arra vonatkozóan, hogy a magán- és a közszféra közötti szakadékot hogyan lehetne megszüntetni – állítják a szerzők. Az Egyesült Államok egy nemzeti mesterséges intelligencia kutatási erőforrás létrehozását javasolta, amely nyilvános kutatási felhőből és nyilvános adatkészletekből állna. Kína nemrégiben jóváhagyta a „nemzeti számítástechnikai hálózati rendszert”. AA kanadai Advanced Research Computing platform csaknem egy évtizede működik.

A szerzők azonban a döntéshozók beavatkozása nélkül azt mondják, hogy az akadémikusok valószínűleg nem lesznek képesek megfelelően értelmezni és bírálni az iparági modelleket, vagy közérdekű alternatívákat kínálni. A kormányok számára világszerte kulcsfontosságú prioritásként kell kezelni annak biztosítását, hogy rendelkezzenek a mesterséges intelligencia kutatás határvonalának alakításához szükséges képességekkel.

Kép: DeepMind / Unsplash