AI에 대한 업계의 영향력은 기술의 미래를 더 좋든 나쁘게든 형성하고 있습니다.

플라톤에 의해 재발행

팔로워 : 0

AI에 대한 업계의 영향은 더 좋든 나쁘든 기술의 미래를 형성하고 있습니다. PlatoBlockchain Data Intelligence. 수직 검색. 일체 포함.

의 엄청난 잠재력 AI 미래를 재편하기 위해 최근 몇 년 동안 업계에서 막대한 투자가 이루어졌습니다. 그러나 이 신흥 기술에 힘을 실어주는 기초 연구에서 민간 기업의 영향력이 커짐에 따라 그것이 발전하는 방식에 심각한 영향을 미칠 수 있다고 연구원들은 말합니다.

기계가 동물과 인간에게서 볼 수 있는 종류의 지능을 복제할 수 있는지에 대한 질문은 거의 컴퓨터 과학 분야만큼 오래되었습니다. 이 연구 분야에 대한 업계의 참여는 수십 년 동안 변동이 있었습니다.투자가 유입되면서 일련의 AI 겨울로 이어지고 기술이 발전함에 따라 다시 철회 부응하지 못함 기대.

그러나 지난 XNUMX년의 전환기에 딥 러닝의 출현으로 민간 기업의 가장 지속적인 관심과 투자가 이루어졌습니다. 이것은 이제 시작된다 진정으로 판도를 바꾸는 AI 제품 생산하지만, 새로운 분석 과학 산업계의 참여로 이어지고 있음을 보여줍니다.크리신gAI 연구에서 압도적인 위치.

이것은 양날의 검이라고 저자는 말합니다.. 산업은 엄청난 발전을 이룬 돈, 컴퓨팅 리소스, 방대한 양의 데이터를 가져오지만, 또한 인류에게 가장 큰 잠재력이나 혜택이 있는 영역보다는 민간 기업이 관심을 갖는 영역에 전체 분야를 재집중하고 있습니다.

"산업의 상업적 동기는 그들이 이익 지향적인 주제에 집중하도록 밀어붙입니다. 종종 그러한 인센티브는 공익에 부합하는 결과를 낳지만 항상 그런 것은 아닙니다.”라고 저자는 말합니다. "이러한 산업 투자가 소비자에게 이익이 되겠지만, 수반되는 연구 우위는 중요한 AI 도구에 대한 공익적 대안이 점점 부족해질 수 있음을 의미하기 때문에 전 세계 정책 입안자들에게 걱정거리가 되어야 합니다."

저자들은 AI 연구에서 업계의 발자취가 최근 몇 년 동안 극적으로 증가했음을 보여줍니다. 2000년에는 주요 AI 컨퍼런스 프레젠테이션의 22%만이 민간 기업의 공동 저자를 한 명 이상 포함했지만 2020년에는 38%에 달했습니다. 그러나 그 영향은 현장의 최첨단에서 가장 분명하게 느껴집니다.

딥 러닝의 발전은 훨씬 더 큰 모델의 개발에 의해 상당 부분 주도되었습니다. 2010년에 업계는 가장 큰 AI 모델의 11%만 차지했지만 2021년에는 96%에 달했습니다. 이는 이미지 인식 및 언어 모델링과 같은 분야에서 주요 벤치마크에 대한 지배력이 증가하는 것과 일치합니다. 업계에서 선두 모델에 대한 참여는 62년 2017%에서 91년 2020%로 증가했습니다.

이러한 변화의 주요 동인은 민간 부문이 공공 기관에 비해 훨씬 더 많은 투자를 할 수 있다는 것입니다. 국방비를 제외하고 미국 정부는 1.5년 AI 지출에 2021억 달러를 할당했는데, 이는 그해 전 세계 산업계가 지출한 340억 달러와 비교된다.

이러한 추가 자금은 컴퓨팅 성능과 데이터 액세스 측면에서 훨씬 더 나은 리소스와 최고의 인재를 유치할 수 있는 능력으로 해석됩니다. AI 모델의 크기는 사용 가능한 데이터 및 컴퓨팅 리소스의 양과 밀접한 관련이 있으며 2021년 산업 모델은 평균적으로 학술 모델보다 29배 더 컸습니다.

그리고 2004년에는 AI를 전문으로 하는 컴퓨터 과학 박사의 21%만이 산업계에 진출했지만 2020년에는 거의 70%로 뛰어올랐습니다. AI 전문가가 대학 밖에서 민간 기업에 고용된 비율도 2006년 이후 XNUMX배 증가했습니다.

저자는 점점 더 어려워지는 지표로 OpenAI를 지적합니다.y 민간 부문의 재원 없이 최첨단 AI 연구를 수행하는 것입니다. 2019년 이 조직은 "컴퓨팅과 인재에 대한 투자를 빠르게 늘리기" 위해 비영리에서 "영리를 목적으로 하는 조직"으로 전환했습니다.

이 추가 투자에는 이점이 있다고 저자는 지적합니다. AI 기술을 실험실에서 벗어나 사람들의 삶을 개선할 수 있는 일상 제품으로 가져오는 데 도움이 되었습니다. 또한 TensorFlow 및 PyTorch와 같은 소프트웨어 패키지와 점점 더 강력해지는 AI 워크로드에 맞춤화된 컴퓨터 칩과 같이 업계와 학계에서 모두 사용하는 귀중한 도구의 개발로 이어졌습니다.

그러나 그것은 또한 후원자들에게 잠재적인 상업적 이익이 있는 영역에 집중하도록 AI 연구를 추진하고 있으며, 마찬가지로 중요한 것은 거대 기술 회사들이 이미 잘하는 것과 잘 어울리는 데이터에 굶주리고 계산 비용이 많이 드는 AI 접근 방식입니다. 업계에서 점점 더 AI 연구의 방향을 설정함에 따라 명확한 이익 동기 없이 AI 및 기타 사회적으로 유익한 응용 프로그램에 대한 경쟁 접근 방식을 무시하게 될 수 있습니다.

"AI 도구가 사회 전반에 얼마나 광범위하게 적용될 수 있는지를 고려할 때, 그러한 상황은 소수의 기술 회사에 사회 방향에 대한 엄청난 양의 힘을 부여할 것입니다.”라고 저자는 지적합니다.

민간 부문과 공공 부문 사이의 격차를 좁힐 수 있는 방법에 대한 모델이 있다고 저자들은 말합니다. 미국은 공공 연구 클라우드와 공공 데이터 세트로 구성된 국가 AI 연구 자원의 생성을 제안했습니다. 중국은 최근 "국가 컴퓨팅 파워 네트워크 시스템"을 승인했습니다. A캐나다의 Advanced Research Computing 플랫폼은 거의 XNUMX년 동안 실행되었습니다.

그러나 정책입안자들의 개입 없이 저자들은 학자들이 산업 모델을 적절하게 해석하고 비판하거나 공익적 대안을 제시할 수 없을 것이라고 말한다. 그들이 AI 연구의 최전선을 계속 형성할 수 있는 능력을 갖추도록 하는 것이 전 세계 정부의 최우선 과제가 되어야 합니다.

이미지 신용 : Deepmind / Unsplash