Wpływ przemysłu na sztuczną inteligencję kształtuje przyszłość technologii — na lepsze i na gorsze

Ogromny potencjał AI kształtować przyszłość, w ostatnich latach nastąpiły ogromne inwestycje ze strony przemysłu. Naukowcy twierdzą jednak, że rosnący wpływ prywatnych firm na badania podstawowe, które napędzają tę nową technologię, może mieć poważne implikacje dla jej rozwoju.

Pytanie, czy maszyny mogą powielać rodzaj inteligencji obserwowany u zwierząt i ludzi, jest prawie tak stare, jak sama dziedzina informatyki. Zaangażowanie przemysłu w tę linię badań zmieniało się na przestrzeni dziesięcioleci, lprzechodząc do serii zim AI, gdy inwestycje napływały, a następnie wycofywały się wraz z napływem technologii nie udało się dotrzymać stałego zespołu,

Pojawienie się głębokiego uczenia się na przełomie poprzedniej dekady zaowocowało jednak jednym z najbardziej trwałych trendów zainteresowania i inwestycji prywatnych firm. To się teraz zaczyna przynieść kilka naprawdę zmieniających gry produktów AI, Ale a nowa analiza w nauka pokazuje, że prowadzi to również do przejęcia przemysłumarszczeniegdominującą pozycję w badaniach nad sztuczną inteligencją.

To miecz obosieczny, mówią autorzy. Przemysł niesie ze sobą pieniądze, zasoby obliczeniowe i ogromne ilości danych, które przyspieszają postęp, ale także skupia całą dziedzinę na obszarach, które są interesujące dla prywatnych firm, a nie na tych, które mają największy potencjał lub przynoszą korzyści ludzkości.

"Komercyjne motywy przemysłu skłaniają ich do skupienia się na tematach zorientowanych na zysk. Często takie zachęty przynoszą efekty zgodne z interesem publicznym, ale nie zawsze” – piszą autorzy. „Chociaż te inwestycje branżowe przyniosą korzyści konsumentom, towarzysząca im dominacja badań powinna być zmartwieniem decydentów na całym świecie, ponieważ oznacza to, że alternatywy dla ważnych narzędzi sztucznej inteligencji, leżące w interesie publicznym, mogą stawać się coraz rzadsze”.

Autorzy pokazują, że udział przemysłu w badaniach nad sztuczną inteligencją dramatycznie wzrósł w ostatnich latach. W 2000 roku tylko 22 procent prezentacji na wiodących konferencjach poświęconych sztucznej inteligencji zawierało jednego lub więcej współautorów z prywatnych firm, ale do 2020 roku odsetek ten osiągnął 38 procent. Ale uderzenie jest najbardziej odczuwalne na krawędzi tnącej pola.

Postęp w głębokim uczeniu się był w dużej mierze napędzany rozwojem coraz większych modeli. W 2010 roku przemysł stanowił zaledwie 11 procent największych modeli AI, ale do 2021 roku osiągnął już 96 procent. Zbiegło się to w czasie z rosnącą dominacją w kluczowych testach porównawczych w obszarach takich jak rozpoznawanie obrazów i modelowanie języka, gdzie zaangażowanie branży w wiodący model wzrosło z 62 procent w 2017 r. do 91 procent w 2020 r.

Głównym motorem tej zmiany są znacznie większe inwestycje, jakie może poczynić sektor prywatny w porównaniu z organami publicznymi. Wyłączając wydatki na obronę, rząd USA przeznaczył 1.5 miliarda dolarów na wydatki na sztuczną inteligencję w 2021 roku, w porównaniu z 340 miliardami dolarów wydanymi w tym roku przez przemysł na całym świecie.

Te dodatkowe fundusze przekładają się na znacznie lepsze zasoby — zarówno pod względem mocy obliczeniowej, jak i dostępu do danych — oraz możliwość przyciągnięcia najlepszych talentów. Rozmiar modeli AI jest silnie skorelowany z ilością dostępnych danych i zasobów obliczeniowych, a w 2021 modele branżowe były średnio 29 razy większe niż modele akademickie.

I podczas gdy w 2004 roku tylko 21 procent doktorów informatyki specjalizujących się w sztucznej inteligencji trafiło do przemysłu, w 2020 roku odsetek ten wzrósł do prawie 70 procent. Od 2006 r. ośmiokrotnie zwiększył się również odsetek zatrudnianych przez prywatne firmy ekspertów ds. sztucznej inteligencji poza uniwersytetami.

Autorzy wskazują na OpenAI jako wyznacznik rosnącej trudnościy prowadzenia najnowocześniejszych badań nad sztuczną inteligencją bez zasobów finansowych sektora prywatnego. W 2019 roku organizacja przekształciła się z organizacji non-profit w „organizację nastawioną na zysk”, aby „szybko zwiększyć nasze inwestycje w moc obliczeniową i talenty” – poinformowała wówczas firma.

Ta dodatkowa inwestycja ma swoje zalety, zauważają autorzy. Pomogło przenieść technologię sztucznej inteligencji z laboratorium do produktów codziennego użytku, które mogą poprawić życie ludzi. Doprowadziło to również do opracowania wielu cennych narzędzi używanych zarówno przez przemysł, jak i środowisko akademickie, takich jak pakiety oprogramowania, takie jak TensorFlow i PyTorch, oraz coraz potężniejsze chipy komputerowe dostosowane do obciążeń AI.

Ale zmusza to również badania nad sztuczną inteligencją do skupienia się na obszarach o potencjalnych korzyściach komercyjnych dla sponsorów, a co równie ważne, żądnych danych i kosztownych obliczeniowo podejściach do sztucznej inteligencji, które dobrze współgrają z rzeczami, w których duże firmy technologiczne są już dobre. Ponieważ przemysł w coraz większym stopniu wyznacza kierunek badań nad sztuczną inteligencją, może to prowadzić do zaniedbywania konkurencyjnych podejść do sztucznej inteligencji i innych społecznie korzystnych zastosowań bez wyraźnego motywu zysku.

"Biorąc pod uwagę, jak szeroko narzędzia sztucznej inteligencji mogą być stosowane w całym społeczeństwie, taka sytuacja dałaby niewielkiej liczbie firm technologicznych ogromną władzę nad kierowaniem społeczeństwem” – zauważają autorzy.

Autorzy twierdzą, że istnieją modele, w jaki sposób można zlikwidować przepaść między sektorem prywatnym i publicznym. Stany Zjednoczone zaproponowały utworzenie krajowego zasobu badań nad sztuczną inteligencją, składającego się z publicznej chmury badawczej i publicznych zbiorów danych. Chiny niedawno zatwierdziły „narodowy system sieci mocy obliczeniowej”. AKanadyjska platforma Advanced Research Computing działa już od prawie dekady.

Jednak bez interwencji decydentów, autorzy twierdzą, że naukowcy prawdopodobnie nie będą w stanie właściwie interpretować i krytykować modeli branżowych ani oferować alternatyw w interesie publicznym. Zapewnienie im możliwości dalszego kształtowania granic badań nad sztuczną inteligencją powinno być kluczowym priorytetem dla rządów na całym świecie.

Kredytowych Image: DeepMind / Unsplash 

• Dystrybucja treści i PR oparta na SEO. Uzyskaj wzmocnienie już dziś.
• Platoblockchain. Web3 Inteligencja Metaverse. Wzmocniona wiedza. Dostęp tutaj.
• Źródło: https://singularityhub.com/2023/03/05/industrys-influence-on-ai-is-shaping-the-techs-future-for-better-and-for-worse/