Вплив промисловості на штучний інтелект визначає майбутнє технології — на краще і на гірше

Вплив промисловості на штучний інтелект визначає майбутнє технології — на краще і на гірше

Вплив галузі на штучний інтелект визначає майбутнє технології — на краще і на гірше PlatoBlockchain Data Intelligence. Вертикальний пошук. Ai.

Величезний потенціал AI Останніми роками промисловість залучила величезні інвестиції, щоб змінити майбутнє. Але зростаючий вплив приватних компаній у фундаментальних дослідженнях, які є основою для цієї нової технології, може мати серйозні наслідки для її розвитку, кажуть дослідники.

Питання про те, чи можуть машини відтворити інтелект тварин і людей, майже таке ж давнє, як сама галузь інформатики. Залучення промисловості до цього напрямку досліджень коливалося протягом десятиліть, lНаближаючись до серії зим штучного інтелекту, оскільки інвестиції надходили, а потім знову поверталися, як і технологія не вдалося дожити очікування.

Однак поява глибокого навчання на рубежі минулого десятиліття призвела до одного з найбільш стійких інтересів та інвестицій з боку приватних компаній. Це зараз починається дають деякі продукти штучного інтелекту, які справді змінюють гру, але а новий аналіз в наука показує, що це також призводить до залучення промисловостікреазинgдомінуючу позицію в дослідженнях ШІ.

Це палка з двома кінцями, кажуть автори. Промисловість приносить із собою гроші, обчислювальні ресурси та величезні обсяги даних, які прискорюють прогрес, але вона також переорієнтовує всю сферу на сфери, які становлять інтерес для приватних компаній, а не ті, що мають найбільший потенціал чи користь для людства.

"Комерційні мотиви індустрії спонукають її зосередитися на темах, орієнтованих на отримання прибутку. Часто такі стимули дають результати, що відповідають суспільним інтересам, але не завжди», – пишуть автори. «Хоча ці інвестиції в галузь принесуть користь споживачам, супутнє домінування в дослідженнях повинно викликати занепокоєння у політиків у всьому світі, оскільки це означає, що суспільні інтереси альтернатив для важливих інструментів ШІ можуть стати дедалі дефіцитнішими».

Автори показують, що слід промисловості в дослідженнях ШІ різко зріс за останні роки. У 2000 році лише 22 відсотки презентацій на провідних конференціях зі штучного інтелекту включали одного або кількох співавторів із приватних компаній, але до 2020 року цей показник досяг 38 відсотків. Але найвиразніше удар відчувається на передньому краю поля.

Прогрес у глибокому навчанні значною мірою був зумовлений розробкою все більших моделей. У 2010 році на промисловість припадало лише 11 відсотків найбільших моделей штучного інтелекту, але до 2021 року цей показник досяг 96 відсотків. Це збіглося зі зростанням домінування в ключових тестах у таких сферах, як розпізнавання зображень і мовне моделювання, де участь галузі в провідній моделі зросла з 62 відсотків у 2017 році до 91 відсотка у 2020 році.

Ключовою рушійною силою цього зрушення є набагато більші інвестиції, які приватний сектор може зробити порівняно з державними органами. Без урахування витрат на оборону уряд США виділив 1.5 мільярда доларів на витрати на штучний інтелект у 2021 році порівняно з 340 мільярдами доларів, витраченими промисловістю в усьому світі того року.

Це додаткове фінансування означає набагато кращі ресурси — як з точки зору обчислювальної потужності, так і доступу до даних — і здатність залучати найкращих талантів. Розмір моделей штучного інтелекту сильно корелює з обсягом даних і доступних обчислювальних ресурсів, і в 2021 році галузеві моделі були в середньому в 29 разів більші за академічні.

І якщо в 2004 році лише 21 відсоток докторів наук з комп’ютерних наук, які спеціалізувалися на штучному інтелекті, пішли в промисловість, до 2020 року ця кількість зросла майже до 70 відсотків. З 2006 року у вісім разів також зросла кількість експертів зі штучного інтелекту, які наймають приватні компанії поза університетом.

Автори вказують на OpenAI як на маркер зростаючої складностіy проведення передових досліджень ШІ без фінансових ресурсів приватного сектора. У 2019 році організація перетворилася з некомерційної на «комерційну організацію з обмеженнями», щоб «швидко збільшити наші інвестиції в комп’ютери та таланти», – заявили тоді в компанії.

Ці додаткові інвестиції мали свої переваги, відзначають автори. Це допомогло вивести технологію ШІ з лабораторії на повсякденні продукти, які можуть покращити життя людей. Це також призвело до розробки цілого ряду цінних інструментів, якими користуються як промисловість, так і наукові кола, наприклад програмні пакети, як-от TensorFlow і PyTorch, і дедалі потужніші комп’ютерні чіпи, адаптовані до робочих навантажень ШІ.

Але це також спонукає дослідження штучного інтелекту зосередитися на сферах з потенційними комерційними вигодами для спонсорів, і, що не менш важливо, потребують даних і обчислювальних підходах, які чудово поєднуються з тими речами, в яких великі технологічні компанії вже добре вміють. Оскільки галузь все більше визначає напрямок досліджень штучного інтелекту, це може призвести до ігнорування конкуруючих підходів до штучного інтелекту та інших суспільно корисних програм без чіткого мотиву отримання прибутку.

"Зважаючи на те, наскільки широко можна застосовувати інструменти штучного інтелекту в суспільстві, така ситуація дасть невеликій кількості технологічних фірм величезну владу над суспільством», – зазначають автори.

Існують моделі того, як можна було б усунути розрив між приватним і державним сектором, кажуть автори. США запропонували створити Національний дослідницький ресурс штучного інтелекту, який складається з загальнодоступної дослідницької хмари та публічних наборів даних. Китай нещодавно схвалив «національну систему обчислювальної потужності». AКанадська платформа Advanced Research Computing працює вже майже десять років.

Але без втручання політиків автори кажуть, що науковці, швидше за все, не зможуть належним чином інтерпретувати та критикувати галузеві моделі або запропонувати альтернативи суспільного інтересу. Ключовим пріоритетом для урядів у всьому світі має бути забезпечення їх спроможності продовжувати формувати передові дослідження ШІ.

Зображення Фото: Deepmind / Unsplash 

Часова мітка:

Більше від Хаб сингулярності