产业界正赶超学术界，主导全球AI研究，学者担忧这会加剧不公平
产业界正赶超学术界，主导全球AI研究，学者担忧这会加剧不公平
AI正在由学术界走向产业界。这对公共利益的研究意味着什么呢？
直到21世纪初，学术界和工业界在AI领域的投入还能保持一种相对平衡。
但过去的十年里，这种平衡被打破了。产业界在计算能力和数据获取上拥有明显优势，这让他们更容易吸引顶尖人才，制定行业标准，并持续投入研究。
最近，麻省理工学院学者尼尔·汤普森（Neil Thompson）、努尔·艾哈迈德（Nur Ahmed）和弗吉尼亚理工大学孟塔斯尔·瓦希德（Muntasir Wahed）博士生合作在《科学》杂志上发表的一篇新论文，称产业界正在逐渐主导原本属于学术界的AI基础研究，并影响着研究的方向。这种趋势引发了人们对公共利益导向、非盈利性质AI研究未来的担忧。
“深度学习是推动过去十年AI革命的关键，而这背后的推动力是资源的巨大投入，”汤普森表示，“你可能会担心，在这种情况下，学者们可能会因为资金问题而无法参与竞争，而我们的研究也显示，这种情况确实正在发生。”
产业界在AI领域得天独厚的优势
在AI领域，产业之所以占据主导地位，可以从其投入与产出中一窥究竟。
这里的投入包括数据、研究人员和计算资源，而产出则是指AI模型及其高质量的产品或论文。
说到数据方面，企业因为日常运营中与用户和设备的互动，能轻松获得大量数据。在人才方面，现在约70%拥有AI博士学位的人才都在私营企业工作，而在20年前这一比例仅为20%。
自2006年以来，学术界的研究职位数量几乎没有增加，而工业界的招聘却增长了八倍。再看计算能力，产业使用的模型平均规模比学术界大29倍，显示了双方在资源上的巨大差距。
在产出方面，每年开发的最大AI模型中，有96%来自产业界。此外，根据汤普森和艾哈迈德提供的数据，产业界在衡量AI进步的主要基准或模型中占据了91%的比例。
自2000年以来，与产业界合作发表的论文数量也几乎翻了一番。
这与其他行业如制药业形成了鲜明的对比。
在制药业中，学术界和产业界的研究分布相对均衡。汤普森指出，学术界擅长进行低成本的基础研究，如确定新的药物靶点，而产业界则擅长进行需要大量资源的应用研究，如临床试验，这种分工并不妨碍研究进程。
然而，AI领域的挑战在于其复杂性和相互依赖性。“你不能只看一个单一的模块，也不能轻易地将其分开。”汤普森表示。例如要创建ChatGPT的新版本，必须在现有模型的整体基础上构建新功能。
研究人员认为，学术研究人员之所以难以完成这项工作，一方面是因为产业界掌握了这些模型，另一方面是因为计算资源的价格过高。仅2021年，美国政府机构为AI研究拨款了15亿美元，但这笔资金仅与谷歌在2019年为DeepMind项目投入的资金相当。
今年，美国政府为了推动“在AI领域的负责任创新”，在5月4日宣布将通过国家科学基金会投入1.4亿美元，启动七个国家级的AI研究所。
学术界的受限，引发对AI未来的担忧
事实上，学术界在AI研究中的角色持续受限，对此汤普森和艾哈迈德对AI的未来发展表示了担忧。
艾哈迈德表示，人才持续流向产业确实让人担忧。一方面，这导致学术界在培养下一代研究人才方面的作用减弱；另一方面，产业界设定的基准正逐渐主导AI的整体研究议程。
“如果产业界的基准成为主导，那么博士后工作可能会更多地跟随产业的步伐，而不是从多角度思考问题。”艾哈迈德解释道。
产业推动的研究议程可能会使那些对公共利益有益但利润不高的工作边缘化。这包括公共卫生等主题的研究，以及确保AI模型公正、公平并服务于公共利益的工作。这也是一些技术领导者呼吁暂停AI开发，以制定面向社会和消费者的保障措施的原因之一。
汤普森表示：“要审查一个行业模型的公正性，一种方法是创建一个不同的模型进行比较。而这需要资源。”
在全球层面，学术界和产业界之间的分歧正在加剧，导致研究越来越集中在技术公司擅长开发先进系统的地方，如美国和中国。而在欧洲，尽管有人才储备，但由于研究激励不足，可能会进一步落后。不过，汤普森与人合著的论文指出，这一现象并非AI所独有，也广泛存在于超级计算领域。
“欧洲有人才，但那里的研究激励较少。”艾哈迈德总结道。
寻找平衡之道
汤普森和艾哈迈德都认同，行业在AI研究中发挥了不可或缺的作用。那些我们如今广泛使用的机器学习模型，如PyTorch和TensorFlow，都是由公司（分别是Meta和Google）最初开发的，而现在它们已成为开源项目，深受学术界的欢迎。
“行业在AI研究上的出色表现并不是坏事。它意味着我们可以享受到更便宜、更好的产品和服务，”汤普森表示，“这对整个世界来说都是福音。”
但研究人员也指出，这并不意味着学术界在AI研究中的角色应该被削弱。相反，我们应该寻找一个平衡点，让学术界有能力进行更多符合公共利益的AI研究。
艾哈迈德认为，国际合作可能是一个实现这一目标的途径，类似于欧洲核子研究中心（CERN）这样的机构。通过全球合作，我们可以创建更具代表性的AI模型，这些模型将在更大、更多样化的数据集上进行训练。这将产生溢出效应，鼓励更多的人参与到AI研究中来。
“全球各地都有才华横溢的人才在寻找机会，但他们往往缺乏合适的导师。”艾哈迈德继续表示，“国际合作将是一种解锁人才潜力、增加研究多样性的方式。”
参考资料
Study: Industry now dominates AI research.MIT.