Akademik tadqiqotlarning yangi haqiqatlarini kelishib olayotgan sun'iy intellekt professorlari
Sun'iy intellekt sohasidagi akademik tadqiqotchilar katta til modellarining (LLM) markazlashuvi va ularni ishlab chiqarishdagi cheklovlar sababli qiyinchiliklarga duch kelmoqda. Ko'pgina universitetlar LLM'larni tayyorlash va ishlatish uchun zarur bo'lgan qimmatbaho GPU'larga ega emas, bu esa tadqiqotlarni xususiy kompaniyalarga ko'chirishga olib kelmoqda. Shu sababli, ko'plab olimlar LLM'larning o'ziga emas, balki ularning salbiy ta'sirini o'rganish yoki maxsus AI modellarini ishlab chiqish kabi yo'nalishlarga e'tibor qaratmoqda. Ushbu o'zgarishlar akademik tadqiqotlarning kelajagini shakllantirmoqda.
So'nggi yillarda sun'iy intellekt (AI) sohasidagi akademik tadqiqotchilar o'zlarining ish muhitida tub o'zgarishlarni boshdan kechirmoqda. Bu o'zgarishlarning asosiy sababi katta til modellarining (LLM) rivojlanishi va ushbu texnologiyalarning markazlashuvidir. AI tadqiqotining markazi akademik muassasalardan xususiy kompaniyalarga, xususan, OpenAI va Anthropic kabi kompaniyalarga ko'chdi. Universitetlar zamonaviy AI modellarini tayyorlash va ishlatish uchun zarur bo'lgan qimmatbaho GPU'larga ega bo'lish imkoniyatiga ega emas.
UC Berkeley professori Nika Haghtalabning ta'kidlashicha, hozirgi holat, xususiy kompaniyalarning CRISPR gen tahrirlash vositasiga eksklyuziv nazorat o'rnatgan dunyodagi biologlarga o'xshaydi. Olimlar ChatGPT va Claude kabi modellar qanday ishlashini o'rganishlari mumkin, lekin ularning ichki tuzilishi va o'qitilishi haqida batafsil tadqiqot olib bora olmaydilar. Ushbu cheklovlar akademik tadqiqotchilarni yangi yo'nalishlarni qidirishga undaydi.
Schmidt Sciences AI2050 dasturi kabi tashabbuslar tadqiqotchilarga GPU'lar sotib olish uchun mablag' ajratadi, bu esa ba'zi olimlar uchun muhim yordamdir. Biroq, mablag' yetishmasligi, ayniqsa, AQShda federal ilmiy moliyalashtirishning kamayishi fonida, doimiy muammo bo'lib qolmoqda. Hatto mahalliy modellarni ishlatmaydigan tadqiqotchilar uchun ham, OpenAI, Anthropic va Google modellari bilan qiyosiy tadqiqotlar olib borish uchun ulardan takroriy so'rovlar yuborishning narxi ancha yuqori bo'lishi mumkin.
Ko'pgina tadqiqotchilar LLM'lar tomonidan hal qilinishi dargumon bo'lgan muammolarga e'tibor qaratmoqda. Johns Hopkins professori Anjalie Field: "Men texnologiya kompaniyalari tomonidan hal qilinadigan muammolar ustida ishlamaslikka harakat qilaman", deydi. Kompaniyalar foyda olishi kerak va kam daromadli tadqiqotlar, ayniqsa, agar ularning natijalari kompaniyalarni yomon ko'rsatsa, investitsiya qilishga arzimaydi. Misol uchun, Field ayollar tomonidan ko'proq ishlatiladigan uslublarda yozilgan murojaatlarga til modellarining kamroq murakkab javoblar berishini aniqlagan.
Shuningdek, LLM'lar bilan umuman ishlamaydigan ko'plab AI olimlari ham bor. Ular ixtisoslashgan AI modellarini yaratadilar, ular ma'lumotlarni tahlil qiladi, prognozlar qiladi yoki hatto butun fizik tizimlarni modellashtiradi. Google DeepMind'ning AlphaFold jamoasi kabi loyihalar muvaffaqiyatli bo'lgan bo'lsa-da, bunday olimlar ham o'ziga xos muammolarga duch kelishadi. Ixtisoslashgan AI vositalarini ishlab chiquvchi tadqiqotchilar, masalan, iqlim o'zgarishiga qarshi kurashish uchun, ba'zan o'z ishlarini himoya qilishda qiynaladilar, chunki ko'pchilik "AI"ni "energiya talab qiluvchi LLM'lar" deb tushunadi.
Bu qiyinchiliklar akademik tadqiqotlar landshaftini o'zgartirmoqda. Bir qancha taniqli olimlar o'z universitetlaridan ta'til olib, yetakchi laboratoriyalarga qo'shilishgan. Shuningdek, OpenAI modellarining matematika sohasidagi ba'zi tadqiqot muammolarini hal qilishi insonlarning sof matematikadagi kelajagi haqida xavotirlarni uyg'otdi.
Ammoki, hamma narsa umidsizlikdan iborat emas. AI matematiklar va olimlar ko'pchilik uchun tahdid emas, balki yordam sifatida ko'rilmoqda. Carnegie Mellon kompaniyasidan Tim Dettmers kabi olimlarning fikricha, AI vositalari inson olimlarini yanada samaraliroq qilishga yordam beradi, bu esa ularga yangi va ilhomlantiruvchi g'oyalarni amalga oshirish imkonini beradi. Resurs cheklovlari olimlarni modellarini kichraytirish va samaradorligini oshirishning yangi usullarini kashf qilishga undaydi. Kelajakdagi katta AI yutug'i yirik kompaniyadan emas, balki kichik akademik laboratoriyadan kelib chiqishi ham mumkin.
Dasturchilar va biznes egalari uchun bu yangiliklar AI sohasidagi tadqiqotlar yo'nalishining o'zgarayotganini ko'rsatadi. Kompaniyalar endi nafaqat eng ilg'or LLM'larga, balki ularning cheklovlari, salbiy ta'sirlari va ixtisoslashgan AI modellariga ham e'tibor qaratishi lozim.
AI kod muharriridan foydalanishda eng muhim qoida — kichik o'zgarish, ko'rinadigan diff, majburiy test va qaytarish mumkin bo'lgan commit.