تتناول هذه المقالة التحديات الجديدة التي يواجهها باحثو الذكاء الاصطناعي في الجامعات، وتأثير الشركات الخاصة على أبحاثهم.
أستاذة الذكاء الاصطناعي تتفاوض حول واقع البحث الأكاديمي الجديد
إنها فترة غريبة للباحثين في الذكاء الاصطناعي في الجامعات، الذين يشكلون معظم مجموعة AI2050. على مدار السنوات الأربع الماضية، أعيد توجيه أبحاث الذكاء الاصطناعي حول نماذج اللغة الكبيرة، وانتقل الحد الأقصى من المؤسسات الأكاديمية إلى الشركات الخاصة. لا تستطيع الجامعات ببساطة تحمل تكاليف وحدات معالجة الرسوميات (GPUs) اللازمة لتدريب وتشغيل النماذج المتقدمة، وحتى لو استطاعت، فإن شركة Anthropic وOpenAI لا تسمح لأحد برؤية التفاصيل الداخلية لكل من Claude وChatGPT.
تحديات التمويل والبحث
في حديث خلال الغداء، قالت نika Haghtalab، أستاذة علوم الكمبيوتر في جامعة كاليفورنيا في بيركلي، إن كونك أكاديمي في الذكاء الاصطناعي هذه الأيام يشبه أن تكون عالم أحياء في عالم تسيطر فيه الشركات الخاصة على أداة تحرير الجينات CRISPR. يمكن للخبراء خارج المختبرات المتقدمة دراسة كيفية تصرف ChatGPT وClaude، لكن لا يمكنهم إجراء أي بحث مفصل حول تصميم وتدريب تلك الأدوات، ولا يمكنهم توجيه ذلك التصميم أو التدريب بأنفسهم.
يوفر برنامج AI2050 بعض التمويل للزملاء الذين يمكنهم استخدامه لشراء وحدات معالجة الرسوميات، وهو ما قاله بعض الباحثين الذين تحدثت معهم إنه فائدة كبيرة للمشاركة في البرنامج. لكن المال لا يزال مصدر قلق ملح، خاصة بالنظر إلى تقليص التمويل العلمي الفيدرالي في الولايات المتحدة. حتى بالنسبة للباحثين الذين لا يديرون نماذج محلية بأنفسهم، فإن تكلفة الاستعلام المتكرر عن نماذج OpenAI وAnthropic وGoogle لدراستها بشكل دقيق يمكن أن تكون باهظة.
توجهات البحث الجديدة
بدلاً من التركيز على تطوير القدرات، يوجه العديد من الزملاء انتباههم إلى أسئلة من غير المحتمل أن تعالجها Anthropic أو OpenAI. تقول Anjalie Field، أستاذة علوم الكمبيوتر في جامعة جونز هوبكنز: “أحاول ألا أعمل على مشاكل أعتقد أنه سيتم حلها بواسطة شركة تقنية”. تحتاج الشركات إلى جني الأموال، وقد لا تكون الأسئلة البحثية التي لا تعد واعدة من حيث الربح جديرة بالاستثمار – خاصة إذا كانت إجاباتها قد تجعل الشركات تبدو سيئة. على سبيل المثال، أجرت Field مؤخرًا دراسة وجدت فيها أن نماذج اللغة تعطي استجابات أقل تعقيدًا للمطالبات التي تُصاغ بطرق تُستخدم بشكل أكثر شيوعًا من قبل النساء مقارنة بالرجال. من الصعب تخيل أن هذا النوع من البحث سيخرج من Anthropic أو OpenAI.
التحديات في الذكاء الاصطناعي المتخصص
هناك أيضًا مجموعة كبيرة من الأكاديميين في الذكاء الاصطناعي الذين لا يعملون مع النماذج الكبيرة. العديد منهم علماء يبنون نماذج ذكاء اصطناعي متخصصة يمكنها تحليل البيانات، وتقديم توقعات مفيدة، أو حتى محاكاة أنظمة فيزيائية كاملة. هؤلاء الباحثون لا يتنافسون بالضرورة مع المختبرات المتقدمة – فقد تم حل فريق AlphaFold من Google DeepMind، الذي بنى نموذجًا فاز بجائزة نوبل يتنبأ بهياكل البروتينات، الشهر الماضي. لكنهم يواجهون الكثير من التحديات الخاصة بهم. في الاجتماع، أعرب العديد منهم عن مخاوفهم بشأن كيفية تأثير الجهل الواسع حول الذكاء الاصطناعي غير المرتبط بالنماذج الكبيرة على عملهم. على سبيل المثال، يكافح الباحثون الذين يبنون أدوات ذكاء اصطناعي متخصصة للمساعدة في معالجة تغير المناخ أحيانًا للدفاع عن عملهم عندما يعتقد الكثيرون أن “الذكاء الاصطناعي” يعني “نماذج لغة تستهلك الطاقة”.
تغيرات في المشهد الأكاديمي
كل هذه التحديات تغير المشهد الأكاديمي: فقد أخذ عدد من الأكاديميين البارزين إجازة من جامعاتهم للانضمام إلى المختبرات المتقدمة، والعديد من زملاء AI2050 يحملون وظائف صناعية بجانب وظائفهم الأكاديمية. وفي الأشهر الستة الماضية، ظهرت تهديدات جديدة. لقد حلت نماذج OpenAI عددًا من المشكلات البحثية الحقيقية في الرياضيات، ويخشى بعض الخبراء من أن البشر قد لا يكون لهم مستقبل في الرياضيات البحتة. قالت إحدى الزملاء الذين تحدثت معهم إنها قلقة بشأن الصحة النفسية لزملائها من علماء الرياضيات.
آفاق جديدة للبحث العلمي
لكن ليس كل شيء قاتمًا. من ناحية، قد يكون من الصعب جدًا أتمتة العلوم التجريبية مقارنة بالرياضيات، لأن جمع البيانات هو عملية بطبيعتها بطيئة. ويرى بعض الباحثين أن علماء الرياضيات والعلوم بالذكاء الاصطناعي يمثلون نعمة بدلاً من تهديد – بما في ذلك Tim Dettmers، عالم الكمبيوتر في جامعة كارنيجي ميلون الذي يعمل على جعل نماذج الذكاء الاصطناعي أسرع وأرخص في التشغيل. يقول Dettmers إن علماء الذكاء الاصطناعي لن يحلوا محل البشر، بل على العكس، يمكنهم جعل العلماء البشريين أكثر كفاءة، بحيث تكون لديه وزملاؤه الفرصة لمتابعة جميع الأفكار البرية والمُلهمة التي قد لا يكونوا قد حصلوا على فرصة للقيام بها.
والعلماء نوع مرن. إن القيود الموارد التي تمنعهم من تدريب النماذج المتقدمة تدفعهم أيضًا لاكتشاف طرق جديدة لجعل النماذج أصغر وأكثر كفاءة، أو لاستكشاف هياكل جديدة تمامًا. إذا جاء الاختراق الكبير التالي في الذكاء الاصطناعي ليس من شركة كبيرة ولكن من مختبر أكاديمي مبتكر، فلن أتعجب.
على الرغم من التحديات، لا يزال هناك أمل في أن يؤدي الابتكار الأكاديمي إلى breakthroughs جديدة في مجال الذكاء الاصطناعي.
