AI教授应对学术研究新现实

摘要
上周,在加州山景城的一家酒店,一些最杰出的AI研究人员聚集一堂,讨论人工智能学术研究的新现实。他们探讨了AI领域快速变化带来的挑战与机遇。
背景解释
随着人工智能技术的快速发展,学术研究面临新的挑战和机遇。教授们需要适应不断变化的领域,包括资金、合作和发表方式的变化。这次会议反映了AI学术界正在积极应对这些变化,以确保研究的持续创新和影响力。
原文译文
以下为抓取到的原文内容译文,已统一为站内阅读格式。
AI教授正在应对学术研究的新现实
在Schmidt Sciences AI2050项目的一次会议上,我目睹了学术研究人员如何直面AI时代的挑战。

Stephanie Arnett/MIT Technology Review | Adobe Stock
这个故事最初出现在我们的每周AI通讯《The Algorithm》中。想第一时间在收件箱中收到此类故事,请在此注册。
上周,我前往旧金山以南30英里的加利福尼亚州山景城的一家酒店,与一些世界上最杰出、也最有前途的AI研究人员会面。我主持了圆桌访谈,并在Schmidt Sciences AI2050项目的一次会议中为媒体培训发言。该项目由Eric和Wendy Schmidt资助,支持从事AI相关工作的学者。研究员名单堪称AI名流录,尽管并非所有人都来到了湾区,但每次转角我都能遇到一位我此前采访过或研究令我钦佩的科学家。(完全披露:我于2024年获得了由Schmidt Sciences资助的科学传播奖。)
对于构成AI2050项目主体的大学AI研究人员来说,这是一个奇怪的时期。在过去四年中,AI研究已围绕大语言模型重新定向,其前沿已从学术机构转移到私营公司。大学根本负担不起训练和运行前沿模型所需的GPU,即使负担得起,Anthropic和OpenAI也不会让任何人看到Claude或ChatGPT的内部细节。
在午餐交谈中,加州大学伯克利分校的计算机科学教授Nika Haghtalab表示,如今的AI学者就像在一个私营公司独家控制基因编辑工具CRISPR的世界里的生物学家。前沿实验室之外的专家可以研究ChatGPT和Claude的行为,但无法对这些工具的设计和训练进行详细研究,也无法自行引导其设计或训练。
AI2050项目确实为研究员提供了一些资金,可用于购买GPU,我采访的一些研究人员表示,这是参与该项目的一大好处。但资金仍然是一个紧迫的问题,尤其是在美国联邦科学经费削减的情况下。即使对于不自己运行本地模型的研究人员来说,为了严谨地研究OpenAI、Anthropic和Google的模型而反复查询的成本也可能高得令人望而却步。
许多研究员并不专注于提升能力,而是将注意力投向Anthropic或OpenAI不太可能解决的问题。“我尽量不研究那些我认为科技公司会解决的问题,”约翰霍普金斯大学的计算机科学教授Anjalie Field说。公司需要赚钱,而那些几乎没有盈利前景的研究问题可能不值得投资——尤其是如果答案可能让公司难堪的话。例如,最近Field进行了一项研究,发现语言模型对以女性更常用方式表述的提示词给出的回答不如对男性常用方式的回答复杂。很难想象这类研究会出自Anthropic或OpenAI。
还有一大批完全不使用LLM的AI学者。其中许多是构建专用AI模型的科学家,这些模型可以分析数据、做出有用的预测,甚至模拟整个物理系统。这些研究人员不一定与前沿实验室竞争——谷歌DeepMind的AlphaFold团队上个月解散了,该团队构建了一个预测蛋白质结构的诺贝尔奖级模型。但他们面临着自己的一系列挑战。在会议上,几位与会者表达了对非LLM AI被广泛忽视如何影响他们工作的担忧。例如,构建专用AI工具以帮助应对气候变化的研究人员,在许多人认为“AI”就意味着“耗能巨大的LLM”时,有时很难为自己的工作辩护。
所有这些挑战正在改变学术界的格局:几位知名学者最近已从大学请假加入前沿实验室,许多AI2050研究员在学术工作之外还担任行业职位。而在过去六个月中,又出现了另一个威胁。OpenAI的模型已经解决了数学中的一些实际研究问题,一些专家担心人类在纯数学领域可能没有未来。我采访的一位研究员表示,她担心数学同行们的心理健康。
但并非全是悲观和沮丧。一方面,实证科学可能比数学更难自动化,因为收集数据本质上是一个缓慢的过程。一些研究人员将AI数学家和科学家视为福音而非威胁——包括卡内基梅隆大学的计算机科学家Tim Dettmers,他致力于让AI模型运行得更快、更便宜。Dettmers说,AI科学家不会取代人类。相反,它们可以让人类科学家变得高效得多,从而让他和同行们有机会去追求那些他们可能永远没有时间实现的疯狂而富有灵感的想法。
而科学家是一个坚韧的群体。正是那些阻止他们训练前沿模型的资源限制,也推动他们发现让模型更小、更高效的新方法,或者探索全新的架构。如果下一个重大AI突破不是来自大公司,而是来自一个不起眼的学术实验室,我一点也不会感到惊讶。
作者:Grace Huckins
- [通过电子邮件分享故事](mailto:?subject=AI%20professors%20are%20negotiating%20the%20new%20realities%20of%20academic%20research&body=https%3A%2F%2Fwww.technologyreview.com%2F2026%2F08%2F10%2F1141597%2Fai-professors-are-negotiating-the-new-realities-of-academic-research%2F)
一家初创公司声称突破了阻碍LLM的瓶颈
Subquadratic现已分享了其新模型的更多细节。但一些人仍持怀疑态度。
一个根本缺陷使LLM极易受到攻击
这使得很容易诱骗它们做不该做的事情,比如告诉你如何破坏飞机的导航系统。
Anthropic 发现了一个隐藏空间,Claude 在其中思考概念
一项新技术让公司得以比以往任何时候都更深入地探究大语言模型的奇异工作机制。
Claude Science 是 Anthropic 最新的旗舰产品
该公司正加大对人工智能用于科学的投入。
获取来自
MIT Technology Review 的最新更新
发现特别优惠、热门故事、 即将举行的活动等。
感谢您提交您的电子邮件!
看起来出了点问题。
我们无法保存您的偏好设置。 请尝试刷新此页面并再次更新它们。 如果继续收到此消息, 请通过 [customer-service@technologyreview.com](mailto:customer-service@technologyreview.com) 联系我们,并附上您希望接收的新闻通讯列表。
来源地区
United States
热度分
76
分类
研究进展
语言
en
