گزارش 6 مارس 2023 – توسط باب یرکا، اعتبار: دامنه عمومی Pixabay/CC0
سه نفر از دانشمندان مدیریت اقتصادی، دو نفر از دانشکده مدیریت اسلون در MIT و یکی از ویرجینیا تک، در مورد پیامدهای تسلط صنعت در تحقیقات هوش مصنوعی هشدار می دهند. نور احمد، منتصر واحد و نیل تامپسون در مقاله انجمن سیاست خود که در ژورنال Science منتشر شده است، تاریخ اخیر تلاش‌های تحقیقاتی هوش مصنوعی و اینکه چرا مصرف‌کنندگان باید در مورد جهت‌گیری آن نگران باشند را تشریح می‌کنند.
همانطور که احمد، واحد و تامپسون خاطرنشان می کنند، برای سال های متمادی، تلاش برای وادار ساختن رایانه ها به تفکر و عمل مانند انسان ها عمدتاً در حوزه دانشگاهی بود. اما پس از آن یک تغییر دهنده بازی وارد شد – شبکه های عصبی یادگیری عمیق. پس از موفقیت محدود در توسعه برنامه‌های کاربردی هوش مصنوعی واقعاً مفید، سال به سال، محققان هوش مصنوعی ناگهان خود را با یک ابزار واقعاً مفید هوش مصنوعی یافتند – و با آن کار می‌کنند.
شبکه های عصبی یادگیری عمیق اکنون ستون فقرات طیف گسترده ای از کاربردهای مفید، از تشخیص پزشکی تا پردازش زبان را تشکیل می دهند. اما محققان خاطرنشان می کنند که همراه با توسعه چنین ابزارهایی، تغییر در بخش هایی که چنین تحقیقاتی در آن انجام می شود، وجود دارد. بخش خصوصی حجم فزاینده ای از تحقیقات هوش مصنوعی را انجام می دهد و محققان خاطرنشان می کنند که این منجر به تغییر در اهداف شده است.
به دلیل ماهیت این فناوری، مدل‌های بزرگتر هوش مصنوعی نسبت به مدل‌های کوچکتر نتایج چشمگیرتری تولید می‌کنند. این منجر به اعمال نفوذ بیشتر صنعت در این زمینه می شود زیرا نهادهای شرکتی پول بیشتری برای خرج کردن دارند. به عنوان یک نمونه، محققان بیان می کنند، در سال 2010، صنعت تنها 11 درصد از بزرگترین مدل های هوش مصنوعی را توسعه داد، در حالی که بخش آکادمیک بقیه را تشکیل می داد. اما تا سال 2021، صنعت تقریباً 96 درصد از بزرگترین مدل ها را می ساخت.
این تیم همچنین خاطرنشان می کند که محققان هوش مصنوعی که در صنعت کار می کنند تمایل دارند به رایانه های بسیار بزرگتر و قدرتمندتر و مجموعه داده های بزرگتر مورد استفاده برای آموزش دسترسی داشته باشند. در نتیجه، تحقیقات هوش مصنوعی توسط صنعت با جهش و مرز رشد کرده است در حالی که دانشگاه ثابت مانده است. همچنین منجر به فرار مغزها شده است – در سال 2004، تنها 21 درصد از دانشمند علوم کامپیوتری که بر روی برنامه های کاربردی هوش مصنوعی کار می کردند، در صنعت کار می کردند. تا سال 2020، این تعداد به 70 درصد افزایش یافت.
احمد، واحد و تامپسون استدلال می کنند که تغییر باید دلیلی برای نگرانی باشد، زیرا در حالی که تحقیقات آکادمیک عموماً در جهت ارتقاء پیشرفت علمی است، صنعت همیشه به طور جدی بر کسب سود متمرکز است. بنابراین، محصولات جدید هوش مصنوعی ممکن است بهتر از یک مصرف کننده معمولی به نفع شرکت باشد.
