那么，如果你只是一位教授，擁有有限的團(tuán)隊(duì)規(guī)模和有限的計(jì)算資源，面對(duì)資金充足的研究公司的猛攻，你如何保持相關(guān)性？這是一個(gè)困擾我們和許多同事多年的問題。最近的事件，如GPT-4等模型驚人地強(qiáng)大，同時(shí)驚人地封閉源代碼且缺乏公開細(xì)節(jié)，使得這個(gè)問題變得更加緊迫。我們從不同級(jí)別的多位研究者那里聽說，無論是親自還是通過社交媒體，他們都擔(dān)心在資源匱乏和大型科技公司的不公平競爭下進(jìn)行有意義的研究。首先讓我們明確一點(diǎn)：我們兩個(gè)都很安全。我們擁有終身教授職位，我們?cè)趯W(xué)術(shù)界的成長相當(dāng)迅速，部分原因是因?yàn)槲覀兿到y(tǒng)地在視頻游戲領(lǐng)域推動(dòng)AI的發(fā)展。盡管我們顯然關(guān)心繼續(xù)開展相關(guān)的AI研究，但我們主要是為了更年輕的同事們寫這篇文章，他們可能想知道選擇哪條職業(yè)道路。是進(jìn)入學(xué)術(shù)界值得嘗試，還是加入大型科技公司，或者創(chuàng)立一家初創(chuàng)企業(yè)？從事AI職業(yè)是個(gè)好主意，還是當(dāng)一名水管工更好？你應(yīng)該成為機(jī)器中的一個(gè)齒輪，還是一個(gè)叛逆者？（當(dāng)你一無所失時(shí)，通常更容易成為叛逆者，這要么是在職業(yè)生涯初期，要么是獲得終身職位時(shí)。）盡管一個(gè)人可以非常熟練，但這場保持競爭力的輝煌戰(zhàn)斗是否已經(jīng)輸?shù)袅?？我們是不是就要在這里順從我們的規(guī)律？這篇論文部分是作為認(rèn)真的建議，部分是作為情感上的鼓勵(lì)，但最重要的是與大家展開討論，在戰(zhàn)斗徹底失敗之前改善我們作為學(xué)者的地位。我們并不希望阻止AI技術(shù)的發(fā)展（即使我們能）；相反，我們希望討論那些能使盡可能多的人參與這一旅程的策略。

如果你是一名人工智能學(xué)者，對(duì)你的選擇感到絕望，下面是一些想法的列表。這些選項(xiàng)沒有特定的順序。我們?cè)谶@里也沒有提出任何特別的建議。然而，在文件的最后，我們討論了大型科技公司和大學(xué)可以做些什么來改善這種情況。在那里，我們提出了一些具體的建議。

2. 放棄吧！

放棄總是一個(gè)選擇。不是放棄做研究，而是放棄做真正具有影響力和突破性的事情。在中等級(jí)別的期刊和會(huì)議上發(fā)表論文，仍然有很多技術(shù)細(xì)節(jié)和次次問題可以探討。注意：（1）這種方法最適合已經(jīng)有穩(wěn)定職位的人，而且你并不太關(guān)心晉升；（2）當(dāng)你決定從事研究生涯時(shí)，這并不是你真正想要做的事情，對(duì)吧？因?yàn)檫@種激烈的競爭而強(qiáng)迫自己調(diào)整研究議程，類似于調(diào)整研究以適應(yīng)歐洲委員會(huì)或美國國家科學(xué)基金會(huì)等資助機(jī)構(gòu)的某些任意優(yōu)先事項(xiàng)。至少爭取后者可能為你的實(shí)驗(yàn)室提供一些資金，反過來，可以幫助你與一些有才華的AI研究者和博士生合作。值得注意的是，我們兩人都認(rèn)為自己非常幸運(yùn)，因?yàn)槲覀冊(cè)?jīng)協(xié)調(diào)或參與了一些小型和大型研究項(xiàng)目，這些項(xiàng)目讓我們能夠支持我們的研究議程，并幫助我們（部分地）確保我們的職位。

3 嘗試擴(kuò)展?

與壓倒性的競爭對(duì)抗是一種令人欽佩的情懷。如果擴(kuò)展有效，讓我們?cè)诖髮W(xué)實(shí)驗(yàn)室里實(shí)現(xiàn)它！讓我們?nèi)ヌ魬?zhàn)風(fēng)車（GPU風(fēng)扇）！最明顯的問題是獲取CPU和GPU的途徑。假設(shè)你從某個(gè)地方獲得了5萬美元的云計(jì)算資金，并開始運(yùn)行你的大型實(shí)驗(yàn)。但與訓(xùn)練類似GPT-3的項(xiàng)目所需的費(fèi)用相比，這是非常少的。最近一個(gè)能在Minecraft中制作鉆石稿的OpenAI代理需要在720個(gè)V100 GPU上訓(xùn)練9天[2]；這相當(dāng)于花費(fèi)幾十萬美元進(jìn)行一次實(shí)驗(yàn)。即使是享有聲譽(yù)的ERC（歐盟）或NSF（美國）資助也無法支持如此高的投資水平。然而，花費(fèi)5萬美元在云計(jì)算上可以讓你獲得比一堆游戲PC更多的計(jì)算能力，所以你可以稍微擴(kuò)展一下。至少對(duì)于那個(gè)實(shí)驗(yàn)來說。但正如我們所知，大多數(shù)實(shí)驗(yàn)在第一次嘗試時(shí)是行不通的。對(duì)于我們看到的每一個(gè)大型實(shí)驗(yàn)，我們需要花費(fèi)數(shù)月甚至數(shù)年的時(shí)間進(jìn)行原型設(shè)計(jì)、概念驗(yàn)證、調(diào)試、參數(shù)調(diào)優(yōu)和失敗的嘗試。你需要不斷地獲得這種計(jì)算能力。不太明顯的問題是，你需要一個(gè)合適的團(tuán)隊(duì)來構(gòu)建可擴(kuò)展的實(shí)驗(yàn)軟件，這與學(xué)術(shù)工作結(jié)構(gòu)并不容易兼容。計(jì)算機(jī)科學(xué)領(lǐng)域的典型學(xué)術(shù)研究實(shí)驗(yàn)室的大多數(shù)成員都是需要在幾年內(nèi)完成學(xué)業(yè)的博士生，他們需要進(jìn)行獨(dú)立的項(xiàng)目工作，發(fā)表多篇第一作者論文，以便在畢業(yè)后找到工作。一個(gè)大型AI項(xiàng)目通常意味著團(tuán)隊(duì)的大部分成員需要在同一個(gè)項(xiàng)目上工作很多個(gè)月或者幾年，而只有其中一個(gè)人可以成為論文的第一作者。團(tuán)隊(duì)可能還包括一些執(zhí)行“平凡”的軟件工程任務(wù)的人員，這些任務(wù)對(duì)項(xiàng)目的成功至關(guān)重要，但它們本身并不被視為AI研究。成功的大型項(xiàng)目所需的結(jié)構(gòu)與學(xué)術(shù)界的結(jié)構(gòu)根本不兼容。

4 縮小規(guī)模?

一種繞過問題的熱門方法是關(guān)注簡單而具有代表性的（玩具）問題，這些問題將在理論上證明一種新方法的優(yōu)勢，或展示一種新方法的相對(duì)優(yōu)勢。比如，一篇關(guān)于行為變換器的最近論文[17]展示了該方法在一個(gè)只需要簡單的多層感知器來解決的玩具導(dǎo)航任務(wù)上的優(yōu)勢。后來在[11]中采用了類似的方法。然而，這兩項(xiàng)研究可能具有影響力，因?yàn)樗鼈冊(cè)谛枰笮湍Ｐ秃痛罅坑?jì)算訓(xùn)練的流行游戲和機(jī)器人基準(zhǔn)問題上展示了算法的能力。在[10]中，我們?cè)俅斡^察到了相同的模式：在一個(gè)玩具（賭博）環(huán)境中提出了一個(gè)案例，但影響力，可以說，來自于該算法在更復(fù)雜但計(jì)算密集型問題中所展示的相對(duì)優(yōu)勢。這種方法的一個(gè)缺點(diǎn)是，人們會(huì)被高分辨率的漂亮顏色所吸引，把一輛真正的汽車在道路上導(dǎo)航比一輛玩具汽車更認(rèn)真對(duì)待，盡管挑戰(zhàn)可能是相同的。因此，你會(huì)得到較少的媒體曝光。此外，還有一些領(lǐng)域，如語言，很難進(jìn)一步縮小規(guī)模。

5 重用與重制?

過去十年中，AI之所以能夠如此迅速地發(fā)展，核心原因之一就是研究人員將他們的代碼和模型共享給科學(xué)界。在過去，模型共享和代碼可訪問性既不是AI研究人員的常規(guī)做法，也不是他們的優(yōu)先事項(xiàng)。能夠訪問預(yù)先訓(xùn)練好的大型模型，如ImageNet [15]、ViT [4]或GPT的變體[?]，可以幫助你節(jié)省時(shí)間和精力，因?yàn)槟憧梢圆捎盟鼈兊拇蟛糠謨?nèi)容，并對(duì)自己的特定問題進(jìn)行微調(diào)。可以說，一個(gè)人需要假設(shè)這些大型模型的表示足夠通用，以便在有限的訓(xùn)練中為下游任務(wù)提供良好的性能。不幸的是，對(duì)大型模型進(jìn)行微調(diào)和事后分析通常還不足以提供良好的性能。

6 分析而非綜合

另一種方法是分析公開可用的預(yù)訓(xùn)練模型。雖然這可能不會(huì)直接為新功能做出貢獻(xiàn)，但仍然可以取得科學(xué)進(jìn)展。目前的狀況是，我們擁有公開可用的優(yōu)秀文本和圖像生成模型，但我們對(duì)它們的理解并不充分。實(shí)際上，我們幾乎沒有完全理解它們。讓我們面對(duì)現(xiàn)實(shí)：對(duì)于任何人來說，變換器都不是直觀的東西，而這些模型所接受的培訓(xùn)數(shù)據(jù)的規(guī)模本身幾乎是無法理解的。有很多工作要做，例如以創(chuàng)造性的方式探測它們，并開發(fā)可視化和概念設(shè)備來幫助我們理解它們。人們可以用不同的心態(tài)進(jìn)行分析。嘗試尋找和描述已經(jīng)學(xué)到的特定電路和機(jī)制是有用的，可以幫助我們（好吧，其他有資源的人）在未來創(chuàng)造更好的模型。但是人們也可以扮演不斷尋找破解方法的糾纏不休的角色！這是有價(jià)值的，不管那些試圖從大型模型中獲利的人怎么說。?

7 強(qiáng)化學(xué)習(xí)！無數(shù)據(jù)！?

人們可能會(huì)降低對(duì)數(shù)據(jù)的要求，而是通過（在線）強(qiáng)化學(xué)習(xí)（RL）的視角來處理AI問題。遵循RL路徑可能允許您繞過與數(shù)據(jù)可用性、分析、存儲(chǔ)和處理相關(guān)的所有問題；然而，它并不一定減少所需的計(jì)算工作量。事實(shí)上，即使是最有效的RL方法也被認(rèn)為在計(jì)算方面非常繁重，因?yàn)樘剿鬟^程本身就很昂貴。此外，塑造獎(jiǎng)勵(lì)函數(shù)通常涉及黑魔法（非正式）或?qū)嵱弥腔郏ǜ剑┑男问健Ｒ簿褪钦f，研究人員通常需要不斷地用不同類型的獎(jiǎng)勵(lì)（以及其他超參數(shù)）運(yùn)行漫長的實(shí)驗(yàn)才能取得突破性的結(jié)果。因此，最終還是要降低問題的復(fù)雜性。關(guān)鍵是，如果您想擺脫大數(shù)據(jù)集，除非您在簡單（玩具）問題或?qū)ｉT領(lǐng)域工作，否則您可能仍然面臨大型計(jì)算；下一節(jié)將專門討論后一種策略。

8 小模型！無計(jì)算！?

另一種有效策略是在模型規(guī)模上進(jìn)行妥協(xié)以節(jié)省計(jì)算。在許多情況下，您可能希望或需要一個(gè)較小的模型。想象一下，能夠解決問題或完成任務(wù)的最小模型。這對(duì)現(xiàn)實(shí)世界的應(yīng)用尤為重要。例如游戲、物聯(lián)網(wǎng)和自動(dòng)駕駛汽車等領(lǐng)域，可以讓AI部署在終端用戶旁邊以及用戶生成的數(shù)據(jù)旁邊，即在網(wǎng)絡(luò)的邊緣。這通常被稱為邊緣AI[8]，當(dāng)內(nèi)存要求較低且推理迅速發(fā)生時(shí)，AI應(yīng)用可以在物理世界的設(shè)備上運(yùn)行。神經(jīng)進(jìn)化和神經(jīng)結(jié)構(gòu)搜索[8]以及知識(shí)蒸餾[5, 9]方法只是邊緣AI可用方法的一部分。注意，除了從較小的模型中學(xué)到更多信息外，還可以嘗試從更少的數(shù)據(jù)中學(xué)到更多信息[6]。遵循這條研究路徑可能會(huì)在我們理解模型內(nèi)部運(yùn)作方面帶來重大突破。研究小型AI模型使得分析變得更容易，提高了模型所做的事情的可解釋性。在設(shè)備上部署模型有助于解決隱私問題。重要的是，它支持綠色AI研究倡議[16]，提倡包容性AI，考慮（并試圖最小化）其環(huán)境足跡。顯然，小型模型能做的事情是有限的，但我們認(rèn)為這個(gè)研究方向的重要性將在未來幾年急劇增長。

9 在專業(yè)應(yīng)用領(lǐng)域或領(lǐng)域開展工作?

選擇一個(gè)小眾但已經(jīng)建立的研究領(lǐng)域是一種相當(dāng)有效的策略，這個(gè)領(lǐng)域可能超出了行業(yè)的直接興趣范圍，嘗試在該領(lǐng)域內(nèi)創(chuàng)新。通常，將您的想法帶到一個(gè)全新的領(lǐng)域并進(jìn)行測試是一種成功的策略，但較少情況下，這些成果會(huì)對(duì)該領(lǐng)域之外產(chǎn)生很大的影響。有很多例子表明，小眾領(lǐng)域最終由于少數(shù)專注的研究人員的推動(dòng)而變得占主導(dǎo)地位。我們目前主要采取這種策略，將游戲領(lǐng)域的AI作為我們的主要科學(xué)社區(qū)，因?yàn)楹苌儆写蠊緯?huì)認(rèn)真投入到現(xiàn)代游戲AI。想想早期00年代，視頻游戲領(lǐng)域如何滲透并主導(dǎo)了機(jī)器人和計(jì)算機(jī)視覺研究社區(qū)（例如當(dāng)時(shí)的IJCAI和AAAI會(huì)議系列）。想想神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)方法在支持向量機(jī)和回歸模型投資社區(qū)的主導(dǎo)地位（例如十年前的NeurIPS會(huì)議）。還可以思考強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)如何改變了多智能體學(xué)習(xí)和認(rèn)知/情感建模的核心原則，例如在AAMAS，ACII和IVA會(huì)議代表的社區(qū)中。這種策略的一個(gè)核心缺點(diǎn)是在AI領(lǐng)域最具影響力的大型場合（如NeurIPS，AAAI，ICML和IJCAI）很難讓您的論文被接受。您的論文及其結(jié)果可能最終無法引起廣泛關(guān)注。然而，創(chuàng)建您自己的社區(qū)并擁有自己的出版會(huì)議是非?？赡艿?。

10 解決目前很少關(guān)心的問題?

專注于一個(gè)已經(jīng)確立的細(xì)分市場或應(yīng)用領(lǐng)域是相對(duì)安全的策略，而尋找一個(gè)尚不存在的細(xì)分市場或應(yīng)用則有一定的風(fēng)險(xiǎn)?；旧?，關(guān)注幾乎沒有人看到其重要性的問題，或者沒有人認(rèn)為有前景的方法。一個(gè)方法是尋找人們尚未認(rèn)真將人工智能應(yīng)用于其中的領(lǐng)域。一個(gè)好主意是研究一個(gè)既不及時(shí)也不“性感”的領(lǐng)域。這里的賭注是，這個(gè)特定的應(yīng)用領(lǐng)域?qū)⒃谖磥碜兊弥匾?，無論是因?yàn)樗旧淼膬r(jià)值，還是因?yàn)樗蛊渌麞|西變得可能。我們兩個(gè)人都走了這條路。15年前，游戲的程序化內(nèi)容生成是一個(gè)非常小眾的話題，我們都幫助將其引入研究界[20, 23]；最近，它不僅對(duì)游戲行業(yè)變得更加重要，還作為一種幫助泛化（深度）強(qiáng)化學(xué)習(xí)的途徑變得更加重要[14, 19]。強(qiáng)化學(xué)習(xí)研究是一個(gè)擁有每年成千上萬論文發(fā)表的核心人工智能領(lǐng)域，這使得這個(gè)曾經(jīng)相對(duì)鮮為人知的話題變得更加重要。這種高風(fēng)險(xiǎn)高回報(bào)的心態(tài)可能導(dǎo)致一條孤獨(dú)的道路，但從長遠(yuǎn)來看，它可能會(huì)帶來豐厚的回報(bào)。因此，看看周圍，和不是人工智能研究員的人交談。你看到哪些問題領(lǐng)域很少應(yīng)用人工智能，而人工智能研究員似乎并不了解或關(guān)心？未來可能會(huì)有人關(guān)心這些領(lǐng)域嗎？如果是這樣，你可能需要在其中一個(gè)領(lǐng)域深入挖掘。

11 嘗試那些“不應(yīng)該”有效的事情?

小型學(xué)術(shù)團(tuán)隊(duì)的另一個(gè)相對(duì)優(yōu)勢是能夠嘗試那些“不應(yīng)該有效”的事物，這意味著它們不受理論或?qū)嶒?yàn)證據(jù)支持。大型工業(yè)研究實(shí)驗(yàn)室的動(dòng)態(tài)通常是研究人員有動(dòng)力嘗試那些可能有效的事物；否則，錢就會(huì)損失。在學(xué)術(shù)界，失敗可能與成功一樣有啟發(fā)性和價(jià)值，而且整體風(fēng)險(xiǎn)較低。許多AI領(lǐng)域的重要發(fā)明和觀念來自于嘗試“錯(cuò)誤”的事物。特別是，深度學(xué)習(xí)的所有內(nèi)容都源于研究人員固執(zhí)地研究神經(jīng)網(wǎng)絡(luò)，盡管有很好的理論原因表明它們不應(yīng)該有效。

12. 做一些“看起來不好”的事情

一家公司越大、越重要，就越容易受到道德和觀念的約束。任何公司最終都要對(duì)其股東負(fù)責(zé)，如果股東認(rèn)為公司遭受“聲譽(yù)損害”，他們可以很容易地解雇首席執(zhí)行官。因此，大公司會(huì)盡量避免做任何看起來很糟糕的事情。為了解決這個(gè)問題，大公司有時(shí)會(huì)資助初創(chuàng)公司做更多可能出錯(cuò)的實(shí)驗(yàn)性工作(想想微軟和OpenAI)。但即使是這樣的戲劇也有局限性，因?yàn)樵愀獾墓P(guān)可能會(huì)像舊金山灣的潮水一樣涌回來。作為一個(gè)沒有職位或已經(jīng)有一個(gè)安全職位的個(gè)人研究員，你不會(huì)有任何損失。你可以做你想做的瘋狂的事情。你只受法律和你自己人格的約束。我們絕不認(rèn)為你應(yīng)該做不道德的研究。無論如何，試著做正確的事情。但是，你認(rèn)為令人反感的東西，可能與美國沿海地區(qū)一群受教育程度過高、以自由派為主的白人工程師所認(rèn)為的令人反感的東西截然不同。富?？萍脊镜墓P(guān)部門、倫理委員會(huì)和董事會(huì)信奉一套非常特殊的價(jià)值觀。但是世界很大，充滿了不同的人，不同的文化。所以有一個(gè)很大的機(jī)會(huì)去做這些科技公司即使可以做也不會(huì)做的研究。作為一個(gè)利用這種機(jī)會(huì)的項(xiàng)目的例子，我們中的一個(gè)人參與了一個(gè)項(xiàng)目，通過創(chuàng)建一個(gè)自動(dòng)補(bǔ)全系統(tǒng)來批判性地檢查當(dāng)前寫作支持系統(tǒng)中“中性英語”的正統(tǒng)性，該語言模型假設(shè)你以查克·廷格(Chuck Tingle)的語氣寫作，查克·廷格是荒謬的科幻政治諷刺小說《同性戀情色》(gay erotica[7])的著名作者。我們的猜測是，這個(gè)項(xiàng)目不會(huì)被Amazon或谷歌批準(zhǔn)出版。另一個(gè)例子就是這篇論文。同樣，你可能會(huì)發(fā)現(xiàn)，你偏離了大型科技公司關(guān)于裸體、性、粗魯、宗教、資本主義、共產(chǎn)主義、法律和秩序、正義、平等、福利、代表、歷史、生殖、暴力或其他話題的文化共識(shí)。由于所有AI研究都發(fā)生在文化和政治背景中，并受到其影響，因此請(qǐng)將偏離常規(guī)視為一次機(jī)會(huì)。如果你不能做他們不能做的研究，那就做他們不愿做的研究。

13 創(chuàng)業(yè)；剝離出去！?

現(xiàn)在應(yīng)該很明顯，學(xué)術(shù)界在某種程度上，矛盾地限制了學(xué)術(shù)人工智能研究。即使有人設(shè)法獲得大規(guī)模的數(shù)百萬項(xiàng)目，這也僅涵蓋了現(xiàn)代AI研究所需的人力和計(jì)算資源的一部分。AI科學(xué)家之間的一個(gè)流行選擇是將他們的想法從大學(xué)實(shí)驗(yàn)室剝離出去，創(chuàng)立一家公司，逐步將AI研究轉(zhuǎn)化為一系列商業(yè)標(biāo)準(zhǔn)的服務(wù)或產(chǎn)品。兩位作者都通過共同創(chuàng)立modl.ai [12] 參與了這個(gè)過程，并從中學(xué)到了很多。成為應(yīng)用AI領(lǐng)域的一員有很多好處。原則上，您可以獲得實(shí)際應(yīng)用中豐富的數(shù)據(jù)，而這些數(shù)據(jù)您以前無法獲得。此外，您的AI算法在具有挑戰(zhàn)性的商業(yè)標(biāo)準(zhǔn)應(yīng)用中得到測試，并且必須在實(shí)際環(huán)境中運(yùn)行。最后，您通常會(huì)獲得更多的計(jì)算能力，并且如果初創(chuàng)公司擴(kuò)大規(guī)模，您將獲得不斷增長的人力資源。然而，這個(gè)過程遠(yuǎn)非理想，因?yàn)橛袔讉€(gè)限制因素需要考慮。首先，并非所有研究想法都直接適用于創(chuàng)業(yè)商業(yè)模式。您最好的研究想法可能在理解世界方面非常出色，或者至少能在高度知名的場合發(fā)表，但這并不意味著可以輕易地將其制成產(chǎn)品。其次，如今實(shí)驗(yàn)室中取得的許多杰出成果可能需要經(jīng)歷漫長的跑道，直到它們變成某種商業(yè)案例。大多數(shù)初創(chuàng)公司進(jìn)行開發(fā)而不是研究，因?yàn)榕艿垒^短，你需要在兩年左右的下一輪融資之前擁有一個(gè)功能正常的產(chǎn)品，最好還有一些市場吸引力。第三，即使您獲得了一些投資，這并不意味著您擁有無限的計(jì)算預(yù)算。種子基金通常在數(shù)百萬美元的范圍內(nèi)，這并不能讓您具備進(jìn)行OpenAI級(jí)別實(shí)驗(yàn)的能力，尤其是您需要支付員工真實(shí)的工資（而非博士生津貼）。第四，并非每個(gè)AI學(xué)者都喜歡這種冒險(xiǎn)。歸根結(jié)底，大多數(shù)學(xué)者在選擇學(xué)術(shù)職業(yè)道路時(shí)，早就對(duì)他們的優(yōu)先事項(xiàng)達(dá)成了共識(shí)。

14 合作或跳槽！?

如果上述所有選項(xiàng)都不適合您，而您仍然想通過大規(guī)模方法進(jìn)行創(chuàng)新，這些方法需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，那么您可以始終與擁有計(jì)算和數(shù)據(jù)的人合作。有幾種方法可以繼續(xù)采用這種方法。位于領(lǐng)先AI公司附近的大學(xué)具有相對(duì)優(yōu)勢，因?yàn)楸镜厣缃痪W(wǎng)絡(luò)和面對(duì)面會(huì)議使得合作更容易。遠(yuǎn)程大學(xué)的研究人員仍然可以通過研究訪問、實(shí)習(xí)和實(shí)習(xí)作為聯(lián)合研究項(xiàng)目的一部分建立合作關(guān)系。更激進(jìn)地說，一些成熟的AI教授決定將他們的部分（如果不是全部）研究時(shí)間投入到工業(yè)合作伙伴那里，甚至將整個(gè)實(shí)驗(yàn)室搬到那里。這種合作伙伴關(guān)系、實(shí)習(xí)或?qū)嶒?yàn)室轉(zhuǎn)移的結(jié)果可能是驚人的 [21，22]。乍一看，這對(duì)AI學(xué)者來說似乎是最好的前進(jìn)方式，然而，1) 產(chǎn)生的知識(shí)產(chǎn)權(quán)并不總是可以發(fā)表，2) 并非所有人都能或愿意在AI產(chǎn)業(yè)實(shí)驗(yàn)室工作。有人甚至認(rèn)為，創(chuàng)新應(yīng)該由公共機(jī)構(gòu)在產(chǎn)業(yè)的支持下推動(dòng)，而不是反過來。因此，大學(xué)有責(zé)任保留（部分或全部）其培養(yǎng)的才華橫溢的AI研究人員（學(xué)者和學(xué)生）以及他們產(chǎn)生的知識(shí)產(chǎn)權(quán)。否則，AI教育和研究最終將在大學(xué)環(huán)境中變得多余。接下來，讓我們更仔細(xì)地看一下這種關(guān)系，并概述工業(yè)公司和大學(xué)之間可能互相幫助的方式。

15 大型行業(yè)參與者如何提供幫助？?

目前尚不清楚擁有充足資金的AI實(shí)驗(yàn)室的大公司是否真的想幫助緩解這種情況。個(gè)別研究人員和管理者可能關(guān)心學(xué)術(shù)AI研究的低迷，但公司關(guān)心的是底線和股東價(jià)值，擁有競爭力的學(xué)術(shù)研究社區(qū)可能或可能不符合他們的最佳利益。然而，在很大程度上，大型私營部門行為體確實(shí)關(guān)心這個(gè)問題，他們可以做很多事情。從最基本的層面上說，開放源代碼的模型，包括權(quán)重和訓(xùn)練腳本，會(huì)有很大幫助。這允許學(xué)術(shù)AI研究人員研究經(jīng)過訓(xùn)練的模型，對(duì)其進(jìn)行微調(diào)，并圍繞它們構(gòu)建系統(tǒng)。這仍然讓學(xué)術(shù)研究人員在訓(xùn)練新模型方面處于劣勢，但這是一個(gè)開始。值得贊揚(yáng)的是，一些大型工業(yè)研究組織定期公開發(fā)布他們最有能力的模型。其他組織沒有這樣做，他們因?yàn)椴贿@樣做而受到譴責(zé)是理所當(dāng)然的。改善這種情況的下一步是與學(xué)術(shù)界合作。如前所述（請(qǐng)參閱第14節(jié)），一些大型機(jī)構(gòu)經(jīng)常這樣做，主要是通過接受現(xiàn)任博士生作為實(shí)習(xí)生，允許他們進(jìn)行大規(guī)模工作。有些公司提供給某些學(xué)術(shù)研究者聯(lián)合任職，還有一些甚至偶爾提供研究資助。所有這些都很好，但還可以做更多。特別是，學(xué)者們可以通過提出他們將共同完成的工作來發(fā)起合作。更進(jìn)一步地說，那些真正想要幫助彌補(bǔ)學(xué)術(shù)界和產(chǎn)業(yè)界鴻溝的私營公司可以選擇公開合作：公布他們的計(jì)劃，提交代碼、模型和開發(fā)更新到公共存儲(chǔ)庫，允許學(xué)者自由貢獻(xiàn)。這不是大多數(shù)公司的工作方式，通常他們有很好的保密理由。另一方面，讓學(xué)者免費(fèi)為你的代碼和培訓(xùn)做貢獻(xiàn)，可能會(huì)有很大的收獲。

16 大學(xué)如何提供幫助？

盡管產(chǎn)業(yè)界可能愿意提供幫助，但主要的倡議應(yīng)該來自那些希望推動(dòng)創(chuàng)新的大學(xué)。值得注意的是，更廣泛的AI領(lǐng)域中一些最具影響力的論文涉及到大學(xué)部門。這些論文是由與公司合作或參與公司工作的研究人員共同撰寫的。成功的例子已經(jīng)有了[21, 22, 3]，但大學(xué)需要做更多的工作來促成這樣的合作。事實(shí)上，學(xué)術(shù)機(jī)構(gòu)有很多方法可以啟動(dòng)和促進(jìn)與產(chǎn)業(yè)界的合作。大學(xué)還可以幫助教職員工應(yīng)對(duì)發(fā)生變化的競爭格局，鼓勵(lì)和允許他們更具冒險(xiǎn)精神。學(xué)術(shù)研究人員在AI領(lǐng)域的比較優(yōu)勢在于進(jìn)行更多高風(fēng)險(xiǎn)的探索，因此大學(xué)的激勵(lì)結(jié)構(gòu)必須發(fā)生改變以適應(yīng)這一點(diǎn)。例如，期望在頂級(jí)會(huì)議（如NeurIPS和AAAI）上持續(xù)發(fā)表論文是不合理的；大型、資金充足的產(chǎn)業(yè)研究實(shí)驗(yàn)室在撰寫這類論文方面具有很大優(yōu)勢。同樣，資助結(jié)構(gòu)獎(jiǎng)勵(lì)在熱門話題上進(jìn)行安全和漸進(jìn)式的研究；這似乎是評(píng)估資助申請(qǐng)的方式固有的特征，無論資助機(jī)構(gòu)如何使用“顛覆性”等詞匯，這一現(xiàn)象都不太可能改變。最傳統(tǒng)（封閉式）資助機(jī)制所偏愛的研究類型，主要是學(xué)術(shù)研究人員無法與產(chǎn)業(yè)界競爭的研究類型。因此，大學(xué)應(yīng)該避免將資助作為聘用和晉升的條件。如果大學(xué)認(rèn)真對(duì)待激勵(lì)教師發(fā)揮競爭優(yōu)勢，他們應(yīng)該獎(jiǎng)勵(lì)嘗試和失敗，并推動(dòng)高風(fēng)險(xiǎn)高收益的資助方案和研究計(jì)劃。這樣一來，資助機(jī)構(gòu)很可能會(huì)順應(yīng)潮流，在基礎(chǔ)研究和藍(lán)天研究上投入更多資金。

17 結(jié)語

我們寫這封信有幾個(gè)目的。

首先，與其他人工智能研究人員分享我們的關(guān)注，希望作為一個(gè)社區(qū)找到一個(gè)共同的事業(yè)(和集體補(bǔ)救?)其次，根據(jù)我們自己的經(jīng)驗(yàn)以及我們?cè)趨⑴c或組織的學(xué)術(shù)和工業(yè)AI場所進(jìn)行的討論提供一套指導(dǎo)方針。第三，促進(jìn)公開對(duì)話，征求意見，為我們所有人制定可能更有效的戰(zhàn)略。可以說，我們最后討論的策略列表遠(yuǎn)遠(yuǎn)沒有包含所有可能的可能性;然而，我們相信，它們是對(duì)話的種子，在我們看來，這是非常及時(shí)的

文章來源地址http://www.zghlxwxcb.cn/news/detail-421025.html

到了這里，關(guān)于擁抱還是革命，ChatGPT時(shí)代 AI專家給出15條科研生存之道的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！