AI領域,重心已從學術界轉移到了產業界,並且失衡還在繼續。
Science在最新一期正刊上發了一篇文章,整理了近幾年AI領域的相關數據,結果也是一目了然:
AI競賽,學術界輸了。
Science統計了論文、AI最大模型、SOTA模型在各領域的比例。
從2016年開始,產業界在領先的人工智慧會議上發布論文的比例開啟了野蠻生長的趨勢。
4年時間,在論文數量上,產業界幾乎從學術界「奪取」了20%。
AI領域的10大模型,2013年以前還都是學術界居於主導地位。
之後,產業界持續發力,到了2016年,再往後10大AI模型幾乎全都來自產業界。
SOTA模型就更不用說了,去年一年,產業界直接霸占了語言模型和圖像分類的SOTA,
分析情感、語意分割和目標偵測的SOTA大概是產業界和學術界各自一半的成果,而機器翻譯的SOTA則全都來自學術界。
當然,這趨勢在網友們的心中也都是心照不宣的事實,甚至有人做出meme圖來調侃:
學術界人才流失慘重
#之所以造成現在的局面,最最重要的一個原因就是:
人才流失。
以北美大學的數據為例,目前專門從事AI研究的電腦博士正在湧入產業界:
2004年,只有21%的博士選擇進入產業界,到了2020年,進入產業界的博士比例已經將近70%。
並且,這個資料只限於AI研究方向的人才。
可以從近幾年的數據看出,一般電腦科學的產業需求並沒有明顯的變化,倒是專攻AI領域的人才,市場需求從2006年至今翻了8倍。
那為啥AI人才都從學術界流向產業界了呢?
從大的層面來講,和Science之前提到的算力有關。
顯而易見,在這塊兒,產業界相較於學術界有很大的優勢。
工欲善其事,必先利其器,誰的算力強大,自然也就能吸納更多的人才。
但其實說穿了,算力強不強大很大程度上依賴資金投入。
舉個栗子
學術界的科學研究資金來源主要來自政府的支持,2021年美國相關部門在人工智慧上的投入是15億美元,同年歐盟的投入是12億美元。而相較之下,全球AI產業這一年的支出已經超過了3,400億美元。甚至,2019年Google母公司Alphabet在其子公司DeepMind上的投資就已經高達15億美元。
當然,上面這些都是站在比較宏觀的角度來談的,那作為單獨個體的研究者又是如何考慮的呢?
博士畢業剛入職OpenAI的研究員Rowan Zellers就現身說法講了下。
Rowan Zellers直言他當時在就業選擇時也有在產業界和學術界之間有所糾結,但最終還是選擇產業界,而原因呢,他也一一列了出來:
- 學術界進行開創性的系統建設研究會變得越來越困難
- AI領域的科研成本正在以指數級增加
- #學術界轉向應用研究是大勢所趨
……
基礎研究到應用,產業界包圓了
而人才的流失和算力的傾斜,在一定程度上也可以說是必然結果,在Science的文章中,列出了兩點原因:
- AI領域相較於其他學科領域有特殊性;
- 產業界更注重技術商業化。
先來說下AI領域的這個特殊性。
在其他學科領域,學術界和產業界都會自然而然形成一個勞動分工,基礎研究交由大學來完成,應用研究和開發則是產業界的工作。
不過,這套邏輯並不適用於AI圈,在AI領域,基礎研究和應用研究之間的界線被模糊掉了。
也就是說,產業中使用的應用模型和基礎研究之間有所重疊,就拿谷歌大腦在2017年開發出的Transformer模型來說,它不僅歸屬於基礎研究,也可以進一步直接用在產業中。
除此之外,產業界對人工智慧投入的增加可能會實現技術的商業化,這樣一來,不僅可以為社會提供實質性的利益,對於產業本身來說,也有所回報。
而學術界呢,資金來源的大頭要靠相關機構撥款。
對留校的AI人才來說,雖說發論文可以拿獎金升職,但科研也不是唯一的工作,他們還有授課任務。
並且一般來說學術性研究室都是非營利性的,比如說Rowan Zellers在加入OpenAI之前,曾在艾倫人工智慧研究所工作:時間倒是花了不少,錢呢。 。 。
emmmmm,這麼看來,這一把AI競賽,學術界是徹底輸麻了。
One More Thing
當然AI競賽,也不能說學術界徹底輸了,在Zeta Alpha統計的論文引用排行榜前100中,學術界和產業界之間還是平衡得很好的。
△圖來源:Zeta Alpha
話說回來對於學術界和產業界的AI競賽,你怎麼看?
參考連結:
[1] https://www.php.cn/link/f812291e86e5d515984dc44cf9d41ac3
##[2] #https://www.php.cn/link/6a21bd02b3d17059c61bcb2eeb48b8cd
##[3] 17059c61bcb2eeb48b8cd#[3] 170#https://www.php.cn/link/32b9e74c8f60
以上是Science:AI競賽,學術界輸了的詳細內容。更多資訊請關注PHP中文網其他相關文章!

Google Chrome的AI Revolution:個性化和高效的瀏覽體驗 人工智能(AI)正在迅速改變我們的日常生活,而Google Chrome正在領導網絡瀏覽領域的負責人。 本文探討了興奮

重新構想影響:四倍的底線 長期以來,對話一直以狹義的AI影響來控制,主要集中在利潤的最低點上。但是,更全面的方法認識到BU的相互聯繫

事情正穩步發展。投資投入量子服務提供商和初創企業表明,行業了解其意義。而且,越來越多的現實用例正在出現以證明其價值超出

您急於滿足截止日期,並決定使用Chatgpt創建營銷電子郵件。您輸入AI提示:“寫一條專業的100字營銷電子郵件”。結果是缺乏音調或Struc的通用,術語的文件

介紹 想像一下,需要從成千上萬的交易和許多促成因素中確定您公司的最高銷售代表。 傳統方法變得麻煩。 SQL的排名功能為召集提供了有效的解決方案

眾議院和參議院都同意在周末進行預算框架。該框架要求削減支出,以支付削減稅收的費用,這些減稅量不成比例,以防止赤字增加,同時也增加

雪花首席執行官在坐下來告訴我:“人工智能不應該是大爆炸。” “這應該是一系列小項目,顯示出每一步的價值。”但是,正如拉馬斯瓦米(Ramaswamy)指出的那樣,雖然這聽起來可能謹慎,但實際上是策略。 在中間

Deezer的首席創新官Aurelien Herault在一份聲明中說:“ AI產生的內容繼續傳到Deezer等洪水流媒體平台,我們沒有看到它放慢速度的跡象。” 儘管沒有減輕洪水的跡象,但Deezer確實有


熱AI工具

Undresser.AI Undress
人工智慧驅動的應用程序,用於創建逼真的裸體照片

AI Clothes Remover
用於從照片中去除衣服的線上人工智慧工具。

Undress AI Tool
免費脫衣圖片

Clothoff.io
AI脫衣器

AI Hentai Generator
免費產生 AI 無盡。

熱門文章

熱工具

SecLists
SecLists是最終安全測試人員的伙伴。它是一個包含各種類型清單的集合,這些清單在安全評估過程中經常使用,而且都在一個地方。 SecLists透過方便地提供安全測試人員可能需要的所有列表,幫助提高安全測試的效率和生產力。清單類型包括使用者名稱、密碼、URL、模糊測試有效載荷、敏感資料模式、Web shell等等。測試人員只需將此儲存庫拉到新的測試機上,他就可以存取所需的每種類型的清單。

WebStorm Mac版
好用的JavaScript開發工具

mPDF
mPDF是一個PHP庫,可以從UTF-8編碼的HTML產生PDF檔案。原作者Ian Back編寫mPDF以從他的網站上「即時」輸出PDF文件,並處理不同的語言。與原始腳本如HTML2FPDF相比,它的速度較慢,並且在使用Unicode字體時產生的檔案較大,但支援CSS樣式等,並進行了大量增強。支援幾乎所有語言,包括RTL(阿拉伯語和希伯來語)和CJK(中日韓)。支援嵌套的區塊級元素(如P、DIV),

VSCode Windows 64位元 下載
微軟推出的免費、功能強大的一款IDE編輯器

DVWA
Damn Vulnerable Web App (DVWA) 是一個PHP/MySQL的Web應用程序,非常容易受到攻擊。它的主要目標是成為安全專業人員在合法環境中測試自己的技能和工具的輔助工具,幫助Web開發人員更好地理解保護網路應用程式的過程,並幫助教師/學生在課堂環境中教授/學習Web應用程式安全性。 DVWA的目標是透過簡單直接的介面練習一些最常見的Web漏洞,難度各不相同。請注意,該軟體中