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!

利用“設備” AI的力量:建立個人聊天機器人CLI 在最近的過去,個人AI助手的概念似乎是科幻小說。 想像一下科技愛好者亞歷克斯(Alex)夢見一個聰明的本地AI同伴 - 不依賴

他們的首屆AI4MH發射於2025年4月15日舉行,著名的精神科醫生兼神經科學家湯姆·因斯爾(Tom Insel)博士曾擔任開幕式演講者。 Insel博士因其在心理健康研究和技術方面的傑出工作而聞名

恩格伯特說:“我們要確保WNBA仍然是每個人,球員,粉絲和公司合作夥伴,感到安全,重視和授權的空間。” anno

介紹 Python擅長使用編程語言,尤其是在數據科學和生成AI中。 在處理大型數據集時,有效的數據操作(存儲,管理和訪問)至關重要。 我們以前涵蓋了數字和ST

潛水之前,一個重要的警告:AI性能是非確定性的,並且特定於高度用法。簡而言之,您的里程可能會有所不同。不要將此文章(或任何其他)文章作為最後一句話 - 目的是在您自己的情況下測試這些模型

建立杰出的AI/ML投資組合:初學者和專業人士指南 創建引人注目的投資組合對於確保在人工智能(AI)和機器學習(ML)中的角色至關重要。 本指南為建立投資組合提供了建議

結果?倦怠,效率低下以及檢測和作用之間的差距擴大。這一切都不應該令任何從事網絡安全工作的人感到震驚。 不過,代理AI的承諾已成為一個潛在的轉折點。這個新課

直接影響與長期夥伴關係? 兩週前,Openai提出了強大的短期優惠,在2025年5月底之前授予美國和加拿大大學生免費訪問Chatgpt Plus。此工具包括GPT-4O,A A A A A


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

MinGW - Minimalist GNU for Windows
這個專案正在遷移到osdn.net/projects/mingw的過程中,你可以繼續在那裡關注我們。 MinGW:GNU編譯器集合(GCC)的本機Windows移植版本,可自由分發的導入函式庫和用於建置本機Windows應用程式的頭檔;包括對MSVC執行時間的擴展,以支援C99功能。 MinGW的所有軟體都可以在64位元Windows平台上運作。

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

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。

SublimeText3 Mac版
神級程式碼編輯軟體(SublimeText3)

記事本++7.3.1
好用且免費的程式碼編輯器