在史密斯科學（Schmidt Sciences）AI2050 計畫的聚會上，我見證了學術研究者如何面對 AI 時代的挑戰。
上週，我前往舊金山以南約 30 英里的加州山景城一家飯店，與一些世界上最傑出、最有潛力的 AI 研究者們會面。我將主持圓桌訪談，並在史密斯科學 AI2050 計畫的媒體訓練中發表演講。該計畫由艾瑞克與溫蒂·史密斯（Eric and Wendy Schmidt）資助，旨在支持從事 AI 相關學術工作的學者。參與者名單堪稱 AI 領域的重量級人物，雖然並非所有人都來到灣區，但每次轉彎我都能遇到我曾採訪過或其研究令我欽佩的科學家。（完全揭露：我在 2024 年獲得了由史密斯科學資助的科學傳播獎。）
對大學的 AI 研究者來說，現在是個奇怪的時期，他們構成了 AI2050 群體的大部分。過去四年，AI 研究已重新聚焦於大型語言模型（LLM），其前沿已從學術機構轉移到私人公司。大學根本無力負擔訓練和運行前沿模型所需的 GPU，即使負擔得起，Anthropic 和 OpenAI 也不允許任何人窺探 Claude 或 ChatGPT 的內部細節。
午餐時的一段對話中，加州大學柏克萊分校的電腦科學教授 Nika Haghtalab 表示，如今成為一名 AI 學者，就像身處一個私人公司對基因編輯工具 CRISPR 擁有獨家控制權的世界裡的生物學家。前沿實驗室以外的專家可以研究 ChatGPT 和 Claude 的行為，但他們無法對這些工具的設計和訓練進行詳細研究，也無法自行引導其設計或訓練。
AI2050 計畫確實為成員提供了一些資金，可用於購買 GPU，一些我交談過的研究者表示，這是參與該計畫的一大好處。但資金仍然是一個緊迫的問題，尤其考慮到美國聯邦科學資金的削減。即使是那些不自行運行本地模型的研究者，為了嚴謹地研究 OpenAI、Anthropic 和 Google 的模型，反覆查詢的成本也可能令人望而卻步。
許多成員的目標並非專注於提升能力，而是將注意力轉向那些不太可能由 Anthropic 或 OpenAI 解決的問題。「我試圖不去做那些我認為會被科技公司解決的問題，」約翰霍普金斯大學的電腦科學教授 Anjalie Field 說。公司需要賺錢，而那些盈利前景渺茫的研究問題可能不值得投入——尤其是如果它們的答案可能讓公司難堪。例如，Field 最近進行了一項研究，發現語言模型對女性更常用方式表達的提示，給出的回應不如男性常用方式表達的提示那麼複雜。很難想像這種研究會出自 Anthropic 或 OpenAI。
還有一個龐大的 AI 學術群體根本不接觸 LLM。其中許多是構建專業 AI 模型來分析數據、做出有用預測，甚至模擬整個物理系統的科學家。這些研究者不一定與前沿實驗室競爭——上個月，構建了預測蛋白質結構的諾貝爾獎級模型的 Google DeepMind AlphaFold 團隊被解散了。但他們面臨著自己的一系列挑戰。在聚會上，幾位研究者表達了對非 LLM AI 的普遍無知如何影響他們工作的擔憂。例如，那些構建專業 AI 工具來應對氣候變遷的研究者，有時在倡導他們的工作時會遇到困難，因為太多人認為「AI」就是「耗能的 LLM」。
所有這些挑戰都在改變學術界的格局：幾位著名的學者最近已從大學離職加入前沿實驗室，許多 AI2050 的成員同時持有業界職位。而在過去六個月裡，又出現了另一項威脅。OpenAI 的模型已經解決了數學領域的若干實際研究問題，一些專家擔心人類在純數學領域可能沒有未來。一位我交談過的成員表示，她擔心她數學家同行們的心理健康。
但並非全是末日景象。首先，經驗科學的自動化可能比數學更困難，因為數據收集本質上是一個緩慢的過程。一些研究者將 AI 數學家和科學家視為福音而非威脅——包括卡內基梅隆大學的電腦科學家 Tim Dettmers，他致力於讓 AI 模型運行得更快、更便宜。Dettmers 說，AI 科學家不會取代人類。相反，他們可以讓人類科學家更有效率，這樣他和他的同行們就有機會追求那些他們可能永遠沒有機會實現的、瘋狂而富有靈感的想法。
科學家們也是一群有韌性的人。阻止他們訓練前沿模型的資源限制，也促使他們發現使模型更小、更有效率的新方法，或探索全新的架構。如果下一個重大的 AI 突破不是來自一家大公司，而是來自一個艱苦奮鬥的學術實驗室，我不會感到驚訝。