Wiodące startupy pracujące nad sztuczną inteligencją zdecydowanie ograniczają publikowanie wyników swoich badań. To stanowi wyraźny kontrast zarówno wobec akademickich standardów nauki, jak i wobec praktyk wcześniejszych pokoleń firm zajmujących się AI, które regularnie dzieliły się swoimi odkryciami w postaci artykułów naukowych.
Tak restrykcyjne podejście do dzielenia się wiedzą wynika z kilku czynników. Startupy obawiają się, że ujawnienie szczegółów technicznych może dać konkurencyjną przewagę innym firmom działającym w tym samym obszarze. Dodatkowo, publikowanie mogłoby ułatwić audyt ich systemów i ujawnić potencjalne słabości bezpieczeństwa czy ograniczenia modeli AI. W obliczu intensywnego wyścigu o zdominowanie rynku AI wiele firm wybrało ścieżkę maksymalnej ochrony proprietarnej wiedzy.
Ta zmiana ma poważne konsekwencje dla całego ekosystemu nauki i technologii. Ograniczony dostęp do publikacji utrudnia niezależnym badaczom weryfikację twierdzeń firm, odtwarzanie wyników i budowanie na nich. Społeczność akademicka ma mniej możliwości dogłębnego zrozumienia mechanizmów współczesnych systemów AI. W dłuższej perspektywie może to spowolnić postęp nauki, ograniczyć innowacyjność i stworzyć niezdrową sytuację, w której bez dostępu do wewnętrznych badań trudno ocenić rzeczywiste możliwości i ograniczenia najnowszych technologii.