Profesorowie prowadzący badania nad AI na uniwersytetach znaleźli się w niespotykanie trudnej sytuacji, w której główne trendy w ich dziedzinie wyznaczane są przez prywatne korporacje takie jak OpenAI i Anthropic, a nie przez instytucje akademickie. W ostatnich czterech latach środek ciężkości badań nad sztuczną inteligencją przesunął się z uniwersytetów do firm zajmujących się dużymi modelami językowymi, pozostawiając pracowników nauki w pozycji obserwatorów Rather niż pionierów. Problem jest fundamentalny - szkolenie i uruchamianie modeli frontier wymaga masowych zasobów sprzętowych (GPU), które uniwersytety po prostu nie mogą sobie pozwolić. Jednocześnie firmy takie jak Anthropic i OpenAI skrupulatnie chronią wewnętrzne szczegóły swoich modeli Claude i ChatGPT, uniemożliwiając naukowcom dostęp do informacji potrzebnych dla głębokich badań.
Sytuacja ta ma wymierny wpływ na definicję badań akademickich w erze AI. Profesor Nika Haghtalab z UC Berkeley opisała to w trawiącej porównaniu - być dzisiaj badaczem AI na uniwersytecie to jak być biologiem w świecie, w którym kluczowe odkrycia dokonują się poza środowiskiem akademickim. Inicjatywy takie jak program AI2050 finansowany przez Erica i Wendy Schmidtów wspierają wybitnych naukowców zajmujących się AI, ale nawet oni muszą znaleźć nowe sposoby na wkład w dziedzinę, która szybko przesuwa się z uniwersytetów do Silicon Valley.
Ta dynamika zmusza akademickich badaczy do ponownej oceny swoich strategii badawczych. Zamiast konkurować bezpośrednio z firmami w budowaniu kolejnych większych modeli, uniwersytety mogą skupić się na fundamentalnych pytaniach naukowych, interpretowalności AI, bezpieczeństwie, etyce czy też zastosowaniach specjalistycznych. To nie jest optymalny scenariusz dla nauki, ale jest to rzeczywistość, z którą muszą się mierzyć najlepsi naukowcy w tej dziedzinie.