Sztuczna inteligencja rozwija się tak szybko, że sama robi naukowcom kłopoty - choć prace z dziedziny AI są coraz lepsze, to paradoksalnie utrudnia się badaczom wyróżnienie się ze swoimi odkryciami. Problem polega na tym, że gdy liczba publikacji rośnie wykładniczo, a ich jakość również się poprusza, indywidualny naukowiec ze swoją innowacyjną ideą ma coraz trudniej zwrócić na siebie uwagę środowiska naukowego. To nie jest przyjemny problem bogatego - to realna przepaść dla młodych naukowców próbujących budować karierę, których prace trafiają do morza równie solidnych artykułów konkurencyjnych zespołów.
Drugi aspekt tego zamieszania związany jest z praktycznymi problemami reproducibility'ego - gdy badań jest coraz więcej, coraz trudniej rzetelnie sprawdzić, czy wyniki innych naukowców się faktycznie potwierdzają. Dodatkowo na rynku funduszy badawczych wyraźnie widać przewagę dużych korporacji technologicznych, które dysponują zasobami wciąż niedostępnymi dla uniwersytetów. OpenAI, Google czy Meta inwestują miliardy w badania nad AI, podczas gdy zespół akademicki musi walczyć o granty, których liczba nie rośnie proporcjonalnie do liczby aspirujących badaczy.
Te tendencje mogą rzeczywiście spowolnić innowacje, wbrew temu, co mogłoby się wydawać. Gdy przystęp do zasobów obliczeniowych i zaawansowanych modeli jest znacznie ułatwiony dla korporacyjnych laboratoriów, a jednocześnie maleje szansa na przebicie się z nieprzeciętnym pomysłem, część talentów może po prostu opuścić akademię. Dla całej ekosystemu badawczego mogłoby to oznaczać utrwalenie istniejącej hierarchii mocy, gdzie kilka gigantów technologicznych dyktuje kierunek rozwoju sztucznej inteligencji.