AI教授协商学术研究新现实

上周，我驱车前往旧金山以南30英里的山景城，参加了一场由施密特科学AI2050项目组织的闭门会议。这个由埃里克和温迪·施密特资助的项目，专门支持从事AI研究的学者，与会者几乎囊括了全球AI领域的顶尖人物。但在这场星光熠熠的聚会背后，我却听到了一个令人不安的共识：大学里的AI研究者们，正处在一个前所未有的尴尬境地。 过去四年，AI研究的重心已经彻底转向大语言模型，而前沿阵地也从学术机构转移到了私营公司。大学根本买不起训练和运行前沿模型所需的GPU，就算买得起，Anthropic和OpenAI也不会让外人窥探Claude或ChatGPT的内部细节。加州大学伯克利分校的计算机科学教授Nika Haghtalab在午餐时打了个比方：现在的AI学者就像生物学家，但基因编辑工具CRISPR却被私营公司独家垄断。圈外专家可以研究ChatGPT和Claude的行为表现，却无法对它们的设计和训练过程做任何深入研究，更别提参与或引导这些设计了。 这种困境正在重塑整个学术生态。AI2050项目确实为研究员提供了一些可以购买GPU的资金，几位与会者告诉我这是参与该项目的一大好处。但资金问题依然紧迫，尤其是在美国联邦科研经费削减的背景下。即便是不自己跑模型的研究者，要反复调用OpenAI、Anthropic和谷歌的模型来严谨地研究它们，成本也高得令人望而却步。于是，许多研究员干脆把目光投向那些Anthropic或OpenAI不太可能去碰的问题。约翰霍普金斯大学的计算机科学教授Anjalie Field说得很直白：“我尽量不研究那些我认为科技公司会解决的问题。”公司需要赚钱，那些没什么盈利前景的研究问题不值得投资——尤其是当答案可能让公司难堪的时候。比如Field最近的一项研究发现，语言模型对女性常用措辞的回应，在复杂度上明显低于对男性措辞的回应。很难想象Anthropic或OpenAI会资助这类研究。 还有一大批AI学者根本不碰大语言模型。他们中的许多人构建的是专门分析数据、做出预测、甚至模拟整个物理系统的专用AI模型。这些研究者不一定与前沿实验室直接竞争——比如谷歌DeepMind的AlphaFold团队，那个获得诺贝尔奖的蛋白质结构预测模型，上个月刚刚被解散。但他们面临着自己的挑战。在会议上，好几位学者表达了对非LLM AI被广泛忽视的担忧。比如那些用专用AI工具应对气候变化的学者，当大多数人认为“AI”就等于“耗能巨大的大语言模型”时，他们连为自己的工作辩护都很困难。 这些挑战正在改变学术界的版图：好几位知名学者最近已经从大学请假，加入了前沿实验室。