MIT CSAIL主任署名文章：美国可通过三种方式帮助AI学界与业界竞争
从我们的工作方式到我们保持健康的方式，人工智能革命有可能极大地改善我们生活的方方面面。
然而，要确保美国和其他国家能够帮助塑造这项技术的发展轨迹，就不能完全依赖于私营企业所开发的技术。
大学的研究推动了人工智能的发展，为我们今天正在经历的（人工智能）商业繁荣奠定了基础。同样重要的是，那些开创性人工智能公司的领导者离不开学术界的栽培。
但如今，像 ChatGPT、Claude 和 Gemini 这样的大型基础模型（LFM，Large Foundational Models）需要强大的算力和庞大的数据集，私营公司能够更好地满足这些需求，因此它们取代了学术界，站在了人工智能领域的前沿。
为我们的大学赋能，使其能够与私企一同站在人工智能研究的前沿，将是发挥该领域长期潜力的关键。做到这一点，需要改变学术界和工业界在获取计算资源方面的不对等现状。
学术界最大的优势在于，它有能力进行长期的研究项目，以及突破知识界限的基础研究。探索和实验大胆的、前沿理论的自由将带来新的发现和创新，为未来的创新打下基础。
虽然大型基础模型支持的工具每个人都触手可及，但有很多问题没有答案，因为它们在很多方面仍然是一个“黑匣子”。
例如，我们知道人工智能模型有产生“幻觉”的倾向，但我们仍然不清楚究竟是为什么。
大学可以规划出一个人工智能真正惠及人类的未来，因为它们不受商业和市场力量的影响。扩大学术界对资源的获取，将让人工智能的研究及其应用更具包容性。
（来源：STEPHANIE ARNETT/MITTR | ENVATO）
美国总统拜登在 2023 年 10 月发布了一份关于人工智能的行政令，授权了国家人工智能研究资源（NAIRR，National Artificial Intelligence Research Resource）试点项目。这是朝着正确方向迈出的一步。
通过与私营企业合作，NAIRR 将为人工智能创建一个共享的研究基础设施。
如果它充分发挥其潜力，它将成为一个重要的核心，帮助学术研究人员更有效地获得 GPU 计算能力。然而，即使 NAIRR 的资金充足，其对资源的使用也可能很分散。
正如一些人所建议的那样，如果 NAIRR 只专注于一定数量的分散项目，这个问题就可以得到缓解。
但我们也应该寻求更多创造性的解决方案，让足够多的 GPU 资源掌握在学术界手中。以下是我们的一些初步想法。
首先，我们应该使用大规模 GPU 集群，来改善和利用美国的超级计算机基础设施。学术研究人员应该能够与美国国家实验室合作，一同应对人工智能研究的重大挑战。
其次，美国政府应该探索如何降低学术机构的高端 GPU 成本，例如提供拨款或研发税收抵免等财政援助。
纽约在这方面采取了一些举措，使大学成为了该州在人工智能发展方面的关键合作伙伴，并且发挥了重要作用。这种模式应该在全美效仿。
最后，一些出口管制限制可能会使美国芯片制造商的高端人工智能芯片库存过剩。
在这种情况下，政府可以购买这些芯片，并将其分配给大学和学术机构。
这些行动将引发学术界人工智能研究和创新的激增。大学里雄心勃勃的研究人员有很多多元化的想法，但往往因为缺乏资源而止步不前。
为大学提供足够的计算资源，将使他们的工作与私营企业的研究互补。
因此，学术界可以成为技术进步不可或缺的枢纽，推动跨学科合作，进行长期研究，培养下一代人工智能人才，并促进合乎道德的创新。
从历史上看，类似的投资在创新方面发挥了关键作用。二战后的美国在政府、学术界和工业界之间建立了共生关系，将人类带上了月球，播下了硅谷的种子，并创造了互联网。
我们需要确保学术界在创新生态系统中保持强大的地位，投资其计算能力是必要的第一步。
作者简介①：伊利·巴耶拉克塔里（Ylli Bajraktari）是特别竞争研究项目（SCSP，Special Competitive Studies Project）的 CEO，这是一项旨在增强美国长期竞争力的非营利计划。
作者简介②：汤姆·米切尔（Tom Mitchell）是美国卡内基梅隆大学的教授。
作者简介③：丹妮拉·鲁斯（Daniela Rus）是美国麻省理工学院电气工程和计算机科学教授，也是其计算机科学和人工智能实验室（CSAIL，Computer Science and Artificial Intelligence Laboratory）主任。
支持：Ren
运营/排版：何晨龙