AI教授正应对学术研究的新现实
2026-08-20 · MIT Technology Review
AI教授正应对学术研究的新现实
AI2050项目聚会见闻
上周,作者前往旧金山以南30英里的加州山景城一家酒店,参加Schmidt Sciences AI2050项目的聚会。该项目由Eric和Wendy Schmidt资助,旨在支持从事AI研究的学者。其研究员名单堪称AI领域名人大全。虽然并非所有人都到场,但每转一个弯都能见到曾采访过或一直敬佩其研究成果的科学家。
大学AI研究者的新困境
当前对大学AI研究者而言是一个奇特的时期。过去四年,AI研究迅速转向大型语言模型(LLM),其前沿已从学术机构转移到私营公司。大学根本无力负担训练和运行前沿模型所需的GPU。即使有资金,Anthropic和OpenAI也不会让外界看到Claude或ChatGPT的内部细节。
加州大学伯克利分校计算机科学教授Nika Haghtalab在午餐时表示,如今做AI学者就像生物学家生活在一个私人公司独占CRISPR基因编辑工具的世界里。外部专家可以研究ChatGPT和Claude的表现,却无法对其设计和训练进行细致研究,更无法亲自引导这些过程。
资金仍是核心难题
AI2050项目为研究员提供了一定可用于购买GPU的资金,多位受访者认为这是参与该项目的重要价值。但资金压力依然巨大,尤其在美国联邦科研经费缩减的背景下。即使不自己训练模型,反复调用OpenAI、Anthropic和Google API进行严谨研究的成本也可能高到难以承受。
转向产业界不愿触及的问题
许多研究员不再把精力放在提升模型能力上,而是聚焦那些Anthropic或OpenAI不太可能解决的问题。约翰霍普金斯大学计算机科学教授Anjalie Field表示:“我尽量不研究我觉得科技公司会解决的问题。”公司需要盈利,那些缺乏盈利前景或答案可能令公司难堪的研究往往被忽视。
Field最近完成的一项研究发现,当提示使用女性更常用的语言风格时,语言模型给出的回应 sophistication 程度明显较低。很难想象这类研究会出自Anthropic或OpenAI内部。
非LLM AI研究者的挑战
还有大量AI学者完全不从事LLM研究。他们构建专门化AI模型,用于数据分析、做出实用预测,甚至模拟整个物理系统。这些研究者并不一定与前沿实验室直接竞争——谷歌DeepMind的AlphaFold团队(其蛋白质结构预测模型获得诺贝尔奖)上个月刚被解散。
然而他们面临自身困难。聚会中多人提到,公众对非LLM AI的普遍无知正在影响工作。例如开发用于应对气候变化的专用AI工具的研究者,常难以获得支持,因为很多人认为“AI”就等于“耗能巨大的LLM”。
学术生态正在重塑
这些挑战正在改变学术格局:多位知名学者最近从大学休假加入前沿实验室,许多AI2050研究员同时持有产业界职位。过去六个月又出现新威胁——OpenAI模型已解决若干真实数学研究问题,一些专家担忧人类在纯数学领域可能失去未来。一位研究员表示,她担心数学家同行的心理健康状况。
并非全然悲观
实证科学可能远比数学更难被自动化,因为真实数据收集本质上是一个缓慢过程。卡内基梅隆大学计算机科学家Tim Dettmers致力于让AI模型运行得更快更便宜。他认为AI科学家不会取代人类科学家,反而能大幅提高人类效率,让研究者有时间追求那些原本可能永远没机会探索的疯狂想法。
科学家素来富有韧性。正是这些阻止他们训练前沿模型的资源限制,迫使他们发明让模型更小、更高效的新方法,或探索全新架构。如果下一个重大AI突破并非来自大公司,而是来自某个资源有限的学术实验室,作者不会感到惊讶。