AI教授正應對學術研究的新現實
2026-08-20 · MIT Technology Review
AI教授正應對學術研究的新現實
AI2050專案聚會見聞
上週,作者前往舊金山以南30英里的加州山景城一家酒店,參加Schmidt Sciences AI2050專案的聚會。該專案由Eric和Wendy Schmidt資助,旨在支援從事AI研究的學者。其研究員名單堪稱AI領域名人大全。雖然並非所有人都到場,但每轉一個彎都能見到曾採訪過或一直敬佩其研究成果的科學家。
大學AI研究者的新困境
當前對大學AI研究者而言是一個奇特的時期。過去四年,AI研究迅速轉向大型語言模型(LLM),其前沿已從學術機構轉移到私營公司。大學根本無力負擔訓練和執行前沿模型所需的GPU。即使有資金,Anthropic和OpenAI也不會讓外界看到Claude或ChatGPT的內部細節。
加州大學伯克利分校電腦科學教授Nika Haghtalab在午餐時表示,如今做AI學者就像生物學家生活在一個私人公司獨佔CRISPR基因編輯工具的世界裡。外部專家可以研究ChatGPT和Claude的表現,卻無法對其設計和訓練進行細緻研究,更無法親自引導這些過程。
資金仍是核心難題
AI2050專案為研究員提供了一定可用於購買GPU的資金,多位受訪者認為這是參與該專案的重要價值。但資金壓力依然巨大,尤其在美國聯邦科研經費縮減的背景下。即使不自己訓練模型,反覆呼叫OpenAI、Anthropic和Google API進行嚴謹研究的成本也可能高到難以承受。
轉向產業界不願觸及的問題
許多研究員不再把精力放在提升模型能力上,而是聚焦那些Anthropic或OpenAI不太可能解決的問題。約翰霍普金斯大學電腦科學教授Anjalie Field表示:“我儘量不研究我覺得科技公司會解決的問題。”公司需要盈利,那些缺乏盈利前景或答案可能令公司難堪的研究往往被忽視。
Field最近完成的一項研究發現,當提示使用女性更常用的語言風格時,語言模型給出的回應 sophistication 程度明顯較低。很難想象這類研究會出自Anthropic或OpenAI內部。
非LLM AI研究者的挑戰
還有大量AI學者完全不從事LLM研究。他們構建專門化AI模型,用於資料分析、做出實用預測,甚至模擬整個物理系統。這些研究者並不一定與前沿實驗室直接競爭——谷歌DeepMind的AlphaFold團隊(其蛋白質結構預測模型獲得諾貝爾獎)上個月剛被解散。
然而他們面臨自身困難。聚會中多人提到,公眾對非LLM AI的普遍無知正在影響工作。例如開發用於應對氣候變化的專用AI工具的研究者,常難以獲得支援,因為很多人認為“AI”就等於“耗能巨大的LLM”。
學術生態正在重塑
這些挑戰正在改變學術格局:多位知名學者最近從大學休假加入前沿實驗室,許多AI2050研究員同時持有產業界職位。過去六個月又出現新威脅——OpenAI模型已解決若干真實數學研究問題,一些專家擔憂人類在純數學領域可能失去未來。一位研究員表示,她擔心數學家同行的心理健康狀況。
並非全然悲觀
實證科學可能遠比數學更難被自動化,因為真實資料收集本質上是一個緩慢過程。卡內基梅隆大學電腦科學家Tim Dettmers致力於讓AI模型執行得更快更便宜。他認為AI科學家不會取代人類科學家,反而能大幅提高人類效率,讓研究者有時間追求那些原本可能永遠沒機會探索的瘋狂想法。
科學家素來富有韌性。正是這些阻止他們訓練前沿模型的資源限制,迫使他們發明讓模型更小、更高效的新方法,或探索全新架構。如果下一個重大AI突破並非來自大公司,而是來自某個資源有限的學術實驗室,作者不會感到驚訝。