تیم‌های تحقیقاتی هوش مصنوعی دانشگاه در جبهه تحولات تکنولوژیکی با موانع قابل توجهی مواجه هستند به دلیل کمبود تامین مالی. برای دستیابی به پردازنده‌های جدیدتر هوش مصنوعی، مانند واحدهای پردازش گرافیک بالاتر با کیفیت بالا از Nvidia برای ایجاد مدل‌های مصنوعی آفتابی، پیشرفت تحقیقات مسدود شده است. بسیاری از محققان مجبور شده‌اند از پردازنده‌های گرافیک قدیمی واقعاً بیشتر در حال بازی استفاده کنند که به سرعت گردآوری شده‌اند وقتی محدودیت‌های بودجه باعث شده که مدل‌های جدید دست نیابند.
حلقه‌های علمی ناامیدی خود را بیان کرده‌اند و موازات این موضوع را با ورود به جنگ مدرن با مسلحه‌ای که قدیمی شده‌اند، قبول کرده‌اند. مسئله اصلی این پیشامده، افزایش شیبانگارهای هوش مصنوعی هنگامی است که بودجه‌های تحقیقاتی دانشگاه نمی‌توانند گام با آن‌ها نرود. همانطور که بازار هوش مصنوعی رشد می‌کند، تامین مواجه می‌شود تا تقاضای آن که در حال افزایش است، که باعث افزایش قیمت‌ها می‌شود. برای دنبال کردن حتی تحقیقات پایه هوش مصنوعی، بودجه تقریباً 500 میلیون وون مورد نیاز است، اما بودجه معمول سالیانه موجود برای اساتید از این مقدار بیشتر نیست.
کارشناسان تخمین می‌زنند که استفاده از تراشه‌های مدل‌های قدیمی و تجهیزاتی استفاده شده توسط دانشگاه‌ها برای تکثیر خدمات قابل مقایسه با آخرین استانداردهای جهانی ممکن است حدود 150 سال زمان ببرد. علاوه بر این، حتی زمانی که این تراشه‌های ارزشمند تأمین شده باشند، کمبود قدرت الکتریکی در دانشگاه‌ها چالشی دیگر ایجاد می‌کند و استادان را مجبور می‌کند که به ساختمان‌ها با منابع نیروی برق موجود رجوع کنند.
اگر چه دولت تلاشاتی را برای تامین واحدهای پردازش گرافیک به شرکت‌ها و دانشگاه‌ها آغاز کرده است، اما مقیاس این تلاشات نسبت به تقاضا بسیار ناکافی است. به عبارت دیگر، در مقایسه با کشورهایی مانند ایالات متحده که شرکت‌ها تعداد قابل توجهی از واحدهای پردازش گرافیک را به دانشگاه‌ها ارائه می‌کنند، یا کانادا که دولت یک زیرساخت داده و محاسبات مشترک را در چند دانشگاه پیشتازی می‌کند.
در پس زمینه این مساله، کره جنوبی با مانور پروژه‌های ملی استراتژیک مانند ساخت ششمین سوپرکامپیوتر خود مواجه است اما بر اثر محدودیت‌های بودجه‌ای. بنابراین، این وضعیت منجر به خروج استعدادهای هوش مصنوعی داخلی شده است، که محبوس توسط فرصت‌های خارج از مرزی، از کشور خارج شده‌اند. این مقایسه‌ای است با دنیای بزرگ فناوری‌های بزرگ برای جذب استعدادهای هوش مصنوعی برتر با حقوق پر درآمد. برای جلب و حفظ محققان با کیفیت بالا، بهبود محیط تحقیقاتی همانند پاداش ارایه شده ارزشمند است. محققین کره‌ای هوش مصنوعی که در خارج از کشور کار می‌کنند، هنگامی که قصد بازگشت به خانه را در نظر می‌گیرند، فرصت‌های همکاری و زیرساخت تحقیقاتی هوش مصنوعی پرگاری مهمی در اعتبار قطبی قرار می‌دهند.
با وجود تصویب دولت برای سریع اعتلای کشور کره جنوبی به گروه سه ای‌هوش مصنوعی (سه کشور برتر در هوش مصنوعی)، اگر شرایط تحقیقاتی موجود و هجرت استعداد ادامه دهند، چنین انگیزه‌هایی ممکن است به عنوان اظهارات خالی پایان یابند. برای جذب توجه به نگهداری توانمندی استراتژیک، به اندازه مقدمه پیشرفت فناوری اهمیت بیشتری است. با این حال، هر اندک تردیدی ممکن است به دادرسی دائمی از فرصت‌ها منجر شود.
سوالات و پاسخ‌های اصلی:
1. چرا تحقیقات در حوزه هوش مصنوعی در دانشگاه‌ها دچار مشکلات شده است؟
تحقیقات هوش مصنوعی به دلیل کمبود تامین مالی که باعث عدم قدرت خرید واحدها و تجهیزات هوش مصنوعی جدید شده است دچار مشکل شده است. افزایش شیبانگارهای هوش مصنوعی با افزایش اساسی در بودجه‌های تحقیقاتی دانشگاه همخوانی ندارد.
2. چگونه GPUهای قدیمی بر روی تحقیقات هوش مصنوعی تأثیر می‌گذارند؟
GPUهای قدیمی محققان را مجبور می‌کند با ابزارهای کم بهره‌ور تر کار کنند، که باعث کند شدن پیشرفت تحقیقات و جلوگیری از تکرار مدل‌های آفتابی هوش مصنوعی آخرین زمان‌ها می‌شود. تقریباً تخمین زده شده است که برای تطابق با خدمات قابل مقایسه با آخرین استانداردها با استفاده از تجهیزات قدیمی ممکن است تقریباً 150 سال طول بکشد.
3. چه چالش‌های دیگری در معرض قرار می‌گیرند تیم‌های تحقیقی دانشگاهی؟
علاوه بر سخت افزارهای قدیمی، تیم‌های تحقیقی دانشگاهی با چالش‌هایی همچون زیرساخت الکتریکی کافی برای پشتیبانی از GPUهای پردازش گرافیک با کیفیت بالا، رقابت با بخش خصوصی برای منابع کم و تهدیدی به «خروج استعداد» همچون درخواست یافتن فرصت‌های بهتر داخلی مواجه هستند.
چالش‌ها و اختلاف‌های اصلی:
محدودیت‌های مالی: بودجه‌های تحقیقاتی دانشگاهی اغلب خیره کننده برای خرید تکنولوژی برش‌زننده هستند که باعث تأخیر در نتایج تحقیق می‌شود.
محدودیت‌های زیرساخت: حتی زمانی که دانشگاه‌ها تجهیزات هوش مصنوعی مورد نیاز را به دست می‌آورند، ممکن است با چالش‌هایی همچون نیروی الکتریکی کم روبرو شوند که استفاده از تجهیزات پرفورمنس بالا را محدود می‌کند.
رقابت با بخش خصوصی: بخش خصوصی معمولاً می‌تواند به علت منابع مالی بزرگتر، از موضوعات تکنولوژی و استعداد جدید به عنوان دانشگاه‌های محقق می‌کند.
خروج استعداد: مهاجرت استعداد تازه از جمعیت داخلی به کشورهایی با فرصت‌های تحقیقاتی بهتر، ریسک مهمی برای ادامه‌ی هوش مصنوعی محلی محسوب می‌شود.
حفظ استعداد:یکی از کلیدهای پیشرفت تحقیقات هوش مصنوعی، نه تنها جذب بلکه حفظ استعداد برتر است که نیازمند سرمایه‌گذاری در شرایط تحقیقاتی و زیرساختمانی است.
مزایا و معایب:
مزایا:
– دانشگاه‌ها سنتی جایگاه نوآوری هستند که پژوهش‌های بنیادی می‌تواند بدون فشارات تجاری فوری، پرورش پیدا کنند.
– تحقیقات دانشگاهی از دیدگاه‌های متفاوت و همکاری در انواع دیسیپلین‌ها سود می‌برد.
معایب:
– محدودیت‌های مالی و منابع می‌تواند برداشت دامنه و سرعت تحقیقات را به طور جدی باز دارد.
– تجهیزات قدیمی نه تنها باعث کند شدن آموزش می‌شوند بلکه می‌تواند محققان و دانشجویان را نیز وادار به انگیزه‌بخشی نماید.
– عدم توانایی در گام با تکنولوژی می‌تواند تحقیقات علمی را در زمینه‌های خاص بی‌اهمیت کند.
اگر مایل به کاوش اطلاعات بیشتری در مورد هوش مصنوعی و توسعه آن در سطح جهان هستید، شما ممکن است توجه خود را به سایت‌های رسمی زیر بپردازید:
– NVIDIA، برای اطلاعات در مورد جدیدترین واحدهای پردازش گرافیک و پیشرفت‌های در پردازش موازی.
– AI.gov، ابتکار هوش مصنوعی دولت ایالات متحده.
– نوآوری، علم و توسعه اقتصادی کانادا، برای سیاست‌های دولتی کانادا در زمینه نوآوری و زیرساخت داده مشترک.