Universitetsforskningsteam inom AI i framkant av tekniska framsteg möter betydande hinder på grund av otillräcklig finansiering. Med ett trängande behov av de senaste artificiell intelligens (AI)-chipsen, som Nvidia:s högpresterande grafikprocessorenhet (GPUs) för att skapa generativa AI-modeller, hämmas forskningsframsteg. Många forskare har tvingats använda föråldrade speldator-GPUs, som samlades ihop hastigt när budgetbegränsningar gjorde det omöjligt att skaffa nyare modeller.
Akademiska kretsar har uttryckt förfärande och jämfört situationen med att gå in i en modern strid med föråldrade vapen. Det primära problemet som driver denna situation är den skarpa ökningen i priset för AI-chips medan universitetsforskningsbudgeterna inte hänger med. När AI-marknaden växer, kämpar tillgången med att möta den eskalerande efterfrågan, vilket resulterar i en prishöjning. För att driva även grundläggande AI-forskning krävs en finansiering på cirka 500 miljoner won, men den typiska årliga forskningsbudgeten tillgänglig för professorer överstiger inte hälften av detta belopp.
Experter uppskattar att användning av gamla modellschips och utrustning som används av universitet för att återskapa tjänster jämförbara med världens senaste standarder skulle kunna ta nästan 150 år. Dessutom, även när dessa värdefulla chips säkras, så utgör otillräcklig elektrisk kraft inom universiteten ytterligare ett hinder, vilket tvingar professorer att leta efter byggnader med tillgängliga kraftresurser.
Även om regeringen har inlett insatser för att tillhandahålla GPUs till företag och universitet, är omfattningen av dessa initiativ långt ifrån tillräcklig jämfört med efterfrågan. I kontrast till detta ligger länder som USA, där företag tillhandahåller ett betydande antal GPUs till universiteten, eller Kanada, där regeringen stöder en delad datamarknads- och datorinfrastruktur över flera universitet, långt framme.
Med tanke på denna bakgrund brottas Sydkorea med stagnationen av strategiska nationella projekt som konstruktionen av dess sjätte superdator på grund av budgetrestriktioner. Följaktligen har denna situation lett till en ”brain drain” när inhemska AI-talanger, besvikna över lokala möjligheter, lämnar landet för möjligheter utomlands. Detta är en skarp kontrast till den globala storindustrins kapplöpning för att säkra topp AI-talanger med lukrativa löner. För att attrahera och behålla högkvalificerade forskare är det lika avgörande att förbättra forskningsmiljön som den erbjudna ersättningen. Koreasiska AI-forskare som arbetar utomlands prioriterar samarbetsmöjligheter och robust AI-forskningsinfrastruktur när de överväger att återvända hem.
Trots regeringens vision att skjuta upp Sydkorea till AI G3 (topp 3-länderna inom AI), om de befintliga forskningsvillkoren och talentsflykten fortsätter att ignoreras, kan sådana ambitioner sluta som tomma deklarationer. Det är tidiga faser av AI-teknologi-racet och det finns fortfarande en chans att ta initiativet. Men ytterligare dröjsmål kan resultera i att man permanent missar möjligheten.
Centrala Frågor och Svar:
1. Varför hindras AI-forskningen vid universitetet?
AI-forskning hindras på grund av brist på finansiering, vilket leder till att man inte har råd med de senaste AI-chipsen och utrustningen. Den skarpa ökningen i priserna för AI-chips matchas inte av motsvarande ökningar i universitetets forskningsbudget.
2. Hur påverkar föråldrade GPUs AI-forskningen?
Föråldrade GPUs tvingar forskare att arbeta med mindre effektiva verktyg, vilket fördröjer forskningsframstegen och förhindrar att de senaste generativa AI-modellerna replikeras inom en rimlig tidsram. Det uppskattas att det skulle ta nästan 150 år att matcha tjänster jämförbara med de senaste standarderna med gammal utrustning.
3. Vilka andra utmaningar står universitetsforskningsteam inför?
Utöver föråldrad maskinvara står universitetsforskningsteam inför utmaningar som bristfällig elinfrastruktur för att stödja högpresterande GPUs, konkurrens med privatsektorn om begränsade resurser och hotet om en ”brain drain” när inhemska talanger söker bättre möjligheter utomlands.
Centrala Utmaningar och Kontroverser:
Finansiella Begränsningar: Universitetets forskningsbudgetar är ofta otillräckliga för att köpa toppmodern teknik, vilket leder till eftersläpning i forskningsresultaten.
Infrastrukturella Begränsningar: Även när universitet förvärvar de nödvändiga AI-chipsen kan de möta utmaningar som otillräcklig elektrisk kraft, vilket begränsar användningen av högpresterande datorkunskap.
Konkurrens med Privatsektorn: Privatsektorn kan ofta överträffa akademiska institutioner i att lägga bud på den senaste tekniken och talangerna på grund av större finansiella resurser.
”Brain Drain”: Migrationen av inhemska talanger till länder med bättre forskningsmöjligheter utgör en betydande risk för kontinuiteten inom lokal AI-forskning och utveckling.
Talangbehållning: En nyckel för att driva AI-forskning framåt är inte bara att attrahera utan också att behålla topp-talanger, vilket kräver investeringar i forskningsvillkor och infrastruktur.
Fördelar och Nackdelar:
Fördelar:
– Universitet är traditionellt centrum för innovation där grundforskning kan frodas utan omedelbara kommersiella påtryckningar.
– Universitetsforskning gynnas av olika perspektiv och samarbete över olika discipliner.
Nackdelar:
– Otillräckliga finansiering och resurser kan kraftigt begränsa omfattningen och takten på forskningen.
– Föråldrad utrustning kan inte bara försena forskningen utan också nedlåta forskare och studenter.
– Oförmågan att hålla jämna steg med teknikutvecklingen kan göra akademisk forskning irrelevant inom vissa områden.
Om du önskar utforska mer information om artificiell intelligens och dess utveckling globalt, kan du överväga att besöka följande officiella webbplatser:
– NVIDIA, för information om de senaste GPUs och framsteg inom parallellberäkning.
– AI.gov, den amerikanska regeringens artificiell intelligens-initiativ.
– Innovation, vetenskap och ekonomisk utveckling Kanada, för kanadensiska regeringens politik kring innovation och delad datainfrastrukturer.