Umabot sa Mahalagang Hakbang ang U.S. Papunta sa Pagpapalaganap ng Pag-aari sa AI

(SeaPRwire) –   Nitong linggo, inanunsyo ng National Science Foundation (NSF) na isinasagawa nito ang isang pilot program kasama ang 10 iba pang ahensya ng pederal at 25 organisasyong pribado at non-profit na maaaring unang hakbang patungo sa pagdedemokratisa ng access sa mahal na imprastraktura para sa advanced na pananaliksik sa artificial intelligence.

Layunin ng National Artificial Intelligence Research Resource (NAIRR) pilot na magbigay ng mahal na computational horsepower, datasets, AI models, at iba pang tools sa mga akademikong mananaliksik sa AI na kadalasang nahihirapan makakuha ng mga kailangan nilang mapagkukunan.

Chipmaker na isa sa mga kompanya na kasali sa programa, ay nagsabi na magbibigay ito ng $30 milyong halaga ng cloud computing resources at software sa pilot sa loob ng dalawang taon, habang sinabi ng Microsoft na magbibigay ito ng $20 milyong halaga ng cloud computing credits bukod pa sa iba pang mapagkukunan.

Ang NAIRR pilot ay dumating sa isang mahalagang panahon para sa pananaliksik sa AI. Habang malakihang nag-invest ang mga kompanya sa pag-acquire ng computational resources at datasets, at pagkuha ng mga taong may kakayahang gawin ito, naiwan naman ang mga mananaliksik sa akademya at sektor publiko. Ito ay nagresulta sa ilang mahalagang direksyon sa pananaliksik at fundamental na agham na hindi na-explore. Ngunit, sinasabi ng mga tagapag-ulat na ang pilot ay isang unang hakbang lamang, at kailangan pang matagal at malaking suporta mula sa gobyerno upang masolusyunan ang paghihiwalay sa pagitan ng AI.

Industry pulls ahead

May tatlong input ang mga sistema ng AI—computational power (karaniwang tinutukoy bilang compute), data, at algorithms. Mas malakas na sistema ng AI ang makukuha kapag mas marami ang data at compute at mas mahusay ang algorithms. Ang privileged access ng industriya sa tatlong input ng AI ang nagresulta sa lumalawak na paghihiwalay sa pagitan ng mga sistema ng AI na ginawa ng mga negosyo, kumpara sa mga ginawa ng mananaliksik sa akademya.

Ilang dekada na ang nakalipas, karamihan sa mga breakthrough ay gawa ng mga mananaliksik sa akademya, ayon kay Nur Ahmed, isang mananaliksik sa MIT Sloan School of Management. “Ngayon, ang mga akademiko ay gumagawa na lamang ng follow-up o follow-on research sa halip na subukang i-push ang boundaries.”

Habang dati ay malamang na pinakamahusay na sistema ng AI sa isang partikular na gawain ay gawa ng mga akademiko, ngayon halos lahat ng cutting edge na sistema ng AI ay kasali ang kolaborasyon sa industriya, at marami na rin ang buong gawa ng industriya.

Sa katunayan, ang compute ay ibig sabihin ng access sa espesyal na semiconductor chips, na mahal at limitado. Habang lumalawak ang access sa computational power, tumataas nang tuloy-tuloy ang halaga ng compute na ginagamit upang itraining ang mga sistema ng AI—daan-daang porsyento bawat 20 buwan mula nang magsimula ang AI noong 1950. Ngunit, nang malaman na mas magagaling ang mga modelo kung mas maraming compute ang gagamitin sa pag-train nito, simulan ng mga developer ng AI na gamitin ang mas malaking halaga ng compute, na nagdoble bawat 6 buwan.

Mula noon, tumaas nang malaki ang halaga ng pera na ginagastos sa pag-train ng mga sistema ng AI—ayon sa Epoch, tumaas ng halos tatlong beses taun-taon ang halaga ng compute mula 2009 hanggang 2022. Sinasabi ng datos ng Epoch na epektibong napalayas na ng industriya ang mga akademiko sa pagbuo ng state-of-the-art na mga modelo.

Karamihan sa data na ginagamit upang itraining ang mga sistema ng AI—lalo na ang language models, na gumagamit ng malaking halaga ng data mula sa internet—ay publikong available. Ngunit, may dalawang bentaha pa rin ang industriya kumpara sa akademya at sektor publiko, ayon kay Neil Thompson, direktor ng FutureTech research project ng MIT.

Una, ang pag-organisa ng malalaking halaga ng data na ginagamit upang itraining ang state-of-the-art na AI models ay nangangailangan ng malaking halaga ng compute at mas madali kung may dedicated na mga team sa data cleaning at preparation, na pareho ay available sa industriya ngunit hindi sa akademya. Pangalawa, may access ang mga kompanya sa proprietary na datasets na partikular na mahalaga para sa kanilang mga layunin.

Ang mga mananaliksik ay nagdisenyo ng algorithms. Kaya, ang mga organisasyon na makakakuha ng pinakamaraming bilang ng mga talino ay maaaring magkaroon ng access sa mas sophisticated na algorithms. Sa gitna ng paglabas ng ChatGPT at sumunod na artificial intelligence boom, napakainit ng labor market para sa AI, ayon kay Thompson, na lumilikha ng matinding kompetisyon para sa mga mananaliksik at engineer. Nag-aalok ang mga kompanya ng lumalaking sahod upang maakit ang mga taong ito—isang job posting ng Netflix noong nakaraang taon ay nagsabi ng sahod na hanggang $900,000. Bukod sa pagkakaiba sa sahod, nadadala rin ang mga mananaliksik ng mas mataas na access sa data at compute na ibinibigay ng industriya, ayon kay Thompson.

Maaaring masama ito para sa lipunan sa kabuuan, ayon kay MIT’s Ahmed. Ang mga tagagawa ng komersyal na AI ay may sariling mga incentibo, at kakaunting mapagkukunan sa pananaliksik akademiko ay maaaring ibig sabihin ng kakaunting gawain sa mga mahalagang isyu para sa lipunan tulad ng pagtugon sa bias sa mga sistema ng AI, ayon kay Ahmed. Sinuportahan ng isang papel noong 2020 ng mga mananaliksik sa National Endowment for Science, Technology and the Arts ang mga alalahanin ni Ahmed, na nakita na “ang mga mananaliksik sa AI sa pribadong sektor ay karaniwang nakatuon sa data at computational intensive na deep learning methods sa halip na… pananaliksik na nag-iisip sa lipunan at etikal na implikasyon ng AI o naglalapat nito sa mga domain tulad ng kalusugan.”

Walang ibang magagawa ang mga pribadong aktor kundi mababa ang pondohan sa basic na pananaliksik, ayon kay Thompson. At walang makakapag-check sa gawain ng mga mananaliksik sa industriya kung walang sapat na compute ang mga akademiko at mananaliksik sa sektor publiko.

Pagtatapos ng paghihiwalay

Ang pilot na inanunsyo nitong linggo ay matagal nang pinaghahandaan. Itinatag ng NAIRR Act noong 2020 ang isang task force upang lumikha ng roadmap para sa isang pambansang programa upang pahusayin ang access sa computing, data, at educational tools. Ang final report ng NAIRR Task Force noong Enero 2023 ay nagsabi na kailangan ng $2.6 bilyon upang patakbuhin ang NAIRR sa loob ng anim na taon, at inirerekomenda ang isang pilot bilang paraan upang makagalaw sa kawalan ng buong pagpopondo. Pinirmahan ni Pangulong Biden noong Oktubre 30 ang , na nagbigay ng 90 araw sa NSF—hanggang Enero 28—upang isagawa ang NAIRR pilot.

Ang pilot, bagamat kapaki-pakinabang, ay hindi sapat, ayon kay Divyansh Kaushik, associate director para sa emerging technologies at national security sa Federation of American Scientists, na nagsilbing tagapayo sa NAIRR Task Force. Kailangan pumasa ng batas ng Kongreso na nag-aawtorisa sa NAIRR at nagbibigay ng kailangang pondo, ayon sa kanya, at idinagdag na pabor ang karamihan sa mga mambabatas sa programa. “Walang tunay na pagtutol,” aniya.

Iminungkahi ito noong Hulyo, nang ipahayag ng liderato ng Congressional Artificial Intelligence Caucus ang CREATE AI Act, na magtatatag ng NAIRR. Sinuportahan nina Senators Martin Heinrich, Todd Young, Cory Booker, at Mike Rounds isang katumbas na panukala sa Senado. “Sinunod namin halos ang rekomendasyon ng task force. Sa tingin ko, maganda ang ginawa nila,” ani Congresswoman Anna Eschoo, isang Demokratang California at co-chair ng Congressional Artificial Intelligence Caucus kay TIME noong Setyembre 2023.

“Magbibigay ang NAIRR ng mga mananaliksik—mula sa mga unibersidad, non-profit, mula sa gobyerno—ng makapangyarihang datasets at computational resources na talagang kailangan,” ani Eschoo. “Upang tiyakin na lahat ay may access sa mga kagamitan na kailangan para sa pananaliksik at pagbuo ng AI s