人工智能教授们正在应对学术研究的新现实
在施密特科学AI2050项目的一次聚会上，我看到了学术研究人员如何直面AI时代的挑战。
2026年8月10日 斯蒂芬妮·阿内特/《麻省理工科技评论》| Adobe Stock
本文原载于《算法》，我们的每周AI通讯。想要第一时间在收件箱中收到此类文章，请在此注册。
上周，我前往旧金山以南30英里处的加利福尼亚州山景城一家酒店，与一些全球最杰出、也最有潜力的AI研究人员相聚。我主持了圆桌访谈，并在施密特科学AI2050项目的一次聚会上做了媒体培训演讲。该项目由埃里克和温迪·施密特资助，支持从事AI相关工作的学者。研究员名单堪称AI名人录，虽然并非所有人都来到了湾区，但每当我转过一个角落，都会看到一位我以前采访过或一直钦佩其研究的科学家。（充分披露：我于2024年获得了由施密特科学资助的科学传播奖。）
对于构成AI2050项目主体的大学AI研究人员来说，这是一个奇怪的时期。在过去四年中，AI研究已围绕大语言模型重新定向，其前沿已从学术机构转移到私营公司。大学根本负担不起训练和运行前沿模型所需的GPU，即使负担得起，Anthropic和OpenAI也不会让任何人看到Claude或ChatGPT的内部细节。在一次午餐交谈中，加州大学伯克利分校的计算机科学教授尼卡·哈格塔拉布说，如今的AI学者就像生活在私营公司独家控制基因编辑工具CRISPR的世界里的生物学家。前沿实验室之外的专家可以研究ChatGPT和Claude的行为方式，但无法对这些工具的设计和训练进行任何详细研究，也无法自行引导这些设计或训练。
AI2050项目确实为研究员提供了一些可用于购买GPU的资金，我采访的一些研究人员表示，这是参与该项目的一大好处。但资金仍然是一个紧迫的问题，尤其是在美国联邦科研经费削减的情况下。即使对于不自己运行本地模型的研究人员来说，为了严格研究OpenAI、Anthropic和Google的模型而反复查询这些模型的成本也可能令人望而却步。
许多研究员并不专注于提升模型能力，而是将注意力投向Anthropic或OpenAI不太可能关注的问题。“我尽量不研究那些我认为科技公司会解决的问题，”约翰霍普金斯大学的计算机科学教授安贾利·菲尔德说。公司需要赚钱，而那些几乎没有盈利前景的研究问题可能不值得投资——尤其是如果答案可能让公司难堪的话。例如，菲尔德最近进行了一项研究，发现语言模型对以女性比男性更常用的方式措辞的提示词，给出的回答复杂程度较低。很难想象这类研究会出自Anthropic或OpenAI。
还有一大批完全不使用大语言模型的AI学者。其中许多是科学家，他们构建专门的AI模型来分析数据、做出有用的预测，甚至模拟整个物理系统。这些研究人员不一定在与前沿实验室竞争——谷歌DeepMind的AlphaFold团队上个月刚刚解散，该团队构建了一个获得诺贝尔奖的蛋白质结构预测模型。但他们面临着不少自己的挑战。在聚会上，几位与会者表达了对非大语言模型AI被广泛忽视如何影响他们工作的担忧。例如，构建专门AI工具来帮助应对气候变化的研究人员，在许多人认为“AI”就意味着“耗能巨大的大语言模型”时，有时很难为自己的工作辩护。
所有这些挑战都在改变学术界的格局：几位知名学者最近已从大学请假加入前沿实验室，许多AI2050研究员在学术工作之外还兼任行业职位。而在过去六个月中，又出现了另一个威胁。OpenAI的模型已经解决了数学领域的一些真实研究问题，一些专家担心人类在纯数学领域可能没有未来。我采访的一位研究员表示，她担心数学同行们的心理健康。
但也不全是坏消息。一方面，实证科学可能比数学更难自动化，因为收集数据本质上是一个缓慢的过程。而且一些研究人员将AI数学家和科学家视为福音而非威胁——包括卡内基梅隆大学的计算机科学家蒂姆·德特默斯，他的工作是让AI模型运行得更快、更便宜。德特默斯说，AI科学家不会取代人类。相反，它们可以让人类科学家变得高效得多，让他和同行们有机会去追求那些原本可能永远没有时间实现的疯狂而富有灵感的想法。
而且科学家是坚韧的一类人。正是那些阻止他们训练前沿模型的资源限制，也推动他们发现让模型更小、更高效的新方法，或者探索全新的架构。如果下一个重大AI突破不是来自大公司，而是来自一个不起眼的学术实验室，我一点也不会感到惊讶。