近年来，人工智能重塑未来的巨大潜力吸引了业界的大量投资。但研究人员表示，私营公司在为这项新兴技术提供动力的基础研究中影响力越来越大，可能对其发展产生严重影响。
机器是否可以复制动物和人类所见的那种智能的问题几乎与计算机科学领域本身一样古老。几十年来，行业对这一研究领域的参与一直在波动，导致一系列人工智能寒冬，因为投资流入，然后又因技术未能达到预期而退出。
然而，在上个十年之交，深度学习的出现导致了私营公司最持久的兴趣和投资之一。这现在开始产生一些真正改变游戏规则的 AI 产品，但《科学》杂志的一项新分析表明，它也导致行业在 AI 研究中占据越来越大的主导地位。
作者说，这是一把双刃剑。工业带来了资金、计算资源和大量数据，这些都推动了进步，但它也将整个领域重新聚焦于私营公司感兴趣的领域，而不是那些对人类具有最大潜力或利益的领域。
“行业的商业动机促使他们关注以利润为导向的主题。通常，此类激励措施会产生符合公共利益的结果，但并非总是如此，”作者写道。 “虽然这些行业投资将使消费者受益，但随之而来的研究主导地位应该让世界各地的政策制定者感到担忧，因为这意味着重要人工智能工具的公共利益替代品可能会变得越来越稀缺。”
作者表明，近年来，行业在 AI 研究中的足迹急剧增加。 2000 年，领先的 AI 会议上只有 22% 的演讲有一位或多位来自私营公司的合著者，但到 2020 年，这一比例达到了 38%。但这种影响在该领域的前沿最为明显。
深度学习的进步在很大程度上是由越来越大的模型的发展推动的。 2010 年，工业仅占最大 AI 模型的 11%，但到 2021 年，这一比例已达到 96%。与此同时，在图像识别和语言建模等领域的关键基准测试中的主导地位不断增强，行业对领先模型的参与度从 2017 年的 62% 增长到 2020 年的 91%。
这种转变的一个关键驱动因素是，与公共机构相比，私营部门能够进行更大的投资。不包括国防开支，美国政府在 2021 年拨款 15 亿美元用于 AI 支出，而当年全球工业支出为 3400 亿美元。
额外的资金转化为更好的资源——在计算能力和数据访问方面——以及吸引最优秀人才的能力。人工智能模型的大小与可用数据量和计算资源密切相关，2021 年行业模型平均比学术模型大 29 倍。
虽然在 2004 年只有 21% 的专门研究人工智能的计算机科学博士进入了工业界，但到 2020 年这一比例已跃升至近 70%。自 2006 年以来，私营公司从大学以外聘请 AI 专家的比例也增长了八倍。
作者指出 OpenAI 是一个标志，表明在没有私营部门财政资源的情况下进行前沿人工智能研究的难度越来越大。该公司当时表示，2019 年，该组织从非营利组织转变为“上限营利组织”，以“迅速增加我们在计算和人才方面的投资”。
作者指出，这项额外投资有其好处。它有助于将 AI 技术带出实验室并应用到可以改善人们生活的日常产品中。它还促成了工业界和学术界使用的许多有价值的工具的开发，例如 TensorFlow 和 PyTorch 等软件包以及为 AI 工作负载量身定制的越来越强大的计算机芯片。
但它也在推动 AI 研究关注为其赞助商带来潜在商业利益的领域，同样重要的是，需要大量数据且计算量大的 AI 方法与大型科技公司已经擅长的事情非常吻合。随着行业越来越多地设定人工智能研究的方向，这可能会导致忽视针对人工智能和其他没有明确利润动机的社会有益应用的竞争方法。
作者指出：“考虑到 AI 工具可以在整个社会中得到广泛应用，这种情况将赋予少数科技公司巨大的权力来决定社会的发展方向。”
这组作者说，有一些模型可以缩小私营部门和公共部门之间的差距。美国提议创建一个由公共研究云和公共数据集组成的国家人工智能研究资源。中国最近批准了“国家计算能力网络系统”。而加拿大的高级研究计算平台已经运行了将近十年。
但作者表示，如果没有政策制定者的干预，学术界可能无法正确解释和批评行业模型或提供符合公共利益的替代方案。确保他们有能力继续塑造人工智能研究的前沿应该是世界各国政府的一个关键优先事项。