Um programa piloto dá aos acadêmicos aproximação a supercomputadores #ÚltimasNotícias

Pesquisadores acadêmicos sabem que a tecnologia de perceptibilidade sintético (IA) tem o potencial de revolucionar os aspectos técnicos de quase todos os setores. E embora sejam treinados para empregar tais inovações de maneiras éticas e equitativas, em confrontação com empresas de tecnologia voltadas para o lucro, eles têm aproximação restringido à tecnologia rosto e poderosa necessária para a pesquisa de IA.

Essa subdivisão deixou acadêmicos e outros pesquisadores financiados pelo governo preocupados com a possibilidade de que os desenvolvimentos decorrentes da Corrida do Ouro da IA ​​possam deixar populações marginalizadas para trás.

Por exemplo, um técnico de radiologia poderia usar um agente de IA generativo para ler raios X, em teoria levando a diagnósticos mais precisos e melhores resultados de saúde. Mas se esse agente de IA fosse treinado somente em dados de um hospital em um bairro rico, ele poderia falhar em detectar sinais e sintomas que são mais comuns em comunidades de baixa renda.

A população mais rica “poderia ter uma distribuição fundamentalmente dissemelhante de sinais reveladores que não necessariamente corresponderia à mesma distribuição em uma população de pessoas que, por exemplo, têm dificuldade em ir ao médico regularmente”, disse Bronson Messer, diretor de ciências do Oak Ridge Leadership Computing Facility do Departamento de Força dos EUA, no Tennessee, que abriga o Summit, um dos supercomputadores mais poderosos do país, financiados publicamente, que alguns acadêmicos estão usando para pesquisas de IA.

“Há uma preocupação persistente de que os dados que estão sendo usados ​​para treinar IA generativa podem ter vieses inerentes que são quase impossíveis de discernir até depois do traje, porque um agente de IA generativa só pode interpretar o que lhe foi oferecido.”

A subdivisão de recursos

Expelir esse preconceito é um dos principais objetivos do projeto piloto do National Sintético Intelligence Research Resource (NAIRR), que a National Science Foundation (NSF) ajudou a lançar em janeiro.

“É alguma coisa que precisa receber atenção e a comunidade acadêmica dos EUA está mais muito posicionada para indagar isso”, disse Messer, que é membro do NAIRR Allocations Working Group. “Não quero deixar isso para a Meta ou o Google. Esse é um problema que deve ser discutido na literatura oportunidade.”

O piloto da NAIRR é o resultado da ordem executiva do presidente Joe Biden sobre o desenvolvimento e uso seguro, protegido e confiável de IA, de consonância com um enviado à prensa da NSF, que está liderando o piloto em parceria com o Departamento de Força.

Por meio do piloto de dois anos, até agora 77 projetos — a maioria dos quais são afiliados a universidades — receberam uma alocação de recursos e serviços de computação e dados, incluindo aproximação remoto ao Summit e outros supercomputadores financiados publicamente. O piloto de dois anos do NAIRR priorizou projetos que se concentram no uso de IA para abordar “desafios sociais” em setores porquê lavra e assistência médica.

Embora pesquisadores universitários tenham liderado a inovação nesses e em outros campos por muito tempo, o aproximação à infraestrutura cada vez mais complexa necessária para fazer pesquisa e desenvolvimento baseados em IA — conhecida porquê computação de IA — é custoso e altamente concentrado entre empresas privadas de tecnologia, porquê Open AI e Meta, em localizações geográficas selecionadas, porquê Bay Area, Novidade York e Seattle.

Em confrontação com empresas de tecnologia, mesmo as universidades de pesquisa mais muito dotadas do país não têm nem perto do poder de computação necessário para “consultar, ajustar e treinar Large Language Models (LLMs) para desenvolver seus próprios avanços”, porquê um cláusula recente do Brookings Institute colocou. E instituições menores, a maioria delas localizadas longe dos principais centros de tecnologia, têm ainda menos recursos e experiência para realizar pesquisas de IA.

Para colocar em perspectiva, a Reuters relatou em abril que a Meta planeja apinhar muro de 600.000 unidades de processamento geográfico (GPUs) de última geração, que são chips de computador que auxiliam aplicativos de IA, até o final do ano. No entanto, o Summit no Oak Ridge National Laboratory no Tennessee tem muro de 27.000 GPUs.

‘Questão Fundamental da Democracia’

As possíveis implicações dessas disparidades de recursos de pesquisa de IA “são uma questão fundamental real de democracia”, disse Mark Muro, um membro sênior da Brookings Metro que é perito na interação de tecnologia, pessoas e lugar. “Na medida em que a IA se torna um grande impulsionador da produtividade — se isso for verdade — portanto é um problema se unicamente uma pequena lista de lugares estiver realmente se beneficiando de seu impacto na economia.”

O mesmo vale para escolher quais questões de pesquisa investigar, muito porquê onde e porquê investigá-las.

“Podemos findar com um conjunto restrito de questões de pesquisa escolhidas exclusivamente por grandes empresas de tecnologia”, disse Muro.

E essas empresas podem não ter o interesse ou incentivos monetários para mourejar com problemas específicos da região, porquê uma crise específica de assistência médica ou gerenciamento de incêndios florestais. “Essas coisas poderiam ser realmente energizadas por uma solução de IA, mas pode não ter ninguém pesquisando naquele lugar, embora às vezes soluções baseadas em sítio possam ser realmente importantes.”

Preconceitos de raça e gênero também são uma preocupação porque, assim porquê os escalões mais altos das comunidades de pesquisa científica acadêmica, a indústria de tecnologia também é dominada por homens brancos.

“Se não tentarmos incluir mais instituições que atendem minorias, HBCUs e ampliar quem pode fazer pesquisas em IA, só vamos substanciar essa questão da falta de heterogeneidade no campo”, disse Jennifer Wang, estudante de ciência da computação na Brown University, que foi coautora de um cláusula com Muro sobre a subdivisão entre IA e pesquisa que a Brookings publicou no início deste mês.

“No momento, muitas pesquisas de IA estão focadas em desenvolver modelos melhores e mais performáticos, e menos atenção é dada aos vieses dentro desses modelos”, disse Wang. “Há menos consideração dada à conquista de nuances linguísticas e contextos culturais porque esses modelos não são realmente construídos com certas populações em mente.”

Democratizar a pesquisa de IA é um dos principais objetivos do piloto da NAIRR. Espera-se que ele seja executado por dois anos, embora os diretores da NSF e do Office of Science and Technology Policy federalista tenham expressado esperança de financiamento suficiente para permitir que a NAIRR continue ou por outra.

Embora várias universidades de pesquisa de renome, incluindo Brown, Harvard e Stanford, tenham recebido verbas, instituições de pesquisa com perfis menores, incluindo a Universidade de Memphis, a Universidade Estadual da Flórida e a Universidade Estadual de Iowa, também fazem secção do piloto da NAIRR.

O projeto da Iowa State, por exemplo, visa usar o supercomputador Frontera instalado no Texas Advanced Computing Center da Universidade do Texas em Austin para desenvolver “grandes ferramentas de perceptibilidade sintético baseadas em visão para identificar e, eventualmente, recomendar controles para pragas agrícolas”, de consonância com um enviado à prensa da universidade.

Entrada Equitativo

Mas sem o pedestal do piloto da NAIRR, ele talvez nunca tivesse sido lançado.

“A pesquisa universitária geralmente está em estágio inicial e tem a flexibilidade de se concentrar em problemas socialmente relevantes nos quais a indústria pode não estar interessada no momento, garantindo que questões críticas porquê resiliência agrícola recebam a atenção que merecem”, escreveu Baskar Ganapathysubramanian, professor de engenharia que lidera o projeto e diretor do Instituto de IA para Cultura Resiliente da Iowa State, em um e-mail. “Isso permite que a pesquisa acadêmica priorize os benefícios para o muito público em detrimento dos interesses comerciais, focando em considerações éticas e impactos sociais de longo prazo.”

Enquanto houver recursos disponíveis, a NSF espera que “o próximo grupo de projetos seja anunciado em breve, e aproximadamente a cada mês depois disso”, escreveu Katie Antypas, diretora do Escritório de Ciberinfraestrutura Avançada da NSF em um e-mail.

Mas considerando que o Congresso cortou o orçamento da NSF para 2024 em 8%, não está simples que a NAIRR se tornará um elemento permanente do empreendimento de pesquisa acadêmica.

“Acreditamos que o piloto de dois anos da NAIRR tem grande potencial”, disse Julia Jester, vice-presidente adjunta de relações governamentais e políticas públicas da Association of American Universities, em um e-mail. “Mas, para atingir a meta do projeto de melhorar amplamente o aproximação à infraestrutura de IA necessária para prosseguir a pesquisa e treinar a próxima geração de pesquisadores, a NSF e outras agências precisarão de significativamente mais recursos.”

Suresh Venkatasubramanian, professor de ciência da computação e de dados na Brown e diretor do Meio de Responsabilidade Tecnológica da universidade, está unicamente começando seu projeto piloto da NAIRR, que visa desenvolver ferramentas que tragam mais transparência aos dados usados ​​para treinar LLMs.

À medida que a tecnologia de IA começa a permear todas as profissões, incluindo aquelas em pesquisa, negócios e assistência médica, é fundamental considerar todas as suas implicações.

“É realmente importante que, em universal, as instituições de ensino superior possam abraçar o que estamos vendo com a IA e aprender sobre isso, folgar com isso e reimaginar porquê devemos usá-la além das imaginações e das soluções fornecidas pelas pessoas nas empresas de tecnologia”, disse Venkatasubramanian. “Não podemos fazer isso sem aproximação equitativo às unidades de computação principais.”