미래를 재편할 수 있는 AI 의 엄청난 잠재력은 최근 몇 년 동안 업계에서 막대한 투자를 불러일으켰습니다. 그러나 이 신흥 기술을 뒷받침하는 기초 연구에서 민간 기업의 영향력이 커지면 기술 개발 방식에 심각한 영향을 미칠 수 있다고 연구원들은 말합니다.
기계가 동물과 인간에게서 볼 수 있는 지능을 복제할 수 있는지에 대한 질문은 컴퓨터 과학 분야 자체만큼이나 오래되었습니다. 이 연구 라인에 대한 업계의 참여는 수십 년에 걸쳐 변동을 거듭해 왔으며, 기술이 기대 에 부응하지 못하면서 투자가 유입되었다가 다시 철회되면서 일련의 AI 겨울로 이어졌습니다 .
그러나 지난 10년 동안 딥 러닝의 출현으로 인해 민간 기업의 가장 지속적인 관심과 투자가 이루어졌습니다. 이는 이제 진정한 판도를 바꾸는 AI 제품을 생산 하기 시작 했지만 Science 의 새로운 분석에 따르면 AI 연구에서 업계가 점점 더 지배적인 위치를 차지 하게 되는 것으로 나타났습니다 .
저자들은 이것이 양날의 검이라고 말합니다 . 산업은 엄청난 발전을 이룰 수 있는 돈, 컴퓨팅 리소스, 방대한 양의 데이터를 가져오지만, 인류에게 가장 큰 잠재력이나 이익이 있는 분야보다는 민간 기업이 관심을 갖는 분야에 전체 분야의 초점을 다시 맞추고 있습니다.
“ 업계의 상업적 동기로 인해 이익 지향적인 주제에 집중하게 됩니다. 그러한 인센티브는 공익에 부합하는 결과를 낳는 경우가 많지만 항상 그런 것은 아닙니다.”라고 저자는 썼습니다. “이러한 산업 투자는 소비자에게 이익이 되겠지만, 이에 수반되는 연구 지배력은 중요한 AI 도구에 대한 공익적 대안이 점점 부족해질 수 있다는 것을 의미하기 때문에 전 세계 정책 입안자들에게는 걱정거리가 되어야 합니다.”
저자들은 AI 연구에서 업계의 입지가 최근 몇 년 동안 극적으로 증가했음을 보여줍니다. 2000년에는 주요 AI 컨퍼런스의 프레젠테이션 중 민간 기업의 공동 저자가 한 명 이상 등장한 경우가 22%에 불과했지만, 2020년에는 그 비율이 38%에 달했습니다. 그러나 그 영향은 현장의 최첨단에서 가장 분명하게 느껴집니다.
딥 러닝의 발전은 훨씬 더 큰 모델의 개발에 의해 크게 주도되었습니다. 2010년에는 업계가 가장 큰 AI 모델 중 11%를 차지했지만, 2021년에는 그 비중이 96%에 달했습니다. 이는 이미지 인식 및 언어 모델링과 같은 분야의 주요 벤치마크에 대한 지배력이 커지는 것과 동시에 발생하며, 선두 모델에 대한 업계의 참여도는 2017년 62%에서 2020년 91%로 증가했습니다.
이러한 변화의 주요 동인은 민간 부문이 공공 기관에 비해 훨씬 더 많은 투자를 할 수 있다는 것입니다. 국방비를 제외하면 미국 정부는 2021년 AI 지출에 15억 달러를 할당했는데, 이는 그해 전 세계 산업계가 지출한 3,400억 달러와 비교된다.
이러한 추가 자금은 컴퓨팅 능력과 데이터 액세스 측면에서 훨씬 더 나은 리소스와 최고의 인재를 유치할 수 있는 능력으로 해석됩니다. AI 모델의 크기는 사용 가능한 데이터 및 컴퓨팅 리소스의 양과 밀접한 상관관계가 있으며, 2021년 산업 모델은 학술 모델보다 평균 29배 더 컸습니다.
그리고 2004년에는 AI 전문 컴퓨터 과학 박사 중 21%만이 산업계에 진출했지만, 2020년에는 그 비율이 거의 70%로 뛰어올랐습니다. 민간 기업이 대학 밖에서 AI 전문가를 고용하는 비율도 2006년 이후 8배 증가했다.
저자들은 OpenAI를 민간 부문의 재정 자원 없이 최첨단 AI 연구를 수행하는 것이 점점 더 어려워지고 있음을 보여주는 지표로 지적합니다. 2019년에 이 조직은 “컴퓨팅 및 인재에 대한 투자를 빠르게 늘리기” 위해 비영리에서 “영리 상한선 조직”으로 전환했다고 당시 회사는 밝혔습니다.
이러한 추가 투자에는 장점이 있다고 저자는 지적합니다. AI 기술을 실험실에서 벗어나 사람들의 삶을 개선할 수 있는 일상 제품에 적용하는 데 도움이 되었습니다. 또한 TensorFlow 및 PyTorch와 같은 소프트웨어 패키지와 AI 워크로드에 맞춰 점점 더 강력해지는 컴퓨터 칩 등 업계와 학계에서 모두 사용하는 귀중한 도구의 개발로 이어졌습니다.
그러나 또한 AI 연구를 스폰서에게 잠재적인 상업적 이익이 있는 영역에 집중하도록 추진하고 있으며, 마찬가지로 중요한 것은 거대 기술 기업이 이미 잘하고 있는 분야와 잘 어울리는 데이터 집약적이고 계산 비용이 많이 드는 AI 접근 방식입니다. 업계가 점차 AI 연구 방향을 설정함에 따라 이는 명확한 이익 동기 없이 AI 및 기타 사회적으로 유익한 응용 프로그램에 대한 경쟁 접근 방식을 무시하는 결과를 가져올 수 있습니다.
“ AI 도구가 사회 전반에 걸쳐 얼마나 광범위하게 적용될 수 있는지를 고려하면, 그러한 상황은 소수의 기술 회사가 사회 방향에 대해 엄청난 힘을 갖게 될 것입니다.”라고 저자는 지적합니다.
저자들은 민간 부문과 공공 부문 간의 격차를 어떻게 줄일 수 있는지에 대한 모델이 있다고 말합니다. 미국은 공공 연구 클라우드와 공공 데이터 세트로 구성된 국가 AI 연구 자원 생성을 제안했습니다. 중국은 최근 ‘국가 컴퓨팅 파워 네트워크 시스템’을 승인했다. 그리고 캐나다의 고급 연구 컴퓨팅 플랫폼은 거의 10년 동안 운영되어 왔습니다.
그러나 정책 입안자의 개입 없이는 학계가 산업 모델을 제대로 해석하고 비판하거나 공익적 대안을 제시할 수 없을 가능성이 크다고 저자들은 말합니다. AI 연구의 최전선을 지속적으로 형성할 수 있는 역량을 갖추도록 보장하는 것이 전 세계 정부의 최우선 과제가 되어야 합니다.
