按关键词阅读： 天眼查 新东方 朱宇
文章插图
“最好的服务器都在工业界。” 深度学习（Deep Learning）是人工智能中机器学习的重要分支，也是美国国家研究云的主要着力点。代码运行需要巨大的算力支撑，而算力是靠钱“烧”出来的。一个优秀算法模型的诞生，需要数十万、乃至数百万美金的投入。根据OpenAI的资料显示，过去7年里，人工智能头部公司的计算量飙升大约30万倍。高昂的成本让学术界难以应对，只有谷歌、亚马逊这种巨头才供得起数据中心每年数十亿美金的研发经费。
在经费和设备的双重差异下，计算机人才纷纷投奔大公司的怀抱。十年前，人工智能专业博士进入学术界和工业界的可能性是一样的。但现在，他们选择工业界的可能性更高，是学术界的两倍！这种失衡会有两个严重后果：
首先，私营部门的研究方向受制于科技公司的决策、监督和否决权，最终造成研究短视。像之前Facebook驳回了旗下产品Instagram对年轻女性有危害问题的内部讨论。第二，私营部门的科研工作因受利益挟制，只能指向宽泛不足的应用领域。
一切正如数据科学家杰夫·哈默巴赫尔(Jeff Hammerbacher)所说:“ That sucks！我们这代里最聪明的人都在思考如何让人点击广告！” 哈默巴赫尔是扎克伯格在哈佛时的同学，Facebook的数据团队正是由他一手创建的。
毋庸置疑，国家研究云是解决核心矛盾的最佳办法。因为它可以拓宽企业环境之外的AI访问资源。研发、评审AI科研人员可以借助国家研究云的力量“超越”狭隘的技术领域（包括自然科学、社会科学和人文科学）。在保证隐私前提下释放地球观测、劳动力市场和司法系统的数据——当前只有少数人有权限访问——这将引导人工智能解决更多样复杂且迫切的社会问题。
对于那些视政府部门如“仇敌”、私营部门如“亲朋”的异见者，三位学者表示：
“仅依靠私营部门只会阻碍AI产业整体发展、造成减缓创新，最终损害的将是的民众利益。公共部门对促进基础研究和成本效益方面至关重要。以卫星图像为例，2008年前，美国地质调查局(U.S. Geological Service)对每张卫星图像收取约600美元的费用，随着后来数据开放免费提供图像，这大大推动了计算机视觉在研究全球变暖、栖息地改变、贫困和城市扩张方面的应用，每年产生30 - 40亿美元的效益。”
文中指出，在计算领域，联邦政府对建立运尖端计算设施经验丰富值得信任，从橡树岭国家实验室的Summit系统（2018-2020年世界上最强大的超级计算机），再到美国国家科学基金会(National Science Foundation)投资高性能计算网络，与私营部门合作，在应对COVID-19等重大事件中发挥了强大的作用。依赖商业云服务的成本是构建自己系统的3到8倍。国家公共云不可能一蹴而就，但它带来的回馈，会让前期的努力和投入都变值得。
美国迫切需要建立一支能够在紧要关头随时投入使用、监控和监管AI系统的公共部门“战队”—— 实现这一目标的最好方式就是国家研究云。早先遗留的IT系统持续困扰着美国当局，政府问责局(Accountability Office)曾指出的，截止2016年，美国防部仍在使用 8 英寸软盘来协调足以毁灭世界的核力量”。
“NAIRR是联邦政府“洗牌”AI领域的机会，不该沦为技术怀疑论者和唯市场论者之间的儿戏，零和博弈没有赢家，都是输家！”
文章插图
实际上技术垄断之下，这些科技“寡头”也不会是永远的胜利者。
稿源：(雷锋网)
【傻大方】网址：http://www.shadafang.com/c/11159612B2021.html
标题：研究所|拒绝赛博朋克：斯坦福HAI报告警示“科技巨头垄断AI研究已成威胁”，力挺「国家安全云」计划( 二 )