Ülikoolide teadlased seisavad silmitsi rahulolematusega, kuna tehisintellekti (AI) uurimistööks on arvutivõimsus piiratud, nagu selgub ülemaailmsest küsitlusest. Uuring, mis avaldati 30. oktoobril arXivis, toob esile, et teadlastel puudub sageli ligipääs arenenud arvutisüsteemidele, mis mõjutab nende võimekust arendada suuri keelemudeleid (LLM) ja teostada AI uurimusi. Ülikoolid seisavad sageli silmitsi raskustega võimsate graafikatöötlusüksuste (GPU) hankimisel, mis on AI mudelite treenimiseks vajalikud, kuid kulukad. Suured tehnoloogiafirmad seevastu saavad suuremate eelarvete tõttu endale lubada tuhandete GPU-de soetamist. Brown Ülikooli teadlane ja uuringu kaasautor Apoorv Khandelwal märgib, et kuigi tööstushiiglastel võivad olla ulatuslikud GPU ressursid, on teadlastel sageli vaid mõned, luues suure lõhe tööstuse ja akadeemiliste võimete vahel. Khandelwali meeskond küsitles 50 teadlast 35 asutusest ning leidis, et 66% vastajatest andis oma rahulolule olemasoleva arvutivõimsuse suhtes hinnangu 3 või vähem viiepunktilisel skaalal, viidates viivitustele GPU ligipääsus ja olulistele lõhedele globaalselt, näiteks Lähis-Idas.

Piiratud ligipääs peletab paljusid eemale LLM-ide kulukast eeltreenimisest. Kaasautor Ellie Pavlick rõhutab konkurentsivõimelise akadeemilise keskkonna tähtsust pikaajaliseks tehnoloogiliseks arenguks, vastandades seda tööstusuuringute kommertsialiseerimise survele. Hoolimata nendest piirangutest uurisid teadlased viise, kuidas akadeemikud saaksid vähem võimsat riistvara maksimaalselt ära kasutada, treenides LLM-e 1 kuni 8 GPU-ga. See nõuab efektiivsete meetodite rakendamist, mis, kuigi aeganõudvamad, võimaldasid mudelite edukat treenimist, vaatamata piiratud ressurssidele. Ji-Ung Lee Saarimaa ülikoolist Saksamaal peab seda lähenemist paljutõotavaks, märkides, et ka väikeettevõtted seisavad silmitsi sarnaste ligipääsuväljakutsetega. Uuring rõhutab, kui oluline on tegeleda ressursside ebavõrdsusega, et edendada AI uurimistööd akadeemilises ringkonnas.