Üniversite bilim insanları, yapay zeka (AI) araştırmaları için sınırlı bilgisayar gücü nedeniyle hayal kırıklığı yaşıyor, bu durum dünya çapında bir anketle ortaya kondu. 30 Ekim'de arXiv'de paylaşılan çalışma, akademisyenlerin genellikle gelişmiş bilgisayar sistemlerine erişimlerinin olmadığını, bunun da büyük dil modelleri (LLM'ler) geliştirme ve AI araştırmaları yürütme yeteneklerini etkilediğini vurguluyor. Üniversiteler sık sık, AI model eğitimi için gerekli ve pahalı olan güçlü grafik işlemci birimleri (GPU'lar) elde etmekte zorlanıyor. Buna karşılık, büyük teknoloji firmaları, yüzlerce GPU satın almak için daha büyük bütçelere sahip. Çalışmanın ortak yazarı Brown Üniversitesi'nden Apoorv Khandelwal, endüstri devlerinin geniş GPU kaynaklarına sahip olabileceğini, akademisyenlerin ise sadece birkaç tanesine sahip olabileceğini, bu durumun endüstri ve akademik yetenekler arasında büyük bir fark yarattığını belirtiyor. Khandelwal'ın ekibi, 35 kurumdan 50 bilim insanını anketle sorgulayarak, yanıt verenlerin %66'sının mevcut bilgisayar gücünden duydukları memnuniyeti 5 üzerinden 3 veya daha az olarak değerlendirdiğini, GPU erişiminde gecikmeler ve Orta Doğu gibi bölgelerde önemli eşitsizlikler yaşandığını tespit etti.

Sınırlı erişim, birçok kişiyi LLM'lerin maliyetli ön eğitimiyle uğraşmaktan alıkoyuyor. Ortak yazar Ellie Pavlick, uzun vadeli teknolojik büyüme için rekabetçi bir akademik ortamın önemini vurguluyor ve bunu endüstri araştırmalarındaki ticari baskıyla karşılaştırıyor. Bu sınırlamalara rağmen, araştırmacılar akademisyenlerin daha az güçlü donanımları maksimum şekilde kullanarak 1'den 8'e kadar GPU ile LLM'leri ön eğitebileceği yöntemleri inceledi. Bu, daha verimli yöntemlerin benimsenmesini gerektiriyor, ki bu yöntemler zaman alıcı olsa da, sınırlı kaynaklarla başarılı model eğitimi sağladı. Almanya'daki Saarland Üniversitesi'nden Ji-Ung Lee, bu yaklaşımı umut verici buluyor ve küçük şirketlerin de benzer erişim zorlukları yaşadığını belirtiyor. Bu çalışma, akademide AI araştırmalarını geliştirmek için kaynak eşitsizliklerinin ele alınmasının önemini vurguluyor.