علم بهتر است یا ثروت؟ اساتید هوش مصنوعی در این باره چه فکر می‌کنند؟

سال‌هاست که شرکت‌های بزرگ حوزه تکنولوژی با اعطای پاداش، حقوق فراوان و بسته‌های سهام شرکت، اساتید هوش مصنوعی را از محیط‌های دانشگاهی جدا و آن‌ها را به تیم خود اضافه کرده‌اند. به ظاهر این موضوع چندان جدی نیست، اما تحقیقات جدید نشان می‌دهند که جابجایی اساتید حوزه هوش مصنوعی، باعث شده تا دانشجویان به آینده خود پس از فارغ‌التحصیلی چندان امیدی نداشته باشند.

این مطالعه منحصر به فرد که توسط گروهی از محققان دانشگاه روچستر انجام شده، نشان می‌دهد که در طی 15 سال گذشته، 153 نفر از اساتید هوش مصنوعیِ دانشگاه‌های آمریکای شمالی، از سمت خود استعفا داده و وارد صنعت شده‌اند. در کنار این آمار، اعلام شده که 68 استاد نیز به صورت پاره وقت در دانشگاه‌های مختلف تدریس می‌کنند و باقی وقت خود را در حوزه‌های کاری دیگر صرف می‌کنند. متاسفانه این آمار هرسال درحال افزایش است؛ 26 استاد دانشگاه بین سال‌های 2004 و 2009 از دانشگاه خارج شده‌اند، و این درحالی است که تنها در سال 2018، 41 استاد دانشگاه، سمت خود را ترک کرده‌اند.

جابجا شدن چنین استعدادهایی قطعا می‌تواند باعث افزایش سرعت توسعه هوش مصنوعی درون شرکت‌های همچون گوگل، مایکروسافت، آمازون و اپل شود، اما به نظر می‌رسد که این موضوع، باعث شده تا فارغ‌التحصیلان جدید، شانس کمتری برای راه اندازی یک شرکت در حوزه هوش مصنوعی را داشته باشند. بر اساس مطالعه حاضر، ترک دانشگاه‌ها توسط اساتید باعث شده تا دانشجویان سرمایه‌ کمتری برای راه اندازی کسب و کار خود بدست آورند. این موضوع در شاخه یادگیری عمیق، یکی از حوزه‌های اصلی و فوق العاده مهم اصول هوش مصنوعی، به وضوح قابل مشاهده است.

افزون بر این، یافته‌های این مطالعه نشان داد که فرار مغزها از دانشگاه می‌تواند نوآوری و رشد را در اقتصاد تضعیف کند. «مایکل گافمن» استاد مالی در دانشگاه روچستر و یکی از نویسندگان مقاله فعلی خاطرنشان کرد: «انتقال دانش از بین رفته است. و در پی آن، نوآوری هم از بین خواهد رفت.» یادگیری عمیق به واسطه شبکه‌های عصبی انجام می‌گیرد؛ سیستم‌های ریاضی پیچیده‌ای که می‌توانند با تحلیل حجم عظیمی از داده‌ها به یادگیری کارها و وظایف بپردازند. برای مثال، یک شبکه عصبی با بررسی الگوهای موجود در هزاران عکس سگ می‌تواند به شناسایی سگ‌ها بپردازد.

تا سال 2010، ایده جذب اساتید دانشگاه‌ها توسط شرکت‌های بزرگ نادیده گرفته‌ می‌شد، اما رشد اینترنت باعث ایجاد داده‌های بیشتری شد و تراشه‌های قدرتمند در کامپیوترهای جدید، سرعت تحلیل این داده‌ها را تا حد زیادی کاهش داد؛ این موضوع برای آن دسته از شرکت‌ها که داده‌های خام فراوانی داشتند بسیار مهم بود. یادگیری ماشین یک فناوری فوق العاده مهم است و به سیستم‌های هوش مصنوعی کمک می‌کند تا اموری مانند تشخیص تصاویر، شناسایی گفتار و ترجمه زبان به راحتی انجام شوند. اگر بخواهیم مثالی بارزتر بزنیم، می‌توان به اتومبیل‌های خودران اشاره کرد که به کمک یادگیری ماشین، امکان تشخیص مسیر و شناسایی اجسام و افراد در مسیر را دارند.

شرکت‌های بزرگ فناوری، اساتید زیادی که در این حوزه تخصص فراوانی دارند را به تیم خود اضافه کرده‌اند. دو نفر از سه نفر اساتیدی که به پاس فعالیت در زمینه شبکه‌های عصبی موفق به کسب جایزه تورینگ شده‌اند اخیرا به شرکت گوگل و فیس‌بوک پیوسته‌اند.

شرکت‌های حوزه تکنولوژی و خودرو با جدیت تمام به دنبال پیاده‌سازی ایده خودروهای بدون راننده هستند و این موضوع، منجر به خارج شدن موج دیگری از اساتید دانشگاه‌ها خواهد شد. بد نیست بدانید که در سال 2015، اوبر 40 نفر از مرکز مهندسی رباتیک ملی که شامل اساتید تحقیق هم می‌شوند را به استخدام خود درآورد. از آن زمان به بعد، علاقه‌مندی صنعت به تمام ابعاد هوش مصنوعی افزایش چشمگیری پیدا کرده است؛ گوگل و DeepMind، دو شرکت متعلق به Alphabet بیش از 20 استاد دانشگاه در حوزه هوش مصنوعی را استخدام کرده‌اند. آمازون نیز با استخدام 17 استاد، مایکروسافت با استخدام 13 استاد و شرکت‌های اوبر، انویدیا و فیس‌بوک هرکدام با استخدام 7 استاد در جایگاه‌های پس از آلفابت ایستاده‌اند. در موسسه رباتیک کارنِگی ملون، 17 نفر از اساتید برجسته در حوزه هوش مصنوعی وارد صنعت شده‌ که به نظر بخش اعظمی از آن‌ها توسط شرکت اوبر جذب شده‌اند. دانشگاه واشنگتن و دانشگاه کالیفرنیا در برکلی، هرکدام شاهد خروج 11 نفر از اساتید هوش مصنوعی خود بودند.
تا اینجا متوجه شدیم که این اقدام شرکت‌های حوزه تکنولوژی می‌تواند چه آسیب‌های بزرگی به شرکت‌های نوپا وارد کند، اما به نظر می‌رسد که غول‌های بزرگ تکنولوژی چندان با ما در این موضوع هم‌عقیده نیستند. جِیسون فریدنفلز، یکی از سخن‌گویان شرکت گوگل بیان کرد که این شرکت یکی از حامیان اصلی تحقیقات دانشگاهی است. او در ادامه افزود: “ما از سال 2005 بیش از 250 میلیون دلار به تحقیقات دانشگاهی اختصاص داده‌ایم و همه ساله، بیش از 30 دانشکده مهمان، ده‌ها دانشجوی مقطع دکتری و هزاران کارآموز میزبانی می‌کنیم. اساتید دانشگاهی زیادی در شرکت گوگل مشغول به کار شدند، اما مجدداً به سمت‌های دانشگاهی خود بازگشتند.”

بر اساس یافته‌های مطالعات اخیر، بیشتر تاثیر خروج اساتید بر روی دانشجویانی بوده که حدود 4 تا 6 سال بعد فارغ‌التحصیل شده‌اند؛ یعنی آن‌ها به احتمال زیاد تعامل بسیار کمی با اساتید سابق داشتند. افزایش قابل توجه تعداد اساتیدی که از دانشگاه خارج می‌شوند، منجر به کاهشِ 13 درصدی شمار کارآفرینان هوش مصنوعی شده است. علاوه بر آن، این موضوع می‌تواند برای نسل بعدی دانشجویان حوزه هوش موضوعی چالش‌برانگیز باشد، چرا که با رخ دادن این موضوع، کیفیت آموزش شاهد افت قابل توجهی خواهد بود.

آریل پروکاسیا، از اساتید کامپیوتر در موسسه رباتیک کارنِگی ملون، در مصاحبه‌ای با بلومبرگ اظهار داشت: “اگر صنعت به استخدام پژوهشگران کاربلد و برجسته ادامه دهد، چه کسی نسل بعدی نوآوران در هوش مصنوعی را آموزش خواهد داد؟”. در مطالعه روچستر، کیفیت آموزش دانشجویان پس از خروج اساتیدشان به طور مستقیم مورد تجزیه و تحلیل قرار نگرفت، بلکه بیشتر تمرکز روی اقتصاد نوظهور و کاهش راه‌اندازی شرکت‌های نوپا توسط دانشجویان هوش مصنوعی قرار داشت. اگرچه آمار حاکی از آن است که این اتفاق به پیشرفت علم هوش مصنوعی صدمه خواهد زد، اما همچنان افراد زیادی در این‌باره اختلاف نظر دارند و نمی‌توان به طور قطعی به جمع‌بندی رسید. جاشوا گراف زیوین، استاد اقتصاد دانشگاه کالیفرنیا در سن‌دیگو بیان کرد: «اینکه دانشجویان اقدام به تاسیس شرکت‌های خود نمی‌کنند، به این معنا نیست که قرار نیست در حوزه هوش مصنوعی فعالیت نکنند. شاید به گونه دیگری در این حوزه به فعالیت بپردازند.»

در نهایت اگرچه این مشکل بزرگی به حساب می‌آید، اما شاید با افزایش کمک‌هزینه‌های مالی، شاهد افزایش کیفیت و آموزش صحیح دانشجویان این حوزه باشیم. همانطور که اسکات استرن، استاد و محقق دانشکده کسب و کار اسلون MIT می‌گوید، یادگیری ماشین و هوش مصنوعی یکی از مهیج‌ترین رشته‌ها در علم به شمار می‌آید که به سرعت در حال گسترش است، پس باید از سرمایه‌گذاری مناسب در حوزه هوش مصنوعی اطمینان حاصل کنیم.