文件名称：缩小人工智能研究范围？-研究论文
文件大小：5.75MB
文件格式：PDF
更新时间：2024-06-30 02:57:02
artificial intelligence technological
人工智能 (AI) 被誉为通用技术的最新例子，可以改变生产力并帮助应对重要的社会挑战。 然而，这一结果并不能得到保证：对短期利益的短视可能会将 AI 锁定在从长远来看并非最佳的技术中。 出于这个原因，在有更多关于其相对优点和危险的信息之前，保留所探索的 AI 轨迹的多样性可能是有价值的。 最近关于深度学习方法和私人实验室在人工智能研究中的主导地位的争议表明，该领域可能会变得越来越狭窄，但缺乏证据基础。 我们试图通过分析 arXiv（一个广泛使用的预印本网站）中 AI 研究的主题多样性来弥补这一差距。 在该语料库中识别出 110,000 篇 AI 论文，我们使用分层主题建模来估计 AI 研究的主题组成，并通过该组成计算研究多样性的各种指标。 我们的分析表明，近年来人工智能研究的多样性停滞不前，而且涉及私营部门组织的人工智能研究往往不如学术界的研究多样化。 这似乎是由少数多产且专注的技术公司推动的。 学术界的多样性得到了较小的机构和研究团体的支持，这些机构和研究团体可能对竞赛的动机较少，与私营部门的合作水平较低。 我们还发现，私营部门 AI 研究人员倾向于专注于数据和计算密集型深度学习方法，而牺牲了涉及其他（符号和统计）AI 方法的研究，以及考虑 AI 的社会和伦理影响或将其应用于健康等领域。 我们的研究结果表明，采取政策行动可能有理由防止人工智能研究过早缩小范围，这可能会降低其社会效益，但我们注意到阻碍此类干预的动机、信息和规模障碍。