👉 Las universidades no quieren que la investigación en IA las deje atrás
(artículo Isabelle Bousquette en WSJ).
👉 Universidades & IA. Las instituciones académicas han sido tradicionalmente la base de la innovación tecnológica, pero el auge de la IA generativa ha visto a las empresas privadas dominar, gracias a sus vastos recursos. Entrenar grandes modelos de lenguaje, como el GPT-4 de OpenAI, cuesta más de $50 millones, un presupuesto que muchas universidades no pueden igualar.
👉 Cambios estratégicos en la investigación universitaria. Para navegar estas limitaciones, las universidades se están enfocando en áreas de investigación en IA que requieren menos potencia de cómputo. Este enfoque les permite innovar y contribuir sin la necesidad de recursos computacionales masivos.
👉 Construcción y compartición de recursos. Las universidades están invirtiendo fuertemente para mejorar sus capacidades de cómputo. La Universidad de Columbia, por ejemplo, está aumentando su infraestructura, mientras que la Universidad de Buffalo está estableciendo un centro de computación de IA de última generación como parte del Empire AI Consortium de Nueva York. Este consorcio, que incluye a Columbia, Cornell y el Instituto Politécnico Rensselaer, ejemplifica la compartición colaborativa de recursos.
👉 Colaboraciones con la Industria. La colaboración entre academia e industria es crucial. La Universidad de Chicago aprovecha los recursos del Laboratorio Nacional Argonne, y la Universidad de Washington fomenta roles duales para los investigadores en academia e industria. Estas asociaciones aseguran el acceso a recursos superiores y fomentan la polinización cruzada de ideas.
👉 Foco en investigaciones específicas. Los académicos se están centrando en aplicaciones específicas de la IA en lugar de construir grandes modelos desde cero. Kavita Bala, Decana de Ciencias de la Computación y la Información en Cornell, enfatiza el desarrollo de aplicaciones impactantes que aprovechen los grandes modelos de lenguaje para casos de uso particulares. De manera similar, Armando Solar-Lezama del MIT destaca el cambio hacia el desarrollo de aplicaciones y la creación de datos sintéticos para entrenar modelos.
👉 Las implicaciones más amplias. Es imperativo que las universidades sigan siendo parte integral de la conversación sobre la IA generativa, moldeando su desarrollo y aplicación..
👉 Un futuro colaborativo con las grandes tecnológicas. El objetivo no es competir con las grandes tecnológicas, sino complementarlas abordando problemas de investigación críticos con los recursos disponibles.
🔗 Leer el artículo completo: https://lnkd.in/dSrdtJVb
📚 INFORME: + Más sobre IA en las universidades: https://lnkd.in/duXChwG2
#IA #Investigación #EducaciónSuperior #Innovación #IAGenerativa #InvestigaciónAcadémica
