AI進歩はエンジニアリングとインフラで加速

AIにおける研究とエンジニアリングのバランスは以前にも変化した。ディープラーニングが台頭する前、AIは研究の取り組みだったが、今日の最高の研究者は複雑なインフラでアイデアを実装しスケールさせる能力で評価される。Lambert氏は、エンジニアリングのボトルネックが緩和され、優れた実行よりも優れたアイデアがより価値を持つ新たな転換期に入りつつあると主張する。同氏が挙げる証拠の一つはRL環境データ市場で、多くの研究者が低品質と評する成果物にもかかわらず、新興企業が1億ドルや10億ドルの収益を超えている。MetaのMuseエージェントはエージェント重視の体験の初期指標であり、Lambert氏は異なる対象向けのMuse類似製品がさらに増えると予想している。たとえモデルが文献を巡回し疎なネットワーク間で関連性を見出す点で超人的になっても、Lambert氏は、ほとんどの癌の治療法など科学的発見の新時代を告げることと、科学がすでに進んでいた道筋を単に加速させることの間には紙一重の差があると示唆している。