学术业在克服人工智能迫在眉睫的数据短缺中的作用

在全球人工智能竞赛中，老牌公司与新玩家之间的竞争里，无处不在的与利基用途之间的竞争中，下一个巨大的飞跃不是更快的芯片或改进的算法。下一个巨大的不确定性是他们将在哪里找到下一批大数据。

答案不在硅谷。佛罗里达大学研究认为，遍布美国各地的主要研究型大学，是保持全球竞争力的关键。

教人工智能系统“思考”需要它利用大量数据来构建模型。在最近的一次会议上，OpenAI前首席科学家、ChatGPT的创建者Ilya Sutskever称数据为“人工智能的化石燃料”。正如我们消耗的化石燃料，它们不可再生一样，他说我们正在耗尽新挖掘的数据，以继续推动人工智能的进步。

然而，这种想法在很大程度上假设人工智能是由硅谷的私营初创企业等创建的。人工智能的历史实际上可以追溯到20世纪40年代的美国大学，当时早期的研究为今天使用的算法和工具奠定了基础。虽然使用这些工具的计算能力是最近才创建的，但基础是在第二次世界大战后奠定的，不是在私营部门，而是在大学。

与“化石燃料问题”相反，人工智能可能有自己的可再生燃料来源：来自综合性公共学术机构的数据和专业知识。事实上，在推动该领域发展的主要人工智能会议上，大多数论文都来自学术机构。人工智能系统则从提供给它们的数据中了解世界。

像ChatGPT这样的当前人工智能模型正在从开放存取存储库中的一些学术期刊文章中抓取信息，但有大量未开发的学术数据可用于使所有这些模型更有意义。克服数据稀缺的一种方法是开发新的人工智能方法，利用我们所有形式的知识。研究机构在我们社会的各个方面都有不同的专业知识来做到这一点。

这里有一个例子：研究人员正在创造下一代“数字孪生”技术。数字孪生是对世界各地或系统的虚拟再现。使用人工智能，研究人员可以开发出数字孪生，将有关系统的所有数据和知识（无论是城市、社区还是个人）收集在一个地方，并允许用户提出“假设”问题。

例如，佛罗里达大学正在为杰克逊维尔市构建一个数字孪生模型，其中包含每栋建筑的轮廓、整个城市的高程数据，甚至化粪池的位置。还嵌入了详细的最先进的水流模型。在这个虚拟世界中，研究人员可以在实际城市实施之前，测试各种改善杰克逊维尔飓风疏散规划和水质的想法。

随着研究人员继续将更多数据叠加到数字孪生中——实时交通信息、道路状况扫描等——部署城市资源的能力将更加明智，并由实时可操作的数据和建模驱动。使用这个数字孪生支持的人工智能系统，城市领导人可以问：“杰克逊维尔市中心的一条新道路将如何影响疏散时间？增加的道路将如何改变径流？”等等。

人工智能这一新兴领域的可能性是无限的。美国大学可以创建人类的数字孪生，将人类生物学知识与个性化病史和成像扫描相结合，以了解个体对特定治疗的反应。

大学也在购买越来越强大的超级计算机，以增强其创新能力，例如佛罗里达大学最近从NVIDIA收购的HiPerGator，该计算机正用于解决所有学科的问题。俄勒冈州立大学和密苏里大学正在利用自己的超级计算机来推进海洋科学发现和改善老年护理。

简而言之，要看到人工智能的下一个重大飞跃，不要马上去硅谷。扫描地平线，寻找那些拥有计算能力和不断更新数据和知识的独特能力的研究型大学，这些数据和知识将为人工智能的下一个大事件提供动力。

NVIDIA DLI 与Ai时代前沿合作，将大门向更多普通用户敞开！无论你是对新技术充满好奇心的爱好者，还是希望提升自己技能的职场人士，这里都有适合你的课程和资源。