La mayor fortaleza de la academia radica en su capacidad para llevar a cabo proyectos de investigación a largo plazo y estudios fundamentales que trascienden los límites del conocimiento. La libertad de explorar y experimentar con teorías audaces y de vanguardia conducirá a descubrimientos e innovaciones que servirán como base para la innovación futura. Si bien las herramientas habilitadas por los LFM están en el bolsillo de todos, hay muchas preguntas que deben responderse sobre ellas, ya que siguen siendo una “caja negra” en muchos sentidos. Por ejemplo, sabemos que los modelos de IA tienen propensión a alucinar, pero todavía no entendemos completamente por qué.
Al estar aisladas de las fuerzas del mercado, las universidades pueden trazar un futuro en el que la IA realmente beneficie a muchos. Ampliar el acceso del mundo académico a los recursos fomentaría enfoques más inclusivos para la investigación de la IA y sus aplicaciones.
El piloto del Recurso Nacional de Investigación de Inteligencia Artificial (NAIRR), ordenado en la orden ejecutiva del presidente Biden de octubre de 2023 sobre IA, es un paso en la dirección correcta. A través de asociaciones con el sector privado, la NAIRR creará una infraestructura de investigación compartida para la IA. Si alcanza todo su potencial, será un centro esencial que ayudará a los investigadores académicos a acceder a la potencia computacional de la GPU de manera más efectiva. Sin embargo, incluso si la NAIRR está totalmente financiada, es probable que sus recursos estén dispersos.
Este problema podría mitigarse si la NAIRR se centrara en un número selecto de proyectos discretos, como algunos han sugerido. Pero también deberíamos buscar soluciones creativas adicionales para poner una cantidad significativa de GPU en manos de los académicos. Aqui hay algunas ideas:
En primer lugar, deberíamos utilizar clústeres de GPU a gran escala para mejorar y aprovechar la infraestructura de supercomputadoras que el gobierno de Estados Unidos ya financia. Se debería permitir a los investigadores académicos asociarse con los laboratorios nacionales de EE. UU. en grandes desafíos en la investigación de la IA.
En segundo lugar, el gobierno estadounidense debería explorar formas de reducir los costos de las GPU de alta gama para las instituciones académicas, por ejemplo, ofreciendo asistencia financiera como subvenciones o créditos fiscales para investigación y desarrollo. Iniciativas como Nueva York, que convierten a las universidades en socios clave del estado en el desarrollo de la IA, ya están desempeñando un papel importante a nivel estatal. Este modelo debería emularse en todo el país.
Por último, las recientes restricciones de control de exportaciones podrían con el tiempo dejar a algunos fabricantes de chips estadounidenses con un excedente de inventario de chips de IA de última generación. En ese caso, el gobierno podría comprar este excedente y distribuirlo a universidades e instituciones académicas de todo el país.