Почему университеты не могут конкурировать с IT-компаниями в AI-исследованиях?

Университеты не располагают достаточными ресурсами для покупки GPU и обучения передовых моделей, а компании, такие как OpenAI и Anthropic, не раскрывают детали архитектур своих систем. Это ограничивает возможности академических исследований.

Какие задачи выбирают учёные, чтобы избежать конкуренции с бизнесом?

Исследователи фокусируются на вопросах, не сулящих коммерческой выгоды, например, изучении предвзятости моделей или разработке специализированных AI-инструментов для науки и климата.

Угрожает ли AI математикам и учёным?

Модели вроде ChatGPT уже решают сложные математические задачи, что вызывает опасения за будущее чистой математики. Однако в эмпирических науках сбор данных остаётся узким местом, и AI может стать помощником, а не заменой.

← Все новости

Искусственный интеллект

Как меняется академическая наука в эпоху доминирования IT-гигантов в AI

11 августа 2026 г.

Фото: MIT Technology Review

Краткий ответ

Академические AI-исследования теряют позиции из-за доминирования IT-корпораций, контролирующих доступ к передовым моделям и вычислительным ресурсам.

Академические круги в сфере искусственного интеллекта переживают кризис идентичности. За последние четыре года лидерство в разработке передовых моделей перешло от университетов к частным компаниям, таким как OpenAI, Anthropic и Google. Причина проста: обучение и эксплуатация крупных языковых моделей требуют огромных вычислительных мощностей, которые не по карману даже ведущим вузам. Более того, корпорации не делятся деталями архитектур своих систем, оставляя учёным лишь возможность изучать поведение моделей извне.

Финансовые ограничения усугубляют ситуацию. Даже программы вроде AI2050, предоставляющие гранты на покупку GPU, не решают проблему полностью. Многие исследователи вынуждены оплачивать доступ к API коммерческих моделей, что делает масштабные эксперименты неподъёмными для бюджета университета. В результате учёные всё чаще выбирают темы, которые не интересны бизнесу — например, изучение гендерных или социальных предубеждений в ответах моделей, как в исследовании профессора Университета Джонса Хопкинса Анджали Филд.

Не все академики работают с языковыми моделями. Многие разрабатывают узкоспециализированные AI-инструменты для науки, климата или медицины. Однако их работа остаётся в тени популярности LLMs, что затрудняет привлечение внимания и финансирования. Ситуация усугубляется тем, что даже успешные проекты, как AlphaFold от Google DeepMind, могут быть закрыты по корпоративным причинам. Всё это подталкивает учёных к переходу в индустрию или совмещению академической и коммерческой работы.

Несмотря на вызовы, эксперты видят и позитивные сценарии. Например, AI может ускорить научные открытия, освободив исследователей от рутинных задач. Кроме того, ограниченность ресурсов стимулирует поиск новых подходов — от оптимизации моделей до разработки принципиально иных архитектур. Возможно, следующий прорыв в AI случится не в лаборатории корпорации, а в университетской аудитории.

Частые вопросы

Почему университеты не могут конкурировать с IT-компаниями в AI-исследованиях?: Университеты не располагают достаточными ресурсами для покупки GPU и обучения передовых моделей, а компании, такие как OpenAI и Anthropic, не раскрывают детали архитектур своих систем. Это ограничивает возможности академических исследований.
Какие задачи выбирают учёные, чтобы избежать конкуренции с бизнесом?: Исследователи фокусируются на вопросах, не сулящих коммерческой выгоды, например, изучении предвзятости моделей или разработке специализированных AI-инструментов для науки и климата.
Угрожает ли AI математикам и учёным?: Модели вроде ChatGPT уже решают сложные математические задачи, что вызывает опасения за будущее чистой математики. Однако в эмпирических науках сбор данных остаётся узким местом, и AI может стать помощником, а не заменой.

Лента для Дзен: /feed/dzen.xml · RSS: /feed.xml