Empresas y academia en competencia: El futuro de la investigación en IA

A medida que la inteligencia artificial (IA) gana cada vez más importancia, surgen nuevos patrones en relación con sus estrategias de investigación y desarrollo. Tradicionalmente, el enfoque en el mundo académico se centraba en la investigación básica y la educación, mientras que la industria se enfocaba en la investigación aplicada y la comercialización. Sin embargo, en los últimos años, la dominancia del sector comercial en la inversión e investigación en IA ha planteado preguntas sobre el equilibrio del poder. Los sistemas de IA avanzados necesitan grandes cantidades de datos, potencia de cálculo y recursos financieros, que están más disponibles en la industria que en la investigación académica y sin fines de lucro. Así, la investigación en IA, que inicialmente estaba anclada en el ámbito académico a principios de los años 2000, se ha desplazado cada vez más hacia la industria. Según un informe de Stanford de 2021, los roles de la ciencia y la industria están cada vez más difuminados, ya que las empresas ofrecen computación en la nube asequible, bibliotecas de código abierto y modelos preentrenados que incitan a los investigadores universitarios a seguir aplicaciones comerciales de su trabajo. Este desarrollo ha suscitado preocupaciones de que la investigación aplicada pueda sofocar las innovaciones a largo plazo o estar sesgada a favor de los intereses empresariales, mientras que al mismo tiempo acelera las soluciones para problemas reales. Un artículo de 2023 en la revista académica 'Science' afirma que las empresas ahora atraen al 70% de los mejores talentos con doctorado en IA, en comparación con solo el 20% hace veinte años. El número de investigadores en IA en el mundo académico se ha estancado, mientras que el compromiso de la industria ha aumentado ocho veces desde 2006. Que los modelos de la industria sean, en promedio, 29 veces más grandes, lo que indica una potencia de cálculo superior, juega un papel decisivo en esto. En 2021, las agencias gubernamentales de EE. UU. asignaron un total de 1.500 millones de dólares para la investigación académica en IA, mientras que Google invirtió la misma cantidad en un solo proyecto dentro de un año. Hoy, el 96% de los modelos de IA más grandes se desarrollan en la industria, y los principales benchmarks están dominados en un 91% por la industria. También, el número de artículos académicos publicados con coautores de la industria casi se ha duplicado desde el año 2000. No obstante, parece haber un cambio adicional, ya que los investigadores académicos están cada vez más capacitados para aplicar sus inventos en entornos reales. Un ejemplo exitoso de esto es la aplicación de aprendizaje de idiomas Duolingo, desarrollada por académicos. Un respetado profesor del MIT, Frédo Durand, considera que la academia aún puede ser una fuerza impulsora para la innovación. Él resalta la historia de los gráficos por computadora hace 25 años, donde la industria desarrolló tecnología visualmente impresionante que el mundo académico no podía alcanzar. En lugar de imitar a la industria, la ciencia se centró en ideas aparentemente descabelladas como simulaciones avanzadas de luz y aprendizaje automático para animaciones, que finalmente se convirtieron en la base de los renderizados modernos y el hardware gráfico. Durand cree que este enfoque ofrece valiosas lecciones para la investigación en IA. Resalta la importancia de seguir enfoques no convencionales, compartir el trabajo abiertamente y mantener la pasión por el campo. No obstante, también reconoce los desafíos para la ciencia y propone, entre otras cosas, aumentar los fondos gubernamentales, crear infraestructuras de investigación compartidas y estrategias para retener a los mejores talentos en la ciencia. A pesar de la adopción de la IA por parte de la industria, las asociaciones colaborativas con la academia podrían generar mejores resultados. De cualquier manera, la IA seguirá siendo un tema candente.