De wereld van AI-onderzoek is voortdurend in beweging, waarbij doorbraken zich in een duizelingwekkend tempo voordoen. Maar waar vinden deze ontwikkelingen plaats? Hoewel universiteiten van oudsher het broeinest van wetenschappelijke ontdekkingen zijn, is er een belangrijke verschuiving gaande. Grote technologiebedrijven spelen steeds vaker een cruciale rol in AI-onderzoek, waardoor de grenzen tussen de academische wereld en de industrie vervagen.
In 2019, 65% van de afgestudeerde Noord-Amerikaanse PhD’s in AI koos voor een rol in de industrieeen aanzienlijke stijging ten opzichte van de 44,4% in 2010. Deze trend benadrukt de groeiende invloed van industriële laboratoria bij het vormgeven van de toekomst van AI.
Om dit evoluerende landschap te begrijpen, sprak ik met Shakarim Soltanajeveen onderzoekswetenschapper bij Sony Interactive Entertainment en een voormalig onderzoeksingenieur bij Huawei. Zijn inzichten werpen licht op de motivaties, voordelen en uitdagingen van het uitvoeren van AI-onderzoek binnen een groot bedrijf en hoe deze wisselwerking met de academische wereld innovatie stimuleert.
Waarom bedrijven academisch publiceren omarmen
Techgiganten als Google, Meta, Microsoft en NVIDIA publiceren om verschillende redenen onderzoek op academische conferenties.
“Eerst en vooral kan het publiceren van onderzoek op conferenties een krachtig marketinginstrument zijn voor bedrijven”, aldus Soltanayev. “Deze publicaties dienen als een vorm van indirecte marketing en demonstreren de technische bekwaamheid en toewijding van het bedrijf om het vakgebied vooruit te helpen. Dit versterkt hun merkimago binnen de onderzoeksgemeenschap en in de ogen van klanten, partners en investeerders. Deze publicaties helpen bedrijven zich te onderscheiden van de concurrentie en hun algehele marktaanwezigheid te versterken.”
De rol die uitgeverijen spelen bij het verwerven van talent is van cruciaal belang.
“Topconferenties zoals NeurIPS en CVPR zijn een uitstekende locatie om te netwerken met vooraanstaande onderzoekers en ingenieurs en om veelbelovende studenten te werven”, aldus Soltanayev. “Door hun werk te presenteren kunnen onderzoekslaboratoria zoals Google Deepmind en Meta AI de slimste koppen in het veld aantrekken, omdat toptalent vaak aan baanbrekende problemen wil werken met toegang tot hoogwaardige bronnen en medewerkers.”
Tweerichtingsverkeer: de uitwisseling van waarde
De relatie tussen de academische wereld en de industrie is niet eenzijdig; het is een dynamische uitwisseling van kennis en middelen waar beide partijen profijt van hebben.
“Een geweldig voorbeeld van academisch onderzoek dat de industrie rechtstreeks beïnvloedt, is de ontwikkeling van de convolutionele neurale netwerkarchitectuur (CNN), ” zei Soltanayev. “Het werd ontwikkeld door Yann LeCun en zijn collega’s in de academische wereld, en het heeft een grote impact gehad op technische producten, vooral op het gebied van computervisie. Toen AlexNet, een op CNN gebaseerd model, in 2012 de ImageNet-wedstrijd won, zorgde dit voor een brede acceptatie in de industrie. Tegenwoordig hebben CNN’s een breed scala aan toepassingen, waaronder beeldherkenning voor gezichtsidentificatie en objectdetectie, medische beeldvorming voor ziektediagnose en autonome voertuigen voor realtime objectherkenning.”
Aan de andere kant heeft de industrie op verschillende manieren aanzienlijk bijgedragen aan wetenschappelijk onderzoek.
“Een van de meest opmerkelijke bijdragen is de ontwikkeling van grootschalige datasets en krachtige computerframeworks”, aldus Soltanayev. “Bedrijven hebben bijvoorbeeld enorme datasets vrijgegeven, zoals die voor beeldherkenning, taalmodellen en zelfrijdende autosimulaties, die van cruciaal belang zijn geworden voor academisch onderzoek. Deze datasets bieden de noodzakelijke schaalgrootte voor het trainen van geavanceerde machine learning-modellen, die voor de meeste academische laboratoria moeilijk onafhankelijk te verzamelen zouden zijn. De industrie stimuleert ook innovatie op het gebied van hardware en software, met de ontwikkeling van GPU’s door NVIDIA en deep learning-frameworks zoals TensorFlow van Google en PyTorch van Meta, nu standaardtools in academisch en industrieel onderzoek.”
Verschillende prioriteiten, verschillende culturen
Naarmate AI zich verder ontwikkelt, volgen de academische wereld en de industrie verschillende wegen om deze ontwikkelingen te prioriteren en te benaderen.
“Het belangrijkste verschil tussen onderzoek uit de academische wereld en het industriële onderzoek is de focus”, zegt Soltanajev. “In de academische wereld ligt de prioriteit vaak op fundamentele langetermijnvragen die de grenzen van kennis verleggen. Onderzoekers hebben de vrijheid om ideeën te onderzoeken zonder de druk van onmiddellijke toepassing. In de industrie richt het onderzoek zich meer op het oplossen van problemen uit de echte wereld en het creëren van producten, dus de tijdlijn is meestal korter en er is meer druk om praktische resultaten te leveren.”
De variaties tussen de twee omgevingen beïnvloeden de culturele dynamiek aanzienlijk.
“De academische wereld moedigt diepgaand onderzoek, onafhankelijk denken en het publiceren van bevindingen aan om kennis te bevorderen”, aldus Soltanayev. “Industrieel onderzoek daarentegen is meer collaboratief, waarbij teams samenwerken om ideeën snel om te zetten in producten of oplossingen. Terwijl academisch onderzoek vaak de theoretische basis levert, stimuleert industrieel onderzoek innovatie door deze ideeën in praktijksituaties toe te passen.”
De allure van industriële laboratoria
Waarom streven steeds meer onderzoekers een carrière na in industriële laboratoria in plaats van in traditionele academische instellingen, en wat zijn de voor- en nadelen van elk pad?
“Veel onderzoekers kiezen ervoor om bij grote bedrijven te werken vanwege de aantrekkelijke beloningspakketten”, zegt Soltanayev. “De salarissen in industriële laboratoria zijn doorgaans veel hoger dan die in de academische wereld, en gaan vaak gepaard met extra voordelen zoals een ziektekostenverzekering, pensioenregelingen en bonussen. Met name aandelenopties of aandelen kunnen een grote aantrekkingskracht uitoefenen, vooral bij technologiebedrijven waar aandelen het potentieel hebben om aanzienlijk in waarde te groeien. Deze financiële prikkels kunnen zekerheid op de lange termijn bieden die moeilijker te bereiken is in de academische wereld, waar onderzoekers te maken kunnen krijgen met op subsidies gebaseerde financieringscycli en lagere salarissen, vooral in de vroege stadia van hun carrière. De stabiliteit en voordelen die grote bedrijven bieden, gecombineerd met de mogelijkheid om te werken aan impactvolle, goed gefinancierde projecten, maken industriële laboratoria voor velen een aantrekkelijke keuze.”
Industrieel onderzoek is vaak gericht op het bereiken van specifieke bedrijfsdoelen en het ontwikkelen van nieuwe producten, wat de vrijheid van onderzoekers kan beperken om onderwerpen puur ter wille van de kennis te verkennen.
“Daarentegen biedt de academische wereld de mogelijkheid om langetermijn-, nieuwsgierigheidsgedreven projecten na te streven, wat zeer lonend kan zijn voor degenen die gepassioneerd zijn door fundamenteel onderzoek,” zei Soltanayev. “De academische wereld moedigt ook de ontwikkeling aan van onafhankelijke onderzoeksprogramma’s en het vermogen om de volgende generatie wetenschappers te begeleiden en les te geven, wat veel onderzoekers voldoening vinden. Dat gezegd hebbende, kan de ‘publiceer of vergane’-cultuur in de academische wereld druk uitoefenen om regelmatig artikelen te produceren, wat soms de vrijheid kan beperken om grote risico’s te nemen of nieuwe ideeën te onderzoeken. Het veiligstellen van financiering en vaste posities kan ook zeer competitief zijn, wat de stress van een academische carrière vergroot.”
De industrie biedt superieure financiële prikkels, werkzekerheid en toegang tot middelen om belangrijke uitdagingen in de echte wereld aan te pakken. Aan de andere kant biedt de academische wereld een grotere intellectuele autonomie en mogelijkheden voor zelfgestuurd onderzoek. Beide paden hebben hun eigen voordelen, en de beslissing hangt af van de persoonlijke motivaties van de onderzoeker – of hij prioriteit geeft aan onmiddellijke impact en compensatie of aan een diepere verkenning van fundamentele ideeën.
De toekomst van samenwerking
Soltanajev voorziet een nog meer met elkaar verweven toekomst voor de academische wereld en de industrie.
“Ik zie dat de relatie tussen de academische wereld en de industrie op het gebied van AI nog meer gaat samenwerken”, aldus Soltanayev. “In de toekomst verwacht ik meer partnerschappen tussen universiteiten en bedrijven, waarbij academisch onderzoek de basis vormt waarop de industrie kan voortbouwen, terwijl bedrijven de data, rekenkracht en financiering leveren die nodig zijn om grootschalige experimenten en toepassingen aan te sturen. Bedrijven zullen een belangrijke rol blijven spelen bij het vormgeven van de toekomst van AI, vooral op het gebied van toegepast onderzoek en ontwikkeling. Met hun enorme hoeveelheden gegevens en toegang tot krachtige computerbronnen bevinden ze zich in een unieke positie om de vooruitgang op het gebied van machinaal leren, natuurlijke taalverwerking en computervisie te versnellen.”
Organisaties zullen hun invloed op AI-onderzoek behouden door bij te dragen aan open-sourceprojecten, gegevens te delen en nieuwe tools en raamwerken te creëren. Deze coöperatieve omgeving zal een cruciale rol spelen bij het versnellen van de vooruitgang op het gebied van AI en het garanderen van een verantwoorde vooruitgang ervan. Nu de grenzen tussen de academische wereld en de industrie steeds onduidelijker worden, kunnen we een nog opmerkelijkere vooruitgang op het gebied van AI verwachten, aangedreven door de samenwerkingsrelatie tussen deze twee invloedrijke entiteiten.
