Los investigadores de IA universitarios están siendo desplazados de su propio campo

Puntos clave

• Los investigadores académicos no pueden acceder al funcionamiento interno de modelos de IA de vanguardia como ChatGPT o Claude, que se mantienen privados por sus propietarios corporativos.
• Las universidades no pueden permitirse los chips de computadora especializados necesarios para entrenar o ejecutar IA de última generación, según investigadores de la convención AI2050 de Schmidt Sciences de 2025 en Mountain View, California.
• Un estudio de Johns Hopkins encontró que los modelos de lenguaje de IA dan respuestas menos detalladas a preguntas formuladas de formas más comúnmente asociadas con mujeres que con hombres.
• El equipo AlphaFold de Google DeepMind, que ganó un Premio Nobel por predecir cómo se pliegan las proteínas, fue disuelto el mes pasado.
• Algunos investigadores temen que las herramientas de IA que resuelven matemáticas avanzada podrían amenazar el futuro de los matemáticos humanos.

Imagina ser una bióloga marina en un mundo donde todo el océano está detrás de un muro de pago corporativo. Así es aproximadamente como Nika Haghtalab, profesora de ciencias de la computación en UC Berkeley, describe la investigación de IA académica en este momento. Le dijo a MIT Technology Review que estudiar la IA actual es como ser una bióloga excluida de CRISPR, la tecnología de edición de genes que transformó la medicina, porque las empresas privadas la poseían completamente.

La comparación causó impacto en una reunión reciente en Mountain View, California, donde el programa AI2050 de Schmidt Sciences reunió a algunos de los investigadores de IA más respetados que trabajan fuera de los grandes laboratorios tecnológicos. El programa, financiado por Eric y Wendy Schmidt, apoya a académicos cuyo trabajo se relaciona con la inteligencia artificial.

¿Por qué las universidades no pueden simplemente hacer la investigación ellas mismas?

El dinero es la respuesta corta. Entrenar o ejecutar un modelo de IA de vanguardia requiere enormes cantidades de GPU, los chips de computadora especializados que realizan el cálculo numérico pesado que necesita la IA, y las universidades simplemente no pueden permitirse suficientes. El programa AI2050 proporciona a los becarios financiamiento para comprar chips, que los investigadores consideraron un verdadero salvavidas, pero los recortes de financiamiento de la ciencia federal están apretando aún más los presupuestos.

Incluso los investigadores que no entrenan sus propios modelos enfrentan costos. Hacer preguntas repetidas a los sistemas de OpenAI o Anthropic para estudiarlos adecuadamente se suma rápidamente, y las empresas no abren sus diseños internos al escrutinio externo en absoluto.

Entonces los académicos están encontrando un terreno diferente. Anjalie Field, profesora de ciencias de la computación en Johns Hopkins, lo expresó claramente: "Intento no trabajar en problemas que creo que van a ser resueltos por una empresa tecnológica". Su estudio reciente encontró que los modelos de lenguaje de IA dan respuestas menos detalladas y menos sofisticadas a preguntas escritas en estilos más comúnmente utilizados por mujeres. Ese tipo de investigación, que puede reflejar negativamente en el producto de una empresa, es poco probable que surja desde dentro de una.

¿Qué hay sobre la investigación de IA que no tiene nada que ver con chatbots?

Una gran parte de la IA académica nunca ha tocado modelos de lenguaje grande. Estos investigadores construyen herramientas enfocadas y especializadas: modelos que predicen clima extremo, simulan cómo los medicamentos interactúan con el cuerpo, o analizan datos climáticos. No están persiguiendo los mismos objetivos que OpenAI.

Pero tienen su propio problema. Cuando la mayoría de las personas escuchan "IA", imaginan chatbots que consumen mucha energía, y esa imagen hace que sea más difícil para los investigadores de clima o salud argumentar el valor de su propio trabajo.

La tubería de talento del campo también se está desplazando. Varios académicos bien conocidos se han tomado licencia de las universidades para unirse a laboratorios de vanguardia, y muchos becarios AI2050 ahora ocupan tanto un puesto académico como un rol de la industria simultáneamente.

Hay una nota más positiva. La muy falta de recursos impulsa a los laboratorios académicos a encontrar formas de hacer que los modelos de IA sean más pequeños, más baratos y más rápidos de ejecutar. Tim Dettmers, un científico de la computación en Carnegie Mellon, argumenta que las herramientas de IA podrían hacer que los científicos humanos sean dramáticamente más productivos en lugar de reemplazarlos. Las limitaciones, sugiere, fomentan la creatividad.

Si el próximo avance real en IA proviene de un laboratorio universitario con presupuesto reducido en lugar de una empresa de billones de dólares, las personas en esa sala del hotel en Mountain View no estarán sorprendidas.