Зашто су високе плате за истраживаче вештачке интелигенције лоше за будућност науке

У 2025. години, Гоогле, Амазон, Мицрософт и Мета заједно су потрошили 380 милијарди долара на изградњу алата за вештачку интелигенцију. Очекује се да ће тај број ове године још порасти, на 650 милијарди долара, за финансирање изградње физичке инфраструктуре, као што су центри података (види го.натуре.цом/3лзф79к). Штавише, ове компаније издашно троше на један одређени сегмент: врхунски технички таленат.

Мета је наводно понудио једном истраживачу вештачке интелигенције, који је био суоснивач старт-уп фирме фокусиране на обуку агената вештачке интелигенције да користе рачунаре, пакет компензације од 250 милиона долара током четири године (види го.натуре.цом/4кзнск1). Технолошке фирме такође троше милијарде на ‘обрнуте куповине’ — кривотворе главне чланове особља новооснованих предузећа без преузимања самих компанија. Гледајући на ове издашне исплате, технички стручњаци који зарађују скромније плате могли би да преиспитају своје изборе у каријери (погледајте „Академски одлив мозгова“).

Академија већ губи. Од покретања ЦхатГПТ-а 2022. године, у академским круговима је порасла забринутост због „одлива мозгова вештачке интелигенције“. Студије указују на нагли пораст универзитетског машинског учења и АИ истраживача који прелазе на улоге у индустрији. У раду из 2025. објављено је да се ово посебно односи на младе, високо цитиране научнике: истраживачи који су били око пет година у каријери и чији је рад рангиран међу најцитиранијим, имали су 100 пута веће шансе да пређу у индустрију следеће године него десетогодишњи ветерани чији је рад добио просечан број цитата, према моделу заснованом на подацима из скоро седам милиона радова.¹.

Овај одлив угрожава различите улоге академског истраживања у научном подухвату: иновације вођене радозналошћу пре него профитом, као и обезбеђивање независне критике и етичког надзора. Фиксирање ‘великих технолошких’ фирми на прескакање врхунских талената такође ризикује да наруши идеју науке као заједничког подухвата, у којем тимови – а не појединци – обављају најважнији посао.

Овде истражујемо шире импликације на науку и предлажемо алтернативне визије будућности.

Мит о усамљеном генију

Астрономске плате за АИ таленте улазе у легенду стару колико и софтверска индустрија: 10к инжењер. Ово је неко ко је наводно способан десет пута већи утицај од својих вршњака. Зашто ангажовати и управљати читавом групом научника или софтверских инжењера када их један геније — или АИ агент — може надмашити?

Тај предлог је све привлачнији за технолошке фирме које се кладе да ће велики број почетних, па чак и средњих инжењерских послова бити замењен АИ. Није случајно што је Гугл-ов Гемини 3 Про АИ модел лансиран са „расуђивањем на нивоу доктора наука“, маркетиншком стратегијом која је привлачна руководиоцима који желе да замене људе са вештачком интелигенцијом.

Али наратив усамљеног генија све више није у складу са стварношћу. Истраживања подржавају фундаменталну истину: наука је тимски спорт. Обимно истраживање научног објављивања од 1900. до 2011. године показало је да радови произведени у већим сарадњама доследно имају већи утицај од оних мањих тимова, чак и након што се узму у обзир самоцитирање². Анализе најцитиранијих научника показују сличан образац: њихови радови са највећим утицајем обично су они радови са много аутора³. Студија о нобеловцима из 2020. појачава овај тренд, откривајући да се – слично као и шира научна заједница – просечна величина тимова са којима објављују стално повећавала током времена како се научни проблеми повећавају у обиму и сложености.⁴.

Зашто је превелико ослањање на моделирање вођено вештачком интелигенцијом лоше за науку

Од откривања гравитационих таласа, који су таласи у простор-времену узроковани масивним космичким догађајима, преко ЦРИСПР-базираног уређивања гена, прецизне методе за сечење и модификовање ДНК, до недавних открића вештачке интелигенције у предвиђању структуре протеина, најзначајнији напредак модерне науке су колективна достигнућа. Иако се ови успеси често повезују са истакнутим појединцима — вишим научницима, нобеловцима, носиоцима патената — сам рад су водили тимови од десетина до хиљада људи и изграђен је на деценијама отворене науке: заједнички подаци, методе, софтвер и акумулирани увид.

Изградња јаких институција је много ефикаснија употреба ресурса него што је клађење на било ког појединца. Примери који то показују укључују ЛИГО Сциентифиц Цоллаборатион, глобални тим који је први открио гравитационе таласе; Броад Институте оф МИТ и Харвард у Кембриџу, Масачусетс, водећи центар за геномику и биомедицинско истраживање који стоји иза многих напретка ЦРИСПР-а; па чак и профитне лабораторије као што је Гоогле ДеепМинд у Лондону, који је својим АлпхаФолд алатом довео до напретка у предвиђању структуре протеина. Ако је циљ технолошких гиганата и других АИ фирми које издашно троше на елитне таленте да убрзају научни напредак, тренутна стратегија је погрешна.

Насупрот томе, добро осмишљене институције појачавају индивидуалне способности, одржавају продуктивност изван каријере било које особе и издржавају дуго након што било који појединачни сарадник нестане.

Једнако важно, ефикасне институције расподељују моћ на корисне начине. Уместо да дају овлашћења за доношење одлука у руке једне особе, они имају механизме за поделу контроле. Комитети за расподелу одлучују о томе како се користе ресурси, научни саветодавни одбори одређују колективне приоритете истраживања, а рецензирање одређује које идеје улазе у научну евиденцију.

И иако би покушај ‘иновације од стране комитета’ могао звучати омаловажавајуће, такав приступ је од кључног значаја да би научно предузеће деловало у складу са различитим потребама шире јавности. Ово је посебно тачно у науци, која и даље пати од свеприсутне неједнакости међу половима, расама и социо-економским и културним разликама⁵.

Потреба за алтернативном визијом

Због тога научници, академици и креатори политике треба да обрате више пажње на то како су истраживања вештачке интелигенције организована и вођена, посебно пошто технологија постаје неопходна у научним дисциплинама. Ако се добро користи, АИ може подржати правичније научно предузеће оснаживањем млађих истраживача који тренутно имају приступ малом броју ресурса.

Уместо тога, неке од најбогатијих научних институција данашњице могу помислити да могу да примене исте стратегије које користи технолошка индустрија и да се такмиче за врхунске таленте у финансијским условима – можда тако што ће добити средства од истих милијардера који подржавају велику технологију. Заиста, неједнакост плата деценијама стално расте у академским круговима⁶. Али ово није пут којим наука треба да иде.

Ако АИ мехур пукне, шта ће то значити за истраживање?