Взаимоотношения между академической средой и промышленностью являются катализатором на начальном этапе, способствующим профессиональному росту и исследованиям. 
Благодаря сотрудничеству с промышленностью и обмену опытом, лаборатория искусственного интеллекта MIT-IBM Watson поддерживает преподавателей MIT в создании исследовательских групп и продвижении теории и приложений в области искусственного интеллекта и инженерии. Изображение: Muriel Liu/Unsplash
Первые годы карьеры преподавателей — это важный и захватывающий период, когда необходимо заложить прочную основу, определяющую направление научных исследований. Это включает в себя формирование исследовательской группы, что требует новаторских идей и направлений, творческих сотрудников и надежных ресурсов.
Для группы преподавателей Массачусетского технологического института, работающих в области искусственного интеллекта, раннее взаимодействие с лабораторией MIT-IBM Watson AI Lab в рамках проектов сыграло важную роль в продвижении амбициозных направлений исследований и формировании плодотворных исследовательских групп.
Набираем обороты
«Лаборатория искусственного интеллекта MIT-IBM Watson сыграла огромную роль в моем успехе, особенно на начальном этапе», — говорит Джейкоб Андреас, доцент кафедры электротехники и информатики (EECS), член Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL) и исследователь лаборатории MIT-IBM Watson AI, изучающий обработку естественного языка (NLP). Вскоре после поступления в MIT Андреас запустил свой первый крупный проект в рамках лаборатории MIT-IBM Watson AI, работая над методами представления языка и расширения структурированных данных для языков с ограниченными ресурсами. «Именно это позволило мне запустить свою лабораторию и начать набирать студентов».
Андреас отмечает, что это произошло в «переломный момент», когда область обработки естественного языка претерпевала значительные изменения в понимании языковых моделей — задача, которая требовала значительно больших вычислительных мощностей, доступных в лаборатории MIT-IBM Watson AI. «Мне кажется, что работа, которую мы проделали в рамках этого [первого] проекта и в сотрудничестве со всеми нашими сотрудниками в IBM, очень помогла понять, как осуществить этот переход». Кроме того, благодаря вычислительным ресурсам и экспертизе сообщества MIT-IBM группа Андреаса смогла реализовать многолетние проекты по предварительному обучению, обучению с подкреплением и калибровке для получения достоверных ответов.
Для нескольких других преподавателей своевременное участие в работе лаборатории MIT-IBM Watson AI также оказалось весьма полезным. «Получение интеллектуальной поддержки и возможность использовать вычислительные ресурсы MIT-IBM полностью изменили мою исследовательскую программу и оказались невероятно важными», — говорит Юн Ким, доцент кафедры электротехники и информатики CSAIL и исследователь лаборатории MIT-IBM Watson AI, чья исследовательская деятельность также претерпела значительные изменения. До прихода в MIT Ким познакомился со своими будущими коллегами во время работы в качестве постдокторанта в MIT-IBM, где он занимался разработкой нейросимволических моделей; теперь команда Кима разрабатывает методы повышения эффективности и возможностей больших языковых моделей (LLM).
Одним из факторов, способствовавших успеху его группы, он называет слаженный исследовательский процесс с интеллектуальными партнерами. Это позволило его команде из MIT-IBM подавать заявки на проекты, проводить эксперименты в больших масштабах, выявлять узкие места, проверять методы и адаптироваться по мере необходимости для разработки передовых методов, потенциально пригодных для применения в реальных условиях. «Это стимулирует новые идеи, и, я думаю, именно это делает наши отношения уникальными», — говорит Ким.
Объединение экспертных знаний
Особенность лаборатории MIT-IBM Watson AI заключается не только в объединении исследователей в области искусственного интеллекта для ускорения научных исследований, но и в интеграции работы между различными дисциплинами. Исследователь лаборатории и доцент кафедры электротехники, информатики и компьютерных наук MIT Джастин Соломон описывает свою исследовательскую группу как «растущую вместе с лабораторией», а сотрудничество — как «крайне важное… с самого начала и до настоящего времени». Исследовательская группа Соломона сосредоточена на теоретически ориентированных геометрических задачах, относящихся к компьютерной графике, компьютерному зрению и машинному обучению.
Соломон считает, что сотрудничество MIT и IBM расширило его навыки, а также возможности применения работы его группы — это мнение разделяют и исследователи лаборатории Чучу Фан, доцент кафедры аэронавтики и космонавтики и сотрудник Лаборатории информационных и систем принятия решений, и Фаэз Ахмед, доцент кафедры машиностроения. «Они [IBM] способны переводить некоторые из этих действительно сложных инженерных задач в математические инструменты, над которыми может работать наша команда, и замыкать цикл», — говорит Соломон. Для Соломона это включает в себя объединение различных моделей ИИ, обученных на разных наборах данных для отдельных задач. «Я думаю, что это все действительно захватывающие области», — говорит он.
«Я думаю, что эти ранние проекты [в рамках лаборатории искусственного интеллекта MIT-IBM Watson] во многом определили мою собственную исследовательскую программу», — говорит Фан, чьи исследования находятся на стыке робототехники, теории управления и систем, критически важных для безопасности. Как и Ким, Соломон и Андреас, Фан и Ахмед начали проекты в рамках сотрудничества в первый же год своего пребывания в MIT. Ограничения и оптимизация определяют проблемы, которые решают Фан и Ахмед, и поэтому требуют глубоких знаний в предметной области, выходящей за рамки искусственного интеллекта.
Работа с лабораторией искусственного интеллекта MIT-IBM Watson позволила группе Фан объединить формальные методы с обработкой естественного языка, что, по ее словам, позволило команде перейти от разработки авторегрессивного планирования задач и движений для роботов к созданию агентов на основе языков программирования для планирования поездок, принятия решений и проверки. «Эта работа стала первым исследованием использования языков программирования для перевода любого произвольного естественного языка в некоторую спецификацию, которую робот может понять и выполнить. Это то, чем я очень горжусь, и что в то время было очень сложно», — говорит Фан. Кроме того, благодаря совместным исследованиям ее команда смогла улучшить рассуждения на основе языков программирования — работа, которая «была бы невозможна без поддержки IBM», — говорит она.
Благодаря сотрудничеству с лабораторией Фаэз Ахмед способствовал разработке методов машинного обучения для ускорения исследований и проектирования сложных механических систем. Например, в их работе над Linkages используется «генеративная оптимизация» для решения инженерных задач, основанная на данных и обладающая высокой точностью; совсем недавно они начали применять многомодальные данные и LLM-модели к автоматизированному проектированию. Ахмед отмечает, что ИИ часто применяется к проблемам, которые уже разрешимы, но могли бы быть решены за счет повышения скорости или эффективности; однако такие задачи, как механические соединения, которые считались «почти неразрешимыми», теперь стали достижимыми. «Я думаю, что это определенно отличительная черта [нашей команды MIT-IBM]», — говорит Ахмед, высоко оценивая достижения своей группы MIT-IBM, которую возглавляют Акаш Шривастава и Дэн Гутфройнд из IBM.
То, что начиналось как первоначальное сотрудничество каждого из преподавателей MIT, переросло в прочные интеллектуальные отношения, в которых обе стороны «увлечены наукой» и «ориентированы на студентов», добавляет Ахмед. Взятые вместе, опыт Джейкоба Андреаса, Юн Кима, Джастина Соломона, Чучу Фана и Фаэза Ахмеда свидетельствует о том, какое влияние может оказать прочное, практическое сотрудничество между академической средой и промышленностью на создание исследовательских групп и амбициозные научные исследования.
Источник: news.mit.edu
