Syarikat AI Menarik Tenaga Akademik Terbaik, Mengalihkan Penyelidikan Daripada Universiti

Dua tahun selepas memenangi Hadiah Nobel, hampir seperempat ahli utama pasukan Google AlphaFold telah meninggalkan Google, dengan penerima Hadiah Nobel seperti John Jumper berpindah ke Anthropic. Industri AI sedang menyerap tenaga akademik secara besar-besaran: pada 2022, 70.7% doktor AI memasuki sektor korporat, hanya 20% yang tinggal di akademia. Pendapatan tahunan penyelidik terkemuka korporat telah mencapai $1.94 juta—lima kali ganda akademia. Walaupun syarikat AI mampu mempercepat terobosan penyelidikan dan menghasilkan pencapaian yang mengubah sejarah sains, selepas berpindah ke sektor korporat secara berterusan, pengeluaran kertas ilmiah rata-rata berkurang sebanyak 65%, dengan hasil beralih daripada kertas ilmiah kepada paten dan rahsia perniagaan. Lebih serius lagi, sektor korporat kurang dorongan untuk membina generasi saintis baru, dan penyelidikan asas semakin ditinggalkan. Sains sedang melarikan diri dengan cepat dari universiti.

Penulis artikel, sumber: APPSO

Dua tahun selepas memenangi Hadiah Nobel, pasukan asal Google AlphaFold telah dibubarkan.

Sebahagian besar penulis asal kertas AlphaFold telah dipindahkan semula dalam setahun terakhir, dengan hampir seperempat penulis inti penuh masa telah meninggalkan Google sepenuhnya.

Orang-orang yang tinggal juga beralih ke bidang-bidang seperti Gemini Research Agent, rekabentuk enzim, genomik, dan fusi nuklear, dan ada yang terus pergi ke Isomorphic Labs, syarikat pengembangan ubat di bawah Alphabet.

John Jumper dan Jonas Adler, penerima Hadiah Nobel, juga pernah dipindahkan ke pasukan Code Strike untuk fokus pada kemampuan AI coding. Tetapi, seperti yang kita ketahui, dua tokoh besar ini akhirnya berpindah ke Anthropic.

Kiri: CEO Google DeepMind, Demis Hassabis, kanan: John Jumper, pautan berita asal https://www.ft.com/content/61b2953d-ee0d-45de-af6e-a9c1cf524b33?utm_source=chatgpt.com&syn-25a6b1a6=1

Menanggapi laporan ini, Pushmeet Kohli, Wakil Presiden Penyelidikan Google yang bertanggung jawab atas AI for Science, menyatakan bahawa pasukan sains DeepMind tidak mengubah arahannya, tetapi hanya memperluas lingkup kerja mereka, dan terus memajukan rekabentuk protein, genom, dan enzim, serta menggunakan Gemini untuk mempercepatkan penyelidikan ilmiah.

AlphaFold dahulu mewakili cara organisasi penyelidikan yang相对 tradisional. Membentuk pasukan berdasarkan masalah yang jelas, melibatkan komitmen jangka panjang, mengumpulkan sumber daya secara terpusat, dan akhirnya menghantar hasil.

Sekarang, pasukan serupa secara beransur-ansur digantikan oleh platform model yang lebih serbaguna. Protein, matematik, genom, fusi nuklear, dan kod, walaupun kelihatan seperti bidang yang berbeza, setelah memasuki syarikat AI, semuanya boleh menjadi modul kemampuan Gemini.

Sementara itu, tenaga ilmiah, sumber daya komputasi, dan kekuasaan mengendalikan isu semakin terkonsentrasi di tangan beberapa syarikat AI sahaja.

Dalam beberapa tahun terakhir, semakin ramai profesor matematik, fizik, biologi, dan sains komputer yang memasuki industri AI.

Sebagai contoh, Anthropic terus-menerus merekrut ahli fizik, ekonom, dan falsafah; OpenAI menarik orang yang menyelidik lubang hitam, teori dawai, dan matematik tulen; DeepMind juga mengumpulkan pakar biologi dan pelakuran nuklear.

Baru-baru ini, profesor Universiti Negeri Arizona, Subbarao Kambhampati, bercanda bahawa kalangan akademik baru sahaja mempunyai satu meme: "Saya ingin menyertai Anthropic."

Berdasarkan pengiraan kasar oleh The Atlantic, hanya empat syarikat AI terkemuka yang telah mengumpulkan sekurang-kurangnya 80 profesor semasa atau bekas.

Arah pergerakan bakat juga menjadi semakin tunggal.

Laporan AI Index dari Universiti Stanford menunjukkan bahawa pada tahun 2011, peratusan graduan PhD AI yang memasuki sektor korporat dan akademik hampir sama, masing-masing sebanyak 40.9% dan 41.6%. Pada tahun 2022, peratusan yang memasuki sektor korporat meningkat kepada 70.7%, manakala yang memasuki sektor akademik menurun kepada 20%.

Sebuah kertas kerja NBER tahun 2026 melacak sekitar 42,000 penyelidik AI Amerika. Penyelidik di bawah 40 tahun mempunyai kemungkinan meninggalkan universiti sebanyak enam kali ganda berbanding kelompok berusia 40 tahun ke atas; sekitar 70% daripada mereka yang berpindah masih berada di syarikat tersebut lima tahun kemudian.

Uang memang sangat penting. Pendapatan tahunan 1% ahli AI teratas di perusahaan meningkat dari USD595.000 menjadi USD1,94 juta; sementara di universitas pada tingkatan yang sama hanya meningkat dari USD301.000 menjadi USD392.000. Kesenjangan antara keduanya melebar menjadi sekitar USD1,5 juta.

Lebih sukar untuk menolak syarat penyelidikan.

Pada awal tahun 2010-an, sekitar 65% model pembelajaran mesin berskala besar dikembangkan secara independen oleh laboratorium akademik. Pada awal tahun 2020-an, nisbah ini turun kepada kurang daripada 10%. Pada tahun 2022, sekitar 81% model terkini telah diselesaikan secara independen oleh perusahaan.

Semasa Professor Anca Dragan dari UC Berkeley menyertai DeepMind, beliau menegaskan keperluannya terhadap “data, kuasa pengiraan, dan bajet” yang diperlukan oleh institut keselamatan terkini.

Sebaliknya, dalam universiti, satu kajian mungkin memerlukan permohonan dana, pembelian peralatan, dan perekrutan jurutera sebelum menunggu jadual sumber pengiraan. Selepas masuk ke syarikat AI, penyelidik yang sama boleh terus mengakses model besar, data eksklusif, kuasa pengiraan teragih, dan sistem jurutera berjumlah ratusan orang.

Namun, kehilangan seorang profesor terkemuka dari universiti jauh melebihi beberapa kertas kerja sahaja. Universiti juga kehilangan seorang pensyarah, satu kumpulan penyelidikan, satu rantai pembinaan pelajar doktor falsafah, serta arah penyelidikan yang mungkin terbentuk dalam tempoh belasan tahun ke depan.

Dahulu, syarikat teknologi membeli hasil kajian daripada universiti. Sekarang, mereka mulai membeli orang yang menghasilkan hasil kajian tersebut secara langsung. Syarikat mendapat seorang individu, sementara universiti mungkin kehilangan satu generasi.

Tentu saja, mengaitkan semua pergerakan bakat sebagai penurunan akademik juga meremehkan nilai yang diciptakan oleh penyelidikan korporat.

AlphaFold telah membuktikan bahawa perusahaan boleh menghasilkan pencapaian yang mengubah sejarah sains. Lebih daripada dua ratus juta ramalan struktur protein telah menghemat berbulan-bulan bahkan bertahun-tahun kerja kepada ribuan ahli biologi.

Laboratorium Bell telah membuktikan bahawa institut korporat juga boleh mengubah sains. Pada zaman kegemilangannya, ia memiliki sekitar 1,200 orang doktor, menghasilkan sekurang-kurangnya 10 anugerah Nobel. Demis Hassabis sering menjadikannya sebagai rujukan untuk DeepMind.

Syarikat AI memang semakin menyerupai sebuah institut penyelidikan baru yang merangkumi pelbagai disiplin, memiliki kemampuan kejuruteraan yang kuat, dan mempunyai saluran perniagaan.

DeepMind mengintegrasikan Gemini ke dalam matematik, genomik dan fusi nuklear; Isomorphic Labs bekerjasama dengan syarikat farmaseutikal untuk mengembangkan ubat baru; Anthropic melancarkan Claude Science; OpenAI pula memasukkan ChatGPT dan Codex ke dalam proses penyelidikan.

Hasil yang berkaitan telah muncul. Fizikus Rogerio Jorge menggunakan AI untuk membangun perisian fusi nuklear sumber terbuka, manakala ilmuwan komputer teori Barna Saha dan lain-lain menggunakan GPT-5.5 Pro untuk membantu pembuktian geometri dimensi tinggi.

OpenAI menyatakan bahawa sekitar 1.3 juta orang setiap minggu menggunakan ChatGPT untuk menangani tugas sains dan matematik tingkat tinggi, dan merancang untuk memberikan akses percuma kepada model canggih dan Codex kepada 100,000 penyelidik universiti.

Dari segi kesan peribadi, seorang saintis yang masuk ke perusahaan mungkin mempunyai kesan yang lebih besar. Seperti yang dinyatakan di atas, di universiti beliau mungkin memimpin belasan pelajar, tetapi di syarikat AI, beliau boleh menggerakkan ratusan jurutera, sumber pengiraan yang besar, dan platform data global. Kaedah yang sebelumnya hanya tertinggal dalam kertas kerja kini lebih mudah diterapkan dalam ubat-ubatan, perisian, peralatan eksperimen, dan sistem industri.

But the cost is obvious.

Kajian NBER mendapati bahawa penghasilan kertas akademik oleh ahli AI yang berpindah secara berterusan ke sektor korporat berkurang purata 65%. Dari tahun 2000 hingga 2019, peratusan penyelidik AI yang dipekerjakan oleh syarikat meningkat dari 48% kepada 68%, tetapi peratusan kertas akademik hanya meningkat dari 27% kepada 32%, manakala peratusan paten meningkat dari 86% kepada 95%.

Orang masih sedang menyelidiki, tetapi hasilnya telah beralih daripada kertas ilmiah kepada paten, model dalaman, dan rahsia perniagaan. Google pada masa itu mengumumkan Transformer secara terbuka, yang membesarkan seluruh industri. Hari ini, data latihan, berat model, dan rekod kegagalan semakin sukar keluar dari pelayan syarikat.

Sains masih bergerak pantas, tetapi sains terbuka mungkin menghentikan laju.

Syarikat AI boleh menjadi institut penyelidikan, tetapi sukar menjadi universiti.

Universiti memikul tugas yang sering diabaikan. Ia perlu melatih ramai pelajar yang belum membuktikan diri, serta menyimpan secara jangka panjang soalan-soalan yang sementara tidak mempunyai aplikasi, tidak boleh dinilai, atau mungkin baru menunjukkan nilainya selepas beberapa dekad.

Namun, syarikat AI lebih menyukai profesor dan penyelidik berpengalaman yang telah membuktikan diri, dan kurang sabar dalam membangun bakat baru. Data SignalFire menunjukkan bahawa lulusan baru hanya menyumbang 7% daripada jumlah pekerjaan yang diambil oleh syarikat teknologi besar pada tahun 2024, menurun lebih daripada separuh berbanding tahun 2019.

🔗 https://www.signalfire.com/blog/signalfire-state-of-talent-report-2025

Syarikat-syarikat menyerap profesor terkemuka dan penyelidik berpengalaman daripada universiti, sambil mengurangkan jawatan peringkat permulaan dan pelaburan dalam latihan. Mereka boleh mengumpulkan sekumpulan saintis terkemuka, tetapi mungkin tidak akan memikul tanggungjawab untuk membina generasi saintis seterusnya secara besar-besaran.

Dampak berkaitan telah muncul di kelas universiti. Pelajar yang diwawancarai oleh The Atlantic mendapati bahawa beberapa kursus tiba-tiba dibatalkan, dengan alasan yang sangat realistik—pengajar pergi "cuti" ke syarikat AI.

Sementara itu, selepas profesor terkenal meninggalkan, pelajar doktoral tidak hanya kehilangan satu mata pelajaran, tetapi juga sumber cadangan, rangkaian penyelidikan, kemampuan mengorganisasi topik, serta peluang untuk mengakses isu-isu terkini.

Perubahan yang lebih halus berlaku dalam topik penyelidikan.

Reka bentuk ubat, pengaturcaraan, penaakulan matematik, dan penemuan bahan boleh memperkukuh model serta membentuk produk, dengan mudah mendapat sokongan sumber. Topik seperti penyelidikan lapangan jangka panjang dan pemeliharaan ekosistem sering berada dalam situasi yang memalukan.

Namun, sejarah suka bermain-main dengan pulangan jangka pendek.

Teori nombor lama dianggap sebagai matematik paling tulen dan paling kurang bernilai praktikal, tetapi kemudian menjadi asas kriptografi moden. Ketika laser pertama kali muncul, ia juga dipanggil "sebuah penyelesaian yang sedang mencari masalah". Pada awalnya, internet juga sukar diukur dengan model perniagaan.

Maksud sistem penyelidikan awam ialah ia membolehkan manusia menyelidiki soal-soal yang nilainya tidak dapat dijelaskan pada masa ini.

Sementara itu, syarikat AI hari ini berada dalam persaingan intensif dalam hal prestasi model, pelancaran produk, dan pelaburan modal. Walaupun mereka bersedia melabur dalam sains asas, sumber daya lebih cenderung dialihkan ke arah yang dapat meningkatkan model, menyokong produk, atau membentuk paten.

Kemungkinan besar akan muncul kemakmuran yang canggung.

Manusia lebih cepat menemukan ubat baru, membuktikan teorem, dan menemui bahan baru, dengan ilmuwan terbaik memiliki alat paling canggih dalam sejarah. Namun, siapa yang menentukan bidang penyelidikan, siapa yang membina generasi ilmuwan seterusnya, dan siapa yang bersedia terus melakukan penyelidikan yang tidak ada yang membayar, semuanya menjadi masalah.

Para saintis tidak meninggalkan sains. Hanya sahaja sains sedang mempercepatkan pelarian daripada universiti.

Saya kadang-kadang memikirkan universiti dan syarikat AI sebagai dua hujung sungai. Universiti lebih seperti hulu. Arusnya perlahan, penuh dengan lumpur, dan banyak anak sungai yang kelihatan tidak berguna. Ada orang yang mengukur, merekod, dan berdebat di sana, serta ada yang menghabiskan seumur hidup untuk menyelidiki anak sungai yang akhirnya tidak mengalir ke bandar.

Syarikat AI lebih seperti empangan air di hulu. Mereka mampu mengumpulkan arus air, menggerakkan mesin, dan menghasilkan tenaga besar untuk membawa sains dengan cepat ke dalam ubat-ubatan, perisian, dan industri.

Stesen janakuasa air memang penting. Tanpanya, air sungai hanya mengalir sahaja.

Tetapi jika semua orang pergi ke pembangkit listrik hilir, sumber air hulu perlahan-lahan kering, beberapa tahun kemudian, semua orang hanya akan duduk di ruang server menunggu sungai yang sudah tidak mengalir lagi.

Semasa ahli matematik sibuk memperbaiki model, ahli biologi sibuk melatih Agen, dan ahli fizik sibuk memperluas sempadan kuasa pengiraan, manusia mungkin akan mendapat AI yang lebih kuat. Masalah-masalah yang ditinggalkan di belakang tidak memiliki jalan produk, pulangan pelaburan, atau penjelasan kegunaan sementara.

Mereka sangat tenang. Tenang hingga mudah disangka bahawa mereka tidak penting.