Η εργασία σε κορυφαία ερευνητικά εργαστήρια Τεχνητής Νοημοσύνης, όπως τα Meta Superintelligence Labs και η OpenAI, είναι μια συνεχώς μεταβαλλόμενη διαδικασία, προσαρμοσμένη στα στάδια ανάπτυξης των έργων και στις άμεσες απαιτήσεις. Ο Prakhar Agarwal, εφαρμοσμένος ερευνητής στα Meta Superintelligence Labs, εξηγεί την καθημερινότητά του, η οποία ποικίλλει ανάλογα με την προσέγγιση των προθεσμιών για μεγάλα έργα, όπως οι εκπαιδεύσεις μοντέλων ή οι διαδικασίες ενισχυτικής μάθησης.
Όταν πλησιάζουν οι προθεσμίες, η ένταση αυξάνεται, καθώς η εργασία βασίζεται στην τρέχουσα έκδοση του μοντέλου. Αν διαπιστωθεί κάποιο πρόβλημα, η λύση πρέπει να ενσωματωθεί άμεσα. Σε πιο απομακρυσμένα στάδια, η εστίαση στρέφεται στις αξιολογήσεις και στον εντοπισμό αδυναμιών και σφαλμάτων. Η εργασία χαρακτηρίζεται από μεγάλη δυναμική, με κάποιες εργασίες να φαίνονται αρχικά εύκολες, ενώ άλλες, λόγω των πολλών άγνωστων παραγόντων, να απαιτούν περισσότερο χρόνο.
Η διαφορά από την εργασία σε μεγάλες τεχνολογικές εταιρείες (Big Tech) έγκειται κυρίως στον περιορισμό των υπολογιστικών πόρων (compute). Σε αντίθεση με εταιρείες όπου μπορεί να προσληφθεί μεγάλος αριθμός ατόμων για την εκτέλεση μικρών τμημάτων μιας εργασίας, στα ερευνητικά εργαστήρια, η έλλειψη υπολογιστικών πόρων μπορεί να οδηγήσει στη διαίρεση των διαθέσιμων πόρων, επηρεάζοντας την πρόοδο. Η ταχύτητα επικοινωνίας είναι κρίσιμη, με μικρές και ευέλικτες ομάδες να προτιμώνται για την αποφυγή πολλαπλών επιπέδων επικοινωνίας και τη διατήρηση υψηλής ταχύτητας επανάληψης.
Η ιδέα της “ομάδας” είναι ρευστή. Τα μέλη συνεργάζονται σε κοινά έργα, πέρα από τα ατομικά τους αντικείμενα. Η συνεργασία μπορεί να επεκταθεί και εκτός της άμεσης ομάδας, εστιάζοντας στην επίλυση του προβλήματος που βρίσκεται υπό διερεύνηση.
Η επικοινωνία και η εμβάθυνση στον κώδικα αποτελούν βασικές δεξιότητες. Δεδομένου ότι πολλές διαδικασίες δεν είναι τεκμηριωμένες, η ικανότητα να διατυπώνει κανείς τι κάνει, γιατί το κάνει, ποια είναι τα επόμενα βήματα και να λαμβάνει ανατροφοδότηση είναι θεμελιώδης. Η εξοικείωση με την ανάγνωση και την κατανόηση του κώδικα είναι απαραίτητη, καθώς ο κώδικας εξελίσσεται ταχύτερα από την τεκμηρίωση. Η κατανόηση των εξελίξεων σε διάφορους τομείς παρέχει μια ευρύτερη εικόνα των προσεγγίσεων και των ιδεών που εφαρμόζονται, οδηγώντας σε πιθανές συνεισφορές.
Το μεγαλύτερο πλεονέκτημα αυτών των εργαστηρίων είναι η γνώση του τι *δεν* λειτουργεί. Μια ερευνητική εργασία παρουσιάζει επιτυχημένες διαδικασίες, αλλά αποσιωπά τις αμέτρητες αποτυχημένες προσπάθειες που προηγήθηκαν. Αυτή η εμπειρία χτίζει ισχυρές δια… utions (διαισθήσεις) σχετικά με το ποιες προσεγγίσεις είναι βιώσιμες και ποιες όχι.
Για όσους επιθυμούν να εργαστούν σε κορυφαία εργαστήρια, η διαχείριση του burnout παραμένει μια πρόκληση. Η εργασία στην αιχμή της τεχνολογίας απαιτεί μια προσέγγιση “με ροή” και την ικανότητα να μην περιορίζεται η σκέψη σε αυστηρά ημερήσιες βάσεις. Η συμβουλή προς τον νεότερο εαυτό θα ήταν να είναι κανείς ανοιχτός στην εξερεύνηση νέων οδών και ιδεών. Η ταχύτητα των εξελίξεων απαιτεί την ικανότητα μετάβασης σε νέα θέματα, χτίζοντας “μυϊκή μάζα” για την αντιμετώπιση εντελώς νέων προκλήσεων, κάτι που συχνά αποτελεί περισσότερο ψυχολογική παρά τεχνική δεξιότητα.
