Die USA haben einen entscheidenden Schritt in Richtung Demokratisierung des Zugangs zu KI unternommen

(SeaPRwire) –   Diese Woche kündigte die National Science Foundation (NSF) an, dass sie ein Pilotprogramm mit 10 anderen Bundesbehörden und 25 privaten Organisationen und gemeinnützigen Organisationen starten wird, was ein erster Schritt zur Demokratisierung des Zugangs zu der teuren Infrastruktur für Forschung an fortgeschrittener KI sein könnte.

Das Pilotprogramm National Artificial Intelligence Research Resource (NAIRR) zielt darauf ab, leistungsstarke Computerressourcen, Datensätze, KI-Modelle und andere Werkzeuge für akademische KI-Forscher bereitzustellen, die sonst oft Schwierigkeiten haben, auf die Ressourcen zuzugreifen, die sie zunehmend benötigen.

Der Chiphersteller , einer der Unternehmen, die am Programm beteiligt sind, hat angekündigt, dass es im Rahmen des zweijährigen Pilotprojekts Cloud-Computing-Ressourcen und -Software im Wert von 30 Millionen US-Dollar bereitstellen wird, während Microsoft angekündigt hat, dass es 20 Millionen US-Dollar Cloud-Computing-Gutschriften sowie andere Ressourcen bereitstellen wird. OpenAI, Anthropic und Meta, die zu den führenden Unternehmen in diesem Bereich gehören, stellen den Zugang zu ihren KI-Modellen bereit.

Das NAIRR-Pilotprojekt kommt zu einem entscheidenden Zeitpunkt für die KI-Forschung. Da Technologieunternehmen massiv in den Erwerb von Rechenleistung und Datensätzen sowie die Einstellung qualifizierter Mitarbeiter investiert haben, wurden Forscher in der Akademia und im öffentlichen Sektor zurückgelassen. Dies hatte zur Folge, dass wichtige Forschungsrichtungen und grundlegende wissenschaftliche Forschung unerforscht blieben. Kommentatoren weisen jedoch darauf hin, dass das Pilotprojekt nur ein erster Schritt ist und dass der Schließen der KI-Kluft eine anhaltende, ehrgeizige staatliche Investition erfordern wird.

Branche zieht voran

KI-Systeme haben drei Eingaben – Rechenleistung (häufig als “Compute” bezeichnet), Daten und Algorithmen. Größere Datenmengen und Rechenleistung sowie besser konzipierte Algorithmen führen zu leistungsfähigeren KI-Systemen. Der zunehmend privilegierte Zugang der Industrie zu allen drei KI-Eingaben hat zu einer zunehmenden Kluft zwischen von Unternehmen entwickelten KI-Systemen im Vergleich zu denen von Forschern in der Akademia geführt.

Vor einigen Jahrzehnten wurden die aufregendsten Durchbrüche noch von Forschern in der Akademia erzielt, sagt Nur Ahmed, Forscher an der MIT Sloan School of Management. “Jetzt betreiben Akademiker eher Folge- oder Ableitungsforschung anstatt die Grenzen zu verschieben.”

Während früher das leistungsfähigste KI-System für eine bestimmte Aufgabe wahrscheinlich von Akademikern entwickelt worden wäre, sind heute fast alle bahnbrechenden KI-Systeme zumindest mit der Industrie zusammengearbeitet worden, und viele wurden vollständig von der Industrie entwickelt.

Compute bedeutet in der Praxis den Zugang zu spezialisierten Halbleiterchips, die teuer und knapp sind. Da der Zugang zu Rechenleistung immer wichtiger wurde, hat sich die Menge an Rechenleistung, die zum Training von KI-Systemen verwendet wird, seit den Anfängen der KI im Jahr 1950 kontinuierlich etwa alle 20 Monate erhöht. Aber als klar wurde, dass das Training von Modellen mit mehr Rechenleistung sie wesentlich leistungsfähiger machen würde, fingen KI-Entwickler an, viel größere Modelle zu trainieren, wobei sich die verwendete Rechenleistung alle 6 Monate verdoppelte.

Seitdem ist die für das Training von KI-Systemen aufgewendete Summe explodiert – laut Daten von Epoch hat sich die Compute-Kosten jährlich um ungefähr das Dreifache zwischen 2009 und 2022 erhöht. Die Daten von Epoch zeigen, dass Akademiker effektiv vom Entwickeln von Modellen auf dem neuesten Stand ausgeschlossen wurden.

Viel der zur Schulung von KI-Systemen verwendeten Daten – insbesondere Sprachmodelle, die große Datenmengen aus dem Internet nutzen – sind öffentlich verfügbar. Aber die Industrie hat immer noch zwei Vorteile gegenüber der Akademia und dem öffentlichen Sektor, sagt Neil Thompson, Direktor des FutureTech-Forschungsprojekts am MIT.

Erstens erfordert das Verarbeiten der enormen Datenmengen, die für den Einsatz modernster KI erforderlich sind, große Rechenleistung und wird durch Teams erleichtert, die sich auf Datenbereinigung und -vorbereitung spezialisiert haben – was der Industrie, aber nicht der Akademia zur Verfügung steht. Zweitens haben Unternehmen oft Zugang zu proprietären Datensätzen, die für ihre speziellen Zwecke besonders wertvoll sind.

Forscher entwerfen Algorithmen. Daher werden die Organisationen, die Zugang zu den größten Anzahlen talentierten Personen haben, tendenziell Zugang zu den ausgefeilteren Algorithmen haben. Angesichts der Veröffentlichung von ChatGPT und dem anschließenden KI-Boom ist der Arbeitsmarkt für KI extrem heiß, sagt Thompson, was einen intensiven Wettbewerb um qualifizierte Forscher und Ingenieure schafft. Unternehmen haben die Gehälter immer weiter erhöht, um diese Mitarbeiter anzuwerben – ein Netflix-Stellenangebot vom letzten Jahr bot bis zu 900.000 US-Dollar. Abgesehen von der Gehaltslücke werden Forscher auch durch den überlegenen Zugang zu Daten und Rechenleistung angelockt, den die Industrie bietet, sagt Thompson.

Diese Dynamik kann sich negativ auf die Gesellschaft insgesamt auswirken, sagt Ahmed vom MIT. Kommerzielle KI-Entwickler haben ihre eigenen Anreize, und weniger Ressourcen in der akademischen Forschung könnten bedeuten, dass weniger Arbeit an gesellschaftlich wichtigen Themen wie der Bekämpfung von Verzerrungen in KI-Systemen geleistet wird, sagt Ahmed. Eine 2020 von Forschern der National Endowment for Science, Technology and the Arts veröffentlichte Studie stützt Ahmeds Bedenken und kommt zu dem Schluss, dass “Forscher in der Privatwirtschaft sich eher auf daten- und rechenintensive Deep-Learning-Methoden konzentrieren, anstatt Forschung zu betreiben, die die gesellschaftlichen und ethischen Auswirkungen von KI oder ihre Anwendung in Bereichen wie Gesundheit berücksichtigt.”

Ohne ausreichende Rechenleistung werden Akademiker und Forscher des öffentlichen Sektors nicht einmal in der Lage sein, die Arbeit industrieller Forscher zu überprüfen, sagt Thompson. Private Akteure neigen dazu, die Grundlagenforschung unterzufinanzieren.

Schließen der Kluft

Das diese Woche angekündigte Pilotprojekt hat lange auf sich warten lassen. Das NAIRR Act aus dem Jahr 2020 richtete eine Arbeitsgruppe ein, um einen Fahrplan für ein nationales Programm zur Verbesserung des Zugangs zu Computing, Daten und pädagogischen Werkzeugen zu entwickeln. Der Abschlussbericht der NAIRR Task Force vom Januar 2023 kam zu dem Schluss, dass 2,6 Milliarden US-Dollar für den Betrieb von NAIRR über sechs Jahre benötigt würden, und schlug ein Pilotprojekt als Weg vorwärts in Abwesenheit der vollen Finanzierung vor. Das von Präsident Biden am 30. Oktober unterzeichnete Gesetz gab der NSF 90 Tage – bis zum 28. Januar – Zeit, ein NAIRR-Pilotprojekt zu starten.

Das Pilotprojekt sei willkommen, reiche aber nicht aus, sagt Divyansh Kaushik, Associate Director for Emerging Technologies and National Security bei der Federation of American Scientists, der die NAIRR Task Force beraten hat. Der Kongress müsse Gesetze verabschieden, die NAIRR genehmigen und die erforderlichen Mittel bereitstellen, so Kaushik. Die meisten Gesetzgeber seien für das Programm, sagt er. “Es gibt eigentlich keinen Widerstand.”

Ein solches Gesetz wurde im Juli vorgeschlagen, als die Leitung des Congressional Artificial Intelligence Caucus den CREATE AI Act vorstellte, der NAIRR einführen würde. Senatoren wie Martin Heinrich, Todd Young, Cory Booker und Mike Rounds legten einen entsprechenden Gesetzentwurf im Senat vor. “Wir haben im Wesentlichen das umgesetzt, was die Arbeitsgruppe empfohlen hat. Meiner Meinung nach haben sie sehr gute Arbeit geleistet”, sagte die demokratische Kongressabgeordnete Anna Eschoo aus Kalifornien, Co-Vorsitzende des Congressional Artificial Intelligence Caucus, im September 2023 gegenüber TIME.

“NAIRR wird Forschern – von Universitäten, gemeinnützigen Organisationen, von der Regierung – mit den leistungsstarken Datensätzen und Computing-Ressourcen ausstatten, die für die Forschung und Entwicklung von KI wirklich notwendig sind”, sagte Eschoo. “Um sicherzustellen, dass jeder Zugang zu den Werkzeugen hat, die für die Forschung und Entwicklung von KI benötigt werden.”