Unis gegen Big Tech: 3 Maßnahmen, wie KI-Forschung mit dem Privatsektor mithalten kann

(Bild: Midjourney/t3n)
Die KI-Revolution hat das Potenzial, unser Leben dramatisch zu verändern und zu verbessern – von der Art und Weise, wie wir arbeiten, bis hin zu dem, was wir tun können, um gesund zu bleiben. Um sicherzustellen, dass die westlichen Demokratien die Entwicklung der Technologie mitgestalten können, reicht es jedoch nicht, wenn nur private Unternehmen in diesem Bereich vorangehen.
Denn bislang galt: Die Forschung an den Universitäten war die treibende Kraft hinter den zentralen Fortschritten im Bereich der künstlichen Intelligenz, sie legte den Grundstein für den Boom in der Privatwirtschaft, den wir heute erleben. Auch viele der Führungskräfte der KI-Pioniere kommen aus der universitären Forschung.
Das Problem: Große Sprachmodelle wie ChatGPT, Claude oder Gemini benötigen eine derart große Rechenleistung und so umfangreiche Datensätze, dass dies nur noch bei kommerziellen Unternehmen umsetzbar ist. Die Privaten haben die Unis an der Spitze der KI-Entwicklung abgelöst.
Um das langfristige Potenzial der KI auszuschöpfen, müssen unsere Universitäten daher in die Lage versetzt werden, mit der Privatwirtschaft konkurrieren zu können. Dazu muss zunächst die starke Asymmetrie zwischen Hochschulen und Industrie beim Zugang zu Hochleistungsrechnern korrigiert werden.
Langfristiges Denken in der Forschung
Die größte Stärke der akademischen Welt liegt in ihrer Fähigkeit, langfristig zu denken – etwa bei der Grundlagenforschung, die uns hilft, die Grenzen des Wissens zu erweitern. Die Freiheit, kühne, innovative Theorien zu erforschen und mit ihnen zu experimentieren, führt immer wieder zu Entdeckungen und neuen Innovationen, die die Grundlage neuer Produkte bilden. Auch wenn der Zugriff auf große Sprachmodelle mittlerweile allen zur Verfügung steht, gibt es viele zentrale Fragen, die noch unbeantwortet sind. Dazu gehört die Tatsache, dass KI-Systeme in vielerlei Hinsicht eine „Black Box“ bleiben. Wir wissen zum Beispiel, dass KI-Systeme zu Halluzinationen neigen, aber wir verstehen noch immer nicht ganz, warum.
Da sie von Marktkräften abgeschottet sind, können Universitäten an einer Zukunft arbeiten, in der KI wirklich vielen Menschen zugutekommt. Eine Ausweitung des Zugangs der Hochschulen zu den dafür notwendigen IT-Ressourcen würde automatisch auch integrativere Ansätze in der KI-Forschung und ihren Anwendungen fördern.
Der National Artifical Intelligence Research Resource Pilot (NAIRR), der in der KI-Durchführungsverordnung von US-Präsident Biden vom Oktober 2023 gefordert wird, ist ein gutes Beispiel für einen Schritt in die richtige Richtung. Durch Partnerschaften mit dem Privatsektor soll der NAIRR eine gemeinsame Forschungsinfrastruktur für KI schaffen. Wenn das Projekt sein volles Potenzial ausschöpft, könnte es ein wichtiger neuer Knotenpunkt sein, der akademischen Forschern einen effektiveren Zugang zur für KI-Anwendungen so wichtigen GPU-Rechenleistung ermöglicht. Doch selbst wenn der NAIRR vollständig durchfinanziert ist, sind seine Ressourcen wahrscheinlich zu knapp bemessen.
Das Problem könnte entschärft werden, wenn sich der NAIRR auf eine ausgewählte Anzahl von Einzelprojekten konzentrieren würde, wie einige Experten vorgeschlagen hatten. Es gibt aber noch andere, kreativere Lösungen, um genügend GPU-Power in die universitäre KI-Forschung zu bringen.
3 Vorschläge für eine bessere Ausstattung der KI-Forschung
- Wir könnten neue, große GPU-Cluster einsetzen, um die von der US-Regierung bereits finanzierte Supercomputerinfrastruktur zu verbessern und für die KI nutzbar zu machen. Universitäre Forscher sollten dadurch in die Lage versetzt werden, bei den großen Herausforderungen in der KI-Forschung mit den bestehenden US-Nationallabors zusammenzuarbeiten.
- Die US-Regierung sollte nach Möglichkeiten suchen, die Kosten für High-End-GPU-Systeme für akademische Einrichtungen zu senken – beispielsweise durch finanzielle Unterstützung in Form von Zuschüssen oder Steuergutschriften für Forschung und Entwicklung. Initiativen wie die des US-Bundesstaates New York, der Universitäten zu wichtigen Partnern des Staates bei der KI-Entwicklung machen will, spielen bereits eine zentrale Rolle. Dieses Modell sollte im ganzen Land nachgeahmt werden.
- Überschüssige Hochleistungs-KI-Chips, die durch die jüngsten Exportkontrollbeschränkungen gegen China in den kommenden Jahren anfallen dürften, könnten von der Regierung aufgekauft und US-weit an Universitäten und andere akademische Einrichtung verteilt werden.
Alle drei Maßnahmen könnten eine neue Welle der universitären KI-Forschung auslösen. Bereits jetzt haben ehrgeizige Forscher an den Universitäten eine Fülle neuer Ideen, die allzu oft aus Mangel an Ressourcen nicht umgesetzt werden können. Die Ausstattung der Universitäten mit ausreichender Rechenleistung würde es ihnen ermöglichen, die KI-Forschung der Privatwirtschaft zu ergänzen und mit ihr gleichzuziehen. So ausgestattet, kann die Wissenschaft als unverzichtbarer Knotenpunkt für den technologischen Fortschritt dienen, die interdisziplinäre Zusammenarbeit vorantreiben, langfristige Forschung betreiben und Talente fördern, die die nächste Generation von KI-Pionieren hervorbringen. Vorteile bei ethischen Innovationen hat dies auch.
In der Vergangenheit haben sich ähnliche Investitionen in westlichen Ländern als äußerst nützlich erwiesen. Die Vereinigten Staaten der Nachkriegszeit pflegten eine symbiotische Beziehung zwischen Regierung, Wissenschaft und Industrie, die das Land zum Mond brachte, das Silicon Valley begründete und letztlich das Internet hervorbrachte.
Wir müssen sicherstellen, dass die akademische Welt ein zentraler Pol in unserem Innovationsökosystem bleibt. Investitionen in die dafür notwendigen IT-Ressourcen sind ein notwendiger erster Schritt.
- Bajraktari ist CEO des Special Competitive Studies Project (SCSP), einer gemeinnützigen Initiative, die die langfristige Wettbewerbsfähigkeit der Vereinigten Staaten stärken will.
- Mitchell ist der Founders University Professor an der Carnegie Mellon University.
- Rus ist Professorin für Elektrotechnik und Computerwissenschaften am MIT und Leiterin des Computer Science and Artificial Intelligence Laboratory (CSAIL).