Mit zunehmender Relevanz von künstlicher Intelligenz (KI) in der heutigen Welt zeigen sich auch neue Muster in Forschungs- und Entwicklungsstrategien. Traditionell konzentrierte sich die akademische Welt auf Grundlagenforschung und Ausbildung, während die Industrie auf angewandte Forschung und Kommerzialisierung setzte. Jüngst hat aber die Dominanz des kommerziellen Sektors im Bereich KI-Investitionen und -Forschung Bedenken hinsichtlich eines Machtungleichgewichts geweckt. Der Übergang von Forschern aus der Wissenschaft in die Industrie wirft ebenfalls Fragen auf.
Fortschrittliche KI-Systeme erfordern große Datenmengen, Rechenleistung und Finanzierung – Ressourcen, die in der Industrie reichlicher vorhanden sind als in der Wissenschaft und im Non-Profit-Sektor. Daher hat sich die KI-Forschung, die ursprünglich in den frühen 2000er Jahren von der Wissenschaft dominiert wurde, zunehmend in die Industrie verlagert.
Ein Bericht der Stanford-Universität aus dem Jahr 2021 besagt, dass erschwingliches Cloud-Computing, Open-Source-Bibliotheken und vorgefertigte Modelle Anreize für Universitätsforscher schaffen, kommerzielle Anwendungen ihrer Arbeit zu verfolgen. Dies hat zu einer signifikanten Zunahme von Industriestudien auf Konferenzen geführt, wobei Bedenken über mögliche Verzerrungen zugunsten kommerzieller Interessen und die langfristige Innovationsfähigkeit bestehen.
Eine Studie in der Fachzeitschrift Science aus dem Jahr 2023 zeigt auf, dass heute 70 % der Top-Talente mit PhDs in KI von der Industrie angezogen werden, verglichen mit nur 20 % vor zwei Jahrzehnten. Während die Zahl der KI-Forschungskräfte in der Wissenschaft stagniert, ist die Einstellung in der Industrie seit 2006 um das Achtfache gestiegen. Mit Industriemodellen, die etwa 29 Mal größer sind, besitzt die Industrie überlegene Rechenleistung.
2021 stellten US-Regierungsbehörden insgesamt 1,5 Milliarden US-Dollar für die akademische KI-Forschung bereit, während Google den gleichen Betrag für ein einzelnes Projekt innerhalb eines Jahres ausgab. Heute werden 96 % der größten KI-Modelle in der Industrie entwickelt und 91 % der führenden Benchmarks sind industriegetrieben. Zudem hat sich die Anzahl der veröffentlichten Arbeiten mit industriellen Co-Autoren seit 2000 fast verdoppelt.
Bemerkenswert ist aber, dass sich akademische Forscher zunehmend in der Lage sehen, ihre Erfindungen in realen Szenarien einzusetzen. Ein erfolgreiches Beispiel dafür ist die Sprachlern-App Duolingo, die von Akademikern entwickelt wurde.
Professor Frédo Durand vom MIT glaubt, dass die Wissenschaft weiterhin eine treibende Kraft für Innovation sein kann. Er verweist auf die Vergangenheit der Computergrafik, wo ungewöhnliche akademische Ansätze wie fortschrittliche Lichtsimulationen und Fluiddynamik später die Grundlage für moderne Renderings und Grafik-Hardware bildeten. Durand schlägt vor, dass solche unkonventionellen Ansätze auch wertvolle Lehren für die KI-Forschung bieten. Er betont die Wichtigkeit, dass die Wissenschaft ihre Arbeit offen teilt und eine Begeisterung für das Feld bewahrt.
Trotz der Herausforderungen sieht Durand mögliche Lösungen in erhöhter staatlicher Finanzierung für akademische Forschung, geteilter Forschungsinfrastruktur und Strategien, um Top-Talente im akademischen Umfeld zu halten. Partnerschaften zwischen Industrie und Wissenschaft könnten ebenfalls zu besseren Ergebnissen führen. Eines ist sicher: Künstliche Intelligenz wird auch in Zukunft ein heißes Thema bleiben.