Während künstliche Intelligenz (KI) zunehmend an Bedeutung gewinnt, entstehen neue Muster in Bezug auf ihre Forschung und Entwicklungsstrategien. Traditionell lag der Schwerpunkt in der akademischen Welt auf Grundlagenforschung und Bildung, während die Industrie sich auf angewandte Forschung und Kommerzialisierung konzentrierte. In den letzten Jahren hat die Dominanz des kommerziellen Sektors in der KI-Investition und -Forschung jedoch Fragen zur Machtbalance aufgeworfen.
Fortschrittliche KI-Systeme benötigen große Mengen an Daten, Rechenleistung und finanziellen Ressourcen, die in der Industrie in größerem Umfang vorhanden sind als in der akademischen und gemeinnützigen Forschung. So hat sich die AI-Forschung, die in den frühen 2000er Jahren zunächst im akademischen Bereich verankert war, zunehmend in Richtung Industrie verlagert.
Laut einem Stanford-Bericht von 2021 verschwimmen die Rollen von Wissenschaft und Industrie zunehmend, da Unternehmen erschwingliches Cloud-Computing, Open-Source-Bibliotheken und vortrainierte Modelle anbieten, die Universitätsforscher dazu anregen, kommerzielle Anwendungen ihrer Arbeit zu verfolgen. Diese Entwicklung hat Bedenken geweckt, dass angewandte Forschung langfristige Innovationen ersticken oder zugunsten von Unternehmensinteressen verzerrt sein könnte, während sie gleichzeitig Lösungen für reale Probleme beschleunigt.
Ein Artikel aus dem Jahr 2023 in der Fachzeitschrift 'Science' besagt, dass Unternehmen mittlerweile 70% der Top-Talente mit Doktortitel in KI anziehen, verglichen mit nur 20% vor zwanzig Jahren. Die Zahl der KI-Forscher in der akademischen Welt hat stagniert, während das Engagement der Industrie seit 2006 um das Achtfache gestiegen ist. Dass Industriemodelle mittlerweile im Durchschnitt 29-mal größer sind, was auf eine überlegene Rechenleistung hinweist, spielt dabei eine entscheidende Rolle.
Im Jahr 2021 stellten US-Regierungsbehörden insgesamt 1,5 Milliarden Dollar für die akademische KI-Forschung zur Verfügung, während Google denselben Betrag in ein einziges Projekt innerhalb eines Jahres investierte. Heute werden 96% der größten KI-Modelle in der Industrie entwickelt, und führende Benchmarks werden zu 91% von der Industrie dominiert. Auch die Zahl der veröffentlichten Fachartikel mit Industrieco-Autoren hat sich seit dem Jahr 2000 nahezu verdoppelt.
Doch es zeichnet sich ein weiterer Wandel ab, da akademische Forscher zunehmend in der Lage sind, ihre Erfindungen in realen Umgebungen einzusetzen. Ein erfolgreiches Beispiel dafür ist die Sprachlern-App Duolingo, die von Akademikern entwickelt wurde.
Ein angesehener MIT-Professor, Frédo Durand, ist der Ansicht, dass die Akademie nach wie vor eine treibende Kraft für Innovation sein kann. Er verweist auf die Geschichte der Computergrafik vor 25 Jahren, wo die Industrie visuell beeindruckende Technologie entwickelte, die von der akademischen Welt nicht erreicht werden konnte. Statt die Industrie zu imitieren, konzentrierte sich die Wissenschaft auf scheinbar abwegige Ideen wie fortschrittliche Lichtsimulationen und maschinelles Lernen für Animationen, die schließlich zur Grundlage moderner Renderings und Grafik-Hardware wurden.
Durand glaubt, dass dieser Ansatz wertvolle Lektionen für die KI-Forschung bereithält. Er betont die Bedeutung, unkonventionelle Ansätze zu verfolgen, die Arbeit offen zu teilen und die Begeisterung für das Feld aufrechtzuerhalten. Er erkennt jedoch auch die Herausforderungen für die Wissenschaft und schlägt unter anderem erhöhte staatliche Fördermittel, gemeinsame Forschungsinfrastrukturen und Strategien vor, um Top-Talente in der Wissenschaft zu halten. Trotz der Übernahme von KI durch die Industrie könnten kollaborative Partnerschaften mit der Akademie bessere Ergebnisse bringen. So oder so wird KI ein heißes Thema bleiben.