De invloed van de industrie op AI bepaalt de toekomst van de technologie - in voor- en tegenspoed

Het enorme potentieel van AI om de toekomst opnieuw vorm te geven, is de afgelopen jaren door de industrie massaal geïnvesteerd. Maar de groeiende invloed van particuliere bedrijven in het basisonderzoek dat deze opkomende technologie aandrijft, kan ernstige gevolgen hebben voor de ontwikkeling ervan, zeggen onderzoekers.

De vraag of machines het soort intelligentie kunnen nabootsen dat bij dieren en mensen wordt waargenomen, is bijna net zo oud als de informatica zelf. De betrokkenheid van de industrie bij deze onderzoekslijn fluctueerde in de loop van de decennia, lleidend tot een reeks AI-winters terwijl de investeringen binnenstroomden en vervolgens weer terugvloeiden zoals de technologie heeft gedaan niet waargemaakt verwachtingen.

De komst van deep learning aan het begin van het vorige decennium heeft echter geresulteerd in een van de meest aanhoudende interesses en investeringen van particuliere bedrijven. Dit begint nu te komen enkele echt baanbrekende AI-producten opleveren, Maar nieuwe analyse in Wetenschap laat zien dat het er ook toe leidt dat de industrie meedoetkreukelgdominante positie in AI-onderzoek.

Dit is een tweesnijdend zwaard, zeggen de auteurs. De industrie brengt geld, computermiddelen en enorme hoeveelheden gegevens met zich mee die een enorme vooruitgang hebben geboekt, maar het heroriënteert ook het hele veld op gebieden die van belang zijn voor particuliere bedrijven in plaats van die met het grootste potentieel of voordeel voor de mensheid.

"De commerciële motieven van de industrie dwingen hen om zich te concentreren op onderwerpen die op winst gericht zijn. Vaak leveren dergelijke prikkels resultaten op die in overeenstemming zijn met het algemeen belang, maar niet altijd”, schrijven de auteurs. "Hoewel deze industriële investeringen de consument ten goede zullen komen, zou de bijbehorende onderzoeksdominantie een punt van zorg moeten zijn voor beleidsmakers over de hele wereld, omdat het betekent dat alternatieven van algemeen belang voor belangrijke AI-tools steeds schaarser kunnen worden."

De auteurs laten zien dat de voetafdruk van de industrie in AI-onderzoek de afgelopen jaren dramatisch is toegenomen. In 2000 had slechts 22 procent van de presentaties op toonaangevende AI-conferenties een of meer co-auteurs van particuliere bedrijven, maar in 2020 was dat 38 procent. Maar de impact is het duidelijkst voelbaar op het snijvlak van het veld.

De vooruitgang op het gebied van deep learning is grotendeels te danken aan de ontwikkeling van steeds grotere modellen. In 2010 was de industrie goed voor slechts 11 procent van de grootste AI-modellen, maar in 2021 was dat 96 procent. Dit viel samen met een groeiende dominantie op belangrijke benchmarks op gebieden als beeldherkenning en taalmodellering, waarbij de betrokkenheid van de industrie bij het leidende model is gegroeid van 62 procent in 2017 tot 91 procent in 2020.

Een belangrijke oorzaak van deze verschuiving zijn de veel grotere investeringen die de particuliere sector kan doen in vergelijking met overheidsinstanties. Exclusief defensie-uitgaven, heeft de Amerikaanse regering in 1.5 2021 miljard dollar uitgetrokken voor uitgaven aan AI, vergeleken met de 340 miljard dollar die de industrie dat jaar over de hele wereld heeft uitgegeven.

Die extra financiering vertaalt zich in veel betere middelen - zowel in termen van rekenkracht als gegevenstoegang - en de mogelijkheid om het beste talent aan te trekken. De omvang van AI-modellen is sterk gecorreleerd met de hoeveelheid beschikbare gegevens en computerbronnen, en in 2021 waren industriemodellen gemiddeld 29 keer groter dan academische modellen.

En terwijl in 2004 slechts 21 procent van de informatica-promovendi die zich hadden gespecialiseerd in AI naar de industrie ging, was dat in 2020 gestegen tot bijna 70 procent. Het aantal AI-experts dat buiten de universiteit wordt ingehuurd door particuliere bedrijven is sinds 2006 ook verachtvoudigd.

De auteurs wijzen op OpenAI als een marker van de toenemende moeilijkheidy baanbrekend AI-onderzoek te doen zonder de financiële middelen van de particuliere sector. In 2019 is de organisatie getransformeerd van een non-profitorganisatie naar een "geplafonneerde organisatie met winstoogmerk" om "onze investeringen in computers en talent snel te vergroten", zei het bedrijf destijds.

Deze extra investering heeft zijn voordelen gehad, merken de auteurs op. Het heeft geholpen om AI-technologie uit het laboratorium te halen en in alledaagse producten te brengen die het leven van mensen kunnen verbeteren. Het heeft ook geleid tot de ontwikkeling van een groot aantal waardevolle tools die zowel door de industrie als de academische wereld worden gebruikt, zoals softwarepakketten zoals TensorFlow en PyTorch en steeds krachtigere computerchips die zijn afgestemd op AI-workloads.

Maar het dwingt AI-onderzoek ook om zich te concentreren op gebieden met potentiële commerciële voordelen voor zijn sponsors, en, net zo belangrijk, gegevensverslindende en rekenkundig dure AI-benaderingen die goed aansluiten bij het soort dingen waar grote technologiebedrijven al goed in zijn. Aangezien de industrie steeds meer de richting van AI-onderzoek bepaalt, zou dit kunnen leiden tot het negeren van concurrerende benaderingen van AI en andere sociaal voordelige toepassingen zonder duidelijk winstoogmerk.

"Gezien hoe breed AI-tools in de samenleving kunnen worden toegepast, zou een dergelijke situatie een klein aantal technologiebedrijven een enorme hoeveelheid macht geven over de richting van de samenleving”, merken de auteurs op.

Er zijn modellen voor hoe de kloof tussen de private en publieke sector kan worden gedicht, zeggen de auteurs. De VS hebben de oprichting voorgesteld van een National AI Research Resource, bestaande uit een openbare onderzoekscloud en openbare datasets. China heeft onlangs een "nationaal rekenkrachtnetwerksysteem" goedgekeurd. Aen Canada's Advanced Research Computing-platform bestaat al bijna tien jaar.

Maar zonder tussenkomst van beleidsmakers, zeggen de auteurs dat academici waarschijnlijk niet in staat zullen zijn om industriële modellen goed te interpreteren en te bekritiseren of om alternatieven voor het algemeen belang aan te bieden. Ervoor zorgen dat ze de capaciteiten hebben om de grens van AI-onderzoek vorm te blijven geven, zou een topprioriteit moeten zijn voor regeringen over de hele wereld.

Krediet van het beeld: DeepMind / Unsplash 

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• Platoblockchain. Web3 Metaverse Intelligentie. Kennis versterkt. Toegang hier.
• Bron: https://singularityhub.com/2023/03/05/industrys-influence-on-ai-is-shaping-the-techs-future-for-better-and-for-worse/