Der Artikel spiegelt die tiefgreifenden Veränderungen in der KI-Forschung an Universitäten wider, da sich das KI-Rennen in den Unternehmenssektor verlagert hat.
In den letzten vier Jahren hat sich die KI-Forschung stark auf große Sprachmodelle konzentriert, wodurch sich die Führungsposition von der Wissenschaft zu Unternehmen wie OpenAI und Anthropic verlagert hat.
Viele Universitäten verfügen nicht über die nötigen Finanzmittel, um GPUs zum Training fortgeschrittener Modelle zu kaufen, und haben zudem keinen Zugriff auf die technischen Details von Claude oder ChatGPT.
Professorin Nika Haghtalab vergleicht die aktuelle Situation mit der Biologie, wenn nur Unternehmen die Erlaubnis hätten, die CRISPR-Genbearbeitungstechnologie zu nutzen.
Das Programm AI2050 von Schmidt Sciences unterstützt die Finanzierung von GPUs, aber die Kosten für die Nutzung von APIs von OpenAI, Anthropic und Google sind für Forscher nach wie vor sehr hoch.
Viele Wissenschaftler haben sich der Erforschung von Problemen zugewandt, die Unternehmen weniger beachten, da sie schwer zu monetarisieren sind.
Professorin Anjalie Field entdeckte, dass Sprachmodelle auf Formulierungen, die häufig von Frauen verwendet werden, weniger differenziert antworten, was die wichtige Rolle unabhängiger Forschung verdeutlicht.
Viele KI-Forscher entwickeln keine großen Sprachmodelle, sondern bauen spezialisierte KI für Klima, Wissenschaft und die Simulation physikalischer Systeme.
Experten befürchten, dass die Öffentlichkeit KI mit energieintensiven großen Sprachmodellen gleichsetzt, was das Interesse an anderen KI-Richtungen mindert.
Immer mehr Professoren verlassen vorübergehend die Universität, um sich KI-Laboren anzuschließen oder parallel für Unternehmen zu arbeiten.
Einige Mathematiker sind besorgt, da KI bereits viele echte Forschungsprobleme gelöst hat, was die Stimmung in der akademischen Gemeinschaft beeinflusst.
Dennoch glauben viele Experten, dass KI dazu beitragen wird, die Forschungsproduktivität zu steigern, und dass Ressourcenbeschränkungen Universitätslabore dazu antreiben könnten, mit kleineren und effizienteren Modellen neue Durchbrüche zu erzielen.
📌 Die KI-Forschung verlagert sich aufgrund von Vorteilen bei Daten, GPUs und Kapital stark in den privaten Sektor. Die Wissenschaft spielt jedoch nach wie vor eine entscheidende Rolle in der unabhängigen Forschung, der Bewertung von Modellverzerrungen und der Entwicklung spezialisierter KI im Dienste der Wissenschaft. Der Autor argumentiert, dass genau diese Ressourcenbeschränkungen zum Motor für Universitäten werden könnten, um neue, effizientere KI-Architekturen zu schaffen, die den nächsten Durchbruch erzielen können.
