Die größte Stärke der Wissenschaft liegt in ihrer Fähigkeit, langfristige Forschungsprojekte und Grundlagenstudien durchzuführen, die die Grenzen des Wissens erweitern. Die Freiheit, mutige, innovative Theorien zu erforschen und mit ihnen zu experimentieren, wird zu Entdeckungen und Innovationen führen, die als Grundlage für zukünftige Innovationen dienen. Obwohl durch LFMs ermöglichte Tools in jedermanns Tasche sind, gibt es viele Fragen zu ihnen, die beantwortet werden müssen, da sie in vielerlei Hinsicht eine „Black Box“ bleiben. Wir wissen zum Beispiel, dass KI-Modelle zu Halluzinationen neigen, aber wir verstehen immer noch nicht ganz, warum.
Da sie von den Kräften des Marktes isoliert sind, können Universitäten eine Zukunft planen, in der die KI wirklich vielen Menschen zugute kommt. Eine Ausweitung des Zugangs der Wissenschaft zu Ressourcen würde integrativere Ansätze für die KI-Forschung und ihre Anwendungen fördern.
Das Pilotprojekt der National Artificial Intelligence Research Resource (NAIRR), das in Präsident Bidens Durchführungsverordnung zu KI vom Oktober 2023 vorgeschrieben ist, ist ein Schritt in die richtige Richtung. Durch Partnerschaften mit dem Privatsektor wird das NAIRR eine gemeinsame Forschungsinfrastruktur für KI schaffen. Wenn es sein volles Potenzial ausschöpft, wird es ein wichtiger Knotenpunkt sein, der akademischen Forschern hilft, effektiver auf die GPU-Rechenleistung zuzugreifen. Doch selbst wenn die NAIRR vollständig finanziert ist, werden ihre Ressourcen wahrscheinlich knapp bemessen sein.
Dieses Problem könnte gemildert werden, wenn sich die NAIRR auf eine ausgewählte Anzahl einzelner Projekte konzentrieren würde, wie einige vorgeschlagen haben. Aber wir sollten auch nach weiteren kreativen Lösungen suchen, um eine nennenswerte Anzahl von GPUs in die Hände von Akademikern zu bekommen. Hier ein paar Ideen:
Erstens sollten wir große GPU-Cluster nutzen, um die von der US-Regierung bereits finanzierte Supercomputer-Infrastruktur zu verbessern und zu nutzen. Akademische Forscher sollten in die Lage versetzt werden, mit den US National Labs bei großen Herausforderungen in der KI-Forschung zusammenzuarbeiten.
Zweitens sollte die US-Regierung nach Möglichkeiten suchen, die Kosten für High-End-GPUs für akademische Einrichtungen zu senken – beispielsweise durch die Bereitstellung finanzieller Unterstützung wie Zuschüsse oder Steuergutschriften für Forschung und Entwicklung. Initiativen wie die New Yorks, die Universitäten zu wichtigen Partnern des Staates bei der KI-Entwicklung machen, spielen auf Landesebene bereits eine wichtige Rolle. Dieses Modell sollte im ganzen Land nachgeahmt werden.
Schließlich könnten die jüngsten Exportkontrollbeschränkungen im Laufe der Zeit dazu führen, dass einige US-Chiphersteller überschüssige Lagerbestände an hochmodernen KI-Chips haben. In diesem Fall könnte die Regierung diesen Überschuss aufkaufen und an Universitäten und akademische Einrichtungen im ganzen Land verteilen.