Fünf Wege, wie Open-Source-Software die KI-Politik prägt

Eine zentrale Rolle bei der Entwicklung und Nutzung von Künstlicher Intelligenz (KI) spielt Open-Source-Software (OSS), die uneingeschränkt zugänglich, nutzbar und veränderbar ist. Ein KI-Algorithmus kann man sich als eine Reihe von Anweisungen vorstellen – d. h. welche Berechnungen in welcher Reihenfolge durchgeführt werden müssen; Entwickler schreiben dann Software, die diese konzeptionellen Anweisungen als tatsächlichen Code enthält. Wenn diese Software anschließend auf Open-Source-Weise veröffentlicht wird – wobei der zugrunde liegende Code für jedermann öffentlich zugänglich ist – kann jeder Datenwissenschaftler diesen Algorithmus schnell und mit geringem Aufwand verwenden. Es gibt Tausende von Implementierungen von KI-Algorithmen, die den Einsatz von KI auf diese Weise erleichtern, sowie eine kritische Familie neuer Tools, die eine ethischere KI ermöglichen. Gleichzeitig schwindet die Zahl der OSS-Tools im besonders wichtigen Teilbereich des Deep Learning – was zu einem verstärkten Markteinfluss der Unternehmen führt, die dieses OSS, Facebook und Google entwickeln. Nur wenige KI-Governance-Dokumente konzentrieren sich ausreichend auf die Rolle von OSS, was ein unglückliches Versehen ist, obwohl dies in aller Stille fast jedes Thema der KI-Politik beeinflusst. Von der Forschung bis zur Ethik und vom Wettbewerb bis zur Innovation spielt Open-Source-Code eine zentrale Rolle in der KI und verdient mehr Aufmerksamkeit seitens der Politik.





1. OSS beschleunigt die Einführung von KI

OSS ermöglicht und steigert die KI-Einführung, indem das für die Verwendung von KI erforderliche mathematische und technische Wissen reduziert wird. Die komplexe Mathematik von Algorithmen in Code zu schreiben ist schwierig und zeitaufwändig, was bedeutet, dass jede vorhandene Open-Source-Alternative für Datenwissenschaftler von großem Vorteil sein kann. OSS profitiert sowohl von einer kollaborativen als auch wettbewerbsorientierten Umgebung, da Entwickler genauso oft zusammenarbeiten, um Fehler zu finden, wie sie konkurrieren, um die beste Version eines Algorithmus zu schreiben. Dies führt häufig zu einem zugänglicheren, robusteren und qualitativ hochwertigeren Code im Vergleich zu dem, was ein durchschnittlicher Datenwissenschaftler – oft mehr ein Datenexplorer und pragmatischer Problemlöser als ein reiner Mathematiker – entwickeln könnte. Dies bedeutet, dass gut geschriebener Open-Source-KI-Code die Kapazität des durchschnittlichen Datenwissenschaftlers erheblich erweitert und ihm die Nutzung modernerer maschineller Lernalgorithmen und -funktionen ermöglicht. Während also viel Aufmerksamkeit darauf gelegt wurde, KI-Talente ausbilden und halten , was die Verwendung von KI – wie OSS-Code – erleichtert, einen ähnlich großen Einfluss auf die Ermöglichung des Wirtschaftswachstums durch KI haben kann.



2. OSS hilft bei der Bekämpfung von KI-Bias

Open-Source-KI-Tools können auch eine breitere und bessere Nutzung ethischer KI ermöglichen. Open-Source-Tools wie AI Fairness 360 von IBM, Fairlearn von Microsoft und Aequitas von der University of Chicago bauen technische Barrieren im Kampf gegen KI-Bias ab. Es gibt auch OSS-Software, die es Datenwissenschaftlern erleichtert, ihre Modelle abzufragen, wie etwa IBMs AI Explainability 360 oder Chris Molnars interpretierbares maschinelles Lernen Werkzeug und Buchen . Diese Tools können zeitbeschränkten Datenwissenschaftlern helfen, die verantwortungsbewusstere KI-Systeme aufbauen möchten, aber unter Druck stehen, Projekte abzuschließen und für Kunden zu liefern. Zwar ist eine stärkere staatliche Aufsicht über KI notwendig, doch sollten politische Entscheidungsträger auch häufiger in Erwägung ziehen, in ethische Open-Source-KI-Software als alternativen Hebel zu investieren, um die Rolle der KI in der Gesellschaft zu verbessern. Die National Science Foundation fördert bereits Forschung in KI-Fairness , aber Förderagenturen und Stiftungen sollten OSS als integralen Bestandteil ethischer KI betrachten und ihre Entwicklung und Einführung weiter finanzieren.



Tod von Edward VII

3. OSS-KI-Tools bringen die Wissenschaft voran

Im Jahr 2007 argumentierte eine Gruppe von Forschern, dass der Mangel an offen verfügbaren algorithmischen Implementierungen ein Haupthindernis für den wissenschaftlichen Fortschritt in einer Papier mit dem Titel The Need for Open Source Software in Machine Learning. Dieses Problem ist heute kaum noch vorstellbar, da es mittlerweile eine Vielzahl von OSS-KI-Tools für wissenschaftliche Entdeckungen gibt. Als Beispiel sei die Open-Source-KI-Software Keras Gebraucht zu Unterkomponenten von mRNA-Molekülen identifizieren und bauen neuronale Schnittstellen um Blinden besser beim Sehen zu helfen. Die OSS-Software erleichtert auch die Reproduzierbarkeit von Forschungen und ermöglicht es Wissenschaftlern, die Ergebnisse des anderen zu überprüfen und zu bestätigen. Selbst kleine Änderungen in der Implementierung eines KI-Algorithmus können zu sehr unterschiedlichen Ergebnissen führen; Die Verwendung von Shared OSS kann diese Quelle der Unsicherheit mindern. Dies erleichtert Wissenschaftlern die kritische Bewertung der Forschungsergebnisse ihrer Kollegen, eine gemeinsame Herausforderung in den vielen Disziplinen, denen sich anhaltende Replikationskrise .



Obwohl OSS-Code heute weitaus häufiger vorkommt, gibt es immer noch Bemühungen um die Erhöhung der Prozentsatz der wissenschaftlichen Arbeiten, die ihren Code öffentlich veröffentlichen – derzeit etwa 50 bis 70 Prozent auf großen Konferenzen für maschinelles Lernen. Politische Entscheidungsträger spielen auch eine Rolle bei der Unterstützung von OSS-Code in den Wissenschaften, indem sie beispielsweise staatlich finanzierte KI-Forschungsprojekte ermutigen, den resultierenden Code öffentlich zu veröffentlichen. Förderagenturen könnten auch erwägen, die laufende Wartung von OSS-KI-Tools zu finanzieren, was für kritische Software oft eine Herausforderung darstellt. Die Chan Zuckerberg Initiative, die kritische OSS-Projekte finanziert, schreibt dass OSS für die moderne wissenschaftliche Forschung von entscheidender Bedeutung ist … aber selbst der am weitesten verbreiteten Forschungssoftware fehlt es an entsprechenden Mitteln.



4. OSS kann den Wettbewerb im Technologiesektor entweder unterstützen oder behindern

OSS hat erhebliche Auswirkungen auf die Wettbewerbspolitik. Einerseits wird durch die öffentliche Veröffentlichung von Code für maschinelles Lernen seine Verwendung erweitert und besser ermöglicht. In vielen Branchen wird dies eine stärkere Einführung von KI mit weniger KI-Talenten ermöglichen – wahrscheinlich ein Nettovorteil für den Wettbewerb. Für Google und Facebook kann die offene Beschaffung ihrer Deep-Learning-Tools (Tensorflow bzw. PyTorch) sie jedoch in ihren bereits gestärkten Positionen weiter verankern. Fast alle Entwickler von Tensorflow und PyTorch sind bei Google und Facebook angestellt, was darauf hindeutet, dass die Unternehmen nicht viel Kontrolle abgeben. Während diese Tools der Öffentlichkeit sicherlich leichter zugänglich sind, ist das oft genannte Ziel der „Demokratisierung“ der Technologie durch OSS in diesem Fall euphemistisch.



wer regierte england nach elizabeth the first

Tensorflow und PyTorch haben sich sowohl in der Industrie als auch in der Wissenschaft zu den gängigsten Deep-Learning-Tools entwickelt, was ihren Muttergesellschaften große Vorteile bringt. Google und Facebook profitieren direkter von der Forschung, die mit ihren Tools durchgeführt wird, da akademische Erkenntnisse nicht in eine andere Sprache oder ein anderes Framework übersetzt werden müssen. Darüber hinaus manifestiert ihre Dominanz eine Pipeline von Datenwissenschaftlern und Machine-Learning-Ingenieuren, die in ihren Systemen geschult sind, und hilft ihnen dabei, sie als führende Unternehmen zu positionieren. Alles in allem sind die Vorteile für Google und Facebook bei der Kontrolle von OSS Deep Learning erheblich und können bis weit in die Zukunft andauern. Dies sollte bei allen Diskussionen über den Wettbewerb im Technologiesektor berücksichtigt werden.

5. OSS erstellt Standard-KI-Standards

OSS AI hat auch wichtige Auswirkungen auf Normungsgremien, wie z IEEE , ISO / JTC , und CEN-CENELEC , die die Industrie und Politik der KI beeinflussen wollen. In anderen Branchen schaffen Normungsgremien oft einen Mehrwert, indem sie bewährte Verfahren verbreiten und interoperable Technologien ermöglichen. In der KI bedeutet die vielfältige Nutzung von Betriebssystemen, Programmiersprachen und Tools jedoch, dass den Herausforderungen der Interoperabilität bereits erhebliche Aufmerksamkeit geschenkt wurde. Darüber hinaus ist die Gemeinschaft der KI-Praktiker eher informell, mit vielen Praktiken und Standards, die über Twitter, Blog-Posts und OSS-Dokumentation verbreitet werden. Die Dominanz von Tensorflow und PyTorch im Teilbereich Deep Learning bedeutet, dass Google und Facebook übergroßen Einfluss haben, den sie möglicherweise nur ungern an die konsensorientierten Normungsgremien abgeben. Bisher haben sich OSS-Entwickler nicht umfassend in die Arbeit der internationalen Normungsgremien eingearbeitet, was ihren Einfluss auf den KI-Bereich erheblich einschränken könnte.

Die KI-Richtlinie ist an Open-Source-Software gebunden

Von der Forschung bis zur Ethik und vom Wettbewerb bis zur Innovation spielt Open-Source-Code eine zentrale Rolle bei der Entwicklung des Einsatzes künstlicher Intelligenz. Dies macht die konsequente Abwesenheit von Open-Source-Entwicklern aus den politischen Diskussionen bemerkenswert, da sie einen maßgeblichen Einfluss und ein sehr spezifisches Wissen über die Richtung der KI ausüben. Die Einbeziehung von mehr OSS-KI-Entwicklern kann KI-Politikern helfen, den Einfluss von OSS bei der Verfolgung einer gerechten und gerechten Entwicklung der KI routinemäßiger zu berücksichtigen.

Wie viele Rettungsboote waren auf der Titanic?