Die Forschung und Entwicklung im Bereich der künstlichen Intelligenz (AI) erlebt derzeit einen fundamentalen Wandel, der durch das wachsende Engagement der Industrie geprägt ist. Lange Zeit war die akademische Welt das Herzstück der Grundlagenforschung und Ausbildung im Bereich AI. Gleichzeitig konzentrierte sich die Industrie auf angewandte Forschung und Kommerzialisierung. Doch diese traditionelle Rollenverteilung verschiebt sich zunehmend zugunsten der Unternehmen.
Heutige fortschrittliche AI-Systeme erfordern große Datenmengen, immense Rechenkapazitäten und umfangreiche finanzielle Mittel. Diese Ressourcen sind in der Industrie weitaus verfügbarer als in der akademischen Welt und bei gemeinnützigen Organisationen. So hat sich die AI-Forschung, die ursprünglich von akademischen Einrichtungen dominiert wurde, in die Hände der Industrie verlagert.
Laut einem Bericht von Stanford aus dem Jahr 2021 liegt ein Grund für diese Verschiebung in der Verfügbarkeit erschwinglicher Cloud-Computing-Dienste, Open-Source-Bibliotheken und vortrainierter Modelle, die universitäre Forscher dazu bewegen, kommerzielle Anwendungen zu verfolgen. Während dies die Lösung realer Probleme beschleunigt, befürchten Kritiker, dass die angewandte Forschung langfristige Innovationen ersticken und einseitig zugunsten von Unternehmensinteressen ausfallen könnte.
Eine aktuelle Studie von 2023 im Fachjournal Science zeigt, dass heute 70% der Spitzenkräfte mit einem PhD im Bereich AI in die Industrie wechseln, verglichen mit nur 20% vor zwanzig Jahren. Die Zahl der AI-Forschungskräfte an Universitäten stagniert, während die Einstellung in der Industrie seit 2006 um das Achtfache gestiegen ist. Dies ist auch darauf zurückzuführen, dass die Modelle der Industrie erheblich größer und leistungsfähiger sind.
Im Jahr 2021 beliefen sich die Fördergelder der US-Regierungsbehörden für akademische AI-Forschung auf insgesamt 1,5 Milliarden Dollar. Im Vergleich dazu gab Google denselben Betrag für ein einziges Projekt in einem Jahr aus. Heutzutage werden 96% der größten AI-Modelle in der Industrie entwickelt, und 91% der führenden Benchmarks stammen von dort. Auch die Zahl der veröffentlichten Arbeiten mit Industrie-Koautoren hat sich seit dem Jahr 2000 fast verdoppelt.
Trotz dieser Dominanz der Industrie gibt es positive Beispiele für akademische Innovationen, die in der realen Welt erfolgreich sind, wie etwa die Sprachlern-App Duolingo. Experten wie der renommierte MIT-Professor Frédo Durand betonen, dass die akademische Welt innovativ bleiben kann, indem sie unkonventionelle Ansätze verfolgt, offen teilt und ihre Begeisterung für das Fach bewahrt.
Er schlägt vor, die Finanzierung durch staatliche Fördermittel zu erhöhen, gemeinsame Forschungsinfrastrukturen zu nutzen und Strategien zu entwickeln, um Spitzenkräfte im akademischen Bereich zu halten. Während die Industrie den AI-Markt dominiert, könnten solche Maßnahmen und Kooperationen zwischen Industrie und Wissenschaft bessere Ergebnisse erzielen. Die Entwicklung im Bereich AI bleibt sicherlich ein spannendes Thema.