Auf dem Weg zu einer transparenten KI-Zukunft

Die Forderung nach weniger regulatorischen Hürden für quelloffene KI in Europa

Im Anschluss an unseren offenen Brief an das Europäische Parlament über die Bedeutung von Open-Source-KI, präsentiert LAION, unterstützt vom European Laboratory for Learning and Intelligent Systems (ELLIS) und einer langen Liste von sehr einflussreichen KI-Forschern, diesen neuen offenen Brief an das Europäische Parlament:

https://laion.ai/documents/transparent-ai-eu-ai-act.pdf

Warum Open Source der Goldstandard für KI-Sicherheit ist

Die Transparenz von Open-Source-KI ist ihre Stärke. Sie gewährleistet eine Robustheit und Sicherheit, die von geschlossenen Systemen nicht erreicht werden kann. Und warum? Open-Source-KI profitiert von der genauen Prüfung durch die globale Community, so dass Schwachstellen sofort erkannt und behoben werden können. Als Parallele können wir das Betriebssystem Linux heranziehen, das aufgrund seines Open-Source-Charakters ein Musterbeispiel für Sicherheit und Robustheit ist.

Redundanz bekämpfen und Nachhaltigkeit erhalten

Da die Umweltauswirkungen des massiven Einsatzes künstlicher Intelligenz zu einem großen Problem geworden sind, haben Open-Source-Modelle einen klaren Weg in die Zukunft aufgezeigt. Durch die Minimierung von redundantem Training reduzieren sie den Rechen- und Energieaufwand und spiegeln damit das Engagement für eine nachhaltige Zukunft wider.

Sicherung der wissenschaftlichen Reproduzierbarkeit

Reproduzierbarkeit und Validierung sind von zentraler Bedeutung für die wissenschaftliche Glaubwürdigkeit. Mit quelloffenen KI-Modellen sind die Ergebnisse für das gesamte globale Forschungsspektrum transparent und überprüfbar. Da KI Sektoren vom Gesundheitswesen bis zum Finanzwesen durchdringt, gewährleistet diese Reproduzierbarkeit zuverlässige und vertrauenswürdige Ergebnisse und untermauert die unverzichtbare Rolle von Open-Source-Stiftungen.

Katalysator für Innovation

Open-Source-KI hat entscheidend zur Angleichung der Wettbewerbsbedingungen beigetragen. Kleine und mittlere Unternehmen können nun bestehende Modelle optimieren und so Innovationen vorantreiben, ohne die Kosten einer Neuentwicklung tragen zu müssen. Wenn Europa seine klügsten Köpfe halten will, ist die Gewährleistung des ungehinderten Zugangs zu diesen Ressourcen nicht verhandelbar.
Regulierung der Nutzung, nicht der Innovation

Die Forderung von LAION und seinen Unterstützern ist klar: Die Regulierung sollte sich auf die Anwendungen von KI konzentrieren, nicht auf die Basistechnologie. Auf diese Weise wird die EU Innovation fördern und gleichzeitig sicherstellen, dass die realen Anwendungen von KI ethisch vertretbar und sicher sind und den europäischen Werten entsprechen.

Anreize für das Open-Source-Paradigma schaffen

Die vielleicht wichtigste Empfehlung des neuen Schreibens ist die Förderung von Open-Source-KI. Dies ist eine Win-Win-Situation. Unternehmen können grundlegende Modelle als Open Source veröffentlichen und sich die Eigentumsrechte an fein abgestimmten Versionen vorbehalten. Auf diese Weise wird sichergestellt, dass die Allgemeinheit von den Basismodellen profitiert, während die kommerzielle Wettbewerbsfähigkeit intakt bleibt.

Der europäische Weg zur KI

Die europäische Souveränität im Bereich der KI ist von entscheidender Bedeutung, und die quelloffene KI-Forschung ist der Schlüssel zur Bewältigung von Herausforderungen, die von der Gesundheitsfürsorge bis zum Klimawandel reichen. Die im Brief skizzierte Zukunft sieht ein Europa an der Spitze der KI-Forschung, das sich für Transparenz, Sicherheit und Nachhaltigkeit einsetzt.

Empfehlungen an das EU Parlament zum EU AI Act

Zusammenfassung

Open-Source-KI-Modelle bieten mehr Sicherheit, Nachvollziehbarkeit und Robustheit aufgrund ihrer Transparenz und der umfassenden Kontrolle durch die Community. Sie fördern die ökologische Nachhaltigkeit durch die Minimierung redundanter Ausbildung und dienen als Katalysator für Innovationen, insbesondere für kleine und mittlere Unternehmen. Um diese vielfältigen Vorteile zu nutzen und die europäische Souveränität im Bereich der KI zu wahren, wird dem Europäischen Parlament empfohlen, Anreize für die Veröffentlichung von KI-Modellen auf Open-Source-Basis zu schaffen.

An die Mitglieder des EU-Parlaments

Open-Source-KI-Modelle, einschließlich grundlegender Modelle, stellen ein Paradigma dar, das erhebliche Vorteile für die Industrie, die Forschung und die Gesellschaft im Allgemeinen mit sich bringt. Im Gegensatz dazu bietet die Closed-Source-Alternative keine dauerhafte Lösung für die Herausforderungen, die sich aus der hochdynamischen Entwicklung der KI mit ihrer schnellen Neuimplementierung bestehender Ansätze ergeben. Ziel dieses Memos ist es, die zentralen Argumente für Open-Source-Modelle darzulegen und eine entsprechende regulatorische Positionierung zu empfehlen.

1) Wissenschaftliche und technologische Reproduzierbarkeit

Der Aspekt der wissenschaftlichen Reproduzierbarkeit und Validierbarkeit, den Open-Source-Grundlagenmodelle und die entsprechenden offenen Datensätze bieten, ist von entscheidender Bedeutung. Untersuchungen und Experimente mit Open-Source-Grundlagenmodellen sind reproduzierbar und können von einer breiten Forschungsgemeinschaft durchgeführt werden, um alle Behauptungen über ihre Eigenschaften und Funktionen zu überprüfen. Diese Reproduzierbarkeit, die bei Closed-Source-Modellen nicht gegeben ist, sichert wissenschaftliche Standards im Umgang mit Gründungsmodellen, was für einen transparenten wissenschaftlichen und technologischen Fortschritt von entscheidender Bedeutung ist.

2) Transparenz und Sicherheit

Open-Source-KI-Modelle sind aufgrund ihrer Zugänglichkeit und Transparenz von Natur aus sicherer als Closed-Source-Modelle. Der kollaborative Charakter von Open Source bedeutet, dass eine größere Gemeinschaft Schwachstellen erkennen und beheben kann, was die allgemeine Sicherheit und Robustheit des Modells erhöht. Darüber hinaus gewährleisten die in der Open-Source-Gemeinschaft etablierten Prozesse, wie z. B. das robuste und sichere Betriebssystem Linux, eine strenge Überwachung und kontinuierliche Verbesserung. Im Gegensatz dazu ist der Umfang der Überwachung bei Closed-Source-Modellen begrenzt, was ihre Anfälligkeit erhöhen kann.

3) Nachhaltigkeit und Umweltverträglichkeit

Open-Source-Modelle fördern die ökologische Nachhaltigkeit, indem sie überflüssige Trainingsläufe vermeiden. Die Wiederholung ähnlicher Funktionen in verschiedenen Closed-Source-Modellen verbraucht enorme Mengen an Rechen- und Energieressourcen. Durch die Bereitstellung der Basismodelle als Open Source wird dieser doppelte Aufwand vermieden und somit Rechenressourcen und Energie gespart.

4) Innovation und Zugang

Open-Source-Basismodelle sind ein Sprungbrett für Innovationen, insbesondere für kleine und mittlere Unternehmen. Die Verfeinerung dieser Modelle, die kostengünstiger ist als die Entwicklung von Grund auf, ermöglicht es kleineren Einheiten, Innovationen voranzutreiben. Ein beschränkter Zugang zu Datensätzen und Modellen kann Innovationen behindern und Forscher und Organisationen dazu veranlassen, Europa zu verlassen.

5) Europäische Souveränität und globale Herausforderungen

Ein günstiges Umfeld für die KI-Forschung mit quelloffenen KI-Modellen und deren Entwicklung ist entscheidend für die Wahrung der europäischen Souveränität im Bereich der KI. Die quelloffene KI-Forschung hat das Potenzial, globale Herausforderungen – vom Gesundheitswesen bis zum Klimawandel – zu bewältigen.

6) Empfehlung für Anreize

Um ein Gleichgewicht zwischen kommerziellen Interessen und gesellschaftlichem Nutzen herzustellen, empfehlen wir, Anreize für Unternehmen zu schaffen, ihre Basismodelle als Open Source zu veröffentlichen, während sie die Eigentumsrechte an fein abgestimmten, branchenspezifischen Versionen behalten können. Dadurch wird ein breiterer Zugang zu den Basismodellen gewährleistet, ohne die kommerzielle Wettbewerbsfähigkeit zu beeinträchtigen. Die Nutzung bewährter Strategien wie „Open Core“- und „Freemium“-Modelle könnte einen praktischen Fahrplan darstellen. Da viele Basismodelle auf öffentlichen Daten basieren, ist es auch eine moralische Verpflichtung, sie quelloffen zu halten.

Angesichts der oben genannten Vorteile von Open-Source-KI-Modellen, insbesondere im Hinblick auf Sicherheit, Nachhaltigkeit und Innovationsförderung, wird ein Regulierungsansatz empfohlen, der Open-Source-Modelle (Grundlagen) gegenüber Closed-Source-Modellen klar bevorzugt. Es ist zwingend erforderlich, dass sich die Regulierung in erster Linie auf die tatsächlichen Anwendungen konzentriert, die auf diesen Modellen basieren, und nicht auf die Open-Source-Modelle (Fundamente) selbst. Diese Strategie fördert nicht nur den technologischen Fortschritt in Europa, sondern stellt auch die Weichen für ein ethisches und nachhaltiges Wachstum und fördert ein Entwicklungsparadigma, das sowohl innovativ als auch verantwortungsvoll ist.

Generell halten wir es auch für sehr wichtig, sich auf die Regulierung des Einsatzes von KI-Technologie zu konzentrieren und nicht auf die Regulierung der KI-Algorithmen selbst.

Mit freundlichen Grüßen
LAION e.V.

Unterstützer

Name	Beschreibung
Vorstand des European Laboratory for Learning and Intelligent Systems (ELLIS): Serge Belongie, Nicolò Cesa-Bianchi, Florence d’Alché-Buc, Nada Lavrac, Neil D. Lawrence, Nuria Oliver, Bernhard Schölkopf, Josef Sivic, Sepp Hochreiter	European Laboratory for Learning and Intelligent Systems (ellis.eu)
Jürgen Schmidhuber	Prof. Jürgen Schmidhuber : Wissenschaftlicher Direktor des Schweizer KI-Labors IDSIA (USI & SUPSI), Mitbegründer & leitender Wissenschaftler von NNAISENSE, Erfinder der LSTM-Netze
Kristian Kersting	Ordentlicher Professor an der Technischen Universität Darmstadt, Co-Direktor des Hessischen Zentrums für Künstliche Intelligenz (hessian.AI) und Mitglied des Deutschen Zentrums für Künstliche Intelligenz (DFKI)
Björn Ommer	Ordentlicher Professor und Leiter der Computer Vision & Learning Group an der Ludwig-Maximilians-Universität München
Hilde Kuehne	Professorin, Institut für Informatik II, Leiterin der Abteilung Multimodales Lernen, Universität Bonn
Mira Mezini	Professorin für Informatik an der Technischen Universität Darmstadt, Co-Direktorin des Hessischen Zentrums für KI (hessian.AI)
Patrick Schramowski	Senior Researcher am Deutschen Zentrum für Künstliche Intelligenz (DFKI) und am Hessischen Zentrum für KI (hessian.AI)
Jenia Jitsev	Senior Researcher und Laborleiter am Jülich Supercomputing Center, Forschungszentrum Jülich. Wissenschaftlicher Leiter und Mitbegründer von LAION; Mitglied des European Laboratory for Learning and Intelligent Systems (ELLIS).
Dominik L. Michels	Ordinarius für Intelligente Algorithmen in Modellierung und Simulation an der Technischen Universität Darmstadt
Tim Dettmers	Doktorand an der University of Washington. Schöpfer der bitsandbytes Bibliothek.
Mark Schutera	Doktorand am Karlsruher Institut für Technologie im Bereich Unüberwachtes Deep Learning für kognitive Wahrnehmungssysteme.
Andreas Hochlehnert	Doktorand, Universität Tübingen, Internationale Max-Planck-Forschungsschule für Intelligente Systeme (IMPRS-IS)
Christoph Schuhmann	Organisatorischer Leiter & Mitbegründer des Large-scale AI Open Network (LAION), Neurips 2022 Outstanding Paper Award & Falling Walls Breakthrough of the Year 2023 Award Winner
Robert Kaczmarczyk	Medizinischer Leiter & Mitbegründer des Large-scale AI Open Network (LAION), Neurips 2022 Outstanding Paper Award & Falling Walls Breakthrough of the Year 2023 Award Winner

Zurück zur Übersicht