sharing is caring
ist wirklich so!
Vielen Dank fürs Teilen!
handverlesenswert
Kluge Köpfe filtern für dich relevante Beiträge aus dem Netz.
Entdecke handverlesene Artikel, Videos und Audios zu deinen Themen.
Du befindest dich im Kanal:
AI-Regulierung tritt in ihre heiße Phase
Grafik-Designer, Blogger, Memetiker | goodinternet.substack.com
picker für: Technologie und Gesellschaft Medien und Gesellschaft Klima und Wandel
Irgendwas mit Medien seit 1996, Typograph, Grafiker, Blogger. Ask me anything.
Die Bemühungen um AI-Regulation treten derzeit offensichtlich in ihre heiße Phase: US-Präsident Joe Biden unterzeichnete vor wenigen Tagen eine Anordnung zur sicheren Entwicklung künstlicher Intelligenz, die G7 haben einen internationalen Verhaltenskodex für Organisationen angekündigt, die fortschrittliche KI-Systeme entwickeln, die EU finalisiert derzeit ihren AI-Act, und 28 Staaten, inklusive China, unterzeichneten am ersten Tag des AI Safety Summit der britischen Regierung die sogenannte Bletchley-Erklärung.
In meinem Newsletter habe ich aufgeschrieben, warum ich diese, für Verhältnisse des politischen Parketts durchaus schnelle Entwicklung gutheiße und das Open Sourcing von AI-Technologie sehr kritisch betrachte.
Large Language Models sind automatisierte Wissens-Interpolatoren, die jedes Muster in ihren Trainingsdaten auf jede nur erdenkliche Art transformieren und ausgeben können. Ein Large Language Model enthält deshalb nicht nur alle Informationen zu, sagen wir mal, einzelnen chemischen Reaktionen, sondern auch alle Variationen zwischen diesen Reaktionen. Deshalb kann ich mit einem unzensierten Large Language Model problemlos eine Bombenbauanleitung produzieren, die im Latent Space bereits enthalten ist. Und das trifft nicht nur auf chemische Reaktionen und Bomben zu, sondern jegliches Wissen, auf das AI-Systeme trainiert wurden.
Die Interpolation von Wissen kann dazu benutzt werden, um neue Bilder aus den Trainingsdaten von Stable Diffusion zu generieren, in denen sich die unterschiedlichsten Stilrichtungen und Motive zu nie gesehenen Welten in einem neuen Output vereine. Dasselbe Prinzip angewendet auf Biologie wiederum bietet Hackern die Möglichkeit, bislang unbekannte Pathogene mit Hilfe von spezialisierten Open Source-LLMs zu finden und in DIY-Biolaboren herzustellen. Ich möchte nicht in der Nähe sein, wenn dies geschieht.
Deshalb denke ich, dass das Open Source-Paradigma im Zeitalter der künstlichen Intelligenz kein geeigneter Ansatz ist, um Sicherheit und Verantwortlichkeit zu garantieren und eine Lösung gefunden werden muss, die irgendwo zwischen "Offener Entwicklung und frei zugänglichem Code auf Github" und "AI-Entwicklung in abgeschlossenen Laboratoren großer Unternehmen" gefunden werden muss.
Quelle: Sharon Goldman Bild: Venture Beat EN venturebeat.com
Bleib immer informiert! Hier gibt's den Kanal Medien und Gesellschaft als Newsletter.
AntennaPod
Podcast Addict
Downcast
Instacast
Apple Podcasts
PodGrasp
gPodder
Pocket Casts
Ich glaube nicht, dass die Sicherheitsversprechen von proprietärer Software jemals funktioniert haben. Und ich denke auch nicht, dass das bei künftiger Software bzw. trainierten Modellen anders ist. Bei Open Source hast du wenigstens eine Chance, zu erkennen, was schief läuft. (Ich glaube aber auch nicht, dass es unter den gegenwärtigen wirtschaftlichen und politischen Rahmenbedingungen realistisch ist, dass wir an irgend einer Stelle großflächig auf Open Source umstellen.)
Außerdem sei angemerkt, dass "Open Source" bei diesen Modellen ja gar nicht im herkömmlichen Sinne funktioniert - man kann zwar Code offenlegen, klar, aber auch die Entwickelnden wissen ja nicht, was das Modell wirklich "gelernt" hat; und man kann es nicht debuggen, nur neu- oder nachtrainieren. Daher müsste man vielleicht erstmal definieren, was mit "Open Source" hier gemeint ist.
Als wenn technische Entwicklung sich regulieren ließe.... Der Traum jedes Faschismus!?
Aufklärung über mögliche Folgen tut Not bei allen, die glauben, sie könnten die Welt in ihrem Sinn verändern.
Bedenke bei allem Tun das letzte Ergebnis...