Eksperter foreslår, at den mest effektive måde at sikre AI-sikkerhed på kan være at regulere dens "hardware" - de chips og datacentre, eller "compute", der driver AI-teknologier.
Rapporten, som er et samarbejde mellem bemærkelsesværdige institutioner, herunder Center of AI Safety (CAIS), University of Cambridge's Leverhulme Centre for the Future of Intelligence og OpenAI, foreslår et globalt register til at spore AI-chips og fastsætte "compute caps" for at holde F&U afbalanceret på tværs af forskellige nationer og virksomheder.
Denne nye hardwarecentrerede tilgang kan være effektiv på grund af den fysiske karakter af chips og datacentre, hvilket gør dem lettere at regulere end uhåndgribelige data og algoritmer.
Haydn Belfield, en af hovedforfatterne fra University of Cambridge, forklarer computerkraftens rolle i AI R&D og siger: "AI-supercomputere består af titusinder af netværksforbundne AI-chips ... der bruger dusinvis af megawatt strøm."
Den Rapportmed i alt 19 forfattere, herunder "AI-gudfaderen" Yoshio Bengio, fremhæver den kolossale vækst i computerkraft, som AI kræver, og bemærker, at de største modeller nu kræver 350 millioner gange mere computerkraft, end de gjorde for 13 år siden.
Forfatterne hævder, at den eksponentielle stigning i efterspørgslen på AI-hardware giver mulighed for at forhindre centralisering og AI i at komme ud af kontrol. I betragtning af sindssygt strømforbrug i nogle datacentreDet kan også reducere AI's voksende indflydelse på energinettene.
At drage paralleller til nuklear regulering, som andre, herunder OpenAI's CEO Sam Altman, har brugt som eksempel på regulering af AIRapporten foreslår politikker, der skal øge den globale synlighed af AI-computing, fordele computerressourcer til gavn for samfundet og håndhæve restriktioner på computerkraft for at mindske risici.
Professor Diane Coyle, en anden medforfatter, påpeger fordelene ved hardwareovervågning for at opretholde et konkurrencedygtigt marked, at sige"Overvågning af hardware vil i høj grad hjælpe konkurrencemyndighederne med at holde styr på de største teknologivirksomheders markedsstyrke og dermed åbne op for mere innovation og nye aktører.
Belfield indkapsler rapportens hovedbudskab: "At forsøge at regulere AI-modeller, når de implementeres, kan vise sig at være nytteløst, som at jage skygger. De, der søger at etablere AI-regulering, bør se opstrøms til computere, kilden til den kraft, der driver AI-revolutionen."
Multilaterale aftaler som denne kræver et globalt samarbejde, som for atomkraftens vedkommende blev skabt gennem store katastrofer.
En række hændelser førte til oprettelsen af Det Internationale Atomenergiagentur (IAEA) i 1957. Derefter var der nogle få problemer indtil Chornobyl.
Nu kan det tage ti år eller længere at planlægge, godkende og bygge en atomreaktor, fordi processen overvåges nøje ved hvert eneste punkt. Hver eneste del bliver gransket, fordi nationerne i fællesskab forstår risiciene, både individuelt og kollektivt.
Har vi måske også brug for en betydelig katastrofe for at gøre AI-sikkerhedstanker til virkelighed?
Hvad angår regulering af hardware, hvem skal så lede et centralt agentur, der begrænser udbuddet af chips? Hvem skal give mandat til aftalen, og kan den håndhæves?
Og hvordan forhindrer man dem med de stærkeste forsyningskæder i at drage fordel af restriktioner for deres konkurrenter?
Hvad med Rusland, Kina og Mellemøsten?
Det er nemt at begrænse udbuddet af chips, når Kina er afhængig af amerikanske producenter som Nvidia, men sådan vil det ikke altid være. Kina sigter mod at være selvforsynende med hensyn til AI-hardware i dette årti.
Den mere end 100 sider lange rapport giver nogle spor, og det virker som en vej, der er værd at udforske. Det vil kræve mere end overbevisende argumenter at gennemføre en sådan plan.
