Magazin #1 | Sommer 2022
Nachhaltige KI: Zahlen & Fakten
Für den jährlich erscheinenden AI Index Report der Stanford University werden Daten zu KI erhoben, extrahiert und visualisiert. Der Bericht soll zu einem umfassenderen und nuancierteren Verständnis rund um das Thema KI führen. Hier sind einige Daten aus der diesjährigen Ausgabe, die aus der Nachhaltigkeitsperspektive relevant sind.
Wachstum:
Private Investitionen in KI
Die KI-Branche wächst rasant, vor allem die Investitionen in Datenmanagement, -verarbeitung und Clouds. Sie nahmen 2021 im Vergleich zum Vorjahr um mehr als das Zweieinhalbfache zu und lagen bei etwa 4,69 Milliarden US-Dollar. Zwei der vier größten privaten Investitionen flossen 2021 in Datenmanagement- Unternehmen.
Governance:
KI-Gesetzgebung auf Bundesebene in den USA
In den US-amerikanischen Bundesstaaten ist ein starker Anstieg von KI-Gesetzentwürfen zu verzeichnen. Für 2015 ist nur ein Bundesgesetzentwurf dokumentiert, während es 130 im Jahr 2021 waren. Die Zahl der verabschiedeten KI-Gesetze hält nicht mit der wachsenden Menge an KI- Gesetzentwürfen Schritt. 2021 zeigte sich dies besonders deutlich, da nur zwei Prozent der Entwürfe auch als Gesetz verabschiedet wurden.
Vortrainiert:
Kommerziell verfügbare maschinelle Übersetzungssysteme
Das wachsende Interesse an maschinellen Übersetzungen spiegelt sich in der steigenden Zahl an kommerziell verfügbaren maschinellen Übersetzungsdiensten wie Google Translate wider. Seit 2017 hat sich deren Zahl beinahe verfünffacht – während im gleichen Zeitraum nur wenige vortrainierte Modelle eingeführt wurden: die Open-Source- Dienste M2M-100, mBART und OPUS im Jahr 2021.
Diversität:
Women In Machine Learning
Diversität ist ein Schlüsselelement im Kampf gegen Diskriminierung. Die 2006 gegründete Organisation Women in Machine Learning (WiML) arbeitet daran, Frauen im Bereich des Maschinellen Lernens größeren Einfluss zu ermöglichen. Die Daten zeigen, wie viele Teilnehmer*innen die WiML-Workshops im Laufe der Jahre bei der NeurIPS-Konferenz hatten, die eine der wichtigsten auf dem Gebiet von KI und ML ist.
Risiken:
Diskrepanz zwischen Problembewertung und Problembehebung
Es reicht nicht, Risiken von KI zu erkennen, sie müssen auch aktiv angegangen werden. Bislang klafft hier eine Lücke. Zum Beispiel sehen 29 Prozent der befragten Organisationen hinsichtlich der Gleichbehandlung und Fairness ein Risiko darin, KI-System einzusetzen, aber nur 19 Prozent ergreifen bei der Implementierung Maßnahmen, um die Risiken einzudämmen. Auch bei anderen Risiken ist diese Diskrepanz vorhanden.