Potenza di calcolo e governance dell'intelligenza artificiale
Computing Power and the Governance of Artificial Intelligence
February 13, 2024
Autori: Girish Sastry, Lennart Heim, Haydn Belfield, Markus Anderljung, Miles Brundage, Julian Hazell, Cullen O'Keefe, Gillian K. Hadfield, Richard Ngo, Konstantin Pilz, George Gor, Emma Bluemke, Sarah Shoker, Janet Egan, Robert F. Trager, Shahar Avin, Adrian Weller, Yoshua Bengio, Diane Coyle
cs.AI
Abstract
La potenza di calcolo, o "compute", è cruciale per lo sviluppo e l'implementazione delle capacità di intelligenza artificiale (AI). Di conseguenza, governi e aziende hanno iniziato a sfruttare il compute come strumento per governare l'AI. Ad esempio, i governi stanno investendo nella capacità di calcolo domestica, controllando il flusso di compute verso paesi concorrenti e sovvenzionando l'accesso al compute per determinati settori. Tuttavia, questi sforzi rappresentano solo una parte di come il compute possa essere utilizzato per governare lo sviluppo e l'implementazione dell'AI. Rispetto ad altri input chiave per l'AI (dati e algoritmi), il compute rilevante per l'AI è un punto di intervento particolarmente efficace: è rilevabile, escludibile e quantificabile, ed è prodotto attraverso una catena di approvvigionamento estremamente concentrata. Queste caratteristiche, insieme all'importanza fondamentale del compute per i modelli di AI all'avanguardia, suggeriscono che governare il compute possa contribuire al raggiungimento di obiettivi politici comuni, come garantire la sicurezza e l'uso benefico dell'AI. Più precisamente, i policymaker potrebbero utilizzare il compute per facilitare la visibilità normativa dell'AI, allocare risorse per promuovere risultati benefici e applicare restrizioni contro lo sviluppo e l'uso irresponsabile o malevolo dell'AI. Tuttavia, sebbene le politiche e le tecnologie basate sul compute abbiano il potenziale di supportare queste aree, vi è una significativa varietà nella loro prontezza per l'implementazione. Alcune idee sono attualmente in fase di sperimentazione, mentre altre sono ostacolate dalla necessità di ricerca fondamentale. Inoltre, approcci ingenui o mal definiti alla governance del compute comportano rischi significativi in aree come la privacy, gli impatti economici e la centralizzazione del potere. Concludiamo suggerendo delle salvaguardie per minimizzare questi rischi derivanti dalla governance del compute.
English
Computing power, or "compute," is crucial for the development and deployment
of artificial intelligence (AI) capabilities. As a result, governments and
companies have started to leverage compute as a means to govern AI. For
example, governments are investing in domestic compute capacity, controlling
the flow of compute to competing countries, and subsidizing compute access to
certain sectors. However, these efforts only scratch the surface of how compute
can be used to govern AI development and deployment. Relative to other key
inputs to AI (data and algorithms), AI-relevant compute is a particularly
effective point of intervention: it is detectable, excludable, and
quantifiable, and is produced via an extremely concentrated supply chain. These
characteristics, alongside the singular importance of compute for cutting-edge
AI models, suggest that governing compute can contribute to achieving common
policy objectives, such as ensuring the safety and beneficial use of AI. More
precisely, policymakers could use compute to facilitate regulatory visibility
of AI, allocate resources to promote beneficial outcomes, and enforce
restrictions against irresponsible or malicious AI development and usage.
However, while compute-based policies and technologies have the potential to
assist in these areas, there is significant variation in their readiness for
implementation. Some ideas are currently being piloted, while others are
hindered by the need for fundamental research. Furthermore, naive or poorly
scoped approaches to compute governance carry significant risks in areas like
privacy, economic impacts, and centralization of power. We end by suggesting
guardrails to minimize these risks from compute governance.