Rekenkracht en het bestuur van kunstmatige intelligentie
Computing Power and the Governance of Artificial Intelligence
February 13, 2024
Auteurs: 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
Samenvatting
Rekenkracht, of "compute", is cruciaal voor de ontwikkeling en implementatie van kunstmatige intelligentie (AI)-mogelijkheden. Als gevolg daarvan zijn overheden en bedrijven begonnen met het inzetten van rekenkracht als middel om AI te reguleren. Overheden investeren bijvoorbeeld in binnenlandse rekenkracht, controleren de stroom van rekenkracht naar concurrerende landen en subsidiëren toegang tot rekenkracht voor bepaalde sectoren. Deze inspanningen geven echter slechts een beperkt beeld van hoe rekenkracht kan worden gebruikt om de ontwikkeling en implementatie van AI te reguleren. In vergelijking met andere belangrijke inputs voor AI (data en algoritmen) is AI-relevante rekenkracht een bijzonder effectief interventiepunt: het is detecteerbaar, uitsluitbaar en kwantificeerbaar, en wordt geproduceerd via een uiterst geconcentreerde toeleveringsketen. Deze kenmerken, samen met het unieke belang van rekenkracht voor state-of-the-art AI-modellen, suggereren dat het reguleren van rekenkracht kan bijdragen aan het bereiken van gemeenschappelijke beleidsdoelen, zoals het waarborgen van de veiligheid en het nuttige gebruik van AI. Meer specifiek kunnen beleidsmakers rekenkracht gebruiken om de regelgevende zichtbaarheid van AI te vergemakkelijken, middelen toe te wijzen om gunstige resultaten te bevorderen en beperkingen af te dwingen tegen onverantwoordelijke of kwaadwillige AI-ontwikkeling en -gebruik. Hoewel op rekenkracht gebaseerde beleidsmaatregelen en technologieën potentieel hebben om op deze gebieden te helpen, is er aanzienlijke variatie in hun gereedheid voor implementatie. Sommige ideeën worden momenteel getest, terwijl andere worden belemmerd door de noodzaak van fundamenteel onderzoek. Bovendien brengen naïeve of slecht afgebakende benaderingen van rekenkrachtregulering aanzienlijke risico's met zich mee op gebieden zoals privacy, economische gevolgen en centralisatie van macht. We sluiten af met het suggereren van waarborgen om deze risico's van rekenkrachtregulering te minimaliseren.
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.