Eine Berkeley-Sicht auf die Systemherausforderungen für KI

Mit der zunehmenden Kommodifizierung von Computer Vision, Spracherkennung und maschinellen Übersetzungssystemen sowie der weit verbreiteten Einführung von lernbasierten Backend-Technologien wie digitaler Werbung und intelligenten Infrastrukturen hat sich KI (Künstliche Intelligenz) von Forschungsprojekten in die Produktionsphase bewegt. Diese Veränderungen wurden durch beispiellose Mengen an Daten und Rechenleistung, durch methodische Fortschritte im maschinellen Lernen, durch Innovationen in der Systemsoftware und Architektur sowie durch die breite Zugänglichkeit dieser Technologien ermöglicht. Die nächste Generation von KI-Systemen verspricht, diese Entwicklungen zu beschleunigen und zunehmend unser Leben über häufige Interaktionen zu beeinflussen und (häufig mission-kritische) Entscheidungen in unserem Auftrag zu treffen, oft in stark personalisierten Kontexten. Dieses Versprechen zu verwirklichen, wirft jedoch große Herausforderungen auf. Insbesondere benötigen wir KI-Systeme, die zeitnahe und sichere Entscheidungen in unvorhersehbaren Umgebungen treffen, die robust gegen anspruchsvolle Gegner sind und die immer größere Mengen an Daten über Organisationen und Einzelpersonen verarbeiten können, ohne die Vertraulichkeit zu gefährden. Diese Herausforderungen werden durch das Ende des Moore'schen Gesetzes verschärft, das die Menge an Daten einschränken wird, die diese Technologien speichern und verarbeiten können. In diesem Papier schlagen wir mehrere offene Forschungsrichtungen in den Bereichen Systeme, Architekturen und Sicherheit vor, die diese Herausforderungen angehen und das Potenzial von KI entfalten können, um Leben und Gesellschaft zu verbessern.