Die Gewährleistung einer verantwortungsvollen, sicheren und auf den Menschen ausgerichteten Entwicklung der künstlichen Intelligenz ist für die Erschließung ihres enormen sozialen und wirtschaftlichen Potenzials von größter Bedeutung.
KI gilt als die nächste industrielle Revolution und ist im Begriff, fast alles in unserem Leben zu verändern. Doch das Verständnis und die Minderung der Risiken – von denen wir viele noch nicht vollständig verstehen – ist ein äußerst komplexes und schwer zu bewältigendes Thema.
Während sich Regierungen weltweit beeilen, Rahmenbedingungen für die Identifizierung, Einstufung und Bewältigung dieser Risiken zu schaffen, betont Intel, ein weltweit führender Anbieter fortschrittlicher Chiptechnologie, der die KI-Revolution vorantreibt, wie wichtig es ist, das gesamte Ökosystem in den Blick zu nehmen.
Eine Möglichkeit, sicherzustellen, dass diese Technologie zur Förderung gesellschaftlicher Ziele eingesetzt wird, besteht darin, die Sicherheit in die Struktur der Software- und Hardware-Tools zu integrieren, die zur Erstellung neuer KI-Anwendungen verwendet werden.
Indem Sicherheit und ethische Entwicklung in den Mittelpunkt der Produktentwicklung gerückt werden, werden die Risiken im Zusammenhang mit Datenschutz, dem Diebstahl geistigen Eigentums und der Verzerrung der Ergebnisse (Bias) verringert. Dies erfordert mehr als nur technische Fähigkeiten, sagt Intel, es erfordert einen umfassenden Ansatz für Menschen, Prozesse, Datenerfassung und Algorithmen.
Die Risiken von KI werden zunehmend auf globaler Ebene von Regierungen und Industrievertretern diskutiert. Wenn regulatorische Rahmenbedingungen in die Praxis umgesetzt werden, ist es von entscheidender Bedeutung, dass wir darüber nachdenken, wie sie aussehen könnten, und dass wir diese Regeln heute auf die technische Entwicklung anwenden. Wir fragen uns immer, wo die Risiken liegen und wie wir als multinationales Unternehmen unsere Rolle spielen können,” sagte Walter Riviera, Ingenieur für maschinelles Lernen bei Intel.
Um Risiken im Zuge der Weiterentwicklung der KI-Technologien zu identifizieren und zu mindern, hat Intel Beratungsgruppen gebildet, die aus einer Vielzahl von Interessengruppen bestehen, darunter Vertreter der Zivilgesellschaft, Rechtsexperten, Wissenschaftler und Regierungsbeamte. Diese Beratungsgruppen bieten Orientierung in allen Phasen der Produktentwicklung.
“Alle in diesem Bereich bewegen sich schnell. Wir wissen, dass wir kooperativ zusammenarbeiten müssen, um sicherzustellen, dass das explosive Wachstum der KI auf eine Verbesserung der Gesellschaft und der Gemeinschaft ausgerichtet ist. Es geht vor allem um internationale Zusammenarbeit.”
Als wichtiger Akteur in diesem KI-Ökosystem möchten wir den Menschen zeigen, was KI für die Gesellschaft leisten kann, und die Akzeptanz in der gesamten Gesellschaft vorantreiben,” sagte Riviera.
Diese Herangehensweise an die Technologieentwicklung hat auch zu greifbaren Ergebnissen bei der Produktentwicklung in Bereichen wie der vertraulichen Datenverarbeitung geführt, die darauf abzielt, Daten während der Nutzung durch Verschlüsselung, Isolierung und Bescheinigung zu schützen. Dazu gehören siliziumgestützte Sicherheitstechnologien wie Intel® Trust Domain Extensions (Intel® TDX) und Intel® Software Guard Extensions (Intel® SGX).
Zu den Szenarien, in denen diese Funktionen eine entscheidende Rolle spielen können, gehören Datensicherheit und Schutz des geistigen Eigentums, Datenschutz und Compliance, Datenhoheit und -kontrolle sowie vertrauliche KI. Hardware-gestützte Sicherheit erhöht den Schutz und ermöglicht es dem Ökosystem, sich besser gegen sich entwickelnde und moderne Cybersecurity-Bedrohungen zu schützen.
Föderales Lernen: die Vorteile nutzen und gleichzeitig die Privatsphäre schützen
Während generative KI (große Sprachmodelle) wie ChatGPT stark im Fokus steht, gibt es viele andere Möglichkeiten, maschinelles Lernen zu trainieren und einzusetzen, um die Ergebnisse in Branchen wie dem Gesundheitswesen zu verbessern.
Im Jahr 2022 arbeitete Intel Labs mit der Perelman School of Medicine der University of Pennsylvania zusammen, um eine Technik des maschinellen Lernens namens föderales Lernen (Federated Learning) anzuwenden, mit dem Ziel die Geschwindigkeit und Genauigkeit der Hirntumordiagnose zu verbessern.
Der mit Gesundheitsdaten aus aller Welt trainierte Algorithmus konnte die Erkennung bösartiger Hirntumore um 33 Prozent verbessern. Es handelte sich um die bisher größte medizinische Studie, die mithilfe von föderalem Lernen durchgeführt wurde, mit einem globalen Datensatz, der von 71 Institutionen auf sechs Kontinenten untersucht wurde.
Aber was ist föderales Lernen und wie lässt sich dieser Ansatz auf maschinelles Lernen anwenden?
Föderales Lernen ist ein Ansatz für maschinelles Lernen, der das Problem des Datenzugriffs löst, beispielsweise, wenn Daten geschützt oder an einem entfernten Ort gespeichert sind, an dem sie nicht heruntergeladen werden können.
Diese Technik kann Daten aus mehreren unabhängigen Quellen nutzen, ohne dass die Eigentümer der Daten, in diesem Fall Krankenhäuser, diese exportieren oder teilen müssen. Dieser Ansatz schützt die Privatsphäre und das Eigentum an Patientendaten aller 71 Einrichtungen.
Föderale Lerntechniken bieten der Gesellschaft neue Lösungen für komplexe Probleme. Die Maschinen behandeln die Datensätze als eigenständige Datensätze, sodass das rechtliche Eigentum weiterhin beim Mitwirkenden verbleibt. Dies unterscheidet sich von herkömmlichen Methoden der Datenverwaltung, bei denen Datensätze zusammengeführt werden, und das ist ein sehr wichtiger Unterschied,” sagte Riviera.
“Es ist bemerkenswert, die Datenschutzgesetze einzuhalten und gleichzeitig die Leistungsfähigkeit der KI mit riesigen Datensätzen zu erschließen – und obwohl wir über Sicherheit und Regulierung sprechen müssen, brauchen wir gleichzeitig Branchen, die von KI profitieren können, um zu verstehen, was Anwendungen sicher leisten können.”
Diese Technik ist bei Finanzinstituten bereits im Einsatz und wird eine wichtige Rolle für intelligente Umgebungen und Smart Citys spielen.”
Interne Regelung der Technologie: Intel-Prozessoren und Datenschutz
Die Erstellung von Roadmaps und die Festlegung klarer Standards in der Produktentwicklung, nicht nur für den Schutz von Daten, sondern auch für geistiges Eigentum, sind ein zentraler Bestandteil der Sicherheitsstrategie von Intel.
Laut Intel ist es von entscheidender Bedeutung, Beratungsgremien mit einer Vielzahl von Interessengruppen einzurichten, um diese Standards zu entwickeln und gleichzeitig von internationalen Standards und anderen KI-Ökosystemen zu lernen und regulatorische Anforderungen zu antizipieren.
Wir hören uns Fragen rund um die Sicherheit in der KI an und versuchen, diese bei der Entwicklung unserer Produkte in technische Sprache umzusetzen. Außerdem glauben wir an eine vielfältige Zusammenarbeit mit externen Partnern und Rechtsberatung für jedes KI-Projekt, um einen ganzheitlichen Blick auf die Governance zu gewährleisten.”
Die hochmoderne Hardware von Intel kann bei den verschiedenen Schritten einer KI-Pipeline helfen. Die skalierbaren Intel Xeon Prozessoren enthalten beispielsweise Funktionen wie Intel® Advanced Matrix Extensions (Intel® AMX) zur Beschleunigung von KI-Arbeitslasten für Training und Inferenz. Intel® Data Center GPU Max Series für KI-Training, HPC und Grafik-Workloads oder die Intel® Data Center GPU Flex Series, ideal für Medienverarbeitung, Cloud-Gaming oder visuelle KI-Inferenz und virtuelle Desktop-Infrastruktur.
Der auf Deep Learning ausgerichtete Intel Gaudi AI Accelerator ist ideal für generative KI-Workloads, wie der zweifache Leistungssprung auf GPT-3 mit FP8-Softwareanpassung für Stable Diffusion - ein Deep-Learning-Text-zu-Bild-Generator - beweist. Er verfügt über eine enorme Rechenleistung und wird von einigen der größten KI-Entwickler eingesetzt.
Da immer mehr namhafte Unternehmen Intel-Prozessoren für KI einsetzen, werden die Überprüfung und der Schutz der Integrität, Vertraulichkeit und Authentizität der Daten ebenso wichtig wie die technischen Fähigkeiten der Prozessoren.
Wir denken darüber nach, wie wir die von KI verarbeiteten Daten schützen können. Dazu gehören Bedrohungen für die sensibelsten Daten, die sich ständig weiterentwickeln und Risiken für Unternehmen, Regierungsorganisationen und Cloud-Anbieter darstellen.”
“Sicherzustellen, dass in jeder Phase hardware- und softwarebasierte Sicherheitslösungen für Cloud- und Unternehmensumgebungen integriert sind, ist kritisch, da jeder in der Wertschöpfungskette für die faire Nutzung von KI verantwortlich ist.”
Globale Zusammenarbeit bei der langfristigen Gestaltung von KI
Da sich künstliche Intelligenz weiterhin auf alle Branchen weltweit auswirkt, wird die Notwendigkeit, zusammenzuarbeiten und sich auf Risikofaktoren und Möglichkeiten zur Bewältigung dieser Risiken zu einigen, nur noch zunehmen.
Genauso wichtig ist jedoch die Forderung, mehr Anwendungsfälle und Applikationen zu entwickeln, die allen Ebenen der Gesellschaft wirtschaftlich und sozial zugutekommen. Dies gilt für führende Akteure der KI-Technologie wie die USA, Europa und China, aber auch für Entwicklungsländer in Afrika und Lateinamerika.
“Die Möglichkeiten für KI sind endlos. Es geht um verantwortungsvolle Innovation und den Aufbau der richtigen Regulierung bei jedem Schritt. Transparenz ist wirklich wichtig und ich denke, dass die Hauptakteure wie Regierungen, Denkfabriken und die Industrie das verstehen.”
Je mehr Beispiele es für den guten und sicheren Einsatz von KI es gibt, desto häufiger werden wir sehen, dass die Industrie – nicht nur große Unternehmen, sondern auch KMU und die Zivilgesellschaft – wirklich das Beste daraus macht und eine Zukunft schafft, in der wir alle leben wollen.”