LAION i öppet brev till Europaparlamentet uppmanar till skydd av öppen källkod AI i Europa

LAION (The Large Scale Artificial Intelligence Open Network), och andra välkända forskningsinstitutioner, har publicerat ett öppet brev till Europaparlamentet. Detta brev betonar de oundvikliga negativa konsekvenserna som utkastet till AI-lag kommer att ha på öppen källkods-forskning och utveckling (FoU) inom området artificiell intelligens (AI).

Brevet understryker den väsentliga roll som öppen källkods-FoU spelar för att garantera säkerhet, säkerhet och konkurrenskraft för AI i Europa, samtidigt som det varnar för att hämma sådan banbrytande verksamhet.

Brevet behandlar följande som anges av LAION.

Vikten av öppen källkod AI

Brevet redogör för tre huvudsakliga skäl till varför öppen källkod AI är värd att skydda:

1. Säkerhet genom transparens: Öppen källkod AI främjar säkerhet genom att möjliggöra för forskare och myndigheter att granska modellprestanda, identifiera risker och etablera åtgärder eller motåtgärder.
2. Konkurrens: Öppen källkod AI tillåter små och medelstora företag att bygga på befintliga modeller och driva produktivitet, snarare än att förlita sig på ett fåtal stora företag för viktig teknologi.
3. Säkerhet: Offentliga och privata organisationer kan anpassa öppen källkod modeller för specialiserade tillämpningar utan att dela känslig data med proprietära företag.

Oro för utkastet till AI-lag

Utkastet till AI-lag kan införa nya krav för grundmodeller, vilket kan ha en negativ inverkan på öppen källkods-FoU inom AI. Brevet hävdar att “en storlek passar alla”-regler kommer att kväva öppen källkods-FoU och kan:

• etablera proprietära grindvaktare, ofta stora företag, till nackdel för öppen källkods-forskare och utvecklare
• begränsa akademisk frihet och förhindra att den europeiska forskarsamheten studerar modeller av allmän betydelse
• minska konkurrensen mellan modellleverantörer och driva investeringar i AI utomlands

Rekommendationer för Europaparlamentet

Det öppna brevet lämnar tre nyckelrekommendationer:

1. Säkerställ att öppen källkods-FoU kan följa AI-lagen: Lagen bör främja öppen källkods-FoU och erkänna skillnaderna mellan slutna källkods-AI-modeller som erbjuds som en tjänst och AI-modeller som släpps som öppen källkod. Där det är lämpligt bör lagen undanta öppna källkods-modeller från regler som är avsedda för slutna källkods-modeller.
2. Inför krav som är proportionerliga till risken: Lagen bör införa regler för grundmodeller som är proportionerliga till deras faktiska risk. Ett “en storlek passar alla”-ramverk kan göra det omöjligt att införa lågrisk- och öppen källkods-modeller i Europa.
3. Etablera offentliga forskningsanläggningar för beräkningsresurser: EU bör etablera storskaliga superdatoranläggningar för AI-forskning, vilket möjliggör för den europeiska forskarsamheten att studera öppen källkods-grundmodeller under kontrollerade förhållanden med offentlig tillsyn.

Framtiden för AI i Europa

Brevet avslutas med en uppmaning till Europaparlamentet att överväga de punkter som tagits upp och skapa en lagstiftningsmiljö som stöder öppen källkods-FoU. Detta tillvägagångssätt kommer att främja säkerhet genom transparens, driva innovation och konkurrens, och påskynda utvecklingen av en suverän AI-förmåga i Europa.

Med många ansedda stöd, inklusive European Laboratory for Learning and Intelligent Systems (ELLIS), Pan-European AI Network of Excellence och German AI Association (KI-Bundesverband), fungerar brevet som en kraftfull påminnelse om vikten av att skydda öppen källkod AI för Europas framtid.

Stöd

• European Laboratory for Learning and Intelligent Systems (ELLIS) – Pan-European AI Network of Excellence
• Tyska AI-föreningen (KI-Bundesverband) – Med över 400 företag, det största AI-nätverket i Tyskland
• Prof. Jürgen Schmidhuber: Vetenskaplig ledare för Swiss AI Lab IDSIA (USI & SUPSI), medgrundare och chefsforskare för NNAISENSE, uppfinnare av LSTM-nätverk
• Prof. Sepp Hochreiter: JKU Linz, uppfinnare av LSTM-nätverk
• Prof. Bernhard Schölkopf: Direktör, Max Planck Institute for Intelligent Systems och ELLIS-institutet, Tübingen, Tyskland
• Prof. Serge Belongie: Universitetet i Köpenhamn; direktör, Pioneer Centre for AI
• Prof. Andreas Geiger: Universitetet i Tübingen och Tübingen AI Center
• Prof. Irina Rish: Full professor vid Université de Montréal, Kanada Excellence Research Chair (CERC) i Autonomous AI och Canada CIFAR AI Chair, kärnmedlem i Mila – Quebec AI Institute.
• Prof. Antonio Krüger: VD för det tyska AI-forskningscentret (DFKI) och professor vid Saarlands universitet
• Prof. Kristian Kersting: Full professor vid Tekniska universitetet i Darmstadt och meddirektör, Hessian Center for AI (hessian.AI)
• Jörg Bienert: VD för Tyska AI-föreningen, CPO för Alexander Thamm GmbH
• Patrick Schramowski: Forskare vid det tyska AI-forskningscentret (DFKI) och Hessian Center for AI (hessian.AI)
• Dr. Jenia Jitsev: Lab-ledare vid Juelich Supercomputing Center, Forskningscentrum Juelich, Helmholtz-föreningen, ELLIS-medlem
• Dr. Sampo Pyysalo: Forskningsledare vid Åbo universitet, Finland
• Robin Rombach: Medutvecklare av Stable Diffusion, doktorand vid LMU München
• Prof. Michael Granitzer: Lärstol i datavetenskap vid Passaus universitet, Tyskland och samordnare för OpenWebSearch.eu
• Prof. Dr. Jens Meiler: Leipzig universitet, ScaDS.AI Center for Scalable Data Analytics and Artificial Intelligence
• Prof. Dr. Martin Potthast: Leipzig universitet, ScaDS.AI Center for Scalable Data Analytics and Artificial Intelligence, och OpenWebSearch.EU
• Prof. Dr. Holger Hoos: Alexander von Humboldt-professor i AI vid RWTH Aachen universitet (Tyskland) och professor i maskinlärande vid Universitetet i Leiden (Nederländerna)
• Prof. Dr. Henning Wachsmuth: Lärstol i naturvetenskaplig språkbehandling vid Institutet för artificiell intelligens, Leibniz universitet Hannover
• Prof. Dr. Wil van der Aalst: Alexander von Humboldt-professor i process- och datavetenskap vid RWTH Aachen universitet och chefsforskare vid Celonis
• Prof. Dr. Bastian Leibe: Lärstol i datorseende vid RWTH Aachen universitet (Tyskland)
• Prof. Dr. Martin Grohe: Lärstol i logik och teori för diskreta system, RWTH universitet
• Prof. Ludwig Schmidt: Paul G. Allen School of Computer Science & Engineering, University of Washington
• Dr Morten Irgens: Prorektor, Kristiania, medgrundare och styrelseledamot i CLAIRE (the Confederation of Laboratories of AI Research in Europe), Adra (the AI, Data and Robotics Association) och NORA (the Norwegian AI Research Consortium)
• Prof. Dr. Hector Geffner: Alexander von Humboldt-professor i AI vid RWTH Aachen universitet (Tyskland), och Wallenberg-gästprofessor i AI vid Linköpings universitet, Sverige
• Prof. Dr. Hilde Kuehne: Goethe universitet i Frankfurt (Tyskland), MIT-IBM Watson AI Lab (USA)
• Prof. Gerhard Lakemeyer, Ph.D.: Chef för kunskapsbaserade systemgruppen och ordförande för datavetenskapsavdelningen, RWTH Aachen universitet, Tyskland
• Sebastian Nagel: Crawl Engineer, Common Crawl, Konstanz, Tyskland

Även om de inte officiellt är med på listan över stöd, stöder Unite.AI också detta öppna brev.