Die Regulierung von KI könnte den Ausgang des KI-Rennens verändern
Eine neue wirtschaftliche Studie argumentiert, dass das bestehende regulatorische Denken schlecht geeignet ist für die aufkommende Struktur der KI-Industrie, in der mächtige Entwickler von Grundmodellen und Anwendungsfirmen innerhalb einer eng verbundenen Lieferkette operieren. Die Forschung hebt hervor, wie politische Entscheidungen, die den Wettbewerb, die Rechenressourcen und die Preisdynamik beeinflussen, nicht nur die Unternehmensgewinne, sondern auch das Wohl der Verbraucher gestalten können.
Die Wirtschaft der KI-Lieferkette
Die Entwicklung von KI dreht sich zunehmend um Grundmodelle, massive neuronale Netzwerke, die auf riesigen Datensätzen trainiert werden und eine Vielzahl von Aufgaben erfüllen können, darunter die Verarbeitung natürlicher Sprache und logisches Denken. Diese Modelle bilden das technologische Rückgrat moderner KI-Produkte, sind jedoch extrem kostspielig in der Entwicklung und Wartung. Das Training eines Modells in der Größenordnung von GPT-4 kann mehr als 100 Millionen Dollar kosten, was es für die meisten Organisationen unpraktisch macht, eigene Modelle zu entwickeln.
Wegen dieser hohen Kosten hat sich die KI-Industrie zu einer vertikal strukturierten Lieferkette entwickelt. In diesem Ökosystem bauen große Technologieunternehmen Grundmodelle, während nachgelagerte Firmen diese für spezialisierte Anwendungen anpassen, beispielsweise für rechtliche Recherchewerkzeuge oder medizinische Assistenzsysteme.
Der zentrale Mechanismus, der diese Struktur ermöglicht, ist das Fine-Tuning, ein Prozess, durch den nachgelagerte Firmen ein Grundmodell mithilfe von domänenspezifischen Daten neu trainieren. Dieser Schritt erlaubt es Unternehmen, allgemeine KI-Systeme an die Anforderungen spezifischer Branchen oder Aufgaben anzupassen.
Konkurrenzpolitik und Verbraucherwohl
Regulierungsbehörden versuchen oft, den Wettbewerb zu fördern, indem sie die Preistransparenz verbessern oder Unternehmen dazu verpflichten, genaue Informationen über die Produktleistung offenzulegen. Die Forscher identifizieren zwei Hauptkategorien von politischen Interventionen: Preiswettbewerbspolitiken und Qualitätswettbewerbspolitiken.
Die Politik zur Förderung des Preiswettbewerbs konzentriert sich darauf, die Preistransparenz zu verbessern und es den Verbrauchern zu erleichtern, Produkte zu vergleichen. Beispiele sind Vorschriften, die Unternehmen dazu verpflichten, vollständige Preisinformationen im Voraus anzuzeigen oder versteckte Gebühren zu verbieten. In der Theorie sollten solche Politiken die Preise senken und das Verbraucherwohl steigern.
Die Studie zeigt jedoch, dass das Ergebnis in KI-Lieferketten komplexer ist. Wenn der Wettbewerb intensiver wird und Firmen die Preise senken, kann ihr Anreiz, in die Verbesserung von Modellen zu investieren, abnehmen. Da die Verbesserung von KI-Produkten kostspielige Datenaufbereitung und Fine-Tuning erfordert, könnten niedrigere Gewinnmargen die Unternehmen davon abhalten, in Qualitätsverbesserungen zu investieren.
Compute-Subventionen und die Wirtschaft der KI-Infrastruktur
Die Studie untersucht ein zweites regulatorisches Instrument, das bei Regierungen an Beliebtheit gewinnt: Compute-Subventionen. Mehrere Länder und regionale Regierungen haben begonnen, den Zugang zu Recheninfrastruktur für das Training von KI zu subventionieren. Die Forscher analysieren, wie solche Subventionen die KI-Lieferkette beeinflussen, und finden heraus, dass sie im Allgemeinen das Verbraucherwohl erhöhen.
Wenn die Kosten für das Rechnen sinken, verändert sich die Effektivität verschiedener regulatorischer Politiken. Die Forscher sagen voraus, dass Preiswettbewerbspolitiken, die heute wirksam sein können, in Zukunft weniger nützlich werden könnten. Währenddessen könnten Compute-Subventionen mit sinkenden Kosten für das Rechnen zunehmend vorteilhaft werden.
Für Verbraucher bleibt die Aussicht positiv. Sinken die Rechenkosten, erhöht sich das Verbraucherwohl kontinuierlich, da höhere Qualitäts-KI-Produkte zu niedrigeren Preisen verfügbar werden.
