LAS VEGAS / LONDON (IT BOLTWISE) – Auf der KI-Konferenz standen offene Modelle und offene Gewichte im Zentrum einer Debatte über Sicherheit und Wettbewerbsdynamik. Geoffrey Hinton machte deutlich, warum das Veröffentlichen von Modellgewichten anders zu bewerten ist als freier Quellcode. Andrew Ng warnte zugleich vor Gatekeepern und plädierte für mehrere Anbieter, während Fei-Fei Li Offenheit in Schichten denkt. Einigkeit herrschte darüber, dass Regulierung nötig bleibt, um Entwicklung und Nutzung besser zu steuern.
Die Diskussion um „offene KI“ wirkt in der Tech-Branche oft so, als ließe sich das Thema auf ein einziges Ja oder Nein reduzieren. Genau das wollten Geoffrey Hinton, Fei-Fei Li und Andrew Ng bei einem Auftritt auf der KI-Konferenz in Las Vegas offenbar nicht stehen lassen. Aus ihrer Perspektive prallen zwei reale Trends aufeinander: Einerseits ist die Forschungs- und Entwicklerwelt auf Transparenz angewiesen, damit Modelle nachvollziehbar werden und sich Fehler finden lassen. Andererseits steigen die Risiken, sobald leistungsfähige KI-Systeme mit wenig Hürden in die Breite gelangen – nicht nur zu legitimen Forschungszwecken, sondern auch für missbräuchliche Anwendungen.
Hinter der Debatte steckt zudem ein Machtfrage: Hinton, Li und Ng verknüpfen Open-ness mit der Frage, wer den Zugang zu fortgeschrittener KI kontrolliert. Andrew Ng beschrieb dabei ein Muster, das man von mobilen Plattformen kennt: Wenn wenige Konzerne den „Plattformzugang“ prägen, bestimmt das am Ende, wie schnell Innovationen entstehen und welche Produkte überhaupt aufgebaut werden. Übertragen auf KI bedeutet das aus seiner Sicht, dass sich Gatekeeper nicht nur auf Warteschlangen und APIs auswirken, sondern auch auf Standards, Investitionsentscheidungen und damit auf die technologische Entwicklungsgeschwindigkeit.
Für Ng war das Kernargument zugleich ein Markt- und Wettbewerbsszenario. Er formulierte nicht primär die Frage, ob offene Modelle gefährlich sind, sondern wer am Ende Zugriff skalieren kann und wer die Kosten pro Trainings- oder Nutzungszyklus senkt. Sein gedankliches Worst-Case-Szenario: Wenn kostengünstigere „open-weight“-Modelle in vielen Ländern besonders schnell verbreitet würden, könnten sie in großem Stil prägen, welche Ideen Menschen über Demokratie, Freiheit und Menschenrechte überhaupt zuerst begegnen. Dabei ging es ihm nicht um eine abstrakte Geopolitik, sondern um „soft power“, also um die Wirkung von Modellverfügbarkeit, Ökosystemen und Content-Flows.
Hinton wiederum zog eine scharfe technische Linie zwischen Open-Source-Software und dem Freigeben von Modellgewichten. Open-Source mache den Quellcode einsehbar, sodass viele Menschen Linien im Code prüfen und Fehler finden könnten. Offene Gewichte bedeuteten dagegen: Man trainiert ein großes Modell und veröffentlicht anschließend die Gewichte, also das, was ein KI-System nach dem Training effektiv „konditioniert“. Gerade dieser Unterschied war für ihn der Grund, warum er „open [weights]“ skeptisch gesehen hatte: Er argumentierte, dass damit extrem große Foundation-Modelle – die teuer im Training sind – von anderen Akteuren leichter für schädliche Zwecke „umgenutzt“ werden können, weil sich durch Transfer- und Anpassungsprozesse ein Missbrauch häufig deutlich billiger skalieren lässt.
Gleichzeitig räumte Hinton ein, dass sich die technische Realität nicht zurückdrehen lässt. Sobald offene Gewichte als dauerhafter Bestandteil der Landschaft etabliert seien, verschwinde die frühere Eintrittsbarriere, die vor allem durch die Kosten des Trainings großer Modelle entstanden war. In diesem Punkt wandelte sich die Debatte für ihn von einer „Ob“-Frage zu einer „Wie steuern wir damit um“-Frage. Er betonte außerdem, dass die Sorge um schlechte Effekte von KI nicht zwangsläufig mit Panik gleichzusetzen sei: Produktivitätsgewinne sowie Verbesserungen in Bereichen wie Bildung oder Gesundheitswesen erwartete er weiterhin. Damit wollte er auch die moralische Schärfe aus der Debatte nehmen, die seiner Darstellung nach manchmal entsteht, wenn KI-Sicherheitsanliegen pauschal als „Angstmacherei“ abgetan werden.
Fei-Fei Li lenkte die Diskussion dann weg von der unproduktiven Gegenüberstellung „vollständig offen“ versus „vollständig geschlossen“. Sie beschrieb Offenheit als etwas, das man in Schichten organisieren kann, je nach Kontext und Sicherheitsniveau. Als Bild nannte sie die Nuklearphysik: Wissenschaftliche Arbeiten können offen publiziert werden, während Uran reguliert bleibt; Laborarbeit liegt dazwischen. Genau dieses Muster, so Li, müsse man auch bei KI denken: Offenheit müsse nicht überall gleich sein, sondern sich auf definierte Ebenen beziehen – etwa auf wissenschaftliche Entdeckung, Bildungszugänge, globale Partnerschaften oder auch auf Geschäftsmodelle rund um die kommerzielle Nutzung.
Konkreter machte sie das anhand von öffentlich-privaten Kollaborationen wie dem Human Genome Project: Wissen wird dabei als Plattform bereitgestellt, auf der andere weiterbauen können. Gleichzeitig gebe es Raum für geschlossene Systeme, wenn sie in ein Gesamtziel einzahlen. Interessant ist daran, dass Li damit eine Brücke schlägt zwischen dem Forschungsinteresse an offenen Ergebnissen und dem Bedarf an gesteuerten, risikoärmeren Deployments. Für Unternehmen hieße das praktisch: Statt nur „Modell offen“ oder „Modell closed“ zu diskutieren, müssten sie stärker nachschärfen, welche Artefakte wirklich offen sein müssen und welche Schutzmechanismen auf System- und Nutzungsebene erforderlich sind.
Auch bei der Regulierungsfrage zeigte sich ein gemeinsamer Nenner. Hinton machte deutlich, dass Entwicklung und Einsatz nicht allein dem freien Markt überlassen werden sollten – nicht, weil Innovation generell schlecht wäre, sondern weil Sicherheit und Ausrichtung aktiv gestaltet werden müssten. In seinen Worten knüpfte das an die Grundidee an, KI in eine Richtung zu bringen, die Menschen hilft. Für die weitere Branche ergibt sich daraus ein klares Arbeitsprogramm: KI-Anbieter werden voraussichtlich stärker in Sicherheitsprozesse investieren müssen, während gleichzeitig offene Ökosysteme nicht automatisch verschwinden werden. Die eigentliche Herausforderung besteht dann darin, offene Zusammenarbeit so zu gestalten, dass sie Fortschritt beschleunigt, ohne dass die Missbrauchsrisiken mit jeder neuen Veröffentlichungswelle gleich mit wachsen.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Offene KI vs. offene Gewichte: Hinton, Ng und Li fordern mehr Differenzierung" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Offene KI vs. offene Gewichte: Hinton, Ng und Li fordern mehr Differenzierung" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Offene KI vs. offene Gewichte: Hinton, Ng und Li fordern mehr Differenzierung« bei Google Deutschland suchen, bei Bing oder Google News!