De VS en China is in veel opzichten aartsrivaal op het gebied van de economie kunstmatige intelligentiewaarbij bedrijven elkaar haasten om elkaar te overtreffen algoritmen, modellenEn gespecialiseerd silicium. En toch werken de AI-supermachten ter wereld nog steeds in verrassende mate samen als het gaat om baanbrekend onderzoek.
Een WIRED-analyse van meer dan 5.000 AI-onderzoeksartikelen die vorige maand werden gepresenteerd op de belangrijkste conferentie van de sector, Neural Information Processing Systems (NeurIPS), onthult een aanzienlijke hoeveelheid samenwerking tussen Amerikaanse en Chinese laboratoria.
Uit de analyse bleek dat 141 van de in totaal 5.290 artikelen (ongeveer 3 procent) betrekking hebben op samenwerking tussen auteurs die verbonden zijn aan Amerikaanse instellingen en auteurs die verbonden zijn aan Chinese instellingen. De samenwerking tussen de VS en China lijkt ook redelijk constant: in 2024 waren in 134 van de in totaal 4.497 artikelen auteurs van instellingen uit beide landen betrokken.
WIRED keek ook naar hoe algoritmen en modellen die in één land zijn ontwikkeld, in de Stille Oceaan worden gedeeld en aangepast. De transformatorarchitectuur, ontwikkeld door een team van onderzoekers bij Google en nu op grote schaal gebruikt in de hele sector, is opgenomen in 292 artikelen met auteurs van Chinese instellingen. Meta’s Llama-modellenfamilie was een sleutelelement van het onderzoek dat in 106 van deze artikelen werd gepresenteerd. Ondertussen is de steeds populairder wordend groottaalmodel Qwen van de Chinese technologiegigant Alibaba verschijnt in 63 artikelen waarin auteurs van Amerikaanse organisaties voorkomen.
Jeffrey Ding, assistent-professor aan de George Washington University die het Chinese AI-landschap in de gaten houdt, zegt dat hij niet verbaasd is over dit niveau van teamwerk. “Of beleidsmakers aan beide kanten het nu leuk vinden of niet, de Amerikaanse en Chinese AI-ecosystemen zijn onlosmakelijk met elkaar verweven – en beide profiteren van de regeling”, zegt Ding.
De analyse vereenvoudigt ongetwijfeld de mate waarin de VS en China ideeën en talent delen. Veel in China geboren onderzoekers studeren in de VS en smeden banden met collega’s die een leven lang meegaan.
“NeurIPS zelf is een voorbeeld van internationale samenwerking en een bewijs van het belang ervan in ons vakgebied”, zei Katherine Gorman, woordvoerder van NeurIPS, in een verklaring. “Samenwerkingen tussen studenten en adviseurs gaan vaak door lang nadat de student de universiteit heeft verlaten. Dit soort signalen die wijzen op samenwerking in het hele veld, zie je op veel plaatsen, ook in professionele netwerken en voormalige medewerkers.”
De nieuwste nummer van WIRED onderzoekt de vele manieren waarop China de huidige eeuw vormgeeft. Maar waarbij Amerikaanse politici en tech-managers de angst voor de opkomst van China als rechtvaardiging gebruiken regelgeving voor het dumpen En het stimuleren van duizelingwekkende investeringenis onze analyse een goede herinnering dat de twee AI-supermachten ter wereld nog veel te winnen hebben bij samenwerking.
Een opmerking over de methodologie
Ik heb Codex, het codeschrijfmodel van OpenAI, gebruikt om NeurIPS-papers te helpen analyseren. Nadat ik een script had geschreven om alle papieren te downloaden, gebruikte ik het model om er in te duiken en wat analyses uit te voeren. Dit hield in dat Codex een script moest schrijven om in het auteursveld van elk artikel naar Amerikaanse en Chinese instellingen te zoeken.
Het experiment bood een fascinerende inkijk in de mogelijkheden van codeermodellen om nuttige klusjes te automatiseren. Er is veel paniek over het feit dat AI codeertaken vervangt, maar dit is iets waarvoor ik normaal gesproken niet de tijd of het budget zou hebben gehad om te bouwen. Ik begon met het schrijven van scripts en liet Codex deze aanpassen voordat ik Codex vroeg om de analyse zelf uit te voeren. Dit hield in dat het model Python-bibliotheken importeerde, verschillende tools testte en scripts schreef voordat er rapporten werden geproduceerd die ik kon onderzoeken. Het proces omvatte behoorlijk wat vallen en opstaan, en je moet heel voorzichtig zijn, omdat AI-modellen verrassend domme fouten maken, zelfs als ze behoorlijk slim zijn. Ik moest ervoor zorgen dat elk rapport een manier bevatte waarop ik de resultaten kon doornemen, en ik controleerde er zoveel mogelijk handmatig.
Dit is een editie van Will Ridders AI Lab-nieuwsbrief. Lees eerdere nieuwsbrieven hier.
