Weltbank setzt auf „Small AI“ für lokale Entwicklung

Die Weltbank wirbt in Entwicklungsländern für eine andere Strategie im Umgang mit künstlicher Intelligenz: kleinere, spezialisierte Modelle, die in lokalen Sprachen, auf Mobiltelefonen und an Orten funktionieren, an denen eine zuverlässige Hochgeschwindigkeitsverbindung nicht vorausgesetzt werden kann.

Im Umfeld der Jahrestagungen von Weltbank und Internationalem Währungsfonds in Bangkok erklärte Paschal Donohoe, der Chief Knowledge Officer der Bank, ein solcher „Small AI“-Ansatz könne Ländern dabei helfen, digitale Fähigkeiten in praktische Entwicklungsfortschritte zu übersetzen. Es gehe nicht darum, die größten allgemein einsetzbaren Systeme nachzubauen, die von großen Technologieunternehmen entwickelt werden. Stattdessen sollen eng trainierte Werkzeuge dort verfügbar gemacht werden, wo Menschen sie für klar definierte Aufgaben benötigen.

KI für lokale Bedingungen

Der Unterschied ist wichtig, weil der Zugang den Nutzen bestimmt. Ein leistungsfähiger cloudbasierter Dienst kann in Gemeinschaften mit eingeschränkter Konnektivität, begrenzten Rechenressourcen oder sprachlichen Anforderungen, die von globalen Verbraucherprodukten kaum berücksichtigt werden, nur schwer dauerhaft eingesetzt werden. Ein kleineres Modell, das für eine bestimmte Aufgabe trainiert wurde, könnte auf einem Telefon laufen und weniger von einer ständigen Verbindung abhängen.

Donohoes Beschreibung stellt die lokale Umgebung ins Zentrum des Designs. In diesem Verständnis geht es nicht einfach darum, wie leistungsfähig ein Modell in einem breiten Benchmark ist, sondern darum, ob es Informationen in der Sprache einer Gemeinschaft liefern kann, über die Geräte, die diese Gemeinschaft bereits besitzt, und unter realen Netzwerkbedingungen.

Das ist eine deutliche Verschiebung gegenüber großen Teilen der aktuellen KI-Debatte. Der öffentliche Wettbewerb um künstliche Intelligenz wird häufig von immer ausgefeilteren Systemen für die breite Nutzung durch Verbraucher bestimmt. Die Weltbank argumentiert, dass Entwicklungsbedarf ein stärker zielgerichtetes Modell erfordern könnte: Werkzeuge, die ein begrenztes Problem gut genug lösen, um im großen Maßstab nützlich zu sein.

Die Landwirtschaft liefert ein konkretes Beispiel

Donohoe verwies auf das landwirtschaftliche Programm AgriConnect der Weltbank in Indien. Die beteiligten Landwirte benötigen Zugang zu Bodenanalysen in ihrer eigenen Sprache. Jedem Kleinbetrieb über ein großes Team menschlicher Experten eine hochgradig maßgeschneiderte Beratung zu bieten, wäre schwierig. Die Bank sieht spezialisierte KI als mögliche Möglichkeit, die Reichweite dieser Informationen zu erhöhen.

Das Beispiel zeigt sowohl das Versprechen als auch die Grenzen des Vorschlags. Der Wert liegt nicht darin, dass ein KI-System allgemeine Aussagen über Landwirtschaft macht. Er liegt darin, konkrete Informationsbedürfnisse bestimmter Nutzer zu bedienen. Für einen Landwirt wird ein Werkzeug relevant, wenn er darauf zugreifen, es verstehen und mit einer praktischen Entscheidung verbinden kann.

Spezialisierung könnte auch die Einführung handhabbarer machen. Ein enger gefasstes System kann um einen bestimmten Bereich und Datensatz herum entwickelt werden, statt jede Frage beantworten zu wollen. Das beseitigt nicht den Bedarf an sorgfältigem Design, lokalem Wissen oder Aufsicht, lenkt Investitionen aber auf Anwendungen mit einem klar definierten Zweck.

Infrastruktur bleibt Voraussetzung für Wirkung

Die Weltbank behauptet nicht, dass Small AI die umfassenderen Voraussetzungen für Entwicklung umgehen kann. Bei den Treffen in Bangkok betonte IWF-Chefin Kristalina Georgieva, Regierungen müssten die Bedingungen für die Einführung von KI schaffen. Sie nannte Elektrizität, digitale Infrastruktur, die Bereitschaft der Bevölkerung zur Einführung von Technologie sowie die Fähigkeit des Staates, Sicherheitsvorkehrungen bereitzustellen, als wesentliche Grundlagen.

Diese Anforderungen bilden einen wichtigen Kontext für die Begeisterung über telefonbasierte Modelle. Ein Werkzeug, das mit geringer Konnektivität funktioniert, kann zwar eine Hürde senken, ist aber weiterhin auf Strom, Geräte, Fähigkeiten und ein Umfeld angewiesen, in dem Menschen es vertrauensvoll nutzen können. Der Zugang in lokalen Sprachen erfordert außerdem Arbeit an Daten, Benutzeroberflächen und Bereitstellung, die die versorgten Gemeinschaften widerspiegeln.

Mit anderen Worten: Der Vorschlag ist kein Ausweg aus öffentlichen Investitionen. Er ist ein Argument dafür, wohin KI-Investitionen gelenkt werden sollten, sobald Länder die Grundlagen schaffen: in Systeme, die zu lokalen Einschränkungen passen, statt davon auszugehen, dass diese verschwinden.

Von der Leistungsfähigkeit zur Zusammenarbeit

Donohoe schlug vor, dass durch die Zusammenarbeit von Weltbank, Regierungen und Akteuren des privaten Sektors nützliche Produkte entstehen könnten. Das verdeutlicht die praktische Herausforderung, die vor ihnen liegt. Der Bau eines Modells ist nur ein Teil der Einführung. Es muss an einen öffentlichen oder kommerziellen Dienst angebunden, langfristig gewartet und Menschen zugänglich gemacht werden, die möglicherweise keine umfangreiche technische Unterstützung haben.

Der Ansatz deutet außerdem darauf hin, dass wirtschaftlicher Wert nicht allein an der Größe eines Modells oder an der Rechenleistung gemessen wird, die dahintersteht. Bei entwicklungsorientierten Anwendungen könnte der aussagekräftigere Test darin bestehen, ob ein spezialisiertes Werkzeug den Zugang zu Wissen in einer Umgebung verbessert, in der Fachwissen knapp ist.

Die zentrale Aussage der Weltbank ist ehrgeizig: Entwicklungsfortschritte, die historisch deutlich länger dauerten, könnten möglicherweise beschleunigt werden. Der von ihr beschriebene Weg beruht jedoch auf einer unspektakulären Annahme. Der größte Nutzen von KI könnte nicht von den umfassendsten Systemen kommen, sondern von Werkzeugen, die eng genug gefasst sind, um auf einem gewöhnlichen Telefon, in einer lokalen Sprache und für ein reales, wiederkehrendes Problem zu funktionieren.

• Die Weltbank setzt sich für spezialisierte „Small AI“-Modelle für Entwicklungsländer ein.
• Die vorgeschlagenen Systeme sollen auf Mobiltelefonen, in lokalen Sprachen und bei eingeschränkter Konnektivität funktionieren.
• Elektrizität, digitale Infrastruktur, Bereitschaft zur Einführung und Sicherheitsvorkehrungen bleiben für eine Wirkung notwendig.

Dieser Artikel basiert auf einer Berichterstattung von The Guardian. Originalartikel lesen.