SOFAIR Lab (Science of Fundamental AI Research) – ledet af UCL

Under ledelse af professor David Barber på UCL, i samarbejde med universiteterne i Cambridge, Oxford og Edinburgh, er SOFAIR's mission at udvikle nye open source-AI-teknologier, der kan køre på bredt tilgængelig hardware – herunder helt almindelige forbrugerecomputere . Laboratoriet samler forskere fra datalogi, matematik, statistik og neurovidenskab for at designe fundamentalt nye AI-arkitekturer, som direkte adresserer aktuelle problemer som AI-systemer, der giver unøjagtige svar .

BOLD Lab (British Open-ended Learning and Discovery) – ledet af Oxford

Under ledelse af lektor Jakob Foerster på Oxford, med UCL og andre partnere, sigter BOLD mod at gentænke, hvordan AI lærer af verden. Laboratoriet vil udvikle nye tilgange, der gør det muligt for AI at lære uden at kræve enorme, centraliserede regnekraftenheder . I stedet for blot at skalere eksisterende metoder, vil det udforske nye læringsparadigmer med henblik på at bygge AI, der er mere effektiv, mere åben og bedre tilpasset menneskelige behov .

Strategien: Effektivitet frem for størrelse

Hele initiativet er en bevidst modvægt til 'større er bedre'-tilgangen hos de store amerikanske tech-virksomheder . Strategien er ikke at overgå de største teknologiselskaber på data og regnekraft, men at overgå dem på effektivitet, åbenhed og tilgængelighed .

• Lavere omkostninger gennem fundamental effektivitet: I stedet for at konkurrere på skala, sigter laboratorierne mod fundamentale ændringer i, hvordan AI fungerer, hvilket gør det billigere at køre og tilgængeligt for langt flere organisationer .
• Open source og hardware-uafhængig AI: SOFAIR vil bygge open source-modeller, der kører på bredt tilgængelig hardware, hvilket reducerer behovet for dyr, specialiseret infrastruktur .
• Mindre afhængighed af centraliserede datacentre: BOLD's arbejde med decentraliseret læring sigter mod at reducere afhængigheden af fjernbetjente datacenter-infrastrukturer ejet af store udbydere .
• Britisk suveræn kapacitet: AI-minister Kanishka Narayan udtalte, at initiativet styrker britisk ekspertise 'hjemme' og 'reducerer afhængigheden af andre' . Professor David Barber sagde direkte, at SOFAIR vil 'reducere afhængigheden af det lille antal modeludbydere og styrke britisk suverænitet' .
• Adgang for mindre virksomheder og offentlige tjenester: Ved at gøre AI billigere og lettere at tage i brug, sigter laboratorierne mod at åbne AI for små virksomheder, offentlige tjenester og forskere i hele Storbritannien, som i dag ikke har råd til top-AI-systemer .

Kort sagt forfølger Storbritannien en vej mod suveræn, åben og effektiv AI med potentiale til at ændre, hvordan AI bygges og implementeres – ikke ved at bygge den største model, men ved at bygge en, som næsten alle kan køre.

SOFAIR Lab (Science of Fundamental AI Research) – ledet af UCL

Under ledelse af professor David Barber på UCL, i samarbejde med universiteterne i Cambridge, Oxford og Edinburgh, er SOFAIR's mission at udvikle nye open source-AI-teknologier, der kan køre på bredt tilgængelig hardware – herunder helt almindelige forbrugerecomputere . Laboratoriet samler forskere fra datalogi, matematik, statistik og neurovidenskab for at designe fundamentalt nye AI-arkitekturer, som direkte adresserer aktuelle problemer som AI-systemer, der giver unøjagtige svar .

BOLD Lab (British Open-ended Learning and Discovery) – ledet af Oxford

Under ledelse af lektor Jakob Foerster på Oxford, med UCL og andre partnere, sigter BOLD mod at gentænke, hvordan AI lærer af verden. Laboratoriet vil udvikle nye tilgange, der gør det muligt for AI at lære uden at kræve enorme, centraliserede regnekraftenheder . I stedet for blot at skalere eksisterende metoder, vil det udforske nye læringsparadigmer med henblik på at bygge AI, der er mere effektiv, mere åben og bedre tilpasset menneskelige behov .

Strategien: Effektivitet frem for størrelse

Hele initiativet er en bevidst modvægt til 'større er bedre'-tilgangen hos de store amerikanske tech-virksomheder . Strategien er ikke at overgå de største teknologiselskaber på data og regnekraft, men at overgå dem på effektivitet, åbenhed og tilgængelighed .

• Lavere omkostninger gennem fundamental effektivitet: I stedet for at konkurrere på skala, sigter laboratorierne mod fundamentale ændringer i, hvordan AI fungerer, hvilket gør det billigere at køre og tilgængeligt for langt flere organisationer .
• Open source og hardware-uafhængig AI: SOFAIR vil bygge open source-modeller, der kører på bredt tilgængelig hardware, hvilket reducerer behovet for dyr, specialiseret infrastruktur .
• Mindre afhængighed af centraliserede datacentre: BOLD's arbejde med decentraliseret læring sigter mod at reducere afhængigheden af fjernbetjente datacenter-infrastrukturer ejet af store udbydere .
• Britisk suveræn kapacitet: AI-minister Kanishka Narayan udtalte, at initiativet styrker britisk ekspertise 'hjemme' og 'reducerer afhængigheden af andre' . Professor David Barber sagde direkte, at SOFAIR vil 'reducere afhængigheden af det lille antal modeludbydere og styrke britisk suverænitet' .
• Adgang for mindre virksomheder og offentlige tjenester: Ved at gøre AI billigere og lettere at tage i brug, sigter laboratorierne mod at åbne AI for små virksomheder, offentlige tjenester og forskere i hele Storbritannien, som i dag ikke har råd til top-AI-systemer .

Kort sagt forfølger Storbritannien en vej mod suveræn, åben og effektiv AI med potentiale til at ændre, hvordan AI bygges og implementeres – ikke ved at bygge den største model, men ved at bygge en, som næsten alle kan køre.