SOFAIR Lab (Science of Fundamental AI Research) — geleid door UCL

Dit lab, onder leiding van professor David Barber van UCL en in samenwerking met de universiteiten van Cambridge, Oxford en Edinburgh, richt zich op het ontwikkelen van nieuwe open-source AI-technologieën die kunnen draaien op gangbare hardware, inclusief gewone consumentencomputers . Het brengt onderzoekers uit de computerwetenschappen, wiskunde, statistiek en neurowetenschappen samen om fundamenteel nieuwe AI-architecturen te ontwerpen. Directe aanleiding is het aanpakken van problemen zoals AI-systemen die onbetrouwbare antwoorden geven .

BOLD Lab (British Open-ended Learning and Discovery) — geleid door Oxford

Onder leiding van associate professor Jakob Foerster van Oxford, met UCL en andere partners, wil BOLD de manier waarop AI leert radicaal herdenken. Het lab ontwikkelt nieuwe benaderingen waarmee AI kan leren zonder afhankelijk te zijn van enorme gecentraliseerde rekenkracht . In plaats van bestaande methoden simpelweg op te schalen, verkent het nieuwe leerparadigma's om AI efficiënter, opener en beter afgestemd op menselijke behoeften te maken .

De strategie: efficiëntie boven schaalgrootte

Het hele initiatief is een bewust alternatief voor de 'groter is beter'-mentaliteit van grote Amerikaanse techbedrijven . De strategie is niet om de grootste techbedrijven te overtreffen in data en rekenkracht, maar hen te verslaan op het gebied van efficiëntie, openheid en toegankelijkheid .

• Lagere kosten door fundamentele efficiëntie: In plaats van te concurreren op schaal, richten de labs zich op fundamentele veranderingen in hoe AI werkt, waardoor het goedkoper wordt en toegankelijk voor veel meer organisaties .
• Open-source, hardware-onafhankelijke AI: SOFAIR bouwt open-source modellen die draaien op algemeen verkrijgbare hardware, waardoor dure, gespecialiseerde infrastructuur overbodig wordt .
• Minder afhankelijkheid van gecentraliseerde datacentra: Het werk van BOLD aan gedecentraliseerd leren moet de afhankelijkheid van externe datacenter-infrastructuur van grote aanbieders verminderen .
• Britse soevereine capaciteit: AI-minister Kanishka Narayan stelde dat het initiatief de Britse expertise 'in eigen huis' versterkt en 'de afhankelijkheid van anderen vermindert' . Professor David Barber zei expliciet dat SOFAIR 'de afhankelijkheid van het kleine aantal modelaanbieders zal verminderen en de Britse soevereiniteit zal versterken' .
• Toegang voor kleinere bedrijven en publieke diensten: Door AI goedkoper en gemakkelijker te maken, willen de labs AI openstellen voor kleine bedrijven, publieke diensten en onderzoekers in het hele VK die zich momenteel geen top-AI-systemen kunnen veroorloven .

Kortom, het Verenigd Koninkrijk kiest voor een pad van soevereine, open en efficiënte AI, met de potentie om de manier waarop AI wordt gebouwd en ingezet te hervormen — niet door het grootste model te bouwen, maar door een model te bouwen dat bijna iedereen kan draaien.

SOFAIR Lab (Science of Fundamental AI Research) — geleid door UCL

Dit lab, onder leiding van professor David Barber van UCL en in samenwerking met de universiteiten van Cambridge, Oxford en Edinburgh, richt zich op het ontwikkelen van nieuwe open-source AI-technologieën die kunnen draaien op gangbare hardware, inclusief gewone consumentencomputers . Het brengt onderzoekers uit de computerwetenschappen, wiskunde, statistiek en neurowetenschappen samen om fundamenteel nieuwe AI-architecturen te ontwerpen. Directe aanleiding is het aanpakken van problemen zoals AI-systemen die onbetrouwbare antwoorden geven .

BOLD Lab (British Open-ended Learning and Discovery) — geleid door Oxford

Onder leiding van associate professor Jakob Foerster van Oxford, met UCL en andere partners, wil BOLD de manier waarop AI leert radicaal herdenken. Het lab ontwikkelt nieuwe benaderingen waarmee AI kan leren zonder afhankelijk te zijn van enorme gecentraliseerde rekenkracht . In plaats van bestaande methoden simpelweg op te schalen, verkent het nieuwe leerparadigma's om AI efficiënter, opener en beter afgestemd op menselijke behoeften te maken .

De strategie: efficiëntie boven schaalgrootte

Het hele initiatief is een bewust alternatief voor de 'groter is beter'-mentaliteit van grote Amerikaanse techbedrijven . De strategie is niet om de grootste techbedrijven te overtreffen in data en rekenkracht, maar hen te verslaan op het gebied van efficiëntie, openheid en toegankelijkheid .

• Lagere kosten door fundamentele efficiëntie: In plaats van te concurreren op schaal, richten de labs zich op fundamentele veranderingen in hoe AI werkt, waardoor het goedkoper wordt en toegankelijk voor veel meer organisaties .
• Open-source, hardware-onafhankelijke AI: SOFAIR bouwt open-source modellen die draaien op algemeen verkrijgbare hardware, waardoor dure, gespecialiseerde infrastructuur overbodig wordt .
• Minder afhankelijkheid van gecentraliseerde datacentra: Het werk van BOLD aan gedecentraliseerd leren moet de afhankelijkheid van externe datacenter-infrastructuur van grote aanbieders verminderen .
• Britse soevereine capaciteit: AI-minister Kanishka Narayan stelde dat het initiatief de Britse expertise 'in eigen huis' versterkt en 'de afhankelijkheid van anderen vermindert' . Professor David Barber zei expliciet dat SOFAIR 'de afhankelijkheid van het kleine aantal modelaanbieders zal verminderen en de Britse soevereiniteit zal versterken' .
• Toegang voor kleinere bedrijven en publieke diensten: Door AI goedkoper en gemakkelijker te maken, willen de labs AI openstellen voor kleine bedrijven, publieke diensten en onderzoekers in het hele VK die zich momenteel geen top-AI-systemen kunnen veroorloven .

Kortom, het Verenigd Koninkrijk kiest voor een pad van soevereine, open en efficiënte AI, met de potentie om de manier waarop AI wordt gebouwd en ingezet te hervormen — niet door het grootste model te bouwen, maar door een model te bouwen dat bijna iedereen kan draaien.