Wenn es um künstliche Intelligenz geht, standen MIT und IBM ganz am Anfang: Sie legten Grundlagenarbeiten vor, erstellten einige der ersten Programme – KI-Vorgänger – und stellten Theorien darüber auf, wie maschinelle „Intelligenz“ entstehen könnte.
Heute liefern Kooperationen wie das MIT-IBM Watson AI Lab, das vor acht Jahren ins Leben gerufen wurde, weiterhin Fachwissen für die vielversprechende KI-Technologie von morgen. Dies ist von entscheidender Bedeutung für Branchen und Arbeitskräfte, die insbesondere kurzfristig davon profitieren werden: von prognostizierten globalen wirtschaftlichen Vorteilen in Höhe von 3 bis 4 Billionen US-Greenback und Produktivitätssteigerungen von 80 Prozent für Wissensarbeiter und kreative Aufgaben bis hin zu erheblichen Einbindungen generativer KI in Geschäftsprozesse (80 Prozent) und Softwareanwendungen (70 Prozent) in den nächsten drei Jahren.
Während die Industrie vor allem im vergangenen Jahr einen Increase bei bemerkenswerten Modellen erlebte, Die Wissenschaft treibt die Innovation weiterhin vorander den Großteil der am häufigsten zitierten Forschungsergebnisse beisteuert. Beim MIT-IBM Watson AI Lab zeigt sich der Erfolg in Type von 54 Patentanmeldungen, mehr als 128.000 Zitaten mit einem h-Index von 162 und mehr als 50 branchenspezifischen Anwendungsfällen. Zu den zahlreichen Errungenschaften des Labors gehören eine verbesserte Stentplatzierung mit KI-Bildgebungstechniken, die Reduzierung des Rechenaufwands, die Verkleinerung von Modellen bei gleichbleibender Leistung und die Modellierung des interatomaren Potenzials für die Silikatchemie.
„Das Labor ist einzigartig positioniert, um die ‚richtigen‘ zu lösenden Probleme zu identifizieren, was uns von anderen Unternehmen unterscheidet“, sagt Aude Oliva, MIT-Labordirektorin und Direktorin für strategisches Industrieengagement am MIT Schwarzman Faculty of Computing. „Darüber hinaus wirken sich die Erfahrungen, die unsere Studenten bei der Arbeit an diesen Herausforderungen für Unternehmens-KI sammeln, auf ihre Wettbewerbsfähigkeit auf dem Arbeitsmarkt und die Förderung einer wettbewerbsfähigen Branche aus.“
„Das MIT-IBM Watson AI Lab hat eine enorme Wirkung erzielt, indem es zahlreiche Kooperationen zwischen IBM und MIT-Forschern und -Studenten zusammengebracht hat“, sagt Provost Anantha Chandrakasan, MIT-Co-Vorsitzende des Labors und Vannevar Bush-Professorin für Elektrotechnik und Informatik. „Durch die Unterstützung übergreifender Forschung an der Schnittstelle von KI und vielen anderen Disziplinen treibt das Labor die Grundlagenarbeit voran und beschleunigt die Entwicklung transformativer Lösungen für unser Land und die Welt.“
Langfristige Arbeit
Da KI immer mehr Interesse weckt, fällt es vielen Unternehmen schwer, die Technologie in sinnvolle Ergebnisse umzusetzen. A Gartner-Studie 2024 stellt fest, dass „mindestens 30 % der generativen KI-Projekte nach dem Proof of Idea bis Ende 2025 aufgegeben werden“, was auf Ehrgeiz und einen weit verbreiteten Starvation nach KI hinweist, aber auch auf einen Mangel an Wissen darüber, wie man sie entwickeln und anwenden kann, um unmittelbaren Wert zu schaffen.
Hier glänzt das Labor, das Forschung und Einsatz verbindet. Der Großteil des Forschungsportfolios des Labors im laufenden Jahr ist auf die Nutzung und Entwicklung neuer Funktionen, Kapazitäten oder Produkte für IBM, die Unternehmensmitglieder des Labors oder reale Anwendungen ausgerichtet. Die letzten davon umfassen große Sprachmodelle, KI-{Hardware} und Basismodelle, einschließlich multimodaler, biomedizinischer und georäumlicher Modelle. Forschende Studenten und Praktikanten sind bei diesem Bestreben von unschätzbarem Wert. Sie bieten Begeisterung und neue Perspektiven und sammeln gleichzeitig Fachwissen, um Fortschritte auf diesem Gebiet abzuleiten und zu entwickeln sowie neue Grenzen für die Erforschung mit KI als Werkzeug zu eröffnen.
Erkenntnisse aus der AAAI 2025-Präsidentengremium zur Zukunft der KI-Forschung befürworten die Notwendigkeit von Beiträgen aus der Zusammenarbeit zwischen Wissenschaft und Industrie wie dem Labor im KI-Bereich: „Akademiker spielen eine Rolle bei der Bereitstellung unabhängiger Ratschläge und Interpretationen dieser Ergebnisse (aus der Industrie) und ihrer Konsequenzen. Der Privatsektor konzentriert sich mehr auf die kurzfristige Perspektive und Universitäten und Gesellschaft eher auf eine längerfristige Perspektive.“
Die Zusammenführung dieser Stärken zusammen mit dem Vorstoß für Open Sourcing und Open Science kann Innovationen anstoßen, die keiner von beiden allein erreichen könnte. Die Geschichte zeigt, dass die Übernahme dieser Prinzipien, die gemeinsame Nutzung von Code und die Zugänglichkeit von Forschungsergebnissen langfristige Vorteile sowohl für den Sektor als auch für die Gesellschaft haben. Im Einklang mit den Missionen von IBM und MIT bringt das Labor durch diese Zusammenarbeit Technologien, Erkenntnisse, Governance und Requirements in die Öffentlichkeit ein und erhöht so die Transparenz, beschleunigt die Reproduzierbarkeit und sorgt für vertrauenswürdige Fortschritte.
Das Labor wurde gegründet, um die umfassende Forschungskompetenz des MIT mit der industriellen Forschungs- und Entwicklungskapazität von IBM zu vereinen und auf Durchbrüche bei zentralen KI-Methoden und -{Hardware} sowie auf neue Anwendungen in Bereichen wie Gesundheitswesen, Chemie, Finanzen, Cybersicherheit und robuste Planung und Entscheidungsfindung für Unternehmen zu zielen.
Größer ist nicht immer besser
Heutzutage weichen große Basismodelle kleineren, aufgabenspezifischeren Modellen, die eine bessere Leistung erzielen. Beiträge von Labormitgliedern wie Tune Han, außerordentlicher Professor an der MIT-Abteilung für Elektrotechnik und Informatik (EECS), und Chuang Gan von IBM Analysis tragen dazu bei, dies durch Arbeiten wie zu ermöglichen ein für alle Mal Und AWQ. Innovationen wie diese verbessern die Effizienz durch bessere Architekturen, Algorithmenverkleinerung und aktivierungsbasierte Gewichtsquantisierung, sodass Modelle wie die Sprachverarbeitung auf Edge-Geräten mit schnellerer Geschwindigkeit und geringerer Latenz ausgeführt werden können.
Infolgedessen haben Grundlagen-, Visions-, multimodale und große Sprachmodelle Vorteile erfahren, die es den Laborforschungsgruppen von Oliva, MIT EECS Affiliate Professor Yoon Kim und den IBM Analysis-Mitgliedern Rameswar Panda, Yang Zhang und Rogerio Feris ermöglichen, auf der Arbeit aufzubauen. Dazu gehören Techniken, um Modelle mit externem Wissen versorgen und die Entwicklung linearer Aufmerksamkeitstransformatormethoden für einen höheren Durchsatz im Vergleich zu anderen hochmodernen Systemen.
Auch das Verstehen und Denken in Visionen und multimodalen Systemen hat sich als Segen erwiesen. Funktioniert wie „Task2Sim“ Und „AdaFuse„zeigen eine verbesserte Leistung des Sehmodells, wenn das Vortraining anhand synthetischer Daten erfolgt, und wie die Erkennung von Videoaktionen durch die Zusammenführung von Kanälen aus früheren und aktuellen Function-Maps verbessert werden kann.
Im Rahmen ihres Engagements für eine schlankere KI haben die Laborteams von Gregory Wornell, Professor für Ingenieurwesen am MIT EECS Sumitomo Electrical Industries, Chuang Gan von IBM Analysis und David Cox, Vizepräsident für Grundlagen-KI bei IBM Analysis und IBM-Direktor des Labors, gezeigt, dass Modellanpassungsfähigkeit und Dateneffizienz Hand in Hand gehen können. Zwei Ansätze, EvoScale Und Chain-of-Motion-Thought-Argumentation (COAT) ermöglichen es Sprachmodellen, das Beste aus begrenzten Daten und Berechnungen herauszuholen, indem sie frühere Generierungsversuche durch strukturierte Iteration verbessern und so eine bessere Antwort erzielen. COAT nutzt ein Meta-Aktions-Framework und Reinforcement Studying, um argumentationsintensive Aufgaben durch Selbstkorrektur zu bewältigen, während EvoScale eine ähnliche Philosophie in die Codegenerierung einbringt und qualitativ hochwertige Kandidatenlösungen entwickelt. Diese Techniken tragen dazu bei, einen ressourcenschonenden, gezielten und praxisnahen Einsatz zu ermöglichen.
„Der Einfluss der MIT-IBM-Forschung auf unsere Bemühungen zur Entwicklung großer Sprachmodelle kann nicht genug betont werden“, sagt Cox. „Wir sehen, dass kleinere, spezialisiertere Modelle und Instruments eine übergroße Wirkung haben, insbesondere wenn sie kombiniert werden. Innovationen des MIT-IBM Watson AI Lab tragen dazu bei, diese technischen Richtungen zu gestalten und die Strategie zu beeinflussen, die wir über Plattformen wie watsonx auf dem Markt verfolgen.“
Beispielsweise haben zahlreiche Laborprojekte zu IBMs Funktionen, Fähigkeiten und Einsatzmöglichkeiten beigetragen Granit-Imaginative and prescientdas trotz seiner kompakten Größe ein beeindruckendes Laptop-Imaginative and prescient-System bietet, das für das Verständnis von Dokumenten konzipiert ist. Dies geschieht zu einer Zeit, in der für Unternehmenszwecke ein wachsender Bedarf an der Extraktion, Interpretation und zuverlässigen Zusammenfassung von Informationen und Daten in Langformaten besteht.
Andere Errungenschaften, die über die direkte Forschung zu KI hinausgehen und über Disziplinen hinweggehen, sind nicht nur nützlich, sondern auch notwendig, um die Technologie voranzutreiben und die Gesellschaft aufzuwerten, so das Fazit des AAAI-Gremiums 2025.
Die Arbeit von Caroline Uhler und Devavrat Shah aus dem Labor – beide Andrew (1956) und Erna Viterbi-Professoren für EECS und das Institute for Knowledge, Techniques, and Society (IDSS) – sowie Kristjan Greenewald von IBM Analysis gehen über Spezialisierungen hinaus. Sie entwickeln kausale Entdeckungsmethoden, um herauszufinden, wie sich Interventionen auf die Ergebnisse auswirken, und um herauszufinden, welche Interventionen die gewünschten Ergebnisse erzielen. Die Studien umfassen die Entwicklung eines Rahmenwerks, das sowohl klären kann, wie sich „Behandlungen“ für verschiedene Teilpopulationen auswirken können, etwa auf einer E-Commerce-Plattform, als auch Mobilitätseinschränkungen auf Morbiditätsergebnisse. Erkenntnisse aus dieser Arbeit könnten Einfluss auf die Bereiche Advertising und Medizin bis hin zu Bildung und Risikomanagement haben.
„Fortschritte in der KI und anderen Bereichen der Informatik beeinflussen die Artwork und Weise, wie Menschen Herausforderungen in quick allen Disziplinen formulieren und angehen. Im MIT-IBM Watson AI Lab erkennen Forscher diesen übergreifenden Charakter ihrer Arbeit und ihre Auswirkungen, indem sie Probleme aus verschiedenen Blickwinkeln befragen und reale Probleme aus der Industrie einbringen, um neuartige Lösungen zu entwickeln“, sagt Dan Huttenlocher, Co-Vorsitzender des MIT-Labors und Dekan des MIT Schwarzman Faculty of Computing und Henry Ellis Warren (1894), Professor für Elektrotechnik und Informatik.
Ein wesentlicher Faktor für den Erfolg dieses Forschungsökosystems ist der stetige Zustrom talentierter Studenten und deren Beiträge durch das Undergraduate Analysis Alternatives Program des MIT (UROP), MIT EECS 6A-Programmund das neue MIT-IBM Watson AI Lab Internship Program. Insgesamt haben mehr als 70 junge Forscher nicht nur die Entwicklung ihrer technischen Fähigkeiten beschleunigt, sondern durch die Anleitung und Unterstützung der Mentoren des Labors auch Kenntnisse in KI-Bereichen erworben, um selbst aufstrebende Praktiker zu werden. Aus diesem Grund ist das Labor kontinuierlich bestrebt, vielversprechende Studenten in allen Phasen ihrer Erforschung des KI-Potenzials zu identifizieren.
„Um das volle wirtschaftliche und gesellschaftliche Potenzial der KI auszuschöpfen, müssen wir ‚nützliche und effiziente Intelligenz‘ fördern“, sagt Sriram Raghavan, IBM Analysis VP für KI und IBM-Leiter des Labors. „Um das Versprechen der KI in Fortschritt umzusetzen, ist es entscheidend, dass wir uns weiterhin auf Innovationen konzentrieren, um effiziente, optimierte und zweckmäßige Modelle zu entwickeln, die leicht an bestimmte Bereiche und Anwendungsfälle angepasst werden können. Kooperationen zwischen Wissenschaft und Industrie, wie das MIT-IBM Watson AI Lab, tragen dazu bei, die Durchbrüche voranzutreiben, die dies ermöglichen.“