7 Best-Practice-Ansätze zur Kommerzialisierung von KI in der Hochschulbildung

Dr. Gareth Conduit von Intellegens Ltd.

Tim Gordon von Best Practice AI wurde letzte Woche eingeladen, die Veranstaltung des Westminster Briefing (@WestminBriefing) zur Kommerzialisierung künstlicher Intelligenz und neuer Technologien in der Hochschulbildung zu leiten. Die Panels brachten Experten aus Regierung, Universität und Industrie zum Technologietransfer zwischen Wissenschaft und Industrie zusammen und führten lebhafte Diskussionen darüber, wie Großbritannien den Nutzen seiner erstklassigen Forschungseinrichtungen für künstliche Intelligenz (KI) und maschinelles Lernen (ML) am besten nutzen kann. Zu den Diskussionsteilnehmern gehörten Alice Frost von Research England (@ResEngland), Tim Cook vom Regierungsbüro für künstliche Intelligenz (@OfficeforAI), Don Spalinger von SETsquared von der University of Southampton (@setsquared) und Dr. Brendan Ludden von der Oxford University Innovation (@ OxUInnovation), Dr. Gareth Conduit von Intellegens Ltd (@intellegensai) und Simon Greenman (@BestpracticeAi) von Best Practice AI. Aus der Diskussion haben wir 7 Best-Practice-Lektionen zur Kommerzialisierung der KI-Forschung an Universitäten herausgenommen.

1. Universitäten müssen im Zentrum der industriellen Zukunft Großbritanniens stehen

Es ist eine weit verbreitete Beobachtung, dass Großbritannien großartig darin war, Ideen zu entwickeln, und schlecht darin, sie zu kommerzialisieren. Alice Frost, Direktorin für Wissensaustausch, zitierte Stian Westlakes Beobachtung, dass die meisten Länder im Westen eine ähnliche Perspektive haben, einschließlich der Amerikaner…

In einer Welt, in der die KI-Rivalität zwischen China und den USA einem neuen Wettrüsten im Kalten Krieg ähnelt, ist die Qualität unserer Universitätsleistung eines der stärksten Wettbewerbsunterscheidungsmerkmale Großbritanniens. In dies zu investieren ist zu Recht eine nationale Priorität: Wie Tim Cook uns erinnerte, bestätigte der Kanzler kürzlich die Finanzierung von 1.000 neuen KI-Doktoranden (potenziell bedeutsam in einer Welt, in der behauptet wird, dass nur 22.000 Menschen über die derzeitigen Fähigkeiten verfügen, um KI zu liefern). Ein Großteil dieses Talents wird jedoch einfach von den (US-) Technologiegiganten angesaugt, und wenn Großbritannien nicht nur ein System-Nehmer in der aufstrebenden KI-Welt sein will, müssen wir so vielen neuen britischen KI-Unternehmen wie möglich helfen von unseren Universitäten. Ein ruhiges Gespräch über die Kommerzialisierung von Universitäten steht im Mittelpunkt der Ambitionen Großbritanniens für das 21. Jahrhundert.

2. Um eine Produkt- / Marktanpassung zu finden (dieser entscheidende erste Schritt), sind sowohl geschäftliche als auch technische Köpfe erforderlich

Eine neue Technologie zu erfinden ist schwierig. Benutzer und Käufer davon zu überzeugen, warum es wichtig ist, kann genauso schwierig sein. In der Welt der KI reicht es nicht aus, nur eine neue Technik zu entwickeln - Simon Greenman erklärte, dass eine Verbindung mit umfassenden Daten- und Domänenkenntnissen erforderlich ist, um eine Anwendung mit nachhaltigem geistigem Eigentum zu erstellen. In gewisser Weise ist diese Suche nach einem Problem, das gelöst werden muss, und die Daten, um es zu lösen, die zentrale Herausforderung für jeden Unternehmer. Geschäftsorientierte Menschen müssen daher so früh wie möglich Teil des Prozesses sein. Dies kann zufällig geschehen (einige Akademiker sind von Natur aus unternehmerisch), oder Universitäten können dabei helfen, Prozesse aufzubauen, um dies zu unterstützen.

3. Das „Tal des Todes“ hat viele Wege

Das von Don Spalinger beschriebene „Tal des Todes“ ist die Herausforderung, ein Produkt auf den Markt zu bringen und nachhaltige Einnahmen zu erzielen. Unternehmen können kein Geld mehr haben und sterben. Hier ist Flexibilität der Schlüssel. Es gibt nicht nur eine Möglichkeit, die an Universitäten entwickelten KI-Fähigkeiten zu kommerzialisieren, und es muss untersucht werden, welche Straße am besten geeignet ist, um die Technologie sicher über das Tal zu transportieren. Ist es Lizenzierung? Spin-out erstellen? Wollen die beteiligten Forscher Unternehmer sein oder gibt es externe Partner, die hinzugezogen werden können, um sich um die geschäftlichen Aspekte zu kümmern?

4. Es braucht ein Ökosystem, um auf den Markt zu kommen

Wir hörten von Dr. Gareth Conduit, einem erfolgreichen Unternehmer der Universität Cambridge, darüber, wie die Gründung seines Unternehmens durch eine Reihe unterstützender Kollegen und den Zugang zum „Rolodex“ der Business Angels der Universität ermöglicht wurde. Natürlich hat der etablierte Tech-Hub in Cambridge einen starken Kraftmultiplikatoreffekt erzeugt, aber alle Universitäten sollten versuchen, ähnliche Netzwerke zu schaffen. Eine Idee ist es, sich mit Alumni zu verbinden, um sie dazu zu bringen, ein solches Netzwerk zu bevölkern.

5. Der Wert ist eher im Anwendungsfall als in der Technologie

Es ist die Kombination von Daten und Technik, oft mit tiefem Fachwissen, das Wertversprechen der KI. Das Team, das die Daten enthält, und das Team, das in der Lage ist, KI anzuwenden und das resultierende Produkt zu kommerzialisieren, sind häufig unterschiedlich. Dies gilt insbesondere für Bereiche wie das Gesundheitswesen, in denen Datensätze von Scans und Bildern von qualifizierten Technikern und medizinischen Spezialisten gekennzeichnet werden, die jedoch mit Experten für maschinelles Lernen zusammenarbeiten müssen, um KI-Systeme für die automatische Diagnose zu entwickeln.

Techniken des maschinellen Lernens können in scheinbar nicht verwandten Bereichen weit verbreitet sein. Eine Technik, die für einen bestimmten Anwendungsfall entwickelt wurde, kann mehrere andere haben. Daher ist es entscheidend, die beste Produktanpassung und den besten Markt für die Anwendung der Technik zu finden. Die Entdeckung tragfähiger Produkte kann durch die Zusammenarbeit mit Unternehmen und externen Partnern über deren spezifische Bedürfnisse erfolgen. Es ist wichtig, das Geschäftsangebot für die Implementierung der KI-Lösung klar zu identifizieren. Unternehmen möchten genau wissen, wie dies ihre Abläufe, Einnahmequellen, Kostensenkungen usw. verbessern kann.

Durch die Anwendung derselben Technik auf verschiedene Bereiche können Projekte alternative Finanzierungs- und Einnahmequellen entdecken, insbesondere für diejenigen, die eine lange Markteinführungszeit haben. Lesen Sie beispielsweise die Best Practice AI 3:10-Anleitung zum maschinellen Lernen, um zu verstehen, wie das Endziel des Benutzers seine umfassenden Funktionen aktiviert, und lesen Sie die Best Practice AI-Bibliothek mit mehr als 600 Anwendungsfällen.

6. Das Teilen des Aufwärtstrends kann komplex sein: Überlegen Sie sich die IP-Regeln (und den Papierkram) im Voraus, aber seien Sie flexibel in Bezug auf Aktien

Technologietransferbüros (TTO) an Universitäten sind in der Regel klein und überlastet, und in Bezug auf neue Techniken wie maschinelles Lernen gibt es möglicherweise noch keine standardisierten Best Practices. Aufgrund der Art der KI funktionieren die üblichen IP-Schutzmethoden nicht unbedingt auf die gleiche Weise. Was für die Patentierung technischer Techniken möglicherweise die beste Vorgehensweise war, wird nicht unbedingt auf AI übertragen, und TTOs müssen bestimmen, um welche es sich handelt. Zwei wichtige erste Schritte bestehen darin, sicherzustellen, dass alle an einem gemeinsamen Best-Effort-Rahmen arbeiten und dass die Urheberschaft in jeder Phase des Entwicklungsprozesses vermerkt wird.

Gerechtigkeit bleibt ein viel diskutiertes Thema, aber die Schlüsselbotschaft ist, dass Flexibilität entscheidend ist. Ein Redner berichtete, dass Universitäten in Großbritannien in der Regel 30 bis 70% des Eigenkapitals für ihre Ausgründungen verwenden und in den USA zwischen 0 und 100%. In beiden Ländern lag der Durchschnitt jedoch bei etwa 45%. Goldene 5% -Anteile (Schutz vor Verwässerung) waren attraktiv, können aber auch Einschränkungen aufweisen, einschließlich der Frage, warum die akademische Einrichtung den Gründern eine überlegene Anteilsklasse haben sollte. Es ist unweigerlich erwähnenswert, dass ein kleiner Teil eines großen Kuchens normalerweise weit mehr wert ist als ein ganzer kleiner Kuchen - konzentrieren Sie sich darauf, den Kuchen zu züchten, ohne sich um Prozentsätze zu streiten.

7. KI-Tools benötigen Material, an dem gearbeitet werden kann: Das wahre Potenzial der Universitäten liegt in der abteilungsübergreifenden Interaktion

Es erfordert eine Kombination aus Zugang zu realen Problemen, Zusammenarbeit mit Domain- und KI-Spezialisten und Zugang zu Investoren und Beratern, um Forschung zur Kommerzialisierung zu bringen.

Die Interaktionen zwischen Informatik und anderen MINT-Abteilungen sowie Geistes- und Sozialwissenschaftlern bieten erhebliche Vorteile und Vorteile. Techniken des maschinellen Lernens können auf eine Vielzahl von Forschungsproblemen angewendet werden, von der Entdeckung technischer Materialien bis zur Entdeckung der Herkunft in der Kunstgeschichte. Durch die interdisziplinäre Einführung von maschinellem Lernen können neue Anwendungsfälle, gültige Datensätze sowie kommerzialisierbare Techniken und Produkte identifiziert werden. Zu lösende Probleme und Daten, mit denen sie gelöst werden müssen, kombiniert mit Fachwissen, um herauszufinden, worauf es ankommt und was bloße Korrelation (oder Spreu) ist, sind das Kernstück einer ordnungsgemäß funktionierenden KI-Mühle.

Vielleicht ebenso wichtig ist jedoch die Möglichkeit, sich mit anderen Perspektiven darüber auseinanderzusetzen, wie sich eine solche Technologie auf die Arbeitsökonomie auswirken könnte, welche rechtlichen und ethischen Auswirkungen die Datenerfassung und -verarbeitung hat und wie sich soziale Werte in ihrer Governance widerspiegeln können. Wie jede andere Wissenschaft wird KI weder geschaffen noch existiert sie in einer Blase - sie wird von der Gesellschaft beeinflusst, interagiert mit ihr und beeinflusst sie. Wie Dr. Brendan Ludden von der Universität Oxford betonte, kann es notwendig sein, dem technischen Mantra der schnellen Bewegung entgegenzuwirken und Dinge mit der Vorstellung zu brechen, dass einige Dinge nicht gebrochen werden sollten.

Best Practice AI ist eine in London ansässige Boutique-Unternehmensberatung, die Unternehmen, KMU, den öffentlichen Sektor und Private Equity bei der Umsetzung ihrer KI-Pläne unterstützt. Ihre Mission ist es, die KI zu entmystifizieren und ihre Einführung zu beschleunigen. Die Best Practice AI-Bibliothek ist eine kostenlose Ressource mit der weltweit größten Sammlung von Geschäftsanwendungsfällen (600+) und Fallstudien (1000+), die in über 40 Branchen, über 60 Funktionen und über 60 Ländern organisiert sind. Die Bibliothek soll Führungskräften helfen, Fragen zu beantworten, was KI ist, wie sie heute angewendet wird und wie sie in Ihrem Unternehmen bereitgestellt werden kann.