原創(chuàng) | 文BFT機(jī)器人

人工智能指數(shù)，是斯坦福大學(xué)人工智能研究所的一項獨(dú)立倡議，由人工智能指數(shù)指導(dǎo)委員會領(lǐng)導(dǎo)，該委員會是由來自學(xué)術(shù)界和工業(yè)界的跨學(xué)科專家組成。該年度報告跟蹤、整理、提煉和可視化與人工智能有關(guān)的數(shù)據(jù)，使決策者能夠采取有意義的行動，在考慮到人類的情況下負(fù)責(zé)任地推進(jìn)人工智能。

人工智能指數(shù)與許多不同的組織合作，追蹤人工智能的進(jìn)展。這些組織包括：喬治敦大學(xué)的安全和新興技術(shù)中心、LinkedIn、NetBase Quid、Lightcast和麥肯錫。

2023年的報告還比以往有更多的自我收集的數(shù)據(jù)和原始分析。包括對基金會模式的新分析，包括其地緣政治和培訓(xùn)成本，人工智能系統(tǒng)的環(huán)境影響，K-12人工智能教育，以及人工智能的輿論趨勢。

人工智能指數(shù)還擴(kuò)大了對全球人工智能立法的跟蹤，從2022年的25個國家擴(kuò)大到2023年的127個。

01 研究與發(fā)展

• 從2010年到2021年，美國和中國在AI出版物方面的跨國合作數(shù)量最多，盡管此后合作的步伐有所放緩

自2010年以來，美國和中國之間的人工智能研究合作數(shù)量大約增加了4倍，是排名第二的英國與中國合作數(shù)量的2.5倍。然而，2010到2021年，美中合作的總數(shù)只增加了2.1%，增幅放緩。

• AI研究正在全面上升

自2010年以來，人工智能出版物的總數(shù)已經(jīng)增加了一倍多，繼續(xù)主導(dǎo)研究人工智能領(lǐng)域的具體課題包括模式識別、機(jī)器學(xué)習(xí)和計算機(jī)視覺。

• 中國在AI期刊、會議和文獻(xiàn)庫出版物的總量上繼續(xù)領(lǐng)先

在人工智能會議和資源庫的引用方面，美國仍然領(lǐng)先，但這些領(lǐng)先優(yōu)勢正在慢慢被削弱。盡管如此，世界上大多數(shù)大型語言和多模態(tài)模型（2022年為54%）仍是由美國機(jī)構(gòu)制作的。

• 工業(yè)界領(lǐng)先于學(xué)術(shù)界

直到2014年，大多數(shù)重要的機(jī)器學(xué)習(xí)模型是由學(xué)術(shù)界發(fā)布的。但自那時后，重要的機(jī)器學(xué)習(xí)模型由工業(yè)界接管。

2022年，有32個重要的行業(yè)生產(chǎn)的機(jī)器學(xué)習(xí)模型，而學(xué)術(shù)界只生產(chǎn)了三個。建立最先進(jìn)的人工智能系統(tǒng)越來越需要大量的數(shù)據(jù)、計算機(jī)能力和資金，與非營利組織和學(xué)術(shù)界相比，工業(yè)界的從業(yè)者本來就擁有更多的資源。

• 大型語言模型越來越大，越來越昂貴

2019年發(fā)布的GPT-2，被許多人認(rèn)為是第一個大型語言模型，有15億個參數(shù)，估計訓(xùn)練成本為5萬美元。

PaLM是2022年推出的旗艦大型語言模型之一，有5400億個參數(shù)，成本估計為800萬美元--PaLM比GPT-2大360倍左右，成本高160倍。

不僅僅是PaLM：從整體上看，大型語言和多模態(tài)模型正在變得更大、更貴。

02 技術(shù)性能

• 傳統(tǒng)基準(zhǔn)上的性能飽和

人工智能繼續(xù)發(fā)布最先進(jìn)的結(jié)果，但許多基準(zhǔn)的同比改善仍然是微不足道的。此外，達(dá)到基準(zhǔn)飽和的速度正在增加。然而，新的、更全面的基準(zhǔn)測試套件，如BIG-bench和HELM也被發(fā)布。

• 生成性AI闖入公眾的意識

2022年，發(fā)布了像DALL-E 2和穩(wěn)定擴(kuò)散這樣的文本到圖像模型，像Make-A-Video這樣的文本到視頻系統(tǒng)，以及像ChatGPT這樣的聊天機(jī)器人。盡管如此，仍有缺陷，使得關(guān)鍵應(yīng)用很難依賴它們。

• AI系統(tǒng)變得更加靈活

傳統(tǒng)上，人工智能系統(tǒng)在狹窄的任務(wù)上表現(xiàn)良好，但在更廣泛的任務(wù)上卻舉步維艱。最近發(fā)布的模型挑戰(zhàn)了這一趨勢；BEiT-3、PaLI和Gato等等，這些單一的人工智能系統(tǒng)越來越有能力駕馭多種任務(wù)（例如，視覺、語言）。

• 有能力的語言模型在推理方面仍有困難

語言模型繼續(xù)提高它們的生成能力，但新的研究表明，它們?nèi)匀辉趶?fù)雜的規(guī)劃任務(wù)中掙扎。

• AI對環(huán)境既有幫助也有損害

新的研究表明，人工智能系統(tǒng)會對環(huán)境產(chǎn)生嚴(yán)重影響。

根據(jù)Luccioni等人的研究，2022年，BLOOM的訓(xùn)練運(yùn)行所排放的碳比一個從紐約到舊金山的單程航空旅行者多25倍。

盡管如此，像BCOOLER這樣的新強(qiáng)化學(xué)習(xí)模型卻表明，人工智能系統(tǒng)可以用來優(yōu)化能源使用。

• 世界上最好的新科學(xué)家...AI?

人工智能模型開始迅速加速科學(xué)進(jìn)步，在2022年被用來幫助氫融合，提高基質(zhì)操作的效率，并產(chǎn)生新的抗體。

• AI開始建立更好的AI

Nvidia使用了一個人工智能強(qiáng)化學(xué)習(xí)代理來改進(jìn)為人工智能系統(tǒng)提供動力的芯片的設(shè)計。同樣，谷歌最近使用其語言模型之一，PaLM，來建議如何改進(jìn)同一模型。自我改進(jìn)的人工智能學(xué)習(xí)將加速人工智能的進(jìn)步。

03??技術(shù)性AI倫理

• 模型規(guī)模對偏差的影響被訓(xùn)練數(shù)據(jù)和緩解方法緩解

在過去的一年里，一些機(jī)構(gòu)建立了自己的大型模型，并在專有數(shù)據(jù)上進(jìn)行了訓(xùn)練，雖然大型模型仍有缺陷和偏見，但新的證據(jù)表明，在用指令調(diào)諧訓(xùn)練大型模型后，這些問題可以得到一定程度的緩解。

• 產(chǎn)生式模型已經(jīng)到來，其倫理問題也隨之而來
  

2022年，生成模型成為時代潮流的一部分。這些模型是有能力的，但也有道德上的挑戰(zhàn)。文本—圖像生成器通常在性別方面存在偏見，而像ChatGPT這樣的聊天機(jī)器人也可以被有心人利用，用于欺騙等邪惡目的。

• 有關(guān)濫用AI的事件數(shù)量正在迅速上升

根據(jù)追蹤人工智能道德濫用相關(guān)事件的AIAAIC數(shù)據(jù)庫，自2012年以來，人工智能事件和爭議的數(shù)量增加了26倍。

2022年的一些值得注意的事件包括烏克蘭總統(tǒng)沃洛迪米爾-澤倫斯基(Volodymyr Zelenskyy)投降的深度偽造視頻和美國監(jiān)獄對其囚犯使用呼叫監(jiān)控技術(shù)。這種增長既證明了對人工智能技術(shù)的更多使用，也證明了對濫用可能性的認(rèn)識。

• 更公平的模型可能不會有較少的偏見
  

對語言模型的廣泛分析表明，雖然性能和公平性之間有明顯的相關(guān)性，但公平性和偏見可能是不一致的：在某些公平性基準(zhǔn)上表現(xiàn)較好的語言模型往往有較差的性別偏見。

• 對AI倫理的興趣繼續(xù)激增

FAccT是一個領(lǐng)先的人工智能倫理學(xué)會議，自2021年以來，接受的材料數(shù)量增加了一倍多，自2018年以來增加了10倍。2022年，業(yè)界人士提交的材料也比以往多。

• 使用自然語言處理的自動事實(shí)核查畢竟不是那么簡單的事

雖然已經(jīng)為自動事實(shí)核查制定了一些基準(zhǔn)，但研究人員發(fā)現(xiàn)，16個這樣的數(shù)據(jù)集中有11個依賴事實(shí)核查報告中 "泄露 "出來的證據(jù)，而這些證據(jù)在索賠浮出水面時并不存在。

04? 經(jīng)濟(jì)

• 幾乎所有的美國工業(yè)部門對與AI相關(guān)的專業(yè)技能的需求都在增加

在美國有數(shù)據(jù)的每個部門中（除農(nóng)業(yè)、林業(yè)、漁業(yè)和狩獵業(yè)外），與人工智能相關(guān)的工作崗位數(shù)量平均從2021年的1.7%增加到2022年的1.9%。美國的雇主正越來越多地尋找具有人工智能相關(guān)技能的工人。

• 對AI的私人投資逐年減少，這在過去十年中是第一次

2022年，全球人工智能私人投資為919億美元，自2021年以來下降了26.7%。與人工智能相關(guān)的融資事件總數(shù)以及新融資的人工智能公司數(shù)量同樣減少。
不過，在過去的十年中，人工智能投資仍然大幅增加。2022年，人工智能的私人投資金額是2013年的18倍。

• 美國在人工智能方面的投資再次領(lǐng)先

在人工智能私人投資總額方面，美國領(lǐng)先于世界。2022年，在美國投資的474億美元大約是次高國家中國（134億美元）投資額的3.5倍。在新投資的人工智能公司總數(shù)方面，美國也繼續(xù)領(lǐng)先，比歐盟和英國加起來多1.9倍，比中國多3.4倍。

• 在2022年，投資最多的AI重點(diǎn)領(lǐng)域是醫(yī)療和保健（61億美元）；其次是數(shù)據(jù)管理、處理和云（59億美元）；以及金融技術(shù)（55億美元）。
  

2022年，最大的三起人工智能私人投資事件是：(1)中國電動汽車制造商廣汽新能源汽車融資25億美元；(2)美國國防產(chǎn)品公司Anduril Industries的15億美元E輪融資，該公司為軍事機(jī)構(gòu)和邊境監(jiān)控打造技術(shù)；(3)總部位于德國的商業(yè)數(shù)據(jù)咨詢公司Celonis的12億美元投資。

• 雖然采用人工智能的公司比例趨于平穩(wěn)，但已經(jīng)采用人工智能的公司繼續(xù)領(lǐng)先

根據(jù)麥肯錫的年度研究調(diào)查結(jié)果，2022年采用人工智能的公司比例自2017年以來增加了一倍多，實(shí)現(xiàn)了有意義的成本下降和收入增加。

• 企業(yè)正在以多方面的方式部署人工智能

最有可能被植入企業(yè)的人工智能能力包括機(jī)器人流程自動化（39%）、計算機(jī)視覺（34%）、NL文本理解（33%）和虛擬代理（33%）。

此外，2022年最常采用的人工智能用例是服務(wù)運(yùn)營優(yōu)化（24%），其次是創(chuàng)建基于人工智能的新產(chǎn)品（20%），客戶細(xì)分（19%），客戶服務(wù)分析（19%），以及基于人工智能的新產(chǎn)品增強(qiáng)（19%）。

• 像copilot這樣的AI工具正在實(shí)實(shí)在在地幫助工人

GitHub對Copilot（一種文本到代碼的人工智能系統(tǒng)）使用情況的調(diào)查結(jié)果發(fā)現(xiàn)，88%的受訪者在使用該系統(tǒng)時感覺工作效率更高，74%的人認(rèn)為他們能夠?qū)Ｗ⒂诟钊藵M意的工作，88%的人認(rèn)為他們能夠更快地完成任務(wù)。

• 中國在工業(yè)機(jī)器人安裝方面占主導(dǎo)地位

2013年，中國超過了日本，成為安裝工業(yè)機(jī)器人最多的國家。自那時起，中國安裝的工業(yè)機(jī)器人總數(shù)與次要國家之間的差距擴(kuò)大。2021年，中國安裝的工業(yè)機(jī)器人比世界其他國家的總和還要多。

05? 教育

• 越來越多的AI專門化

美國大學(xué)新畢業(yè)的計算機(jī)科學(xué)博士生中，專攻人工智能的比例從2020年的14.9%和2010年的10.2%躍升到2021年的19.1%。

• 新的AI博士越來越多地走向工業(yè)界

2011年，新的人工智能博士畢業(yè)生在工業(yè)界（40.9%）和學(xué)術(shù)界（41.6%）的工作比例大致相同。然而，從那時起，大多數(shù)人工智能博士已經(jīng)走向了工業(yè)界。2021年，65.4%的人工智能博士在工業(yè)界工作，比在學(xué)術(shù)界工作的28.2%高出一倍多。

• 北美地區(qū)新招聘的理科生、文科生和信息專業(yè)的教師人數(shù)保持不變

在過去十年中，北美計算機(jī)科學(xué)(CS)、計算機(jī)工程(CE)和信息學(xué)的新聘教師總數(shù)已經(jīng)減少：2021年的總聘用人數(shù)為710人，而2012年為733人。同樣，終身聘用的總?cè)藬?shù)在2019年達(dá)到了422人的高峰，然后在2021年下降到324人。

• 美國私立與公立的理科大學(xué)在外部研究資金方面的差距繼續(xù)擴(kuò)大

2011年，美國私立和公立CS系用于計算研究的外部來源總支出的中位數(shù)大致相同。
自那時起，這一差距已經(jīng)擴(kuò)大，美國私立CS系獲得的額外資金比公立大學(xué)多出數(shù)百萬。2021年，私立大學(xué)的支出中位數(shù)為970萬美元，而公立大學(xué)則為570萬美元。

• 美國和世界其他國家對K-12 AI和計算機(jī)科學(xué)教育的興趣都在增長

2021年，美國學(xué)生共參加了181,040次AP計算機(jī)科學(xué)考試，比前一年增長了1.0%。自2007年以來，AP計算機(jī)科學(xué)考試的數(shù)量已經(jīng)增加了9倍。截至2021年，包括比利時、中國和韓國在內(nèi)的11個國家已經(jīng)正式認(rèn)可并實(shí)施了K-12人工智能課程。

06??政策和治理

• 從談?wù)摰筋C布，美國通過的美國法案比以往任何時候都多

2021年，美國所有聯(lián)邦人工智能法案中只有2%被通過成為法律。這個數(shù)字在2022年躍升至10%。同樣，去年所有州級人工智能法案中有35%被通過成為法律。

• 談到AI，政策制定者有很多想法

對一組不同國家的議會程序進(jìn)行的定性分析顯示，政策制定者從廣泛的角度思考人工智能問題。
例如，在2022年，英國的立法者討論了人工智能主導(dǎo)的自動化的風(fēng)險；日本的立法者考慮了在人工智能面前保障人權(quán)的必要性；贊比亞的立法者研究了使用人工智能進(jìn)行天氣預(yù)報的可能性。

• 美國政府繼續(xù)增加對AI的支出

自2017年以來，美國政府人工智能相關(guān)的合同支出金額大約增加了2.5倍。

• 法律界對AI的認(rèn)識正在覺醒

2022年，美國州和聯(lián)邦法院有110起與人工智能有關(guān)的法律案件，大約是2016年的7倍。這些案件大多起源于加利福尼亞州、紐約州和伊利諾伊州，并涉及與民事、知識產(chǎn)權(quán)和合同法有關(guān)的問題。

07?多樣性

• 北美本科、碩士和博士級別的計算機(jī)科學(xué)學(xué)生正變得更加種族多樣化

雖然白人學(xué)生仍然是新的本科、碩士和博士級別的計算機(jī)科學(xué)畢業(yè)生中最有代表性的種族，但來自其他種族背景的學(xué)生（例如，亞洲人、西班牙人、黑人或非洲裔美國人）的比例越來越高。例如，在2011年，71.9%的新CS本科畢業(yè)生是白人。2021年，這個數(shù)字下降到46.7%。

• 新的AI博士仍然以男性居多

2021年，78.7%的新AI博士是男性。只有21.3%是女性，比2011年增加了3.2個百分點(diǎn)。在更高層次的人工智能教育中，仍然存在著性別不平衡的現(xiàn)象。

• 女性在科學(xué)、技術(shù)和信息學(xué)院的聘用中占的比例越來越大

自2017年以來，新聘用的女性CS、CE和信息教員的比例從24.9%增加到30.2%。盡管如此，北美大學(xué)的大多數(shù)CS、CE和信息專業(yè)的教師都是男性（75.9%）。截至2021年，只有0.1%的CS、CE和信息類教師認(rèn)定為非二進(jìn)制。

• 美國的K-12計算機(jī)科學(xué)教育在性別和種族方面都變得更加多樣化

女生參加AP計算機(jī)科學(xué)考試的比例從2007年的16.8%增加到2021年的30.6%。同比之下，亞洲人、西班牙裔/拉丁裔/拉美裔和黑人/非洲裔學(xué)生參加AP計算機(jī)科學(xué)考試的比例也同樣增加。

08?輿論

• 中國公民是對美國產(chǎn)品和服務(wù)感受最積極的人群之一

  
  

在2022年IPSOS的調(diào)查中，78%的中國受訪者（在接受調(diào)查的國家中比例最高）同意“使用人工智能的產(chǎn)品和服務(wù)的好處多于壞處”的想法。

在中國受訪者之后，來自沙特阿拉伯（76%）和印度（71%）的受訪者對人工智能產(chǎn)品感到最積極。只有35%的抽樣美國人（在被調(diào)查國家中比例最低）同意使用人工智能的產(chǎn)品和服務(wù)的好處多于壞處。

• 男性對人工智能產(chǎn)品和服務(wù)的感覺往往比女性更積極

男性也比女性更有可能相信人工智能將主要是幫助而不是傷害。根據(jù)2022年IPSOS的調(diào)查，男性比女性更有可能表示人工智能產(chǎn)品和服務(wù)使他們的生活更輕松，信任使用人工智能的公司，并認(rèn)為人工智能產(chǎn)品和服務(wù)的好處多于壞處。

蓋洛普和勞合社基金會2021年的一項調(diào)查同樣顯示，男性比女性更有可能同意這樣的說法：在未來20年，人工智能大多會幫助而不是損害他們的國家。

• 世界各地，特別是美國的人們?nèi)匀徊幌嘈抛詣玉{駛汽車

在一項全球調(diào)查中，只有27%的受訪者表示在自動駕駛汽車中感到安全。同樣，研究表明只有26%的美國人認(rèn)為無人駕駛乘用車對社會是一個好主意。

• 引起興奮和關(guān)切的不同原因

在接受調(diào)查的美國人樣本中，那些報告對人工智能感到興奮的人最興奮的是有可能使生活和社會變得更好（31%），以及節(jié)省時間和使事情更有效率（13%）。那些報告說感到更擔(dān)心的人擔(dān)心人類工作的流失（19%）；監(jiān)視、黑客和數(shù)字隱私（16%）；以及缺乏人際聯(lián)系（12%）。

• NLP研究人員......也有一些強(qiáng)烈的意見

根據(jù)一項廣泛分發(fā)給NLP研究人員的調(diào)查，77%的人同意或不太同意私人AI公司有太多的影響力，41%的人說NLP應(yīng)該被監(jiān)管，73%的人認(rèn)為AI很快就會帶來革命性的社會變化。這些是NLP研究界持有的許多強(qiáng)烈意見中的一部分。

文章來源：https://aiindex.stanford.edu/report/?

更多精彩內(nèi)容請關(guān)注公眾號：BFT機(jī)器人
版權(quán)歸BFT機(jī)器人所有，如需轉(zhuǎn)載請與我們聯(lián)系。若您對該文章內(nèi)容有任何疑問，請與我們聯(lián)系，將及時回應(yīng)。