• AI 在許多基準測試中繼續(xù)發(fā)布最先進的結果，但在幾個方面的同比改進微乎其微。此外，達到基準飽和的速度也在增加。許多用于衡量 AI 進展的傳統(tǒng)基準測試，如 ImageNet 和 SQuAD，似乎已不足。新的、更全面的基準測試套件，例如 BIG-bench 和 HELM 已經(jīng)被發(fā)布，以挑戰(zhàn)功能日益強大的 AI 系統(tǒng)。

• DALL-E 2、Stable Diffusion 和 ChatGPT 等生成式 AI 模型已成為時代潮流的一部分。它們顯示出令人印象深刻的能力，同時也引發(fā)了一系列道德問題?！拔纳鷪D” 通常在性別維度上存在偏見，而像 ChatGPT 這樣的聊天機器人，可能會傳遞錯誤信息或被用于邪惡的目的。

• 大型語言模型（LLMs）推動了最近的 AI 進展，它現(xiàn)在變得更大、更昂貴。例如，PaLM 是 2022 年發(fā)布的 AI 模型之一，其成本是 2019 年首批推出的 LLMs 之一 GPT-2 的 160 倍，體積是其 360 倍。

• AI 正在幫助加速科學進步。2022 年，AI 模型被用于控制氫聚變，提高矩陣運算效率，并產(chǎn)生新的抗體。AI 也開始構建更好的 AI。Nvidia 使用 AI 強化學習代理來改進為 AI 系統(tǒng)提供動力的芯片設計。同樣，谷歌最近使用其 LLMs 之一 PaLM 來建議改進同一模型的方法。

2023 年的報告包含比以往任何時候都多的 AI Index 團隊的原創(chuàng)數(shù)據(jù)與分析。今年的報告還包括了對基礎模型的新分析，包括地緣政治和訓練成本、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。報告還將其對全球人工智能立法的追蹤范圍從 2022 年的 25 個國家擴大到 2023 年的 127 個。

AI Index 是 Stanford HAI 的一項獨立計劃。自 2017 年起，由斯坦福大學主導、來自 MIT、OpenAI、哈佛、麥肯錫等機構的多位專家教授共同組建了一個小組，每年發(fā)布 AI Index 年度報告，全面追蹤人工智能的最新發(fā)展狀態(tài)和趨勢。

2014 年之前，大多數(shù)重要的機器學習模型都是由學術界發(fā)布的。從那以后，工業(yè)界便開始接管了這場“比賽”。2022 年，工業(yè)界生產(chǎn)了 32 個重要的機器學習模型，而學術界只生產(chǎn)了 3 個。建立最先進的人工智能系統(tǒng)越來越需要大量的數(shù)據(jù)、計算和資金，與非營利組織和學術界相比，工業(yè)界本來就擁有更多的資源。

此前，來自麻省理工學院、弗吉尼亞理工大學的研究團隊在權威科學期刊Science上發(fā)文，闡述了業(yè)界在“數(shù)據(jù)、算力與人才”方面的優(yōu)勢，并探討了業(yè)界的這些優(yōu)勢可能帶來的隱患，以及可行的對策。（點擊查看詳情）

2. 傳統(tǒng)基準性能飽和

人工智能從業(yè)者繼續(xù)發(fā)布著最先進的結果，但與此同時，很多基準的改進是微不足道的。此外，達到基準飽和的速度正在增加。然而，新的、更全面的基準測試套件，如 BIG-bench 和 HELM 正在發(fā)布。

3. 人工智能對環(huán)境既有幫助也有危害

新的研究表明，人工智能系統(tǒng)會對環(huán)境產(chǎn)生嚴重影響。根據(jù) Luccioni 等人的研究，2022 年，BLOOM 的訓練所排放的碳比一個從紐約到舊金山的單程航空旅客多 25 倍。盡管如此，像 BCOOLER 這樣的新強化學習模型表明，人工智能系統(tǒng)可以用來優(yōu)化能源使用。

4. 世界上最好的新科學家...人工智能模型？

人工智能模型開始迅速加速科學進步，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。

5. 關于濫用人工智能的事件數(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。這種增長既證明了對人工智能技術的更多使用，也證明了對濫用可能性的認識。

6.幾乎所有美國工業(yè)部門對人工智能相關專業(yè)技能的需求都在增加

在美國有數(shù)據(jù)的每個部門中（農(nóng)業(yè)、林業(yè)、漁業(yè)和狩獵業(yè)除外），與人工智能相關的工作崗位的數(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技能的工人。

7. 在過去 10 年中，人工智能的私人投資首次出現(xiàn)同比下降

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%。與人工智能相關的融資事件總數(shù)以及新融資的人工智能公司數(shù)量也同樣減少。不過，在過去 10 年中，人工智能投資仍然大幅增加。在 2022 年，人工智能的私人投資金額是 2013 年的 18 倍。

8. 采用人工智能的公司有意義的成本下降和收入增加

根據(jù)麥肯錫的年度研究調(diào)查結果，2022 年采用人工智能的公司相比于 2017 年增加了一倍多，在 50%-60% 之間趨于平穩(wěn)。采用人工智能的組織報告說，實現(xiàn)了有意義的成本下降和收入增加。

9. 政策制定者對人工智能的興趣正在上升

AI Index 對 127 個國家的立法記錄的分析顯示，包含 “人工智能” 的法案被通過成為法律的數(shù)量，從 2016 年的僅 1 個增長到 2022 年的 37 個。對 81 個國家的人工智能議會記錄的分析同樣表明，自 2016 年以來，全球立法程序中提及人工智能的次數(shù)增加了近 6.5 倍。

10. 中國公民是對人工智能產(chǎn)品和服務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）同意這樣的說法：使用人工智能的產(chǎn)品和服務的好處多于壞處。在中國受訪者之后，來自沙特阿拉伯（76%）和印度（71%）的受訪者認為人工智能產(chǎn)品“利大于弊”。只有 35% 的美國受訪者（在被調(diào)查國家中比例最低）同意這一說法。

最新報告專門用多個章節(jié)介紹了 AI 對社會的影響。盡管 LLMs 最近幾個月才進入公眾意識，但 AI 已經(jīng)在多個領域產(chǎn)生影響。

2021 年，美國立法者提出的聯(lián)邦 AI 相關法案中只有 2% 通過成為法律。去年，這個數(shù)字躍升至 10%。與此同時，在州一級，35% 的人工智能相關法案在 2022 年獲得通過。

教育部門也感受到了機器學習的影響。根據(jù) Stanford HAI 的研究，截至 2021 年，已有 11 個國家正式認可并實施了 K-12 人工智能課程。從 2010 年到 2021 年，美國大學專門從事 AI 的畢業(yè)生幾乎翻了一番，達到 19.1%。

希伯來大學計算機科學與工程學院教授、AI 指數(shù)指導委員會成員 Katrina Ligett 說：“我們正處于一個圍繞 AI 的極度興奮甚至炒作的時代?！?/span>“這使得決策者和公眾能夠獲得 AI 指數(shù)中包含的信息變得更加重要，這使我們能夠根據(jù)事實展開更多辯論，并突出有關 AI 及其數(shù)據(jù)的領域無法獲得覆蓋面和影響?！?/span>

參考鏈接：

https://hai.stanford.edu/news/2023-ai-index-year-technical-achievement-newfound-public-scrutiny