人工智能指數(shù)報(bào)告跟蹤、整理、提煉和可視化與人工智能相關(guān)的數(shù)據(jù)。這份報(bào)告的使命是為政策制定者、研究人員、企業(yè)高管、媒體記者提供公正、經(jīng)過嚴(yán)格審查的全球數(shù)據(jù)，使得公眾對(duì)復(fù)雜的人工智能領(lǐng)域有更透徹、更細(xì)致入微的理解。它旨在成為世界上最可信、最權(quán)威的人工智能數(shù)據(jù)和見解來源。
2022年的報(bào)告表明，AI系統(tǒng)開始廣泛部署到市場中，但同時(shí)對(duì)于“AI倫理問題”的探討也更加突出。當(dāng)然隨著技術(shù)的快速發(fā)展，人們有這樣的擔(dān)心是很正常的，蒸汽機(jī)和電視機(jī)的出現(xiàn)也讓人感到驚訝。但還有一些針對(duì)AI倫理問題的討論是基于在當(dāng)代越來越復(fù)雜且強(qiáng)大的AI系統(tǒng)（大多是因?yàn)樯疃葘W(xué)習(xí)在處理一些任務(wù)中表現(xiàn)出來的非常好的能力帶來的），也使得人們對(duì)這類強(qiáng)大的AI系統(tǒng)有著更多的倫理道德?lián)鷳n。
AI的廣泛全球化和產(chǎn)業(yè)化的融合給這項(xiàng)技術(shù)帶來了一定的市場競爭力。盡管AI在全球得到了廣泛的應(yīng)用，但我們的倫理分析也揭示了許多AI倫理出版物傾向于集中在英語語言環(huán)境的系統(tǒng)和數(shù)據(jù)集上。預(yù)計(jì)上述趨勢要繼續(xù)：2021年增加了103％的資金投入在私人投資的AI方向，與2020年的AI相關(guān)的初創(chuàng)公司相比（965億美元與4.6億美元）。
關(guān)鍵信息
1、人工智能領(lǐng)域的私人投資飆升，投資集中度加劇
【私人投資翻倍】2021 年人工智能領(lǐng)域的私人投資總額約為 935 億美元，是2020 年私人投資總額的兩倍多。
【AI公司獲新融資數(shù)量持續(xù)下降】而新獲投資的 AI 公司數(shù)量持續(xù)下降，從2019 年的 1051 家公司、 2020 年的 762 家公司（同比下降27%）、到 2021 年的 746 家公司（同比下降2%）。
【融資規(guī)模擴(kuò)大】2020 年一共有 4 項(xiàng)融資的價(jià)值超過5億美元；2021年有15個(gè)（同比增加275%）。
2、美國和中國主導(dǎo)了人工智能的跨國合作
盡管地緣政治緊張局勢加劇，但自2010年至2021年的11年間，中美合作的跨國人工智能出版物最多，且自 2010 年以來增加了五倍。
中美合作的出版物數(shù)量是排名第二的中英合作出版物數(shù)量的 2.7 倍。
3、語言模型比以往任何時(shí)候都更強(qiáng)大，但也更易有偏見
大型語言模型在技術(shù)基準(zhǔn)上創(chuàng)造了新記錄，但新數(shù)據(jù)顯示更大的模型也更容易從訓(xùn)練數(shù)據(jù)中產(chǎn)生偏差（bias）。2021年開發(fā)的2800億參數(shù)模型與2018年最先進(jìn)的 1.17 億個(gè)參數(shù)的模型相比，其誘發(fā)偏差增加了 29%。
隨著時(shí)間的推移，這些系統(tǒng)的能力一定能夠顯著增強(qiáng)，同時(shí)也會(huì)帶來模型產(chǎn)生訓(xùn)練偏差的嚴(yán)重后果。因此認(rèn)為這類語言模型還有待研究。
4、人工智能倫理的興起變得無處不在
自 2014 年以來，關(guān)于人工智能公平性和透明度的研究呈爆炸式增長。在人工智能倫理相關(guān)的會(huì)議上，相關(guān)出版物增加了五倍有余。
算法的公平和偏見已經(jīng)從單純的學(xué)術(shù)追求轉(zhuǎn)變?yōu)槌蔀榫哂袕V泛影響的社會(huì)主流研究課題。工業(yè)界研究人員近年來在以倫理為重點(diǎn)的會(huì)議上貢獻(xiàn)的出版物同比增加了 71%。
5、人工智能變得更實(shí)惠、性能更高
自 2018 年以來，訓(xùn)練圖像分類系統(tǒng)的成本降低了 63.6%，而訓(xùn)練次數(shù)提高了 94.4%。其他 任務(wù)也出現(xiàn)訓(xùn)練成本降低、但訓(xùn)練時(shí)間加快的趨勢：推薦系統(tǒng)，物體檢測和語言處理，并有利于更廣泛的人工智能商業(yè)應(yīng)用。
6、數(shù)據(jù)，數(shù)據(jù)，數(shù)據(jù)
基于實(shí)驗(yàn)室基準(zhǔn)條件的模型技術(shù)結(jié)果則越來越依賴于使用更多的訓(xùn)練數(shù)據(jù)來獲得更先進(jìn)的結(jié)果。換言之，模型本身的設(shè)計(jì)好壞往往差別不大，而更多的訓(xùn)練數(shù)據(jù)能帶來更好的實(shí)驗(yàn)效果。
截至 2021 年，斯坦福大學(xué)AI指標(biāo)報(bào)告中的 10 個(gè)基準(zhǔn)測試中有 9 個(gè)最先進(jìn)的 AI 系統(tǒng)經(jīng)過了更多的訓(xùn)練。這種趨勢隱隱指引著私營參與者傾向去尋找大量的數(shù)據(jù)集。
7、關(guān)于人工智能的全球立法比以往任何時(shí)候都多
對(duì) 25 個(gè)國家人工智能立法記錄的指數(shù)分析表明，包含“人工智能”的提議被通過而成為法律法條的情況，從 2016 年的 1 個(gè)增加到 了2021 年的 18 個(gè)。西班牙、英國和美國在 2021 年通過的與人工智能相關(guān)的法案數(shù)量最多，這些國家都通過了三項(xiàng)。
8、機(jī)械臂變得越來越便宜
一項(xiàng)人工智能指數(shù)調(diào)查顯示，機(jī)械臂的中位數(shù)價(jià)格在過去六年中下降了 4 倍從2016 年每只手臂 50,000 美元下降到 2021 年的 12,845 美元。關(guān)于機(jī)器人的研究變得更容易獲得，且負(fù)擔(dān)得起。
聲明：本文為CSDN博主「Mango_Holi」原創(chuàng)文章
- END -
