重磅！斯坦福大学HAI发布《2023年人工智能指数报告》

2023年人工智能指数报告关键发现：全球AI趋势与影响解析

研究与发展

1. 中美合作领跑AI出版物：尽管步伐放缓，自2010年至2021年间，中美在跨国AI出版物上的合作仍居首位，数量增长四倍。然而，2020-2021年间，合作增长仅2.1%，为十年来最低。

2. 工业界引领AI研究：自2014年起，工业界在AI模型发布上超越学术界，2022年，32个重要机器学习模型均来自工业界，相比之下，学术界仅发布3个。这凸显了数据、计算力和资金在构建先进AI系统中的重要性。

3. AI研究全面崛起：自2010年以来，AI出版物数量翻倍，从20万篇增至近50万篇。模式识别、机器学习和计算机视觉持续成为研究热点。

4. 中美领先地位减弱：中国在论文总量上领先，美国在会议和存储库引用上占优，但领先优势逐渐缩小。尽管如此，多数大型语言和多模态模型仍由美国机构产出。

5. 大型语言模型成本激增：从GPT-2到PaLM，模型参数和训练成本急剧增加。PaLM比GPT-2大360倍，成本高出160倍，整体而言，大型模型愈发昂贵。

技术性能

1. AI系统灵活性增强：最新模型如BEiT-3、PaLI和Gato能处理多种任务，打破单一任务表现优异的传统模式。

2. 语言模型挑战重重：尽管生成能力增强，但在复杂规划任务中表现不佳。GPT-3、Instruct-GPT-3及BLOOM均面临挑战。

3. AI对环境影响复杂：研究表明，AI系统可能对环境产生负面影响，如BLOOM训练的碳排放高于航空旅行。但同时，BCOOLER模型通过优化冷却程序降低能耗12.7%。

4. 生成式AI普及但问题频出：DALL-E 2、Stable Diffusion等系统进入公众视野，但存在不稳定性和虚假信息输出问题。

5. AI加速科学进步：AI模型助力氢融合、提高基质操作效率及产生新抗体，推动科学快速发展。

6. 基准测试进步放缓：尽管AI技术飞速发展，但在许多基准测试上的改进微乎其微，新基准测试套件不断涌现。

7. AI自我优化加速进步：英伟达和谷歌通过强化学习改进芯片和语言模型设计，预示AI将自我优化并加速发展。

技术伦理

1. 数据与方法影响AI偏见：大模型虽存在偏见和有害性，但通过指令调整训练可有所改善。

2. 生成模型伦理挑战：生成模型备受关注，但存在性别偏见等问题。研究表明，37%的聊天机器人被赋予女性特征。

3. 公平与偏见矛盾：尽管性能与公平性相关，但某些表现更好的语言模型可能具有更严重的性别偏见。

4. AI伦理兴趣高涨：ACM FAccT会议稿件数量激增十倍，表明研究人员、从业人员和政策制定者对AI伦理的兴趣增加。

5. 事实核查挑战重重：使用自然语言系统进行事实核查面临挑战，因语言模型基于静态数据训练，缺乏实时更新和真实世界背景信息。

政策和治理

1. 政策制定者关注AI：包含“人工智能”内容的法案数量从2016年的1个增至2022年的37个，全球立法程序中提及AI的次数增加近6.5倍。

2. 政策视角多元：政策制定者从多个角度考虑AI作用，如英国讨论自动化风险、日本考虑保护人权、赞比亚研究AI预报天气可能性。

3. 美国法案通过数量创新高：2021年联邦立法中仅2%的AI法案得到通过，2022年上升至10%，州级法案通过率也显著上升。

4. 政府支出增加：美国政府与AI相关的合同支出金额自2017年以来增加约2.5倍，决策科学和计算机视觉成为重点支出领域。

5. 法律界逐渐认识AI：美国州级和联邦法院中与AI相关的法律案件数量激增七倍，涉及民事、知识产权和合同法等问题。