2023 AI 指数报告 | 读懂人工智能研究热点与趋势

人工智能正在进入一个新的发展阶段。当地时间4月3日，斯坦福一家人工智能研究所发布了《2023 年人工智能指数报告》（Artificial Intelligence Index Report 2023）。这是该机构发布的第6份年度报告，分析了人工智能的影响和年度趋势。报告从八个方面展开：研究与开发、技术性能、AI技术伦理、经济、教育、政策和治理、多样性以及舆论。

01

报告要点分析

NO.1 工业界领先于学术界

2014年之前，大多数重要的机器学习模型都是由学术界发布的。从那以后，工业界便开始接管了这场“比赛”。2022年，工业界生产了32个重要的机器学习模型，而学术界只生产了3个。建立最先进的人工智能系统越来越需要大量的数据、计算和资金，与非营利组织和学术界相比，工业界本来就拥有更多的资源。

NO.2 传统基准性能饱和

人工智能从业者继续发布着最先进的结果，但与此同时，很多基准的改进是微不足道的。此外，达到基准饱和的速度正在增加。然而，新的、更全面的基准测试套件，如BIG-bench和HELM正在发布。

NO.3 人工智能对环境既有帮助也有危害

新的研究表明，人工智能系统会对环境产生严重影响。根据Luccioni等人的研究，2022年，BLOOM的训练所排放的碳比一个从纽约到旧金山的单程航空旅客多25倍。尽管如此，像BCOOLER这样的新强化学习模型表明，人工智能系统可以用来优化能源使用。

NO.4 世界上最好的新科学家：人工智能模型？

人工智能模型开始迅速加速科学进步，在2022年被用来帮助氢融合，提高基质操作的效率，并产生新的抗体。

NO.5 关于滥用人工智能的事件数量正在迅速上升

根据追踪人工智能道德滥用相关事件的AIAAIC数据库，自2012年以来，人工智能事件和争议的数量增加了26倍。这种增长既证明了对人工智能技术的更多使用，也证明了对滥用可能性的认识。

NO.6 几乎所有美国工业部门对人工智能相关专业技能的需求都在增加

在美国有数据的每个部门中（农业、林业、渔业和狩猎业除外），与人工智能相关的工作岗位的数量平均从2021年的1.7%增加到2022年的1.9%。美国的雇主正越来越多地寻找具有人工智能相关技能的工人。

NO.7 在过去10年中，人工智能的私人投资首次出现同比下降

2022年，全球人工智能私人投资为919亿美元，自2021年以来下降了26.7%。与人工智能相关的融资事件总数以及新融资的人工智能公司数量也同样减少。不过，在过去10年中，人工智能投资仍然大幅增加。在2022年，人工智能的私人投资金额是2013年的18倍。

NO.8 采用人工智能的公司有意义的成本下降和收入增加

根据麦肯锡的年度研究调查结果，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%之间趋于平稳。采用人工智能的组织报告说，实现了有意义的成本下降和收入增加。

NO.9 政策制定者对人工智能的兴趣正在上升

AI Index对127个国家的立法记录的分析显示，包含 “人工智能” 的法案被通过成为法律的数量，从2016年的仅1个增长到2022年的37个。对81个国家的人工智能议会记录的分析同样表明，自2016年以来，全球立法程序中提及人工智能的次数增加了近6.5倍。

NO.10 中国公民是对人工智能产品和服务感受最积极的人群之一

在2022年IPSOS的调查中，78%的中国受访者（在接受调查的国家中比例最高）同意这样的说法：使用人工智能的产品和服务的好处多于坏处。在中国受访者之后，来自沙特阿拉伯（76%）和印度（71%）的受访者认为人工智能产品“利大于弊”。只有35%的美国受访者（在被调查国家中比例最低）同意这一说法。

02

AI领域研究热点及趋势

当前AI领域的研究热点

根据该报告，当前的AI的热点领域包括以下几个方面：

1. 模型压缩和加速：随着深度学习模型的不断增大，模型压缩和加速成为了一个重要的研究方向。这个领域的目标是在保持模型准确性的同时，尽可能地减小模型的大小和计算量；

2. 自然语言处理：自然语言处理一直是人工智能领域的一个重要方向。当前的热点包括机器翻译、问答系统、对话系统等；

3. 机器学习安全性：随着机器学习技术在各个领域得到广泛应用，机器学习安全性问题也变得越来越重要。当前的热点包括对抗样本、隐私保护、公平性等问题；

4. 自主驾驶技术：自主驾驶技术一直是人工智能领域的一个热门话题。当前的热点包括感知、决策、规划等方面。

当前AI研究的挑战

根据该报告，当前AI研究的主要困难和问题包括以下几个方面：

1. 数据质量和隐私保护：人工智能技术需要大量的数据来进行训练和优化，但是数据质量和隐私保护问题一直是一个难题。如何保证数据的质量和隐私性是当前亟待解决的问题；

2. 模型可解释性：深度学习模型通常具有很高的准确性，但是它们往往缺乏可解释性。这意味着我们无法理解模型为什么会做出某些决策，这在某些应用场景下可能会带来风险和不确定性；

3. 公平性和歧视问题：人工智能技术可能会受到种族、性别、年龄等因素影响，从而导致公平性和歧视问题。如何设计公平且无歧视的人工智能系统是当前亟待解决的问题；

4. 安全性问题：人工智能技术可能会被黑客攻击或者滥用，从而导致安全风险。如何设计安全可靠的人工智能系统是当前亟待解决的问题。

AI未来的发展方向

根据该报告，未来人工智能的发展方向包括以下几个方面：

1. 自主学习：自主学习是指机器可以在没有人类干预的情况下自我学习和进化。这个领域的目标是让机器具有更强的适应性和智能性；

2. 多模态学习：多模态学习是指机器可以同时处理多种类型的数据，例如图像、语音、文本等。这个领域的目标是让机器具有更全面和深入的理解能力；

3. 量子计算：量子计算是一种新型计算方式，可以在某些情况下比传统计算方式更快地解决某些问题。这个领域的目标是开发出更快、更高效的量子计算机，并将其应用于人工智能领域；

4. 人机协作：人机协作是指机器可以与人类进行有效沟通和合作。这个领域的目标是让机器成为人类工作和生活中不可或缺的伙伴。

人工智能技术对于人类社会的未来具有重要影响。我们需要认识到其中存在的机遇和挑战，并采取有效措施来最大程度地发挥人工智能技术的优势，同时最小化其对社会的负面影响。

责编：岳青植

监制：李红梅

文章参考：

1.《斯坦福AI指数报告：人工智能正在进入受企业控制时代》澎湃新闻

2.《斯坦福2023 AI指数报告（中文版）》斯坦福

3.《2023年斯坦福AI Index公布：细数AI最新进展及年度发展趋势》学术头条