【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報告 | 人工智能行業(yè)研究報告】

　　近日，斯坦福大學(xué)以人為本人工智能研究所(Stanford HAI)發(fā)布了《2023年人工智能指數(shù)報告》(Artificial Intelligence Index Report 2023)。

　　報告跟蹤、整理、提煉和可視化了與人工智能相關(guān)的最新數(shù)據(jù)，從研究與開發(fā)、技術(shù)性能、AI技術(shù)倫理、經(jīng)濟、教育、政策與治理、多樣性和輿論等八大角度對人工智能的影響和年度趨勢展開了分析。

　　報告展現(xiàn)了 2022 年 AI 行業(yè)的主要趨勢：

　　AI 在許多基準測試中繼續(xù)發(fā)布最先進的結(jié)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。“文生圖” 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(xué)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(gòu)建更好的 AI。Nvidia 使用 AI 強化學(xué)習代理來改進為 AI 系統(tǒng)提供動力的芯片設(shè)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。

　　1、大型語言模型 LLM 的興起

　　在2019年發(fā)布的GPT-2被認為是第一個大型語言模型，擁有15億個參數(shù)，培訓(xùn)成本估計為5萬美元。三年后，PaLM推出，擁有5400億個參數(shù)，培訓(xùn)成本估計為800萬美元。各個領(lǐng)域的大型語言和多模態(tài)模型都變得越來越大和昂貴。這意味著人工智能系統(tǒng)的能力正在不斷提高，需要更困難的測試才能挑戰(zhàn)它們。

　　2、衡量AI能力需要新的標準

　　當前的人工智能工具不斷滿足或打破傳統(tǒng)的AI測試基準，表明人工智能系統(tǒng)在舊基準上變得越來越有能力，并且需要更困難的測試才能完全挑戰(zhàn)它們。由于這一趨勢，需要新的基準來確保人工智能系統(tǒng)的準確性和可靠性。

　　3、訓(xùn)練的環(huán)境成本越來越貴

　　大模型的訓(xùn)練、使用都非常耗電，會產(chǎn)生大量的碳排放，這在歐美開始受到關(guān)注。GPT-3被認為是有據(jù)可查的能耗第一名，但即使是相對更高效的BLOOM模型，它的耗電量也達到433兆瓦時，足以為一個普通美國家庭供電41年。

　　4、AI引發(fā)的技術(shù)問題不斷增加

　　根據(jù)AI、算法和自動化事件和爭議數(shù)據(jù)統(tǒng)計，2021年報告的AI相關(guān)爭議問題比2012年增加了26倍。由于人工智能系統(tǒng)的使用增加以及各種違規(guī)使用方法日益受到關(guān)注，各種技術(shù)濫用的問題逐漸暴露出來。其中包括使用deepfake、面部識別技術(shù)仿制別人形象等問題最多。

　　5、AI與人類社會的倫理研究成為熱點

　　FAccT會議從2021年到2022年收到的人工智能倫理相關(guān)論文數(shù)量增加了一倍，自2018年以來增加了10倍。這表明人工智能倫理和相關(guān)工作在學(xué)術(shù)界的關(guān)注度越來越大。其中一個趨勢是，過去FAccT相關(guān)研究由學(xué)術(shù)界主導(dǎo)，但在過去的一年中，工業(yè)界的參與者在這個領(lǐng)域貢獻了更多的工作。

　　6、帶動新的崗位出現(xiàn)

　　研究發(fā)現(xiàn)，各個領(lǐng)域招聘中對AI技能的要求逐漸增多，并且AI工作崗位的數(shù)量在2022年明顯高于2021年。IT信息部門占招聘的主導(dǎo)地位。在美國，軟件工程比較集中的加利福尼亞州招聘最多，達到了14.21萬個，其次是德克薩斯州(6.66萬個)和紐約州(4.38萬個)。

　　7、企業(yè)投資從 2021 年的高位回落

　　企業(yè)投資有所減少，但在過去十年中增長了13倍企業(yè)在AI領(lǐng)域的投資(合并/收購、少數(shù)股權(quán)、私募和公開發(fā)行)從2021年的高點下降，但在過去十年中增長了13倍。2022年最大的投資事件是微軟成功收購AI語音公司Nuance Communications，收購價達到197億美元。

　　8、中國成為最重視機器人的國家

　　世界范圍內(nèi)，機器人安裝量增加了31%，但沒有哪個國家像中國一樣重視機器人的整合。2013年，中國超過日本成為安裝工業(yè)機器人最多的國家，自那時以來，這個差距還在不斷擴大。2021年，中國安裝的這些機器人超過了全球其他地區(qū)的總和，如今中國機器人安裝量占全球的51.8%以上。

　　9、產(chǎn)業(yè)界吸引AI人才

　　研究報告發(fā)現(xiàn)，AI博士等人才主要都進入了產(chǎn)業(yè)界，讓AI產(chǎn)業(yè)發(fā)展已經(jīng)自發(fā)形成了一個人才與技術(shù)應(yīng)用的正循環(huán)。相比之下進入政府機構(gòu)的數(shù)量僅為0.7%，在過去五年中相對不變。學(xué)術(shù)界也有較大的降幅。AI研究的一線正與產(chǎn)業(yè)一線統(tǒng)一。

　　10、越來越多的國家開始對AI監(jiān)管

　　去年，127個國家的立法機構(gòu)通過了37項法律涉及人工智能技術(shù)，其中排名第一的美國通過了9項法律，其次是西班牙(5項)和菲律賓(4項)。具體法案包括菲律賓的一項AI教育改革，內(nèi)容主要涉及應(yīng)對人工智能在內(nèi)的新技術(shù)引起的挑戰(zhàn);西班牙的法案側(cè)重于AI算法中的非歧視和問責;美國則在建立AI培訓(xùn)計劃。自2016年以來，各國通過了123項與AI相關(guān)的法案，其中大多數(shù)是近年來通過的。

　　11、美國聯(lián)邦人工智能預(yù)算增加

　　2022財年，美國政府機構(gòu)為AI研究和開發(fā)分配了17億美元，比2021年增長13%，比2018年增長209%。同時，美國國防部在其非機密AI預(yù)算請求中提出了11億美元的預(yù)算，比2021年增長26%。

　　12、越來越多的女性進入計算機科學(xué)領(lǐng)域

　　雖然AI(以及更廣泛的STEM領(lǐng)域)在多年來一直是男性主導(dǎo)，但是越來越多的女性也開始進入計算機科學(xué)領(lǐng)域。最近的數(shù)據(jù)顯示，女性在計算機科學(xué)學(xué)士學(xué)位中的比例正在增加，上升到了22.3%。盡管北美大學(xué)的教師仍然以男性為主，但女性的比例已經(jīng)達到了30.2%的新高，比2015年增長了約8.5%。

　　來源：控制工程網(wǎng)