由斯坦福大學人工智能百年研究（AI100）推出的「人工智能指數」（AI Index）是一個追蹤 人工智能行業動態與發展的非營利性項目，其研究覆蓋了百年以來人工智能的總體情況， 目標是基于數據來推動人工智能的廣泛交流和有效對話。2022 年， AI Index 推出了第六份年度報告，從多個角度觀察和解讀了人工智能領域的動態和進展。
人工智能指數是斯坦福大學以人為中心的人工智能研究所(HAI)的一項獨立倡議，由人工智能指數指導委員會(AI Index Steering Committee)領導，該委員會是一個由來自學術界和工業界的專家組成的跨學科小組。該年度報告跟蹤、整理、提煉和可視化與人工智能相關的數據，使決策者能夠采取有意義的行動，以負責任和道德的方式推進人工智能。
最新版包括來自廣泛的學術、私人和非盈利組織的數據，以及比以往任何版本更多的自收集的數據和原創分析，包括一個擴展的技術性能章節，一份對世界各地機器人研究人員的新調查，25個國家的全球人工智能立法記錄數據，以及深入分析人工智能技術倫理指標的新篇章。
人工智能領域的民間投資大幅增加，投資集中度也在加大
- 2021年，人工智能領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，而新投資的人工智能公司數量繼續下降，從2019年的1051家公司和2020年的762家公司，降至2021年的746家公司。2020年，共有4輪融資，價值5億美元以上;2021年，有15個。
美國和中國主導了人工智能領域的跨國合作
- 盡管地緣政治緊張局勢不斷加劇，但從2010年到2021年，美國和中國在人工智能領域的跨國合作出版物數量最多，比2010年增加了5倍。中英兩國合作的出版物數量是中英兩國合作的2.7倍，位居第二。
語言模型比以往任何時候都更有能力，但也更有偏見
- 大型語言模型在技術基準上創造了新的記錄，但新的數據顯示，大型模型也更能從訓練數據中反映出偏見。2021年開發的2800億參數模型顯示，截至2018年，考慮到目前的技術水平，在1.17億參數模型上，誘發毒性增加了29%。隨著時間的推移，這些系統的能力正在顯著增強，盡管隨著它們能力的增強，系統的能力也在增強
人工智能倫理無處不在
- 自2014年以來，有關人工智能公平和透明度的研究呈爆炸式增長，在過去四年里，相關主題的出版物增加了5倍。算法公平與偏見已從最初的學術追求，成為具有廣泛影響的主流研究課題。近年來，與行業相關的研究人員在以倫理為主題的會議上發表的論文比去年多出了71%。
人工智能變得更便宜，性能也更高
- 自2018年以來，圖像分類的訓練成本降低了63.6%，訓練時間提高了94.4%。更低的訓練成本和更快的訓練時間出現在其他MLPerf任務類別，如推薦、目標檢測和語言處理，這有利于AI技術更廣泛的商業應用。
數據,數據,數據
- 跨技術基準的頂級結果越來越依賴于使用額外的訓練數據來設置新的最先進的結果。截至2021年，在本報告的10個基準中，有9個最先進的人工智能系統接受了額外數據的訓練。這一趨勢顯然有利于能夠訪問大量數據集的私營部門參與者
關于人工智能的全球立法比以往任何時候都多
- 對25個國家的人工智能立法記錄進行人工智能指數分析的結果顯示，包含“人工智能”內容的法案從2016年的1件增加到2021年的18件。2021年，西班牙、英國、美國分別通過了3個人工智能相關法案，是通過次數最多的國家。
機械臂正變得越來越便宜
人工智能指數(AI Index)的一項調查顯示，過去6年，機器人手臂的價格中值下降了4倍，從2016年的每只手臂5萬美元降至2021年的12,845美元。機器人研究已經變得更容易獲得和負擔得起
付費5元查看完整內容
相關內容
（StanfordUniversity）位于加利福尼亞州，臨近舊金山，占地35平方公里，是美國面積第二大的大學。它被公認為世界上最杰出的大學之一，相比美國東部的常春藤盟校，特別是哈佛大學、耶魯大學，斯坦福大學雖然歷史較短，但無論是學術水準還是其他方面都能與常春藤名校相抗衡。斯坦福大學企業管理研究所和法學院在美國是數一數二的，美國最高法院的9個大法官，有6個是從斯坦福大學的法學院畢業的。
負責任的人工智能
·
人工智能商業時代即將來臨。新冠大流行加速了許多公司對快速數字化和利用人工智能增強其業務流程的需求。但是，新技術也帶來了新的責任。
這項針對100位C級數據和分析高管的全球調查揭示了專注于人工智能的高管們正在考慮和解決的復雜問題，以幫助他們的組織能夠以道德的方式實現人工智能。
調查發現強調了人工智能道德問題的真實程度。專注于人工智能的高管們可能會更加關注人工智能道德方面的問題。但對于企業在使用人工智能時所應承擔的責任方面，目前還沒有達成共識。
報告還探討了企業在開發過程中如何有效地克服人工智能模型偏差。
很少有企業有這樣的“設計倫理”方法，可以確保他們糾正人工智能定期測試中的偏差。
報告建議那些希望確保企業負責任地使用人工智能的高管們：
了解與人工智能相關的風險
開發更好的實踐以確保合規性
更加重視持續的模型監控和維護
主要發現： 65%的公司無法解釋具體的 AI 模型決策或預測是如何實現的。只有 35% 的受訪者以透明的方式使用AI并真正負起責任。
22% 的受訪者表示，他們的企業設有 AI 道德委員會。78% 的企業無法確保正確考慮使用新 AI 系統的道德影響。
78% 的受訪者發現優先考慮負責人的AI實踐很難獲得高管的支持。這表明對不負責任的AI使用所帶來的風險缺乏認識。
77% 的受訪者認為 AutoML 技術可能會被濫用。
90% 的高管同意模型監控的低效流程是其企業采用 AI 的障礙。
付費5元查看完整內容
斯坦福大學正式發布了《2021年人工智能指數報告》（“Artificial Intelligence Index Report 2021”）！
地址： //aiindex.stanford.edu/report/
李飛飛教授十幾分鐘前也在推特上做了推薦！值得關注！
引言
今年，我們大大擴展了報告中可用的數據量，與更廣泛的外部組織合作校準我們的數據，并加深了我們與斯坦福大學HAI的聯系。
2021年報告還從多個角度展示了COVID-19對人工智能發展的影響。技術表現一章討論了人工智能初創公司如何在大流行期間使用基于機器學習的技術加速新冠病毒相關藥物的發現，我們的經濟一章指出，人工智能招聘和私人投資沒有受到大流行的顯著不利影響，因為這兩方面在2020年都有所增長。如果有什么不同的話，COVID-19可能導致參加人工智能研究會議的人數增加，因為大流行迫使會議轉向虛擬舉行，這反過來又導致出席人數大幅飆升。
九大結論
1. 人工智能在藥物設計和發現方面的投入顯著增加
2020年，“藥物、癌癥、分子、藥物發現”獲得的私人人工智能投資金額最大，超過138億美元，比2019年高出4.5倍。
2. 行業的轉變還在繼續
2019年，65%的北美人工智能博士畢業生進入了行業，高于2010年的44.4%，凸顯出行業開始在人工智能發展中發揮更大的作用。
3. 生成一切
人工智能系統現在可以合成文本、音頻和圖像，達到足夠高的標準，以至于對于該技術的某些受限應用來說，人類很難分辨合成和非合成輸出的區別。
4. AI面臨多樣性挑戰
2019年，45%的新美國居民人工智能博士畢業生為白人，2.4%為非洲裔，3.2%為西班牙裔。
5. 中國在人工智能期刊引用數量上超過美國
中國幾年前在期刊總數上超過了美國，現在在期刊引用數量上也領先于美國;然而，在過去十年里，美國的人工智能會議論文(被引用的次數也更多)一直(而且明顯)多于中國。
6. 美國大多數人工智能博士畢業生都來自國外——而且他們將留在美國
2019年，北美新AI博士中國際學生的比例繼續上升，達到64.3%，比2018年上升4.3%。在外國畢業生中，81.8%的人留在美國，8.6%的人在美國以外的地方找工作。
7. 監視技術快速、廉價，而且越來越普遍
大規模監控所需的技術正在迅速成熟，到2020年，圖像分類、人臉識別、視頻分析和語音識別等技術都將取得重大進展。
8. 人工智能倫理缺乏基準和共識
盡管在人工智能倫理領域，許多團體正在產生一系列定性或規范性的產出，但該領域通常缺乏基準，無法用來衡量或評估關于技術發展的更廣泛社會討論與技術本身發展之間的關系。此外，研究人員和公民社會認為人工智能倫理比產業組織更重要。
9. AI已經引起了美國國會的注意
第116屆國會是歷史上最關注人工智能的國會會議，國會記錄中提到人工智能的次數是第115屆國會的三倍多。
報告目錄
今年的報告，從學術、工業、開源、政府等方面詳細介紹了人工智能發展的現狀，并且記錄了計算機視覺、自然語言理解等領域的技術進展。報告章節如下： 一、研究與發展 二、技術表現 三、經濟 四、AI 教育 五、AI 應用的道德挑戰 六、AI 多樣性 七、AI 政策與國家策略
付費5元查看完整內容
由斯坦福大學發起的人工智能指數（AI Index）是一個追蹤 AI 動態和進展的非營利性項目，旨在全面研究 AI 行業狀況，目標是促進基于數據的 AI 的廣泛交流和有效對話。剛剛，斯坦福發布了《2019人工智能指數報告》，報告指出盡管人工智能世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：人工智能已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智能方面仍存在著難以逾越的鴻溝。
-
首先：從 1998 到 2018 年，AI 相關的同行評審論文的發表數量增長了 300% 。出席會議的人數也顯著增長，NeurIPS 2019 預計為 1.35 萬人，較 2012 年增長 800% 。
- 人工智能教育同樣受到了追捧，有關機器學習的大學和線上課程，參與者人數也持續增加。目前看來，AI 算是北美計算機科學專業畢業生中最受歡迎的專業。
- 超過 21% 的計算機科學博士選擇了專門從 AI 研究行業，是排名第二的學科（安全 / 信息保障）的兩倍多。
-
大多數指標上，美國仍然是全球 AI 領域的領導者。盡管中國發表的 AI 相關論文數量超過了任何其它地區，但美國發表論文的影響力更大，較全球平均水平高出 50% 。
- 中美兩國私有資金對 AI 領域的投入都很大（數十上百億美元計），AI 專利的申請數量也超過其它競爭對手（是排名第二的日本地區的三倍）。同時，AI 算法正在變得越來越快，訓練的成本也越來越便宜。
- 在流行數據集（ImageNet）的訓練上，機器視覺算法所需的時間，已從 2017 年 10 月的大約 3 個小時、減少到 2019 年 7 月的 88 秒，成本也從數千美元下降到兩位數。
-
自動駕駛汽車行業獲得了更多的私人投資（全球略低于 10%，約 77 億美元），其次是醫學研究和面部識別（兩者都吸引了 47 億美元）。
- 增長最速的工業 AI 領域，相對也不那么浮華。2018 年的時候，機器人流程自動化拿到了 10 億美元投資，供應鏈管理方面亦超過 5 億美元。?
- 在給人留下深刻印象的同時，還需注意一個重大的問題 —— 無論 AI 提升的幅度有多大，都距離媒體大肆渲染的目標相去甚遠。
-
換言之，盡管人工智能世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：
- 人工智能已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智能方面仍存在著難以逾越的鴻溝。
- 回顧 1990 年代，當時計算機在跳棋和國際象棋上打敗了人類選手，引發了人們對于 AI 未來的無限遐想。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191