每年，斯坦福大学以人为本的人工智能研究所（HAI）都会发布其人工智能指数，这是一份庞大的数据和图表汇编，试图总结人工智能的现状。本周发布的2022年人工智能指数一如既往地令人印象深刻，有190页涵盖研发、技术绩效、道德、政策、教育和经济。我帮了你一个忙，阅读了报告的每一页，并拿出了12张记录了比赛状态的图表。
值得注意的是，我从去年的2021年指数中报告的许多趋势仍然保持不变。例如，我们仍然生活在一个出版物不断增加的黄金人工智能夏天，人工智能就业市场仍然是全球性的，公司对人工智能风险的认识与减轻上述风险的尝试之间仍然存在令人不安的差距。我们没有在这里重复这些观点，而是向您推荐去年的报道。
1. 投资脱钩了
投入人工智能的资金令人难以置信。最值得注意的收益来自全球私人投资，从2020年的460亿美元飙升至2021年的935亿美元。这一跃升来自大轮融资的增加；2020年有四轮融资超过5亿美元，2021年有15轮融资。报告还指出，所有这些资金都流向了更少的公司，因为自2018年以来，新融资的初创企业数量一直在下降。这是加入人工智能初创公司的好时机，但也许自己可能没有找到。
2. 美国与中国叙事很复杂
这些天来，有人在谈论中国和美国之间的人工智能竞赛。斯坦福大学HAI的政策研究员、今年人工智能指数总编辑Daniel Zhang说：“当你看到所有关于地缘政治紧张局势的新闻时，你会认为这两个国家之间的合作数量会减少。”相反，他告诉IEEE Spectrum，“过去10年一直呈上升趋势。”在跨国出版物合作方面，中国和美国的产量是下一对中国和英国的两倍多。
3. 申请专利和获得专利是两件不同的事情
中国在申请专利数量上占主导地位；报告称，2021年，中国占全球专利申请的52%。然而，其中许多文件可能有点抱负。美国在授予的专利数量上占主导地位，占全球专利总数的40%。张指出，授予专利“证明您的专利实际上是可信和有用的”，并表示这种情况与出版物和引用的情况有点相似。虽然中国在出版物、出版物引用和会议出版物数量方面领先，但美国在会议出版物的引用方面仍然领先，这表明美国研究人员的著名论文仍然具有巨大的影响。
4. 计算机视觉步入高原？
计算机视觉领域发展如此之快，很难跟上最新成就的消息。AI指数显示，计算机视觉系统非常擅长涉及静态图像的任务，如对象分类和面部识别，并且在分类活动等视频任务方面也越来越好。
但一个相对较新的基准显示了计算机视觉系统所能做的局限性：它们擅长识别事物，而不是那么擅长推理他们所看到的东西。2018年推出的视觉常识推理挑战要求人工智能系统回答有关图像的问题，并解释其推理。例如，一张图片显示坐在餐厅餐桌旁的人和拿着盘子走近的服务器；测试询问为什么其中一个坐着的人指着桌子对面的人。报告指出，近年来，绩效改进变得越来越微不足道，“表明可能需要发明新技术来显著提高绩效。”
5. 人工智能还没有为法学院做好准备
自然语言处理（NLP）领域比计算机视觉晚几年开始蓬勃发展，但它与计算机视觉（图4）有点相似。文本总结和基本阅读理解等任务的基准显示出令人印象深刻的结果，人工智能系统往往超过人类的性能。但是，当NLP系统不得不推理他们所读的内容时，它们就会遇到麻烦。
这张图表显示了由LSAT考试中的逻辑推理问题组成的基准测试，这些问题被用作法学院的入学考试。虽然NLP系统在该基准的一组更简单的问题上做得很好，但性能最好的模型在一组更难的问题上的准确率仅为69%。研究人员从一个基准中获得了类似的结果，该基准要求NLP系统从不完整的信息中得出结论。推理仍然是人工智能的前沿。
6. 道德无处不在
以下是报告中的一点好消息：目前人们对人工智能道德产生了浓厚的兴趣，从参加ACM公平、问责和透明度会议（FAccT）等会议和NeurIPS的道德相关研讨会来看。对于那些没有听说过FAccT的人来说，报告指出，这是首批专注于算法社会技术分析的主要会议之一。这张图表显示了FAccT行业参与度的增加，张认为这是进一步的好消息。他说：“这个领域一直由学术研究人员主导，但现在我们看到更多的私营部门参与。”张说，很难猜测这种参与对人工智能系统在行业内的设计和部署意味着什么，但这是一个积极的迹象。
7. 排毒
人工智能中一个重要的道德问题领域涉及大型语言模型，如OpenAI的GPT-3，它有一个真正可怕的习惯，即生成文本，其中充满了从培训数据——互联网中学到的所有偏见和偏见。一些研究小组（包括OpenAI本身）正在研究这个有毒语言问题，两者都有衡量偏见和戒毒计划的新基准。但上面的图表显示了通过三种不同的排毒方法运行语言模型GPT-2的结果。这三种方法都损害了模型在称为困惑度量（分数越低）上的性能，对涉及非裔美国人对齐英语和提及少数群体的文本的影响最差。正如专家们喜欢说的那样，需要更多的研究。
8. 大学里挤满了CS学生
人工智能管道从未如此全面。计算研究协会的一项年度调查收集了北美200多所大学的数据，其最新数据显示，2020年有31,000多名本科生完成了计算机科学学位。这比2019年的数字增加了11.6%。
9. 人工智能需要女性
同一调查着眼于人工智能的新博士，结果完全令人沮丧。在过去的十年里，女性的新人工智能和CS博士学位的比例仅上升了几个百分点，至少在北美是如此。这一点实际上是去年对2021年报告的报道的重复，但每个人都应该继续谈论它，直到事情发生变化。
10. 人工智能需要各种种族背景的人
这一点也是如此。AI指数在单独的图表上显示了AI和CS博士的数据，但它们讲述了同样的故事。人工智能领域需要在人们获得博士学位之前很久就开始，在多样性方面做得更好。
11. 立法者正在关注
2021年，与人工智能相关的法案成为法律的法案比以往任何时候都多。在人工智能指数一直在关注的25个国家中，西班牙、英国和美国处于领先地位，去年各通过了三项法案。报告还指出，在美国，通过的这三项法案是拟议的130项法案之一。从报告中还不清楚这些法案大多是通过公共资金或颁布法规来管理人工智能可能带来的风险来促进人工智能。张说，这是一个组合，并表示HAI将在来年发布对全球立法的更详细的分析。
12. 气候变化
人工智能指数跟踪美国55个发布与人工智能相关的论文的公共政策团体，这张图表显示了这些团体去年关注的主题。我以这张图表为借口，提出人工智能日益大的能源足迹（训练大型模型需要大量的计算时间），因此它对气候变化的潜在影响。政策小组似乎并不认为这些是2021年的重要话题。我还问张人工智能指数是否可以在明年的报告中讨论这些问题，他说他的团队正在与各种组织讨论如何衡量和收集有关计算效率和气候影响的数据。所以请继续关注。
内容中包含的图片若涉及版权问题，请及时与我们联系删除
评论
沙发等你来抢