人工智能指數報告跟蹤、整理、提煉和可視化與人工智能相關的數據。這份報告的使命是為政策制定者、研究人員、企業高管、媒體記者提供公正、經過嚴格審查的全球數據，使得公眾對復雜的人工智能領域有更透徹、更細致入微的理解。它旨在成為世界上最可信、最權威的人工智能數據和見解來源。
2022年的報告表明，AI系統開始廣泛部署到市場中，但同時對于“AI倫理問題”的探討也更加突出。當然隨著技術的快速發展，人們有這樣的擔心是很正常的，蒸汽機和電視機的出現也讓人感到驚訝。但還有一些針對AI倫理問題的討論是基于在當代越來越復雜且強大的AI系統（大多是因為深度學習在處理一些任務中表現出來的非常好的能力帶來的），也使得人們對這類強大的AI系統有著更多的倫理道德擔憂。
AI的廣泛全球化和產業化的融合給這項技術帶來了一定的市場競爭力。盡管AI在全球得到了廣泛的應用，但我們的倫理分析也揭示了許多AI倫理出版物傾向于集中在英語語言環境的系統和數據集上。預計上述趨勢要繼續：2021年增加了103％的資金投入在私人投資的AI方向，與2020年的AI相關的初創公司相比（965億美元與4.6億美元）。
關鍵信息
1、人工智能領域的私人投資飆升，投資集中度加劇
【私人投資翻倍】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。
【AI公司獲新融資數量持續下降】而新獲投資的 AI 公司數量持續下降，從2019 年的 1051 家公司、 2020 年的 762 家公司（同比下降27%）、到 2021 年的 746 家公司（同比下降2%）。
【融資規模擴大】2020 年一共有 4 項融資的價值超過5億美元；2021年有15個（同比增加275%）。
2、美國和中國主導了人工智能的跨國合作
盡管地緣政治緊張局勢加劇，但自2010年至2021年的11年間，中美合作的跨國人工智能出版物最多，且自 2010 年以來增加了五倍。
中美合作的出版物數量是排名第二的中英合作出版物數量的 2.7 倍。
3、語言模型比以往任何時候都更強大，但也更易有偏見
大型語言模型在技術基準上創造了新記錄，但新數據顯示更大的模型也更容易從訓練數據中產生偏差（bias）。2021年開發的2800億參數模型與2018年最先進的 1.17 億個參數的模型相比，其誘發偏差增加了 29%。
隨著時間的推移，這些系統的能力一定能夠顯著增強，同時也會帶來模型產生訓練偏差的嚴重后果。因此認為這類語言模型還有待研究。
4、人工智能倫理的興起變得無處不在
自 2014 年以來，關于人工智能公平性和透明度的研究呈爆炸式增長。在人工智能倫理相關的會議上，相關出版物增加了五倍有余。
算法的公平和偏見已經從單純的學術追求轉變為成為具有廣泛影響的社會主流研究課題。工業界研究人員近年來在以倫理為重點的會議上貢獻的出版物同比增加了 71%。
5、人工智能變得更實惠、性能更高
自 2018 年以來，訓練圖像分類系統的成本降低了 63.6%，而訓練次數提高了 94.4%。其他 任務也出現訓練成本降低、但訓練時間加快的趨勢：推薦系統，物體檢測和語言處理，并有利于更廣泛的人工智能商業應用。
6、數據，數據，數據
基于實驗室基準條件的模型技術結果則越來越依賴于使用更多的訓練數據來獲得更先進的結果。換言之，模型本身的設計好壞往往差別不大，而更多的訓練數據能帶來更好的實驗效果。
截至 2021 年，斯坦福大學AI指標報告中的 10 個基準測試中有 9 個最先進的 AI 系統經過了更多的訓練。這種趨勢隱隱指引著私營參與者傾向去尋找大量的數據集。
7、關于人工智能的全球立法比以往任何時候都多
對 25 個國家人工智能立法記錄的指數分析表明，包含“人工智能”的提議被通過而成為法律法條的情況，從 2016 年的 1 個增加到 了2021 年的 18 個。西班牙、英國和美國在 2021 年通過的與人工智能相關的法案數量最多，這些國家都通過了三項。
8、機械臂變得越來越便宜
一項人工智能指數調查顯示，機械臂的中位數價格在過去六年中下降了 4 倍從2016 年每只手臂 50,000 美元下降到 2021 年的 12,845 美元。關于機器人的研究變得更容易獲得，且負擔得起。
聲明：本文為CSDN博主「Mango_Holi」原創文章
- END -
