每年，人工智能指数都会以更大的虚拟冲击力登陆虚拟桌面——今年，它的 393 页证明了人工智能将在 2023 年迎来一个真正重要的一年。在过去的三年里，IEEE Spectrum阅读了整个该死的事情，并拿出了一系列总结人工智能当前状态的图表。

AI，一些数据

最后IEEE通过15张图，总结人工智能现状。

2. 谷歌在基础模型竞赛中占据主导地位

基础模型是大型多用途模型，例如，OpenAI 的GPT-3和GPT-4是使ChatGPT用户能够编写代码或莎士比亚十四行诗的基础模型。由于训练这些模型通常需要大量资源，因此工业界现在制造了大部分模型，而学术界只提供了少量资源。公司发布基础模型既是为了推动最先进的技术发展，也是为了为开发人员提供构建产品和服务的基础。谷歌在 2023 年发布了最多的内容。

3. 封闭模型优于开放模型

上图揭示了另一个方面：在许多常用的基准测试中，封闭模型的表现优于开放模型。Maslej 表示，关于开放式与封闭式的争论“通常围绕风险担忧，但很少讨论是否存在有意义的性能权衡”。

4. 基础模型变得超级昂贵

5. 它们的碳足迹很大

6. 美国在基础模型方面处于领先地位

虽然 Maslej 表示该报告并不是试图“宣布这场竞赛的获胜者”，但他确实指出，美国在几个方面处于领先地位，包括发布的基础模型数量（下图）以及被视为重大技术进步的人工智能系统数量。不过，他指出，中国在其他方面处于领先地位，包括人工智能专利授权和工业机器人安装。

7. 业界呼唤新博士

考虑到之前讨论的有关行业在生成人工智能方面获得大量投资并发布大量令人兴奋的模型的数据，这一点并不令人意外。2022 年（该指数有数据的最近一年），北美 70% 的新人工智能博士在工业界就业。这是过去几年趋势的延续。

8. 多样性方面取得的一些进展

多年来，在减少人工智能中白人和男性的数量方面几乎没有取得任何进展。但今年的报告提供了一些充满希望的迹象。例如，参加 AP 计算机科学考试的非白人和女性学生数量正在增加。上图显示了种族趋势，而另一张图表（此处未包含）显示，现在参加考试的学生中有 30% 是女孩。

报告中的另一张图表显示，在本科阶段，获得计算机科学学士学位的北美学生的种族多样性也呈现出积极的趋势，尽管获得计算机科学学士学位的女性人数在过去五年中几乎没有变化。Maslej 说：“重要的是要知道这里还有很多工作要做。”

9. 财报电话会议上的闲聊

企业已经意识到人工智能的可能性。该指数从市场情报公司Quid获取了有关财富 500 强公司财报电话会议的数据，该公司使用自然语言处理工具扫描所有提及“人工智能”、“AI”、“机器学习”、“ML”和“深度学习。”近 80% 的公司在电话会议中讨论了人工智能。“我认为企业领导者担心，如果他们不使用这项技术，他们就会错过机会，”马斯莱说。

10. 成本下降，收入上升

这就是为什么人工智能不仅仅是一个企业流行语：麦肯锡的同一项调查显示，人工智能的整合导致公司成本下降，收入上升。总体而言，42% 的受访者表示成本降低了，59% 的受访者声称收入增加了。

报告中的其他图表表明，这种对利润的影响反映了效率的提高和工人生产力的提高。2023年，不同领域的多项研究表明，人工智能使工人能够更快地完成任务并生产出更高质量的工作。一项研究着眼于使用Copilot 的程序员，而其他研究则着眼于顾问、呼叫中心代理和法学院学生。“这些研究还表明，尽管每个工人都受益，但人工智能对低技能工人的帮助比对高技能工人的帮助更大，”马斯莱说。

11. 企业确实感知到风险

今年，AI Index 团队对全球 1000 家收入至少 5 亿美元的公司进行了调查，以了解企业如何看待负责任的 AI。结果表明，隐私和数据治理被认为是全球最大的风险，而公平性（通常在算法偏差方面讨论）仍然没有得到大多数公司的认可。报告中的另一张图表显示，企业正在针对其感知的风险采取行动：跨地区的大多数组织都实施了至少一项负责任的人工智能措施来应对相关风险。

12.人工智能还不能在所有事情上击败人类......

13. 制定人工智能责任规范

当人工智能公司准备发布大型模型时，标准做法是根据该领域的流行基准对其进行测试，从而让人工智能社区了解模型在技术性能方面如何相互比较。然而，根据负责任的 AI 基准测试模型的情况并不常见，这些基准评估RealToxicityPrompts和ToxiGen、响应中的BOLD和BBQ以及TruthfulQA等。这种情况开始发生变化，因为人们越来越意识到，根据这些基准检查模型是负责任的事情。然而，报告中的另一张图表显示缺乏一致性：开发人员正在根据不同的基准测试他们的模型，这使得比较变得更加困难。

14. 法律既促进又限制人工智能

2016年至2023年间，人工智能指数发现，有33个国家通过了至少一项与人工智能相关的法律，其中大部分行动发生在美国和欧洲；在此期间，总共通过了 148 项与人工智能相关的法案。该指数研究人员还将法案分为旨在增强国家人工智能能力的扩张性法律或限制人工智能应用和使用的限制性法律。尽管许多法案继续推动人工智能发展，但研究人员发现全球存在限制性立法的趋势。

15. 人工智能让人紧张

该指数的民意数据来自一项关于人工智能态度的全球调查，调查来自 31 个国家的 22,816 名成年人（16 岁至 74 岁）。超过一半的受访者表示人工智能让他们感到紧张，这一比例高于去年的 39%。三分之二的人现在预计人工智能将在未来几年深刻改变他们的日常生活。

Maslej 指出，该指数中的其他图表显示不同人群的观点存在显着差异，年轻人更倾向于对人工智能将如何改变他们的生活持乐观态度。有趣的是，“这种人工智能悲观情绪很多来自西方发达国家”，他说，而印度尼西亚和泰国等地的受访者则表示，他们预计人工智能的利大于弊。

每年，人工智能指数都会以更大的虚拟冲击力登陆虚拟桌面——今年，它的 393 页证明了人工智能将在 2023 年迎来一个真正重要的一年。在过去的三年里，IEEE Spectrum阅读了整个该死的事情，并拿出了一系列总结人工智能当前状态的图表。

AI，一些数据

最后IEEE通过15张图，总结人工智能现状。

2. 谷歌在基础模型竞赛中占据主导地位

基础模型是大型多用途模型，例如，OpenAI 的GPT-3和GPT-4是使ChatGPT用户能够编写代码或莎士比亚十四行诗的基础模型。由于训练这些模型通常需要大量资源，因此工业界现在制造了大部分模型，而学术界只提供了少量资源。公司发布基础模型既是为了推动最先进的技术发展，也是为了为开发人员提供构建产品和服务的基础。谷歌在 2023 年发布了最多的内容。

3. 封闭模型优于开放模型

上图揭示了另一个方面：在许多常用的基准测试中，封闭模型的表现优于开放模型。Maslej 表示，关于开放式与封闭式的争论“通常围绕风险担忧，但很少讨论是否存在有意义的性能权衡”。

4. 基础模型变得超级昂贵

5. 它们的碳足迹很大

6. 美国在基础模型方面处于领先地位

虽然 Maslej 表示该报告并不是试图“宣布这场竞赛的获胜者”，但他确实指出，美国在几个方面处于领先地位，包括发布的基础模型数量（下图）以及被视为重大技术进步的人工智能系统数量。不过，他指出，中国在其他方面处于领先地位，包括人工智能专利授权和工业机器人安装。

7. 业界呼唤新博士

考虑到之前讨论的有关行业在生成人工智能方面获得大量投资并发布大量令人兴奋的模型的数据，这一点并不令人意外。2022 年（该指数有数据的最近一年），北美 70% 的新人工智能博士在工业界就业。这是过去几年趋势的延续。

8. 多样性方面取得的一些进展

多年来，在减少人工智能中白人和男性的数量方面几乎没有取得任何进展。但今年的报告提供了一些充满希望的迹象。例如，参加 AP 计算机科学考试的非白人和女性学生数量正在增加。上图显示了种族趋势，而另一张图表（此处未包含）显示，现在参加考试的学生中有 30% 是女孩。

报告中的另一张图表显示，在本科阶段，获得计算机科学学士学位的北美学生的种族多样性也呈现出积极的趋势，尽管获得计算机科学学士学位的女性人数在过去五年中几乎没有变化。Maslej 说：“重要的是要知道这里还有很多工作要做。”

9. 财报电话会议上的闲聊

企业已经意识到人工智能的可能性。该指数从市场情报公司Quid获取了有关财富 500 强公司财报电话会议的数据，该公司使用自然语言处理工具扫描所有提及“人工智能”、“AI”、“机器学习”、“ML”和“深度学习。”近 80% 的公司在电话会议中讨论了人工智能。“我认为企业领导者担心，如果他们不使用这项技术，他们就会错过机会，”马斯莱说。

10. 成本下降，收入上升

这就是为什么人工智能不仅仅是一个企业流行语：麦肯锡的同一项调查显示，人工智能的整合导致公司成本下降，收入上升。总体而言，42% 的受访者表示成本降低了，59% 的受访者声称收入增加了。

报告中的其他图表表明，这种对利润的影响反映了效率的提高和工人生产力的提高。2023年，不同领域的多项研究表明，人工智能使工人能够更快地完成任务并生产出更高质量的工作。一项研究着眼于使用Copilot 的程序员，而其他研究则着眼于顾问、呼叫中心代理和法学院学生。“这些研究还表明，尽管每个工人都受益，但人工智能对低技能工人的帮助比对高技能工人的帮助更大，”马斯莱说。

11. 企业确实感知到风险

今年，AI Index 团队对全球 1000 家收入至少 5 亿美元的公司进行了调查，以了解企业如何看待负责任的 AI。结果表明，隐私和数据治理被认为是全球最大的风险，而公平性（通常在算法偏差方面讨论）仍然没有得到大多数公司的认可。报告中的另一张图表显示，企业正在针对其感知的风险采取行动：跨地区的大多数组织都实施了至少一项负责任的人工智能措施来应对相关风险。

12.人工智能还不能在所有事情上击败人类......

13. 制定人工智能责任规范

当人工智能公司准备发布大型模型时，标准做法是根据该领域的流行基准对其进行测试，从而让人工智能社区了解模型在技术性能方面如何相互比较。然而，根据负责任的 AI 基准测试模型的情况并不常见，这些基准评估RealToxicityPrompts和ToxiGen、响应中的BOLD和BBQ以及TruthfulQA等。这种情况开始发生变化，因为人们越来越意识到，根据这些基准检查模型是负责任的事情。然而，报告中的另一张图表显示缺乏一致性：开发人员正在根据不同的基准测试他们的模型，这使得比较变得更加困难。

14. 法律既促进又限制人工智能

2016年至2023年间，人工智能指数发现，有33个国家通过了至少一项与人工智能相关的法律，其中大部分行动发生在美国和欧洲；在此期间，总共通过了 148 项与人工智能相关的法案。该指数研究人员还将法案分为旨在增强国家人工智能能力的扩张性法律或限制人工智能应用和使用的限制性法律。尽管许多法案继续推动人工智能发展，但研究人员发现全球存在限制性立法的趋势。

15. 人工智能让人紧张

该指数的民意数据来自一项关于人工智能态度的全球调查，调查来自 31 个国家的 22,816 名成年人（16 岁至 74 岁）。超过一半的受访者表示人工智能让他们感到紧张，这一比例高于去年的 39%。三分之二的人现在预计人工智能将在未来几年深刻改变他们的日常生活。

Maslej 指出，该指数中的其他图表显示不同人群的观点存在显着差异，年轻人更倾向于对人工智能将如何改变他们的生活持乐观态度。有趣的是，“这种人工智能悲观情绪很多来自西方发达国家”，他说，而印度尼西亚和泰国等地的受访者则表示，他们预计人工智能的利大于弊。