每年，斯坦福大学的以人为本的人工智能研究所(HAI)都会发布其AI指数，这是一个大量的数据和图表汇编，试图总结AI的状态。本周发布的2022人工智能指数一如既往地令人印象深刻，190页涵盖研发、技术性能、伦理、政策、教育和经济。我阅读了报告的每一页，并挑选了12个最具代表性的图表。值得注意的是，我在去年的2021年指数中报告的许多趋势仍然存在。例如，我们仍然生活在AI的黄金时代，出版物不断增加，AI就业市场仍然全球化，企业对AI风险的认识与缓解风险的尝试之间存在令人不安的差距。我们在这里不重复这些要点。下面，让我们开始今年的总结报告：1.投资脱钩涌入人工智能的资金量仍然令人难以置信。最引人注目的部分将来自全球私人投资，这一数字将从2020年的460亿美元飙升至2021年的935亿美元。增长来自大型融资轮次的增加；2020年有四轮超过5亿美元，2021年有15轮。报告还指出，所有这些资金都将流向更少的公司，因为自2018年以来新融资的初创公司数量一直在下降。现在是加入AI初创公司的好时机，但也许不是自己找一个。2、复杂的美中关系这几天关于中美人工智能竞赛的讨论很多。“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会减少，”斯坦福大学HAI政策研究员、今年AIIndex的主编DanielZhang说。相反，他告诉IEEESpectrum，“在过去10年中，中美合作一直在增加。”在出版物的跨境合作方面，中美两国的产出是中英两国的两倍多。3、申请专利和获得专利是两件事中国是世界上专利申请量最多的国家；报告称，2021年中国专利申请量将占全球的52%。但美国在专利授权量上居主导地位，占全球总量的40%。张指出，授予专利“证明你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有些相似。虽然中国在出版物数量、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引用方面仍然领先，这表明美国研究人员的杰出论文仍然具有巨大的影响力。4.计算机视觉的高原（Plateau）？计算机视觉领域发展如此迅速，以至于很难跟上最新消息。AIIndex表明，计算机视觉系统非常擅长涉及静止图像的任务，例如对象分类和面部识别，而且它们在视频任务（例如活动分类）方面也越来越好。但是一个相对较新的基准显示了计算机视觉系统所能做的事情的局限性：它们擅长识别事物，而不擅长对它们所看到的进行推理。视觉常识推理挑战赛于2018年推出，要求AI系统回答有关图像的问题并解释其推理。例如，一张图片显示人们坐在餐桌旁，服务员端着盘子走近；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，近年来性能改进变得越来越微不足道，“表明可能需要发明新技术来显着提高性能。”5.人工智能还没有为法学院做好准备。几年后计算机视觉开始蓬勃发展，但与计算机视觉的地位有些相似（图4）。文本摘要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越人类的表现。但是当NLP系统必须对它们阅读的内容进行推理时，它们就会遇到麻烦。此图表显示了在用作法学院入学考试的LSAT考试中由逻辑推理问题组成的基准测试的表现。虽然NLP系统在基准测试中较简单的一组问题上表现良好，但在较难的一组问题上表现最好的模型准确率仅为69%。研究人员从要求NLP系统从不完整信息中得出结论的基准测试中得到了类似的结果。推理仍然是人工智能的前沿。6.EthicsEverywhere报告中有一个好消息：从参加ACM公平、责任和透明度会议(FAccT)和NeurIPS的道德相关研讨会等会议的情况来看，现在人们对AI产生了极大的兴趣伦理。对于那些还没有听说过FAccT的人，该报告指出，这是最早关注算法社会技术分析的主要会议之一。这张图表显示了越来越多的行业参与FAccT，张认为这是进一步的好消息。“该领域一直由学术研究人员主导，”他说，“但现在我们看到更多私营部门的参与。”张说，很难猜测这种参与对人工智能系统在工业中的设计和部署方式意味着什么。没什么，但这是一个积极的迹象。7.排毒：不做就该死，做就该死AI的一个重大道德问题涉及大型语言模型，例如OpenAI的GPT-3，它有一个非常坏的习惯，即根据每个偏见生成充满单词的文本以及在其训练数据（互联网）中学到的偏见。多个研究小组（包括OpenAI本身）正在使用测量偏差和解毒方案的新基准来研究这个有毒语言问题。但上图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。所有这三种方法都会损害模型在称为困惑度的指标上的性能（分数越低越好），其中对涉及非裔美国人英语对齐和提及少数民族的文本的性能影响最差。正如专家所说，需要进行更多研究。8.大学里爬满了CS的学生AIpipeline从来没有像现在这样充实过。根据计算研究协会年度调查的最新数据，2020年有超过31,000名本科生完成了计算机科学学位，该调查收集了北美200多所大学的数据。这比2019年的数字增长了11.6%。9.AI需要女性同一项调查研究了AI领域的新博士，结果令人沮丧。在过去十年中，女性新获得AI和CS博士学位的比例仅增加了几个百分点，至少在北美是这样。这一点其实是去年对2021年报告报道的重复，但大家还是要一直讲下去，直到事情发生变化。10.人工智能需要所有种族背景的人同上。AIIndex在不同的图表上显示AI和CSPhD数据，但它们讲述的是同一个故事。早在人们获得博士学位之前，人工智能领域就需要在多样性方面做得更好。11.立法者着眼于2021年提出的AI相关法案比以往任何时候都多。在AIIndex追踪的25个国家中，西班牙、英国和美国处于领先地位，去年分别通过了三项法案。该报告还指出，通过的三项法案是美国提出的多达130项法案之一。报告中并不清楚这些法案中的大部分是通过公共资金促进人工智能，还是制定法规来管理人工智能可能带来的风险。张说这是混合的，并表示HAI将在来年发布对全球立法的更详细分析。12.气候变化人工智能指数追踪美国55个公共政策团体发表的人工智能相关论文，这张图表显示了这些团体去年关注的主题。我以这张图为借口提出人工智能不断增长的能源足迹（训练大型模型需要大量计算）及其对气候变化的潜在影响的话题。政策组似乎并不认为这些是2021年的重要话题。我还问张AIIndex是否会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计算数据效率和气候影响。敬请期待。https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
