斯坦福大學(xué)以人為中心的人工智能發(fā)布的第七份年度人工智能指數(shù)報告顯示，2023年，美國企業(yè)共發(fā)布了109個基本模型，是中國同行發(fā)布數(shù)量的五倍多。

報告稱，人工智能正在追趕人類，民意調(diào)查顯示，52%的人更多的是擔(dān)心而不是興奮。

與中國人工智能發(fā)展相比，美國人工智能產(chǎn)業(yè)在人工智能基礎(chǔ)模型發(fā)布數(shù)量和投資活動方面表現(xiàn)出顯著優(yōu)勢。

與此同時，2023年美國人工智能產(chǎn)業(yè)投資額達(dá)到672億美元，是中國78億美元的8.7倍。此外，美國有61個知名人工智能大模型，而中國只有15個。

該報告的十大要點如下：

1. 人工智能在某些任務(wù)上擊敗了人類，但并非在所有任務(wù)上都擊敗了人類。

人工智能在圖像分類、視覺推理和英語理解基準(zhǔn)方面優(yōu)于人類，但在競賽級數(shù)學(xué)、視覺常識推理和規(guī)劃等更復(fù)雜的任務(wù)上卻表現(xiàn)不佳。

2. 工業(yè)界繼續(xù)主導(dǎo)人工智能前沿研究。

工業(yè)界總共產(chǎn)生了51 個著名的機(jī)器學(xué)習(xí)模型，而學(xué)術(shù)界僅產(chǎn)生了15 個。然而，來自產(chǎn)學(xué)合作的模型達(dá)到了創(chuàng)紀(jì)錄的21 個。

3.前沿型號變得更加昂貴。

最先進(jìn)的人工智能模型的培訓(xùn)成本是前所未有的。舉例來說，OpenAI 的ChatGPT 估計使用了7800 萬美元的計算資源，而Google 的Gemini Ultra 則估計使用了1.91 億美元的計算資源。

4.美國領(lǐng)先中國、歐盟和英國，成為頂級人工智能模型的主要來源。

2023 年，美國機(jī)構(gòu)負(fù)責(zé)創(chuàng)建了61 個著名的人工智能模型，其中15 個來自歐盟，12 個來自中國。

5. 嚴(yán)重缺乏對LLM責(zé)任的穩(wěn)健和標(biāo)準(zhǔn)化的評估。

人工智能指數(shù)研究揭示了“負(fù)責(zé)任的人工智能嚴(yán)重缺乏標(biāo)準(zhǔn)化”。 OpenAI、Google 和Anthropic 等領(lǐng)先的開發(fā)人員都主要針對不同的基準(zhǔn)進(jìn)行測試。

6. 生成式人工智能投資猛增。

盡管去年人工智能私人投資總額有所下降，但生成式人工智能的資金卻大幅增長，比2022 年增長了近八倍，達(dá)到252 億美元。生成式人工智能領(lǐng)域的主要參與者，包括OpenAI、Anthropic、Hugging Face 和Inflection，都報告稱已進(jìn)行了大量融資。

7. 數(shù)據(jù)來自： 人工智能提高了工人的生產(chǎn)力并帶來更高質(zhì)量的工作。

多項研究表明，“人工智能使工人能夠更快地完成任務(wù)并提高產(chǎn)出質(zhì)量”，并且它彌合了低技能工人和高技能工人之間的技能差距。但這些研究還發(fā)現(xiàn)證據(jù)表明“在沒有適當(dāng)監(jiān)督的情況下使用人工智能可能會導(dǎo)致性能下降”。

8. 得益于人工智能，科學(xué)進(jìn)步進(jìn)一步加速。

AlphaDev（使算法排序更加高效）和GNoME（促進(jìn)材料發(fā)現(xiàn)過程）被認(rèn)為是人工智能推出的兩個最重要的科學(xué)相關(guān)應(yīng)用程序。

9、美國人工智能法規(guī)數(shù)量急劇增加。

2016年，美國只有一條人工智能相關(guān)法規(guī)，到2023年，這一數(shù)字已達(dá)到25條，比2022年增長56.3%。

10. 全球各地的人們更加認(rèn)識到人工智能的潛在影響，也更加緊張。

民意調(diào)查公司益普索發(fā)現(xiàn)，66%的人認(rèn)為人工智能將在五年內(nèi)“極大地影響”他們的生活，比之前的民意調(diào)查上升了6%，而52%的人對人工智能產(chǎn)品和服務(wù)感到緊張，上升了13%。美國皮尤研究中心的研究還發(fā)現(xiàn)，超過一半的受訪者（52%）對人工智能的擔(dān)憂多于興奮。