斯坦福大学上周发布重要报告,来自以人为本人工智能研究所 HAI的2023年度AI指数报告。

斯坦福大学上周发布重要报告,来自以人为本人工智能研究所 HAI的2023年度AI指数报告。 共 386页长 ,挑选了其中一些要点。报告地址:(阅读体验很友善) 1⃣ 新技能的需求增加 AI专业技能需求激增,在美国有统计数据的产业领域 (除农业、林业、渔业和狩猎业外),与人工智能相关的工作岗位数量平均从2021年的1.7%增加到2022年的1.9%。 2⃣ 投资持续 2022 年,人工智能领域的私人投资为 919 亿美元,是 2013 年的 18 倍。在私人投资总额方面,美国领先于世界。2022年,在美国投资的474亿美元大约是次高国家中国(134亿美元)投资额的3.5倍。在新投资的人工智能公司总数方面,美国也继续领先,比欧盟和英国加起来多1.9倍,比中国多3.4倍。 3⃣ 机器学习系统分布 最常见的机器学习系统类别是大规模语言模型,2022 年发布了 23 个重要的 AI 语言系统,是第二常见类型(多模态)数量的 6 倍。2019年发布的GPT-2,被许多人认为是第一个大型语言模型,有15亿个参数,估计训练成本为5万美元。PaLM是2022年推出的旗舰大型语言模型之一,有5400亿个参数,成本估计为800万美元PaLM比GPT-2大360倍左右,成本高160倍。 4⃣ 技术性能 2022 年见证了大规模语言模型的性能提升。 随着微软和谷歌等公司将聊天机器人集成到其现有服务中,生成模型出大了普通消费者 一系列文本到文本,文本到图像,文本到视频和文本到3D模型,促使新初创公司的形成。 5⃣ 滥用增加 进一步伴随着人工智能相关法律案件数量的迅速增加,在过去十年中也呈指数级增长 。 6⃣ 公众舆论 在2022年IPSOS的调查中,78%的中国受访者 同意这样的说法:使用人工智能的产品和服务的好处多于坏处。随后来自沙特阿拉伯(76%)和印度(71%)的受访者对人工智能产品感到积极。只有35%的抽样美国人同意使用人工智能的产品和服务的好处多于坏处。 7⃣ 人工智能教育

相关推荐

封面图片

斯坦福大学发布人工智能状况报告

斯坦福大学发布人工智能状况报告 虽然现在人工智能发展之快,让任何与人工智能有关的报告一发布就面临过期的风险,但是我们仍然能从这份 386 页的中得到一些有用的信息: ·在过去的十年里,人工智能的发展已经从学术界主导翻转到了工业界主导,而且这没有改变的迹象。 ·在传统基准上测试模型正变得困难,这里可能需要一种新的模式。 ·人工智能训练和使用的能源占用正在变得相当大,但我们还没有看到它如何在其他地方增加效率。 ·与人工智能相关的技能和工作岗位正在增加,但没有你想象的那么快。 ·政策制定者们正在努力编写一个明确的人工智能法案,如果有的话,这是一个愚蠢的差事。 ·投资已经暂时停滞,但这是在过去十年的天文数字般的增长之后。 ·超过 70% 的中国、沙特和印度受访者认为人工智能的好处多于坏处。美国人呢?35%。来源 ,, 来自:雷锋 频道:@kejiqu 群组:@kejiquchat 投稿:@kejiqubot

封面图片

斯坦福2024 AI报告:中国AI专利全球第一 顶级AI模型主要来自美国

斯坦福2024 AI报告:中国AI专利全球第一 顶级AI模型主要来自美国 Stanford HAI 官方介绍道,‘这是我们迄今为止最全面的报告,而且是在人工智能对社会的影响从未如此明显的重要时刻发布的。’Stanford HAI 研究项目主任 Vanessa Parli 表示,‘我认为最令人兴奋的人工智能研究优势是将这些大型语言模型与机器人或智能体(agent)相结合,这标志着机器人在现实世界中更有效地工作迈出了重要一步。’附上《2024 年人工智能指数报告》下载地址: HAI 今年扩大了研究范围,更广泛地涵盖了人工智能的技术进步、公众对该技术的看法等基本趋势。新报告揭示了 2023 年人工智能行业的 10 大主要趋势:1.人工智能在某些任务上胜过人类,但并非在所有任务上人工智能已在多项基准测试中超越人类,包括在图像分类、视觉推理和英语理解方面。然而,它在竞赛级数学、视觉常识推理和规划等更复杂的任务上依然落后于人类。2.产业界继续主导人工智能前沿研究2023 年,产业界产生了 51 个著名的机器学习模型,而学术界只贡献了 15 个。2023 年,产学合作还产生了 21 个著名模型,创下新高。此外,108 个新发布的基础模型来自工业界,28 个来自学术界。3.前沿模型变得更加昂贵根据 AI Index 的估算,最先进的人工智能模型的训练成本已经达到了前所未有的水平。例如,OpenAI 的 GPT-4 估计使用了价值 7800 万美元的计算资源进行训练,而 Google 的 Gemini Ultra 的计算成本则高达 1.91 亿美元。相比之下,几年前发布的一些最先进的模型,即原始 transformer 模型(2017 年)和 RoBERTa Large(2019 年),训练成本分别约为 900 美元和 16 万美元。4.美国成为顶级人工智能模型的主要来源国2023 年,61 个著名的人工智能模型源自美国的机构,超过欧盟的 21 个和中国的 15 个。美国也仍然是人工智能投资的首选之地。2023 年,美国在人工智能领域的私人投资总额为 672 亿美元,是中国的近 9 倍。然而,中国依然是美国最大的竞争对手,中国的机器人安装量居世界首位;同样,世界上大多数人工智能专利(61%)都来自中国。5.严重缺乏对 LLM 责任的可靠和标准化评估AI Index 的最新研究显示,负责任的人工智能严重缺乏标准化。包括 OpenAI、 Google 和 Anthropic 在内的领先开发商主要根据不同的负责任人工智能基准测试他们的模型。这种做法使系统地比较顶级人工智能模型的风险和局限性的工作变得更加复杂。6.生成式人工智能投资激增尽管去年人工智能私人投资整体下降,但对生成式人工智能的投资激增,比 2022 年(约 30 亿美元)增长了近八倍,达到 252 亿美元。生成式人工智能领域的主要参与者,包括 OpenAI、Anthropic、Hugging Face 和 Inflection,都获得了一轮可观的融资。7.数据显示,人工智能让打工人更有生产力,工作质量更高2023 年,多项研究评估了人工智能对劳动力的影响,表明人工智能可以让打工人更快地完成任务,并提高他们的产出质量。这些研究还表明,人工智能有可能缩小低技能和高技能工人之间的技能差距。还有一些研究警告说,在没有适当监督的情况下使用人工智能可能会起到负面作用。8.得益于人工智能,科学进步进一步加速2022 年,人工智能开始推动科学发现。然而,2023 年,与科学相关的更重要的人工智能应用启动使算法排序更高效的 AlphaDev、促进材料发现过程的 GNoME、可在一分钟内提供极其准确的 10 天天气预报的 GraphCast、成功对 7100 万种可能的错义突变中的约 89% 进行分类的 AlphaMissence。如今,人工智能现在可以完成人类难以完成的、但对解决一些最复杂的科学问题至关重要的粗暴计算。在医疗方面,新的研究表明,医生可以利用人工智能更好地诊断乳腺癌、解读 X 射线和检测致命的癌症。9.美国的人工智能法规数量急剧增加2023 年,全球立法程序中有 2175 次提及人工智能,几乎是上一年的两倍。美国人工智能相关法规的数量在过去一年大幅增加。2023 年,与人工智能相关的法规有 25 项,而 2016 年只有 1 项。仅去年一年,人工智能相关法规的总数就增长了 56.3%。其中一些法规包括生成式人工智能材料的版权指南和网络安全风险管理框架。10.人们对人工智能的潜在影响有了更深刻的认识,同时也更焦虑来自市场研究公司 Ipsos 的一项调查显示,在过去一年中,认为人工智能将在未来 3-5 年内极大地影响他们生活的人,比例从 60%上升到 66%。此外,52% 的人对人工智能产品和服务表示焦虑,比 2022 年上升了 13 个百分点。在美国,来自皮尤研究中心(Pew)的数据显示,52% 的美国人表示对人工智能的担忧多于兴奋,这一比例比 2022 年的 38% 有所上升。附:来自AI Index 联合主任 Ray Perrault 的一封信十年前,世界上最好的人工智能系统也无法以人类的水平对图像中的物体进行分类。人工智能在语言理解方面举步维艰,也无法解决数学问题。如今,人工智能系统在标准基准上的表现经常超过人类。2023 年,人工智能进步加速。GPT-4、Gemini 和 Claude 3 等先进模型展示出了令人印象深刻的多模态能力:它们可以生成数十种语言的流畅文本,处理音频,甚至可以解释备忘录。随着人工智能的进步,它也越来越多地进入我们的生活。公司竞相打造基于人工智能的产品,普通大众也越来越多地使用人工智能。但是,当前的人工智能技术仍然存在重大问题。它无法可靠地处理事实、进行复杂的推理或解释其结论。人工智能面临两个相互关联的未来。第一个,技术不断改进,应用日益广泛,对生产力和就业产生重大影响。人工智能的用途有好有坏。第二个,人工智能的应用受到技术局限的制约。无论是哪一种,政府都越来越关注。政府正在积极参与,鼓励人工智能的发展,比如资助大学研发和激励私人投资。政府还致力于管理潜在的不利因素,如对就业的影响、隐私问题、错误信息和知识产权。在技术方面,今年的 AI Index 报告称,2023 年全球发布的新大型语言模型数量比上一年翻了一番。三分之二的模型是开源的,但性能最高的模型来自拥有封闭系统的行业参与者。Gemini Ultra 成为首个在大规模多任务语言理解(MMLU)基准上达到人类水平的 LLM;自去年以来,模型在该基准上的性能表现提高了 15 个百分点。此外,GPT-4 在综合语言模型整体评估(HELM)基准上取得了令人印象深刻的 0.97 平均胜率分数。虽然全球对人工智能的私人投资连续第二年减少,但对生成式人工智能的投资却急剧上升。财富 500 强企业财报电话会议中提及人工智能的次数比以往任何时候都多,而且新的研究表明,人工智能明显提高了打工人的生产率。在政策制定方面,全球在立法程序中提及人工智能的次数前所未有。美国监管机构在 2023 年通过的人工智能相关法规比以往任何时候都多。尽管如此,许多人仍对人工智能生成深度伪造等能力表示担忧。公众对人工智能有了更多的认识,研究表明,他们的反应也是焦虑的。 ... PC版: 手机版:

封面图片

软银计划向人工智能项目投入651亿元

软银计划向人工智能项目投入651亿元 软银首席财务官后藤义光向英国《金融时报》表示:原则上,我们将保持同样的投资节奏。从现在开始,我们希望加大对人工智能公司的投资。他补充道: 我们一直将资产负债表保持在非常安全的水平,是 因为我们 希望做好准备,如果有任何我们想采取的行动,我们希望能够灵活应对。去年,软银首席执行官 孙正义预测,到本世纪末,通用人工智能(AGI),即能够匹敌甚至超越人类思维和推理能力的计算机系统,将比全人类强大 10 倍 。孙正义说道:要充分利用这个机会,否则就会落后。报道称,软银在人工智能领域面临着激烈的竞争,因为微软、亚马逊和 谷歌等科技巨头已投资数十亿美元 与初创公司合作 开发人工智能模型。此外,顶级 风险投资公司 希望与开发人工智能产品和应用程序的公司开展业务。事实上, 上周有报道称, 微软 和 亚马逊今年 已经 为全球人工智能相关和数据中心项目拨款 400 多亿美元。据《华尔街日报》报道,对于微软来说,这意味着计划在法国、德国、日本、马来西亚、西班牙和印度尼西亚等多个国家投资超过 160 亿美元。与此同时,亚马逊已在日本投资 150 亿美元,在新加坡投资 90 亿美元,在墨西哥投资 50 亿美元,在法国投资 13 亿美元。在海外大力投资人工智能基础设施的举措源于希望满足全球对人工智能技术日益增长的需求,以及需要在云计算转变的地区建立数据中心,以确保处理时间更快,同时保证数据的安全和私密。 ... PC版: 手机版:

封面图片

斯坦福大学报告显示中国人对AI产品的看法最为积极,反之更多的美国人认为弊大于利

斯坦福大学报告显示中国人对AI产品的看法最为积极,反之更多的美国人认为弊大于利 斯坦福大学《2023 年人工智能指数报告》中的部分内容显示,在 2022 年的 IPSOS 调查中,78% 的中国受访者(在接受调查的国家中比例最高)同意使用人工智能的产品和服务利大于弊的说法。 在中国受访者之后,来自沙特阿拉伯(76%)和印度(71%)的受访者对人工智能产品的看法最为积极。 只有 35% 的抽样美国人(在接受调查的国家中比例最低)同意使用 AI 的产品和服务利大于弊。 当然,报告还写到其它许多方面,可以查看完整报告。

封面图片

《2023全球人工智能创新指数报告》发布 美国和中国稳居第一梯队

《2023全球人工智能创新指数报告》发布 美国和中国稳居第一梯队 报告显示,目前全球人工智能发展保持美国全面领先、美中两强引领的总体格局,2023年美国以74.71的总分大幅领先,中国总分为52.69分,排名第二,比排名第三的英国高出近15分。自指数创建五年来,美国一直排名全球第一,中国从2020年起近四年一直排名第二。大模型、生成式人工智能等新技术新赛道正掀起人工智能科研和产业领域新一轮发展热潮,从数据上看,20182022年全球新增人工智能企业数逐年递减,但该趋势在2023年迎来扭转,2023年新增企业数同比上涨21.5%。还有一个细节是,GitHub上发布的生成式人工智能开源项目从2022年的约1.7万个激增到2023年的约6万个,数量约是前一年的3.5倍,新增4.3万个项目。中国科学技术信息研究所党委书记、中国软科学研究会副理事长赵志耘在发布时介绍,《报告》目标是能够全面客观反映全球人工智能创新发展和治理的发展态势,以及明确中国当前所处的位势,希望从基础支撑、资源与环境、国际合作交流等五大维度,通过构建三层、三级指标体系,对46个重要的国家创新发展和治理的情况进行量化评估。综合考虑总得分、国家间分差、一级指标排名等因素,报告将参评国家划分为四个梯队。美国和中国稳居第一梯队,总得分明显高于其他国家,第二梯队与第一梯队的差距进一步拉大。英国连续两年位居第二梯队首位,与美国的分差从2022年的26分扩大到2023年的38分,与中国的分差从2022年的9分扩大到2023年的15分。但报告也提到,第二梯队中,英国在整体教育资源和高质量的学术研究成果方面比较突出,日本专利也较为突出。德国在产业和应用方面,尤其是在人工智能风险投资以及国内市场规模方面很有优势。第三、四梯队部分国家有所进步。其中印度和沙特阿拉伯连续三年排位上升。第四梯队国家中,大多数国家相对有较弱势的项目,但是也有一些进展。如巴西和印度尼西亚等个别国家,在科技研发和产业应用等层面有明显的进步,特别是在人工智能开源项目数量和人工智能风险投资等方面,这两个国家排在中等以上的水平。统观当下全球人工智能创新发展趋势,赵志耘提到了四个特点。一方面,大模型突破带动了人工智能技术创新加快,自然语言处理和多模态等在人工智能创新发展中起到非常重要的作用,2023年全球发布的机器学习模型数量同比增加91.2%,达到近十年来最大增幅。其次,产业界在模型开发上的领先优势在不断扩大,2023年产业界独立研发的机器学习模型达176个,为学术界的3.5倍。三是生成式人工智能开源项目的数量激增,GitHub上发布的生成式人工智能开源项目从2022年的约1.7万个激增到2023年的约6万个。关于第四个特点,赵志耘提到人工智能企业新增数量开始增长,创业、创投低迷的趋势有所转变,“这个特点非常明显”。在过去的2018-2022年,全球新增人工智能企业数量在逐年递减,但是这种递减趋势在2023年得到了抑制,同时有回转的倾向,2023年新增企业数量同比上涨了21.5%。同时有一个更为乐观的趋势是,全球人工智能风险投资额虽然还是下降的趋势,但是这种下降的幅度在明显缩减。尤其是2023年生成式人工智能的风险投资规模在快速扩大,也使得生成式人工智能在推动人工智能创新发展方面起到非常重要的作用。目光看向中国,在全球人工智能发展上,中国的综合水平保持了全球第二的水平,在人才培养和科研产出、产业发展等方面,近些年来取得明显的进展。高层次人才数量与美国的差距逐渐缩小,顶会顶刊论文、高影响力人工智能开源项目等高质量科研成果数量明显上升,人工智能企业数量和风险投资额保持全球第二。但从当前主流技术路线的趋势特征以及支撑技术大规模应用的基础条件看,中国人工智能发展还存在一些不足,尤其在数据开发利用、原始创新等方面需要进一步加强。高质量数据资源缺乏的一个侧面是,在Hugging Face上的开源训练数据集中,中文数据集仅占5.1%,不到英文数据集的十分之一。其次重大引领性创新产出不及美国,2019-2023年全球发布的387个重要的机器学习模型中,美国机构主导开发的达262个,中国占68个。赵志耘提到,希望加快高水平规模化的应用,这是中国最大的优势。 ... PC版: 手机版:

封面图片

估算显示人工智能民间投资额中国排第二

估算显示人工智能民间投资额中国排第二 5月7日从美国斯坦福大学的估算获悉,2023年各国对人工智能的民间投资额最高的是美国,达到672.2亿美元。排名第二的中国为77.6亿美元。第三的英国为37.8亿美元。位列第四的德国为19.1亿美元,第五的瑞典为18.9亿美元。韩国和印度并列第九,均为13.9亿美元。排在第11位的新加坡为11.4亿美元。日本以6.8亿美元排在第12位。关于2023年用数据训练出的“人工智能模型”,最多的美国共计有61个,远超欧盟的21个和中国的15个。斯坦福大学在调查报告中指出,最尖端人工智能模型的研发费用“达到史无前例的高水平”。根据报告给出的估算,谷歌的 Gemini Ultra 耗资1.91亿美元,OpenAI 公司为最新人工智能模型“GPT4”的研发投入了7800万美元。

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人