首发 | 透视斯坦福HAI《2022年人工智能指数报告》（上）

Original 章夏、龙坤军事高科技在线

2024-09-16

导读

当前，由人工智能引领的新一轮科技革命和产业变革方兴未艾，无论你是否做好准备，智能化时代已经大步走来。人工智能指数报告是斯坦福以人为本人工智能研究所（Stanford Institute for Human-Centered Artificial Intelligence，HAI）的一项独立倡议。报告跟踪、整理、提炼和可视化与人工智能有关的数据，其使命是为政策制定者、研究人员、高管、记者和公众提供无偏倚、严格审查和全球来源的数据，以对复杂的人工智能领域有更彻底和细致的了解。《第五版人工智能指数报告》（Artificial Intelligence Index Report 2022）于2022年3月出版，全文通过汇集整编大量详实可靠数据，从研究及发展、技术表现、人工智能应用的道德挑战、经济和教育、人工智能政策和治理五个方向全面量化分析了人工智能的发展现状及前景，捕捉全球经济中的人工智能趋势。现将报告的主要内容分两篇编译，并做简要评析，供读者学习交流。

图1：原报告封面

一、研究与发展

研发是推动人工智能（Al）快速发展的不可分割的力量。人工智能研发的另一个关键特征是其开放性，这种开放性也有助于现代人工智能研发的全球相互依存和相互关联。

第一章利用多个数据集来分析2021年人工智能研究和开发空间的关键趋势。首先研究了人工智能出版物，包括会议论文、期刊文章、专利和资料库，然后分析了人工智能会议的出席情况。最后，考察了研发过程中使用的人工智能开源软件库。章节重点如下。1. 人工智能出版物总数

从2010年到2021年，人工智能出版物的总数翻了一番。2021年申请的人工智能专利数量是2015年的30多倍，显示出76.9%的复合年增长率。

图2：世界上人工智能出版物的数量

2. 跨国合作

尽管地缘政治紧张局势不断加剧，但大国间的合作仍在不断增加。学者、研究人员、行业专家和其他人之间的跨境合作可以加速新想法的传播和研究团队的成长。到目前为止，过去12年中，美国和中国之间的合作数量最多，自2010年以来增加了五倍。

图3：2010年至2021年的人工智能发表跨国合作（不含中美合作）

3. 跨部门合作

2021年教育机构和非营利组织的合作量最多，其次是公司和教育机构，前者是后者的2.5倍。

图4

4. 引用

2021年，中国在人工智能期刊、会议和出版物数据库的数量上继续领先世界，份额逐渐增加，欧盟加英国和美国的份额逐渐减少，三个地理区域加起来占世界总被引数的66%以上。但同时，美国在人工智能会议和资料库引用的数量上在主要人工智能大国中占据主导地位。

图5

5. AI仓库

在电子预印品库上发表同行评议前的论文已经成为人工智能研究人员在传统出版物渠道之外传播其工作的流行方式。这些存储库允许研究人员在提交给期刊和会议之前分享他们的发现，这大大加快了信息发现的周期。

图6：过去12年人工智能出版物的数量

增长了近30倍

二、技术表现

技术性能一章更多地分析了人工智能各个子领域的技术进步，包括计算机视觉、语言、语音、推荐系统、强化学习、硬件和机器人技术的趋势。它使用了一些定量的衡量标准，从共同的人工智能基准和奖励挑战到全领域的调查，以强调表现最好的人工智能系统的发展。章节重点如下。

1. 对特定计算机视觉子任务的兴趣上升

计算机视觉是人工智能的子领域，它教会机器去理解图像和视频。计算机视觉的任务范围很广，如图像分类、目标识别、语义分割和人脸检测。截至2021年，计算机可以在大量的计算机视觉任务中胜过人类。计算机视觉技术有各种重要的现实应用，如自动驾驶、人群监控、体育分析和视频游戏创作。

图7 图像分类演示

2. 人工智能还没有掌握复杂的语言任务

尽管人工智能系统仍然无法在更复杂的语言任务上实现人类的表现，但差异正在缩小。自然语言处理（NLP）是人工智能的一个子领域，其根源可以追溯到20世纪50年代。NLP涉及对能够阅读、生成和推理自然语言的系统的研究。NLP从早期使用手写规则和统计方法的一套系统演变为现在结合计算语言学，基于规则的建模、统计学习和深度学习的系统。

在过去的十年中，NLP的技术进步是重大的∶深度神经网络风格的机器学习方法的采用意味着许多人工智能系统现在可以比人类能更好地执行复杂的语言任务。

图8：自2017年以来，市场上的商业机器翻译数量增加了近五倍

3. 转向更普遍的强化学习

在过去的十年里，人工智能系统已经能够掌握特定领域的强化学习任务，在这些任务中，他们被要求在特定技能中最大限度地发挥性能，如国际象棋。推荐系统是建议用户可能感兴趣的项目的任务，如要观看的电影、要阅读的文章或要购买的产品，这对亚马逊、Netflix、Spotify 和YouTube等企业至关重要。

在强化学习中，人工智能系统被训练为通过交互式学习从其先前的行动中获得最大的绩效，可以帮助自动驾驶汽车改变车道，机器人优化制造任务，或时间序列模型预测未来事件。系统对不同的策略序列进行实验，以解决问题，并选择使其回报最大化的策略。这一趋势说明了可以学习更广泛思考的人工智能系统的未来发展。

图9：强化学习progen中16个游戏环境的截图

4. 硬件系统的改良持续推进

在评估人工智能技术进步时，不仅要考虑技术性能的改善，还要考虑运行速度。这种性能通常是通过增加参数和在大量数据上训练系统来实现的。鉴于增加训练时间的潜力可以被更强大和更强大的计算基础设施所抵消，跟踪为人工智能系统提供动力的硬件的进展很重要。

性能最好的硬件系统可以在一分钟内达到推荐、轻量级目标检测、图像分类和语言处理等任务类别的基本性能水平。

图10：MLPERF-跨任务的改进规模

5. 人工智能变得更实惠、性能更高

2021 年，人工智能指数开发了一项调查，向世界顶级大学和新兴经济体专门研究机器人技术的教授询问机器人手臂定价的变化，以及研究实验室中机器人手臂的使用情况。调查结果表明，自2016年以来，机器人手臂的价格明显下降，有利于更广泛地商业采用人工智能技术。

图11：机器人研究变得更加容易获得和负担

三、人工智能应用的道德挑战

近年来，人工智能系统已经开始部署到全世界，研究人员和从业人员正在考虑它们在现实世界中的危害。其中一些危害包括基于种族的商业面部识别系统，基于性别的简历筛选系统，以及基于社会经济和种族的人工智能驱动的临床健康工具。这些模型被发现反映和放大了人类的社会偏见，基于受保护的属性进行歧视，并产生虚假信息。这些发现增加了学术界对研究人工智能伦理、公平和偏见的兴趣，并促使行业从业人员将资源用于补救这些问题。

今年，第五版报告强调了社区为报告消除偏见和促进公平方面的进展而采用的指标。跟踪这些指标的性能以及技术能力，可以更全面地了解公平性和偏见如何随着系统的改进而变化。章节重点如下。1. 语言模型比以往任何时候都更有能力，但也更有偏见

大型语言模型在技术基准上创造了新的记录，但新的数据显示，大型模型也更有能力反映其培训数据中的偏见。随着时间的推移，这些系统的能力明显提高，尽管随着它们能力的提高，其偏见的潜在严重性也在增加。

为了更好地了解算法偏差和公平性的情况，人工智能指数进行了原始研究，以分析该领域的状况。

图 12：自 2018 年以来，沿着感兴趣的道德维度衡量偏见和公平性的指标数量稳步增长

2. 人工智能道德无处不在

自2014年以来，关于人工智能公平和透明度的研究呈爆炸式增长，道德相关会议上的相关出版物增加了五倍。算法公平和偏见已经从主要的学术追求转变为坚定地嵌入到具有广泛意义的主流研究主题。近年来，在以道德为重点的会议上，具有行业背景的研究人员每年贡献的出版物比去年多71%。

3. 多模态模型学习多模态偏差

在训练多模态语言视觉模型方面取得了迅速的进展，这些模型在联合语言视觉任务中表现出了新的能力水平。这些模型在图像分类和从文本描述中创建图像等任务上创造了新的记录，但它们也在输出中反映了社会刻板印象和偏见，实验显示，黑人图像被错误归类为非人类的比率是其他种族的两倍多。虽然在制定衡量计算机视觉和自然语言处理中的偏差的指标方面做了大量工作，但这突出了对衡量具有多种模式的模型中的偏差的指标的需求。

4. 用人工智能验证事实

全自动事实核查是一个活跃的研究领域。近年来，社交媒体平台已经部署了人工智能系统，以帮助管理在线错误信息的扩散。这些系统可以通过识别潜在的虚假声明供他们审查，展示以前经过事实核查的类似声明，或展示支持声明的证据来帮助人类事实核查人员。

图13：2010-21年英语自动事实核查基准的数量

四、结语

2021年，世界在新冠疫情之下步入动荡变革期，百年大变局加速演进，大国力量对比加速调整，但人工智能的发展仍然一路高歌猛进，私人投资翻番，新技术不断突破给这个行业的发展打了强心剂。

下篇将详细介绍人工智能的经济和教育、政策和治理。敬请感兴趣的读者跟踪关注。

THE END

文字 | 章夏、龙坤（国防科技大学）

图片 | 来源于网络

编辑 | 谢士娇

审阅 | 原熙文

友情支持 | NUDT战略研究俱乐部