海外观点 | 展望未来：2023年令人瞩目的AI发展趋势
海外观点 | 展望未来：2023年令人瞩目的AI发展趋势
▋海外视点
自2017年起，由斯坦福大学主导，来自哈佛大学、麻省理工学院、麦肯锡、OpenAI等机构的多位专家每年合作发布报告，全面追踪人工智能的最新发展动态和趋势。近日，斯坦福大学人工智能研究所发布《2023年人工智能指数报告》（Artificial Intelligence Index Report 2023），分析了人工智能领域最重要的几大发展趋势。
原文 ：《展望未来：2023年令人瞩目的AI发展趋势》
编译 |王立尧
图片 |网络
人工智能的突破性进步
目前该领域最令人瞩目的突破性进步是，生成式人工智能进入公众视野。2022年，DALL-E2和Stable Diffusion等文本到图像模型发布，Make-A-Video这类文本到视频模型，以及ChatGPT这样的聊天机器人也已出现。尽管如此，这些系统还是容易输出不连贯或不真实的反馈内容，因此目前还很难在关键应用中依赖它们。语言模型继续提高其生成能力，但新的研究表明，它们仍然难以完成复杂的规划任务。
此外，在环境方面，人工智能的作用值得思考。新的研究表明，人工智能系统会对环境产生严重影响。根据卢西奥尼（Luccioni）等人的研究，2022年，BLOOM的训练所产生的碳排放量比一个从纽约到旧金山的单程航空旅客多25倍。尽管如此，像BCOOLER这样的新强化学习模型表明，人工智能系统还可以用来优化能源使用。
人工智能会成为世界上最好的新科学家吗？这一问题耐人寻味。人工智能模型加速着科学发展的步伐，并于2022年被用于帮助氢融合、提高基质操作的效率及生产新抗体。人工智能甚至开始构建更好的人工智能。英伟达使用了一种人工智能强化学习智能体来改进为人工智能系统提供动力的芯片设计。类似地，谷歌最近使用它的一种语言模型PaLM来改进类似的其他模型。不可否认，自我改进的人工智能学习将加速人工智能的进步。
投资、就业与应用趋势
人工智能的飞速发展直接反映在投资、就业和企业应用方面。
美国对人工智能的投资依然处于领先地位。2022年，美国人工智能投资为474亿美元，大约是排名第二的中国（134亿美元）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，是欧盟和英国总和的1.9倍，是中国的3.4倍。2022年，投资最多的人工智能重点领域是医疗和保健（61亿美元）、数据管理和云计算（59亿美元）、金融科技（55亿美元）。然而，与人工智能私人投资的更广泛趋势相一致，大多数人工智能重点领域在2022年的投资都低于2021年。
就业方面，几乎所有的美国工业部门对与人工智能相关的专业技能需求都在增加。美国所有有统计数据的部门（农业、林业、渔业和狩猎除外），与人工智能相关的工作岗位平均数量从2021年的1.7%增加到2022年的1.9%。越来越多的美国雇主正在寻找具有人工智能相关技能的工人。
企业正从多方面部署人工智能技术应用。最有可能嵌入到企业的相关能力包括机器人过程自动化（39%）、计算机视觉（34%）、NL文本理解（33%）和虚拟代理（33%）。此外，2022年最常采用的人工智能用例是服务运营优化（24%），其次是创建新的基于人工智能的产品（20%）、客户细分（19%）、客户服务分析（19%）和新的基于人工智能的产品增强功能（19%）。
此外，中国主导着工业机器人的安装。2013年，中国超过日本成为安装工业机器人最多的国家。从那以后，中国安装的工业机器人总量与其他国家之间的差距持续扩大。2021年，中国安装的工业机器人数量超过了世界其他地区的总和。
人工智能教育日益受重视
研究人工智能教育的状况对于衡量人工智能劳动力随着时间推移而发展的可能方式非常重要。与人工智能相关的教育通常发生在高等教育阶段；然而，随着人工智能技术的普及，这种教育正在逐步扩展至K-12（kindergarten through grade 12）水平。
在博士培养方面，美国大学计算机科学专业博士毕业生的比例从2020年的14.9%和2010年的10.2%跃升至2021年的19.1%。越来越多的人工智能博士进入工业界。2011年，人工智能博士毕业生进入工业界的比例（40.9%）与学术界（41.6%）大致相同。此后，大多数人工智能博士都进入了工业界。2021年，65.4%的人工智能博士在工业界工作，是在学术界工作（28.2%）的两倍多。新获得学位的人工智能博士仍然绝大多数是男性。2021年，78.7%的新人工智能博士为男性。在更高层次的人工智能教育中，仍然存在着性别失衡。
工业界研发领先于学术界
在出版物方面，从2010年到2021年，中国和美国在人工智能出版物方面的跨国合作数量最多，尽管合作的步伐已经放缓。具体来说，自2010年以来，中国和美国之间的人工智能研究合作数量增加了大约4倍，比合作数量排名第二的中国和英国合作总数高出2.5倍。但从2020年到2021年，中国和美国合作总数仅增长了2.1%，这是2010年以来的最低年增长率。
相对而言，工业界发展领先于学术界。尽管2014年之前，大多数重要的机器学习模型都是由学术界发布的，但从那以后，工业界便开始接管了这场“比赛”。2022年，工业界生产了32个重要的机器学习模型，而学术界只生产了3个。建立最先进的人工智能系统越来越需要大量的数据、计算和资金，与非营利组织和学术界相比，工业界本来就拥有更多的资源。
大型语言模型的规模越来越大，成本也越来越高。GPT-2发布于2019年，被许多人认为是第一个大型语言模型，它拥有15亿个参数，培训成本估计为5万美元。PaLM是2022年推出的旗舰大型语言模型之一，拥有5400亿个参数，估计花费了800万美元——PaLM的参数大约是GPT-2的360倍，成本是160倍。而这一趋势不仅体现在PaLM一项模型上。总之，大型语言和多模式模型正变得越来越大、越来越昂贵。
人工智能伦理争议爆炸式增长
机器学习中的公平、偏见和伦理一直是研究人员和实践者感兴趣的话题。随着创建和部署生成式人工智能系统的技术障碍大大减少，围绕人工智能的伦理问题变得更加显而易见。生成式人工智能模型已经出现，随之而来的伦理问题也出现了。2022年，生成式人工智能模型进入新时代，这些模型很有能力，但也带有伦理上的挑战。文本图像生成器通常对性别维度有偏见，而像ChatGPT这样的聊天机器人可能被用于不良目的。
因此，人们对人工智能伦理学的兴趣持续飙升。领先的人工智能伦理会议FAccT接受的提交论文数量自2021年以来增加了一倍多，自2018年以来已增加了10倍。2022年，工业界的相关论文提交数量也比以往任何时候都多。
有关滥用人工智能的事件数量正在迅速增加。根据追踪人工智能道德滥用相关事件的AIAAIC数据库，自2012年以来人工智能滥用事件和争议的数量增加了26倍。这一增长既证明了人工智能技术使用量的增加，又显示了对人工智能滥用可能性的认识不断提高。模型量表中的偏见受到训练数据和缓解方法的影响。在过去的一年里，一些机构已经建立了它们自己基于专有数据训练的大型模型。虽然大型模型仍然存在偏见，但新的证据表明，在通过指令调优训练大型模型后，这些问题可以在一定程度上得到缓解。
文章为社会科学报“思想工坊”融媒体原创出品，原载于社会科学报第1855期第7版，未经允许禁止转载，文中内容仅代表作者观点，不代表本报立场。
本期责编：王立尧
拓展阅读
AI赋能性别平等：如何可为？| 社会科学报
科技治理 | 用大模型技术点燃AIGC产业“核爆点”