人工智能指数报告跟踪、整理、提炼和可视化与人工智能相关的数据。这份报告的使命是为政策制定者、研究人员、企业高管、媒体记者提供公正、经过严格审查的全球数据，使得公众对复杂的人工智能领域有更透彻、更细致入微的理解。它旨在成为世界上最可信、最权威的人工智能数据和见解来源。
2022年的报告表明，AI系统开始广泛部署到市场中，但同时对于“AI伦理问题”的探讨也更加突出。当然随着技术的快速发展，人们有这样的担心是很正常的，蒸汽机和电视机的出现也让人感到惊讶。但还有一些针对AI伦理问题的讨论是基于在当代越来越复杂且强大的AI系统（大多是因为深度学习在处理一些任务中表现出来的非常好的能力带来的），也使得人们对这类强大的AI系统有着更多的伦理道德担忧。
AI的广泛全球化和产业化的融合给这项技术带来了一定的市场竞争力。尽管AI在全球得到了广泛的应用，但我们的伦理分析也揭示了许多AI伦理出版物倾向于集中在英语语言环境的系统和数据集上。预计上述趋势要继续：2021年增加了103％的资金投入在私人投资的AI方向，与2020年的AI相关的初创公司相比（965亿美元与4.6亿美元）。
关键信息
1、人工智能领域的私人投资飙升，投资集中度加剧
【私人投资翻倍】2021 年人工智能领域的私人投资总额约为 935 亿美元，是2020 年私人投资总额的两倍多。
【AI公司获新融资数量持续下降】而新获投资的 AI 公司数量持续下降，从2019 年的 1051 家公司、 2020 年的 762 家公司（同比下降27%）、到 2021 年的 746 家公司（同比下降2%）。
【融资规模扩大】2020 年一共有 4 项融资的价值超过5亿美元；2021年有15个（同比增加275%）。
2、美国和中国主导了人工智能的跨国合作
尽管地缘政治紧张局势加剧，但自2010年至2021年的11年间，中美合作的跨国人工智能出版物最多，且自 2010 年以来增加了五倍。
中美合作的出版物数量是排名第二的中英合作出版物数量的 2.7 倍。
3、语言模型比以往任何时候都更强大，但也更易有偏见
大型语言模型在技术基准上创造了新记录，但新数据显示更大的模型也更容易从训练数据中产生偏差（bias）。2021年开发的2800亿参数模型与2018年最先进的 1.17 亿个参数的模型相比，其诱发偏差增加了 29%。
随着时间的推移，这些系统的能力一定能够显着增强，同时也会带来模型产生训练偏差的严重后果。因此认为这类语言模型还有待研究。
4、人工智能伦理的兴起变得无处不在
自 2014 年以来，关于人工智能公平性和透明度的研究呈爆炸式增长。在人工智能伦理相关的会议上，相关出版物增加了五倍有余。
算法的公平和偏见已经从单纯的学术追求转变为成为具有广泛影响的社会主流研究课题。工业界研究人员近年来在以伦理为重点的会议上贡献的出版物同比增加了 71%。
5、人工智能变得更实惠、性能更高
自 2018 年以来，训练图像分类系统的成本降低了 63.6%，而训练次数提高了 94.4%。其他 任务也出现训练成本降低、但训练时间加快的趋势：推荐系统，物体检测和语言处理，并有利于更广泛的人工智能商业应用。
6、数据，数据，数据
基于实验室基准条件的模型技术结果则越来越依赖于使用更多的训练数据来获得更先进的结果。换言之，模型本身的设计好坏往往差别不大，而更多的训练数据能带来更好的实验效果。
截至 2021 年，斯坦福大学AI指标报告中的 10 个基准测试中有 9 个最先进的 AI 系统经过了更多的训练。这种趋势隐隐指引着私营参与者倾向去寻找大量的数据集。
7、关于人工智能的全球立法比以往任何时候都多
对 25 个国家人工智能立法记录的指数分析表明，包含“人工智能”的提议被通过而成为法律法条的情况，从 2016 年的 1 个增加到 了2021 年的 18 个。西班牙、英国和美国在 2021 年通过的与人工智能相关的法案数量最多，这些国家都通过了三项。
8、机械臂变得越来越便宜
一项人工智能指数调查显示，机械臂的中位数价格在过去六年中下降了 4 倍从2016 年每只手臂 50,000 美元下降到 2021 年的 12,845 美元。关于机器人的研究变得更容易获得，且负担得起。
声明：本文为CSDN博主「Mango_Holi」原创文章
– END –
相关文章
