從2017年開始，斯坦福大學的以人為本人工智能研究所(HAI)每年都會發布AI指數報告，試圖全面追蹤AI領域的最新發展動態和趨勢。
上周，斯坦福大學發布了2022年的AI指數報告，報告長達190多頁，涵蓋了研發、技術績效、倫理、政策、教育和經濟等方面，旨在成為世界上最可信、最權威的AI數據和洞察來源。
為了方便大家更直觀地了解行業發展狀態，IEEE Spectrum閱讀了報告全文，并選出了最具代表性的12張圖表。下面一起來看看這份總結報告吧：
全球企業對人工智能的投資（按投資活動分類）
涌入人工智能領域的投資資金大幅上升，從2020年的1195億美元增長到了2021年的1764億美元。其中最矚目的增長來自全球私人投資，它從2020年的460億美元飆升至2021年的935億美元。這一增長來自于大規模融資的增加：2020年超過5億美元的融資有4輪，2021年有15輪。報告還指出，所有這些資金都流向了更少的公司，因為自2018年以來，新獲資助的初創公司數量一直在下降。所以，現在是一個加入人工智能初創公司的好時機，但也許不是創業的好時機。
跨國合作的人工智能出版物
從2010年到2021年，中美在AI出版物方面的合作數量增長了5倍，居全球榜首。斯坦福大學HAI的政策研究員、2022 AI指數報告的主編Daniel Zhang說：“過去10年，兩國合作一直呈上升趨勢。”在跨國合作的出版物方面，中美兩國的產出數量是第二名中英兩國數量的兩倍多。
按申請狀態和地理區域劃分的人工智能專利
報告指出，中國在2021年的AI專利申請量占全球總數的52%，專利申請數量居世界首位。美國在授權專利數量上占全球總數的40%，排名世界第一。Daniel Zhang表示，獲得專利授權“證明你的專利實際上是可信并且有用的”，這種情況有點類似于出版物和引用的情況。雖然中國發表了最多的AI會議出版物，但美國的AI會議出版物引用次數最多，這表明美國研究人員的知名論文仍然具有巨大的影響力。
視覺常識推理（VCR）任務：Q→AR 得分
計算機視覺領域一直在快速發展，AI指數顯示，計算機視覺系統非常擅長處理涉及靜態圖像的任務，例如對象分類和面部識別，在視頻任務（例如活動分類）方面也越來越出色。
但是一個相對較新的基準顯示了計算機視覺系統所能做的極限：它們擅長識別事物，但不太擅長對所看到的進行推理。視覺常識推理挑戰于2018年推出，要求人工智能系統回答有關圖像的問題，并解釋它們的推理。例如，一張圖片顯示人們坐在餐廳的桌子旁，一個服務員端著盤子走過來，這個測試問為什么一個坐著的人指著桌子對面的人。該報告指出，近年來針對性能的改善越來越少，因此需要發明新技術來顯著提高性能。
需要邏輯推理的閱讀理解數據集（RECLOR）：準確性
自然語言處理（NLP）領域比計算機視覺晚了幾年才開始蓬勃發展，但它的地位與計算機視覺有些相似。在文本摘要和基本閱讀理解等任務的基準測試中，人工智能系統的表現經常超過人類，但在要求NLP系統對它們所讀內容進行推理時，它們就遇到了麻煩。
這張圖表顯示了法學院入學考試（LSAT）中的邏輯推理題在基準測試中的表現。雖然NLP系統在一組較簡單的問題上表現良好，但表現最佳的模型在一組較難問題上的準確率僅為69%。當研究人員要求NLP系統從不完整信息進行推理時，也得到了類似的結果，說明邏輯推理仍然是人工智能的一個前沿領域。
按隸屬關系分類的FAccT會議投稿被接受的數量
報告帶來了一個好消息：從ACM公平、問責和透明度會議（FAccT）以及NeurIPS倫理學相關研討會等會議的參與情況來看，現在人們對人工智能倫理學有很大的興趣。報告指出，FAccT是最早關注算法社會技術分析的主要會議之一，這張圖表顯示越來越多的行業參與到FAccT中，Daniel Zhang認為這是進一步的好消息。他說：“這個領域一直由學術研究人員主導，但現在我們看到更多的私營部門參與進來。”Daniel Zhang表示，很難猜測這種參與對人工智能系統在行業內的設計和部署意味著什么，但這是一個積極的信號。
Perplexity：少數民族群體英語“解毒”后的語言模型表現
大型語言模型是人工智能中一個重要的倫理問題，比如OpenAI的GPT-3。它有一個非常棘手的問題，就是把從訓練數據（互聯網）中學到的所有消極語言和有害偏見，都集中在生成的文本中。多個研究小組(包括OpenAI本身)正致力于解決這一“有毒”的語言問題，并制定了衡量偏見的新基準和“解毒”方案。但在上圖中，顯示了通過三種不同“解毒”方法運行語言模型GPT-2的結果。所有這三種方法都損害了模型在一個名為Perplexity指標上的性能（得分越低越好），對涉及非裔美國人的英語和提到少數群體的文本，其表現影響最差。正如專家們喜歡說的那樣，這還需要更多的研究。
北美博士生機構新畢業的CS本科生人數
人工智能領域的人才越來越多。計算研究協會的年度調查收集了北美200多所大學的數據，其最新數據顯示，2020年，超過31,000名本科生完成了計算機科學學位，比2019年增加了11.6%。
北美地區新增女性AI和CS博士（占新增總數的百分比）
同一項調查研究了人工智能領域的新博士，結果讓人十分沮喪。在過去的十年里，北美女性AI和CS博士的比例只增加了幾個百分點。這一點在去年的報告里也提過，但我們應該一直談論它，直到事情發生變化。
美國居民中新的計算機博士，按種族/族裔劃分的（總數占比）
上表按照種族/族裔劃分，統計了美國居民中新增計算機博士的比例。數據顯示，新增人數中有57.5%的白人，亞洲人占24.8%。除此之外，不乏部分來自未知種族、西班牙裔、非洲裔、土著背景的計算機博士。這也說明，AI領域需要在多樣性工作上做得更好，AI需要各種種族背景的人才。
25個選定國家中，AI相關法案通過為法律的數量
2021年，與人工智能相關的法案比以往任何時候都多，數量增加到了18項。AI指數報告對25個國家的立法記錄進行了分析，發現西班牙、英國和美國處于領先地位，去年分別通過了三項法案。但報告中沒有明確說明，這些法案主要是通過公共資金促進人工智能，還是制定法規來管理人工智能可能帶來的風險。對此，Daniel Zhang表示，HAI將在來年發布一個更詳細的全球立法分析。
按主題列出的AI相關政策文件數量（總部設在美國的組織）
人工智能指數跟蹤了美國55個發表人工智能相關論文的公共政策團體，并統計了這些團體去年關注的主題。從上圖可以看出，AI對隱私安全、創新技術、倫理、行業法規等方面關注度最高，但對環境和氣候變化方面卻很少關注。
IEEE Spectrum就這張圖表，提出了人工智能越來越大的能源足跡(訓練大模型需要大量的計算時間)對氣候變化的潛在影響，并就此問了Daniel Zhang：AI指數是否會在明年的報告中討論這些問題。Daniel Zhang表示，自己和團隊正在與各種組織討論如何衡量以及收集計算效率和氣候影響的數據。所以，請繼續關注。
更多細節，詳見報告原文：https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
參考鏈接：12 Graphs That Explain the State of AI in 2022 - IEEE Spectrum
關鍵詞： 專利申請量
營業執照公示信息