导读:近年来,人工智能以一种前所未有的速度席卷全球。斯坦福大学的最新报告为我们揭示了这一波人工智能风暴背后的深层趋势。2023年4月3日,斯坦福大学以人为本的人工智能研究所(Stanford HAI,Stanford Institute for Human-Centered Artificial Intelligence)发布2023年度人工智能指数报告(Artificial Intelligence Index Report 2023)。这一报告全文共386页,共8个章节,除了研究进展和技术进展外,还关注政策方面的动态。斯坦福大学以人为本的人工智能研究所已连续6年发布人工智能指数报告,分析人工智能年度现状及趋势。2023年度人工智能指数报告集中讨论了生成式人工智能的崛起及其影响、人工智能技术的科学与社会影响、全球人工智能发展的地缘政治格局以及人工智能在教育和公众舆论中的角色。这一报告具体包括人工智能研发、技术能力、技术伦理、经济、教育、政策和治理、多样性、公众态度等8大方面,分析了全球人工智能的发展态势,可以为政策制定者、研究者和实践者提供有价值的参考。现将其主要内容编译如下,以飨读者。
图1:2023年度斯坦福大学人工智能指数报告封面
一、2022年人工智能研发动态
斯坦福报告显示,尽管全球各地都在积极布局人工智能技术,但美国和中国在该领域的合作与竞争仍占据主导地位。中美两国在人工智能论文发表、技术研发和应用方面都走在世界前列。
从2010年到2021年,美国和中国在人工智能出版物方面的跨国合作数量最多,尽管合作的速度已经放缓。这一现象表明,美国和中国在人工智能领域的合作研究已经达到了相当的深度和广度。这种跨国合作的研究模式,不仅有助于推动人工智能技术的快速发展,也有助于促进两国的科技交流与合作,进一步推动全球人工智能的发展。
自2010年以来,美国和中国之间的人工智能研究合作数量增加了大约4倍,是下一个最接近的国家——英国和中国——合作总量的2.5倍。这一数据进一步突出了美国和中国在人工智能领域的领先地位和合作的重要性。两国的科研机构和企业都在人工智能领域投入了大量的资源和人力,积极推动人工智能技术的发展和应用。
然而,从2020年到2021年,中美合作总数仅增长了2.1%,这是自2010年以来最小的同比增长率。这可能是因为两国的政策环境和国际关系出现了一些变化,导致合作的速度有所放缓。但是,尽管同比增长率有所下降,中美两国在人工智能领域的合作依然具有很高的价值和潜力。两国在人工智能技术研发和应用方面都有着各自的优势和特色,通过合作可以相互取长补短,共同推动人工智能技术的发展和应用。
图2:中美合作发表论文的趋势变化(2010-2021年)
人工智能研究正在蓬勃兴起。自2010年以来,人工智能出版物的数量增长超过一倍。模式识别、机器学习和计算机视觉等特定人工智能主题在研究中仍占主导地位。中国在人工智能期刊、会议和知识库出版物总数上保持领先地位。美国在人工智能会议和知识库引用方面仍居领先地位,但这些优势正在逐渐减弱。尽管如此,截至2022年,大多数大型语言模型是由美国机构开发的。
工业界的发展领先于学术界。直到2014年,学术界才发布最重要的机器学习模型。此后,工业界开始迅速发展,2022年已有32个重要的产业界机器学习模型,而学术界仅有3个。构建先进的人工智能系统越来越需要大量的数据、计算机能力和资金资源,相比非营利组织和学术界,行业参与者通常拥有更多的资金资源。
大型语言模型的参数数量正变得越来越大,训练成本也变得越来越高。例如,GPT-2于2019年发布,被视为首个大型语言模型,拥有15亿个参数,训练成本估计为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,训练成本估计为800万美元。PaLM的参数数量是GPT-2的360倍左右,训练成本是GPT-2的160倍。从整体上看,人工智能大语言模型的参数数量和训练成本都在不断增长。
图3:全球人工智能大模型发布时间线
二、2022年人工智能的技术进展
报告分析了人工智能在计算机视觉、语言、语音、增强学习和硬件领域的进展,并分析了人工智能对于环境的影响。
技术性能远超传统基准。随着人工智能技术的飞速发展,其在众多领域的测试结果已经显著超越了传统的性能基准。不仅如此,模型性能达到传统性能基准的速度也在不断加快。为了更好地评估和比较人工智能系统的性能,一系列新的、综合性的基准套件应运而生,其中最具代表性的就是BIG-bench和HELM。这些新的基准套件不仅涵盖了广泛的领域和应用场景,还能够更全面地评估人工智能系统的性能和表现。
尽管人工智能系统在各种基准测试上的表现正在逐年提高,但年复一年的改进幅度却越来越微小。这表明人工智能技术的发展已经逐渐趋于饱和,需要寻找新的突破口和创新方向。然而,新的基准测试套件的出现,为我们提供了更多的评估工具和标准,有助于推动人工智能技术的进一步发展和创新。
BIG-bench和HELM等新的基准测试套件的出现,为我们提供了一个更为全面和深入的视角,来评估和比较不同人工智能系统的性能。这些基准测试套件不仅涵盖了自然语言处理、图像识别、语音识别等多个领域,还能够模拟真实世界中的复杂环境和任务,从而更好地反映人工智能在实际应用中的表现。通过使用这些新的基准测试套件,可以更准确地评估人工智能的性能,发现其存在的问题和瓶颈,并引导科研人员和企业加强在人工智能技术方面的研发和创新。这不仅有助于推动人工智能技术的快速发展,还将为人类社会带来更多的便利和创新。
生成式人工智能闯入了公众的视野。2022年,随着人工智能技术的不断发展,一些令人瞩目的成果被公布。其中,文本到图像的模型如Dall-e2和Stable Diffusion,以及文本到视频的系统如Make-A-Video,这些技术的出现使得人工智能可以根据自然语言的描述自动生成相应的图像或视频内容。此外,聊天机器人如ChatGPT也得到了广泛关注,它们能够理解人类语言并生成具有逻辑严密性和推理精确性的回复,为用户提供便捷的智能问答服务。
然而,尽管这些系统在某些方面表现出了惊人的能力,但它们仍然存在一些挑战和限制。其中最突出的问题是,这些系统可能会产生幻觉,即在没有真实依据的情况下自信地输出不连贯或不真实地响应。这使得在需要高度准确和可靠的关键应用中,很难完全依赖这些人工智能系统。因此,尽管人工智能技术在某些方面取得了显著进步,但它们仍然需要不断地发展和完善,以更好地适应各种实际应用场景的需求。
图4:生成式人工智能生成的虚假图像
人工智能系统变得更加灵活。传统上,人工智能系统在狭窄的任务上表现良好,但在更广泛的任务上表现不佳。最近发布的人工智能大模型挑战了这一趋势。BEiT-3、PaLl和Gato等都是单一的人工智能系统,它们越来越有能力处理多个任务(例如视觉、语言)。有能力的语言模型仍然在推理上挣扎。语言模型继续提高它们的生成能力,但新的研究表明,它们仍然难以处理复杂的规划任务。
人工智能对环境既有益又有害。随着人工智能技术的迅猛发展,其对环境的影响也逐渐受到关注。报告呼吁,在追求技术进步的同时,我们必须考虑环境保护和可持续发展的因素。只有确保技术发展与环境保护双赢,人工智能技术的未来才会更加光明。
新的研究表明,人工智能系统可能会对环境产生严重影响。根据Luccioni等的研究,BLOOM的训练运行排放的碳比一个从纽约到旧金山的单程飞行多25倍。不过,像BCOOLER这样的新强化学习模型表明,人工智能系统可以用于优化能源使用。世界上最好的新科学家…人工智能?人工智能模型开始迅速加速科学进步,并在2022年被用于帮助氢聚变,提高矩阵操作的效率,并产生新的抗体。人工智能开始构建更好的人工智能。英伟达使用人工智能强化学习代理来改进为人工智能系统提供动力的芯片的设计。类似地,谷歌最近使用了它的语言模型之一PaLM来提出改进同一模型的方法。自我改进的人工智能学习将加速人工智能的进步。
三、2022年人工智能快速发展带来的伦理挑战
在过去的一年时间里,是生成式人工智能大模型爆发的一年,与之同时爆发的还有其引发的伦理挑战。
比如,文本转图像生成器存在严重的性别偏见,类似于ChatGPT这样的高级聊天机器人也有被恶意诱骗给出不道德回答的风险。模型尺度对于偏倚和毒性的影响与训练数据和缓解方法之间的关联性往往令人困惑。在过去的一年里,一些大型机构已经成功构建了自己的大型人工智能模型,这些模型经过了专有数据的训练,尽管这些大型模型仍然存在一定的有害性和偏见,但最新的证据表明,通过使用特定的指令来调整训练方法,可以在一定程度上缓解这些问题。随着生成模型的崭新出现,与之相关的伦理问题也随之浮出水面。
2022年,生成式人工智能大模型已经成为时代精神的一部分。这些人工智能模型具有强大的能力,能够处理复杂的任务并做出精准的决策,但同时也伴随着一些道德上的挑战。例如,文本-图像生成器可能会出现偏差,这种偏差可能会根据性别维度而产生。此外,像ChatGPT这样的聊天机器人也有可能被恶意用户欺骗,从而被用于邪恶的目的。随着人工智能技术的广泛应用,滥用事件也正在逐渐增加。根据AlAAIC数据库的统计数据,自2012年以来,人工智能引发的事故和争议的数量已经增加了26倍之多。例如,在2022年,就发生了乌克兰总统投降的深度伪造视频以及美国监狱对囚犯使用电话监控技术等滥用人工智能的事件。这种增长既说明了人工智能技术的普及程度,也反映了人们对可能的滥用问题的关注程度。
尽管有些模型可能更加公平,但这些模型也可能存在一些偏见。通过对语言模型的广泛分析表明,虽然表现和公平之间存在明显的相关性,但公平和偏见可能是不一致的。也就是说,在某些公平基准上表现更好的语言模型往往具有更严重的性别偏见。因此,在开发和使用人工智能模型时,需要更加注重模型的公平性和偏见问题,并采取相应的措施来减少偏见和促进公平性。
图5:人工智能事故与争议(2012-2021年)
人们对人工智能伦理的兴趣持续高涨,这一领域的研究和讨论不断深入。在领先的人工智能伦理会议FAccT上,接受的提交文件数量自2021年以来增加了一倍多,这表明越来越多的人开始关注人工智能伦理问题,并且积极寻求解决方案。自2018年以来,提交的文件数量增加了10倍,这表明人工智能伦理领域正在经历一个快速发展的阶段,越来越多的研究者和企业开始重视人工智能伦理问题。
2022年,行业参与者提交的作品也比以往任何时候都多,这表明行业对人工智能伦理问题的关注度也在不断提高。同时,这也反映了行业对人工智能技术的快速发展和应用,以及对人工智能伦理问题的日益重视。使用自然语言处理的自动事实检查毕竟不是那么简单。虽然已经为自动事实核查开发了几个基准,但研究人员发现,在16个这样的数据集中,有11个依赖于从事实核查报告中“泄露”出来的证据。这意味着这些数据集的可靠性存在一定的问题,因为它们并不是独立于事实核查报告的。此外,这些数据集中的证据在索赔浮出水面时并不存在,这进一步削弱了这些数据集的可靠性。因此,我们需要更加严谨和客观地评估和使用这些数据集,以确保人工智能技术的正确应用和发展。
四、2022年人工智能经济的发展动态
美国对人工智能相关专业技能的需求都在增加,尤其是在工业部门。在除农业、林业、渔业和狩猎以外的所有有数据的行业,与人工智能相关的招聘数量平均从2021年的1.7%增长到2022年的1.9%。这表明美国雇主对具有人工智能相关技能的工人的需求越来越强烈。这种增长趋势不仅限于特定的行业,而是普遍存在于各个领域。
这种需求的增加源于人工智能技术的快速发展和广泛应用。随着人工智能技术在语音识别、自然语言处理、机器学习等方面的突破,越来越多的企业和组织开始应用人工智能技术来优化自己的业务流程,提高生产效率和质量。因此,他们需要具备相关专业技能的人才来支持这些技术的应用和发展。
此外,人工智能技术的不断发展也催生了一个全新的职业领域,即人工智能工程师。这个职业领域需要具备深厚的计算机科学和数学知识,以及丰富的实践经验。由于这个领域的新颖性和复杂性,具备相关技能的人才非常稀缺,这也进一步加剧了雇主对具有人工智能相关技能的工人的需求。
值得注意的是,在过去十年中,人工智能领域的私人投资首次出现同比下降。2022年,全球人工智能私人投资总额达到了919亿美元,但与2021年相比,投资额实际上呈下降趋势,减少了26.7%。这种下降可能源于多种因素,例如全球经济形势的波动、投资者对人工智能行业的观望态度、以及该行业自身的成熟度提高等。此外,与人工智能相关的融资事件总数以及新融资的人工智能公司数量也有所减少,这可能是由于市场对于人工智能的热情有所冷却,或者是对人工智能公司的要求更高,竞争更为激烈。
尽管如此,从更长的时间线来看,人工智能的投资在过去的十年中还是呈现了显著的增加。2022年,人工智能领域的私人投资额是2013年的18倍,这无疑显示了人工智能在科技领域的重要地位以及其不断增长的影响力。这种增长可能源于各种因素,例如技术的快速发展、商业应用的广泛推广、以及政策支持等。
在地域分布方面,美国在人工智能投资方面再次领先。这可能是因为美国拥有全球领先的人工智能研究和开发环境,以及丰富的数据资源和风险投资环境。此外,美国政府对于人工智能的发展也给予了大力支持,推出了一系列鼓励人工智能研究和开发的政策。这些因素都为美国在人工智能领域的领先地位提供了有力的支持。
图6:2013-2022年的人工智能私人投资
美国在人工智能私人投资总额方面领先世界。2022年,美国在人工智能领域的投资额高达474亿美元,大约是中国(134亿美元)的3.5倍。这一数字展示了美国在人工智能领域的强大投入和领先地位。在新投资的人工智能公司总数方面,美国也表现出色,达到了欧盟和英国总和的1.9倍,是中国的3.4倍。这表明美国在人工智能领域的创新和发展上具有很高的活跃度和领先地位。
在人工智能的重点投资领域方面,2022年,医疗保健领域吸引了最多的投资,达到了61亿美元;其次是数据管理、处理和云计算领域,投资额为59亿美元;金融科技领域紧随其后,投资额为55亿美元。这些数据表明,人工智能正在逐渐渗透到各个行业领域,并且受到了广泛的关注和投资。尤其在医疗保健领域,人工智能的应用和发展潜力巨大,正在逐渐成为医疗领域的重要支柱。
然而,与人工智能私人投资的更广泛趋势相呼应,2022年大多数人工智能重点领域的投资低于2021年。这一现象可能是由于多种因素的综合作用,例如全球经济形势的变化、投资者对人工智能行业的理性回归、以及相关技术的成熟度等。去年,发生了三大人工智能私人投资事件,这些事件反映了人工智能在不同领域的应用和发展。首先,中国电动汽车制造商广汽新能源汽车(GAC Aion New Energy Automobile)获得了25亿美元的融资,这表明电动汽车和新能源领域仍然是人工智能发展的重要方向。其次,美国国防产品公司Anduril Industries获得了15亿美元的E轮融资,该公司为军事机构和边境监控提供技术,这表明人工智能在军事和安全领域的应用也越来越受到关注。最后,德国商业数据咨询公司Celonis获得了12亿美元的投资,这表明人工智能在商业智能和数据分析领域的应用也具有广阔的市场前景。
这些投资事件表明,人工智能技术的应用和发展已经超越了单一的领域限制,正在向更广泛的领域拓展。同时,随着人工智能技术的不断发展和完善,其应用场景也将越来越广泛,未来将会有更多的行业和领域受益于人工智能技术的发展。
图7:新成立的人工智能公司(2013-2022年)
虽然采用人工智能的公司比例已经趋于稳定,但采用人工智能的公司数量仍在继续增加。根据麦肯锡的年度研究调查结果,到2022年采用人工智能的公司比例自2017年以来增加了一倍以上,尽管近年来该比例在50%至60%之间趋于稳定。这一趋势表明,越来越多的公司开始认识到人工智能技术的潜力和价值,并将其应用于商业运营和业务决策中。
采用人工智能的组织报告实现了有意义的成本降低和收入增加。他们能够通过自动化和优化复杂的业务流程,提高工作效率和准确性,降低人力成本和错误率。此外,人工智能还可以帮助组织更好地理解客户需求和市场趋势,从而优化产品和服务,提高市场占有率和盈利能力。这些积极成果进一步证实了人工智能在商业应用中的可行性和价值。
麦肯锡的调查结果还显示,采用人工智能的公司往往在创新、竞争力和业务成果方面表现出色。这些公司能够快速适应市场变化和技术进步,利用人工智能推动业务创新和优化。他们的成功进一步印证了人工智能在推动组织发展和提升竞争力方面的巨大潜力。
一、2022年人工智能教育动态
人工智能专业人才数量不断增长。据统计,美国大学计算机科学博士毕业生中,人工智能专业的比例从2020年的14.9%和2010年的10.2%增长到了2021年的19.1%。这一趋势表明,越来越多的人开始关注人工智能领域,并将其作为自己的专业发展方向。
值得注意的是,这些新的人工智能博士越来越多地进入工业领域,而不是学术界。在2011年,新的人工智能博士毕业生在工业界(40.9%)和学术界(41.6%)就业的比例大致相同。但是,从那以后,情况发生了变化。大多数人工智能博士都选择了进入工业界,而这一趋势在2021年表现得尤为明显。据统计,65.4%的人工智能博士在工业界工作,是学术界28.2%的两倍多。这一趋势的原因可能在于,工业界对于人工智能技术的需求越来越大,而具有博士学位的专业人才又是工业界所需要的。另外,工业界提供的薪酬和福利待遇也可能比学术界更高,这也是吸引人工智能博士进入工业界的原因之一。不难预见,随着人工智能技术的不断发展,对于人工智能专业人才的需求也将持续增长。而具有博士学位的专业人才将在这一领域发挥越来越重要的作用。
▲图2:人工智能专业的博士数量(2010-2021年)
新招聘的北美计算机、电子商务和信息专业人员保持不变。在过去十年中,北美计算机科学(CS)、计算机工程(CE)和信息学院的新招聘总数有所减少:2021年的总招聘人数为710人,而2012年为733人。同样,终身聘用的总人数在2019年达到422人的峰值,然后在2021年降至324人。美国私人与公共计算机学院的外部研究经费差距继续扩大。2011年,美国私营和公共计算机部门用于计算研究的外部来源总支出的中位数大致相同。从那以后,差距扩大了,美国私立计算机系获得的额外资金比公立大学多数百万美元。2021年,私立大学的支出中位数为970万美元,而公立大学的支出中位数为570万美元。
在美国以及全球范围内,对于K-12阶段的人工智能和计算机科学教育的关注度都在不断增长。越来越多的学校开始重视并引入人工智能和计算机科学教育,以满足学生们对于高科技领域的热情和兴趣。
2021年,美国学生积极参与了181,040场AP计算机科学考试,比前一年增长了1.0%,这充分显示了美国学生对计算机科学领域的热情和追求。自2007年以来,AP计算机科学考试的数量增长了惊人的9倍,这一数据进一步证明了美国在计算机科学教育领域的快速发展。截至2021年,包括比利时、中国和韩国在内的11个国家已经正式批准并实施了K-12人工智能课程。这一事实表明,人工智能教育正逐渐成为全球教育的重要组成部分,预示着未来将有更多的学生接触到这一前沿领域。
通过这些数据和信息,我们可以看到人工智能和计算机科学教育在全球范围内的普及程度和快速发展趋势。这一现象反映了社会对于科技领域的重视,以及教育机构对于培养未来科技人才的积极态度。
▲图3:人工智能教育情况
二、2022年人工智能治理动态
政策制定者对人工智能的兴趣日益浓厚。经过对127个国家的立法记录进行深入分析,发现包含“人工智能”的法案从2016年的1个增加到2022年的37个,这一趋势清晰地表明政策制定者对人工智能的关注度在不断上升。此外,对81个国家关于人工智能的议会记录进行深入剖析,发现自2016年以来,在全球立法程序中提到人工智能的次数增加了近6.5倍,这进一步证实了政策制定者对人工智能的重视程度在不断提高。
这些数据不仅证明了政策制定者对人工智能的兴趣在上升,同时也揭示了全球范围内对人工智能的关注度在不断提高。这一趋势预示着人工智能将成为未来政策制定的重要领域,政策制定者将更加重视人工智能技术的发展和应用。
▲图4:出台人工智能战略的国家
美国通过的人工智能法案创历史新高。美国在人工智能法案的通过数量上创下了历史新高。2021年,美国只有少数的联邦法案被通过成为法律,大约只有2%。然而,到了2022年,这一数字显著地增长到了10%。同样地,去年有35%的州级人工智能法案被通过成为法律。这表明美国在人工智能领域的立法活动正在不断加强。
当政策制定者谈论人工智能时,他们有着许多的想法和关注点。一项对不同国家议会程序的定性分析表明,政策制定者从各种不同的角度来考虑人工智能的影响。例如,在2022年,英国的立法者开始关注人工智能自动化可能带来的风险,并进行了广泛的讨论;而在日本,人们普遍认为在面对人工智能的崛起时,保障人权至关重要;另外,赞比亚的研究人员则研究了使用人工智能进行天气预报的可行性。
不难看出,人工智能已经成为全球范围内的热门议题。各个国家都在积极探索如何有效地利用人工智能技术来推动社会进步和发展。同时,政策制定者们也在深入思考如何制定相应的法规来规范和引导人工智能技术的合理应用。
▲图5:部分国家的人工智能法律数量
美国政府继续增加人工智能支出。自2017年以来,美国政府在与人工智能相关的合同支出上投入了大量的资源,这些支出金额增长了约2.5倍,显示出政府对人工智能技术的强烈关注和投资。同时,法律界也正在逐渐意识到人工智能技术对法律领域的影响,这是一个新兴且重要的趋势。
到了2022年,美国州和联邦法院共受理了110起与人工智能相关的法律案件,这一数字大约是2016年的7倍。这些案件主要来自加利福尼亚、纽约和
伊利诺伊州,涉及的问题涵盖了民事、知识产权和合同法等多个领域。这些案件的增加不仅反映了人工智能技术的快速发展,也表明了法律界正在积极应对新技术带来的挑战,并努力在法律框架内理解和规范人工智能的应用和发展。
▲图6:美国政府在人工智能领域的投资
三、2022年人工智能领域的多样性动态
北美的本科、硕士和博士阶段计算机科学专业学生的种族越来越多样化。尽管白人学生在计算机科学新入学及毕业生的本科、硕士和博士中仍然占据着最大的比例,但不可忽视的是,来自其他种族背景的学生,如亚洲人、西班牙人、黑人或非裔美国人等,在计算机科学领域的代表性正逐渐增强。具体而言,2011年,71.9%的新毕业生是白人,然而到了2021年,这一数字已降至46.7%,显示出白人学生在计算机科学领域的优势正在逐渐减弱。
同时,我们也可以看到,新的人工智能博士仍然以男性为主。2021年,78.7%的新人工智能博士是男性,而只有21.3%是女性。尽管与2011年相比,女性在新人工智能博士中的比例有所上升,达到了21.3%,但仍然需要更多的努力来平衡性别比例。尽管白人学生在计算机科学领域的优势正在逐渐减弱,而其他种族背景的学生在计算机科学领域的代表性正逐渐增强,但人工智能领域仍然存在着性别不平衡的问题。
在高等人工智能教育中,性别仍然不平衡。女性在计算机科学、电子商务和信息专业教师中所占的比例越来越大,这一现象表明了女性在这些领域中的地位逐渐得到提升。自2017年以来,新聘用的女性计算机科学、电子商务和信息学院教师的比例从24.9%提升至30.2%,这一数据表明了女性在这些领域的参与度逐渐增加。
然而,尽管女性在这些领域的参与度有所提升,但北美大学的计算机科学、计算机工程和信息专业的教师中,男性仍然占多数,比例高达75.9%。这一数据说明了在计算机科学和信息技术领域中,男性的主导地位仍然明显。总的来说,虽然女性在计算机科学、电子商务和信息专业教师中的比例越来越大,但是男性仍然占据着这些领域的绝对主导地位。
美国K-12计算机科学教育在性别和种族方面都变得更加多样化。去年,女学生参加AP计算机科学考试的比例有了显著的增加,从2007年的16.8%上升到了2021年的30.6%。这一增长趋势在AP计算机科学课程的选修中也有所体现,选修该课程的女学生的比例也在逐年提高。不仅如此,亚裔、西班牙裔/拉丁裔/拉丁裔和黑人/非裔美国学生选修AP计算机科学课程的比例也在逐年增加。这些学生在AP计算机科学考试中的表现也相当出色,充分证明了他们在计算机科学领域的才华和潜力。
这些数据和趋势表明,女学生和少数族裔学生对于计算机科学的热情和兴趣正在不断增加,他们在计算机科学领域的表现也越来越出色。这不仅有助于提高他们在未来科技领域的竞争力,也为科技行业注入了更多的多元化和创新力量。
四、2022年公众对人工智能的态度变化
人工智能技术的发展不仅改变了科学界和产业界,更影响着每一个普通人的生活。随着人工智能教育在全球范围内的普及,这一技术逐渐成为新时代年轻人的必备技能。
同时,公众对人工智能技术的认知和态度也正在发生变化,从最初的好奇到现在的期待与担忧并存。人工智能的巨大潜力使其有可能对社会产生变革性的影响。对于人工智能的研发、监管和使用,理解公众对其的态度是至关重要的。中国公民对人工智能产品和服务展现出了最为积极的态度,成为了最支持人工智能的人群之一。相反,美国人的态度则大相径庭。
在2022年IPSOS的一项全球调查中,78%的中国受访者(在被调查国家中比例最高)认同使用人工智能的产品和服务利大于弊的说法。紧随其后的是沙特阿拉伯(76%)和印度(71%)的受访者,他们对人工智能产品的看法也表现出了积极的态度。然而,令人惊讶的是,只有35%的美国人(在被调查的国家中排名最低)认为使用人工智能的产品和服务利大于弊。
这种差异可能源于各种因素,例如文化背景、社会经济状况、公众对人工智能的认知程度等。因此,对于人工智能的研发者、监管者和使用者来说,理解并考虑这些因素是非常重要的。同时,对于政策制定者来说,了解并引导公众对人工智能的正确认知也是至关重要的。在未来的研究和实践中,需要进一步探索和理解公众对人工智能的态度及其影响因素。这不仅可以帮助我们更好地设计和实施人工智能的研发、监管和使用策略,还可以帮助我们更好地预测和应对可能出现的社会问题。
▲图7:全球部分公众对于人工智能的态度
男性对人工智能产品和服务的感觉往往比女性更正面。与女性相比,男性似乎更容易相信人工智能技术的积极影响,认为它主要是为了帮助人类而不是伤害人类。根据2022年IPSOS的调查结果,男性受访者更倾向于相信人工智能产品和服务能够使他们的生活变得更加轻松和便捷。他们不仅对使用人工智能的公司表现出更高的信任度,而且还认为人工智能产品和服务所带来的好处要远远超过潜在的缺点。
这一现象也在其他调查中得到印证。盖洛普(Gallup)和劳氏船级社基金会(Lloyd’s Register Foundation)在2021年进行的一项调查显示,男性比女性更有可能认同这样一种观点,即人工智能在未来20年内将主要发挥积极的帮助作用,而不是对他们的国家造成伤害。这一结果表明,男性对人工智能技术的未来发展抱有更为乐观的态度。
这些调查结果为人们提供了一些有趣的见解,揭示了性别差异在对待人工智能技术方面的微妙差异。尽管存在这些差异,但总体而言,男性和女性对人工智能技术的看法是积极的,并相信它有能力在未来几十年内为人类带来巨大的好处。
▲图8:未来20年人工智能将主要帮助还是伤害人类
世界各地的人们仍然不相信自动驾驶汽车。在一项涉及全球的调查中,令人惊讶的是,只有27%的受访者表示在自动驾驶汽车中感到安全,这一数据凸显了公众对这种先进技术的疑虑和不安。同样,皮尤研究中心(Pew Research)的一项调查显示,只有26%的美国人认为无人驾驶乘用车对社会来说是一个好主意,这表明人们对无人驾驶技术的接受程度仍然有限。
在这两项调查中,受访者的兴奋和担忧的原因有所不同。对于那些对人工智能感到兴奋的美国人样本,他们最感兴趣的是人工智能能让生活和社会变得更美好(31%),以及节省时间和提高效率(13%)。然而,那些感到更担心的人(19%)主要担心人类会失去工作;监控、黑客攻击和数字隐私(16%);以及缺乏人际交往(12%)。
在自然语言处理(NLP)研究领域,研究者们也有一些强烈的意见。根据一项广泛分发给NLP研究人员的调查,77%的人同意或不太同意私营人工智能公司的影响力太大,显示了他们对人工智能公司的警惕。41%的人认为NLP应该受到监管,这表明他们认识到这个领域的潜在风险并需要采取相应的措施来确保其安全发展。而73%的人认为人工智能很快就会导致革命性的社会变革,这表明他们对人工智能的未来发展抱有很高的期望。
这些观点和看法反映了人工智能领域的研究者和公众对这个领域的不同看法和关注点,也揭示了人们对人工智能技术的复杂情感和不确定性。
结 语
2023年度斯坦福人工智能指数报告为我们展现了一个充满机遇与挑战的人工智能新纪元。生成式人工智能的崛起、人工智能技术对科学的推动、国际间的合作与竞争、人工智能与环境的关系及人工智能教育的普及,这些都是我们新时代面临的重大议题。通过比较不难发现,与往年报告相比,2023年度的斯坦福人工智能指数报告加入了对人工智能大模型的分析、人工智能对环境影响、K-12人工智能教育以及公众对人工智能的看法,并将全球人工智能立法的追踪范围从2022年的25个国家扩大到2023年的127个。生成式人工智能、大模型无疑是人工智能技术和产业的热点,这些生成式人工智能模型如同新时代的魔法棒,它们所蕴含的能力正在逐渐改变世界。人工智能技术不仅在文本和图像生成方面展现出强大的能力,更在科学研究领域起到了推动作用。2022年,人工智能模型被应用于氢聚变控制、提高矩阵运算效率等多个关键领域,甚至助力抗体药物的研发。人工智能已经成为人类探索未知、解决难题的重要工具。但与此同时,伦理和道德问题也随之浮现。如何在享受技术带来的便利的同时,确保公平和正义,是我们必须面对的挑战。全球政府越来越关注人工智能带来的潜在问题,并尝试通过立法、监管等措施规避人工智能发展过程中带来的风险。
总的来看,2023年斯坦福人工智能指数报告为我们提供了一份全面而深入的人工智能发展指南。它不仅展示了生成式人工智能的强大能力和广泛应用,还提醒我们关注人工智能技术发展所带来的伦理、社会和经济问题。在全球竞争与合作的大背景下,我们需要更加开放和包容的态度,共同推动人工智能技术的健康发展和善治,促进造福全人类,打造人工智能时代的命运共同体。
文字 | 秦风
图片 | 来源于原报告
编辑 | 欧祉辛
审阅 | 李雪莹
声明:本文来自军事高科技在线,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。