2022年3月16日，斯坦福大學“以人為本”人工智能研究院（Stanford HAI）發(fā)布《2022年人工智能指數(shù)報告》（Artificial Intelligence Index Report2022）。報告要點包括：

1）AI領域私人投資猛增，投資集中度加?。?021年AI領域的私人投資總額約為935億美元，是2020年的兩倍多，但新投資的AI公司數(shù)量卻在繼續(xù)下降，從2019年的1051家和2020年的762家公司減少到2021年的746家。2020年有4輪5億美元以上的融資，2021年有15個。

2）美中兩國主導AI跨國合作：盡管地緣政治緊張局勢加劇，但2010—2021年，美中兩國在AI出版物方面的跨國合作數(shù)量最多，自2010年以來增加了五倍。美中之間合作產(chǎn)生的出版物數(shù)量是排名第二的英中之間合作數(shù)量的2.7倍。

3）語言模型能力顯著提升，但也更容易有偏見：大型語言模型在技術基準上創(chuàng)造了新的記錄，能力顯著增強。但新數(shù)據(jù)表明，更大的模型從訓練數(shù)據(jù)中也更容易產(chǎn)生偏見。與2018年被認為是SOTA的1.17億參數(shù)模型相比，2021年開發(fā)的2800億參數(shù)模型產(chǎn)生的“毒性”增加了29%。

4）AI倫理興起：自2014年以來，關于AI公平性和透明度的研究呈爆炸式增長，倫理相關會議論文增加了五倍。算法公平和偏見已經(jīng)從主要的學術追求轉變?yōu)榫哂袕V泛影響的主流研究課題。近年來，具有行業(yè)關系的研究人員在以倫理為中心的會議上發(fā)表的論文同比增加了71%。

5）AI成本降低、性能提高：自2018年以來，訓練圖像分類系統(tǒng)的成本降低了63.6%，而訓練時間提升了94.4%。在其他MLPerf任務類別（如推薦、對象檢測和語言處理）中出現(xiàn)了訓練成本更低但訓練時間更短的趨勢，有利于AI技術實現(xiàn)更廣泛的商業(yè)應用。

6）數(shù)據(jù)與數(shù)據(jù)集：跨技術基準測試的頂級結果越來越依賴于使用額外訓練數(shù)據(jù)來實現(xiàn)新的SOTA結果。截至2021年，報告中10個基準測試中有9個SOTA AI系統(tǒng)接受了額外數(shù)據(jù)的訓練。這種趨勢有利于私人機構參與者訪問大量數(shù)據(jù)集。

7）全球AI立法增多：對25個國家AI立法記錄的分析顯示，包含AI的法案被通過成為法令的數(shù)量從2016年的1項增長到2021年的18項。2021年，西班牙、英國和美國通過與AI相關的法案數(shù)量最多，平均通過了三項法案。

8）機械臂更便宜：在過去五年中，機械臂的價格中位數(shù)下降了4倍，從2017年的每只手臂42000美元降至2021年的22600美元。機器人研究變得更易于獲得。

謝黎（中國科學院成都文獻情報中心）編譯自

https://aiindex.stanford.edu/report/