研究人員發布了人工智慧指數

斯坦福大學工作人員介紹了 2023 年神經網路領域全球趨勢的 AI 指數研究。

該報告討論了多模式模型的發展、生成人工智慧的大量貨幣投資、新的績效指標、不斷變化的全球輿論和該領域的監管法規。

開放式和封閉式模型

2023 年，各組織發布了 149 個人工智慧模型，是前 12 個月數量的兩倍。 開源佔比 65.7%，高於 2022 年的 44.4% 和 2021 年的 33.3%。

性能比較。 數據：斯坦福大學。

閉源模型的性能優於開源聊天機器人。 在所選的 10 個基準測試中，前者的平均性能優勢為 24.2%。

主要聊天機器人開發商

2023年，谷歌超過其他行業參與者，發布了最多的模型，包括Gemini和RT-2。 自 2019 年以來，該公司在創建數量最多的基礎神經網路方面一直處於領先地位 – 40 個，其次是 OpenAI，有 20 個。

市場上最大的參與者。 數據：斯坦福大學。

相比之下，加州大學伯克利分校在 2024 年發布了三個模型，斯坦福大學發布了兩個模型。 原因是成本高昂：訓練 Gemini Ultra 的成本約為 1.91 億美元，而 GPT-4 的成本為 7800 萬美元。與此同時，2017 年，訓練代表幾乎所有現代 LLM 底層架構的 Transformer 模型的成本約為 900 美元。 。

2023 年，美國遙遙領先於其他司法管轄區，共開發了 61 款車型。 自 2019 年以來，該國在創建最重要的聊天機器人方面一直處於領先地位。 中國緊隨其後，擁有 15 個神經網路。

AI離人類還有多遠？

截至 2023 年，人工智慧在從閱讀理解到視覺推理的許多有意義的測試中已經達到了人類水平的表現。 但在一些測試中，它仍然低於人類水平。

將人工智慧模型與人類能力進行比較。 數據：斯坦福大學。

今年，該指數跟蹤了幾個新參數，包括編碼挑戰。

領域投資

儘管該行業本身的私人投資自 2021 年以來一直在下跌，但相反，生成式人工智慧的需求正在變得越來越大。 2023 年，該領域的投資為 252 億美元，2022 年這一數字為 28.5 億美元，2019 年為 8.4 億美元，占 2023 年人工智慧所有私人投資的四分之一以上。

人工智慧領域的私人投資。 數據：斯坦福大學。

美國在這一指標上佔據主導地位（672 億美元）。 其次是中國（77.6 億美元）和英國（37.8 億美元）。

神經網路和工作

調查顯示，55% 的組織表示有意在 2023 年使用人工智慧。 2022 年為 50%，2017 年為 20%。 公司正在使用人工智慧來自動化聯絡中心、個性化內容並吸引新客戶。

指數數據顯示，在全球範圍內，大多數人認為人工智慧將改變他們的工作，超過三分之一的人認為神經網路將取代他們。 與 X 世代和嬰兒潮一代相比，Z 世代和千禧一代預計人工智慧的影響更大。

研究表明，越來越多的美國監管機構正在採取法規來保護公民並監督人工智慧工具和數據。

例如，版權局和國會圖書館已經通過了關於包含人工智慧生成材料的作品的版權註冊指南，美國證券交易委員會制定了網路安全風險管理策略、指南和事件披露計劃。

讓我們回想一下，2024年4月，德科集團發表了一份關於人工智慧對人事政策影響的研究報告。 根據其結果，人工智慧將導致未來五年招聘人數減少。

在社交網路上訂閱 ForkLog

發現文本中有錯誤？ 選擇它並按 CTRL+ENTER

ForkLog 時事通訊：隨時掌握比特幣行業的脈搏