0
| 本文作者： 我在思考中 | 2022-03-21 10:27 |
作者 | 西西
編輯 | 陳彩嫻
剛剛，斯坦福大學發布了著名的《2022年人工智能報告》（Artificial Intelligence Index Report 2021，以下簡稱「報告」），迅速在人工智能領域引起傳閱。
報告鏈接：https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
從2017年至今，斯坦福大學 AI Index 每年都會發布一份報告，由于數據詳細、調查來源清晰、觀點充實等等優點，在總結過去一年的 AI 發展上有著較為權威的發聲，一向為讀者關注。到今年，由李飛飛領導的 HAI 實驗室領導，已是第五版。
除了原先的技術趨勢分析，今年該報告還增加了對全球機器人的調查，以及25個國家與地區（不包含中國，所以此處不討論）在 AI 層面的立法活動。
更值得注意的是，今年斯坦福的AI指數報告首次大篇幅地討論了人工智能在現實生活中的落地問題，包括 AI 在經濟發展中的角色，以及 AI 在落地推廣過程中所引起的潛在倫理問題。
報告指出，一方面，外界對 AI 領域的投資比例在上升：與2020年（460億美元）相比，2021年 AI 投資的資金增長了103%（965億美元）。同時，AI 出現「物更美、價更廉」的特征，例如，自 2018 年以來，訓練圖像分類系統的成本降低了 63.6%，而訓練效率卻了 94.4%。
但另一方面，AI 在現實生活中的日益滲透也加劇了社會倫理的危機。因此，接下來，我們也許會看到，越來越多對 AI 的討論不僅再局限于模型與算法的創新，或連接主義與符號主義孰劣孰優，而是：在人工智能時代全面來臨之前，我們應該做好哪些「基建層面」的準備工作？
由于報告內容長達200多頁，所以AI科技評論僅從中美對比的角度對報告進行了整理：
根據報告，從研究機構看，全球范圍內高校對 AI 研究出版物的貢獻比例最高，高達59.58%，而公司僅占 5.21%：
單就這一層面，美國的 AI 出版物中，高校比例不斷下降，2021年占 57.63%，企業占 9.76%：
而中國的 AI 出版物中，高校比例不斷上升，占比 60.24%，企業占比雖然也不斷上升，但2021年僅占比 3.93%：
盡管中美關系緊張，但報告發現，在 2010 年到 2021 年期間，中美合作的AI論文數量在跨國合作論文數量排行中位居榜首，是第二名（中英合作）的2.7倍：
報告還對比了中國、歐盟&英國、與美國在過去12年的AI出版物占比，其中中國的數量一直保持第一，占比31.04%，其次是歐盟與英國（19.05%），美國為 13.67%：
在 AI 期刊論文的引用數上，中國的占比逐漸上升，2021年排名第一（27.84%），美國的被引用數則為 17.45%：
在 AI 會議上，中國的論文發表數量也是排名全球第一，占比 27.6%，而美國為 16.9%，位居第三：
盡管出版數量上中國占優勢，但報告發現，美國在 AI 會議上的論文被引數最高，占比29.52%，中國則只有15.32%：
在AI存儲庫（如arXiv）出版物上，美國自2011年以來一直保持領先地位，2021年占比 32.52%，但中國也不甘落后，比例一直上升，2021年占比16.6%：
在AI存儲庫出版物的引用數上，美國在2021年也是位居第一，引用率高達 38.6%，而中國為 16.4%：
在人工智能專利的申請上，2021年中國申請了全球一半以上的人工智能專利（51.69%），美國則為 16.92%：
首先，在人才招聘一塊，報告顯示，中國香港在 AI 人才的招聘增長速度上位于全球第二，較 2016 年增長了 1.56 倍：
通過計算 2015 年至 2021 年期間 LinkedIn 用戶在給定領域的自我添加技能的頻率，報告發現，在AI 技能的滲透率上，印度的平均滲透率最高，其次是美國（2.24），而中國為 1.56，排名全球第四：
此外，在 AI 產業的投資上，美國的 AI 公司在獲得總體私人投資上位居世界第一，約為 529 億美元，而中國位居第二，為 172 億美元，美國是中國的三倍：
而在2013年至2021年的私人投資總額上，美國投資總額為 1490 億美元，中國投資總額為 619 億美元：
值得注意的是，從 2013 年到 2021 年，美國對人工智能公司的私人投資是中國的兩倍多，而中國本身是同期英國總投資的六倍左右。按地理區域劃分，如圖 4.2.6 所示，2020 年至 2021 年美國、中國和歐盟的投資均有所增長，其中美國分別領先中國和歐盟的 3.1 倍和 8.2 倍：
從 AI 公司的數量上看，2021 年，美國以 299 家公司領先，其次是中國，有 119 家：
在 AI 的采用率上，2021年采用率最高的是高科技/電信的產品和/或服務開發（45%），其次是金融服務的服務運營（40%）， 高科技/電信（34%）和金融服務的風險職能（32%）：
而采用的 AI 能力類型上，2021 年，嵌入率最高的是高科技/電信行業的自然語言文本理解（34%），其次是金融服務和汽車和裝配行業的機器人流程自動化（33%）和金融服務的自然語言文本理解（32%）：
那么，采用人工智能的風險可能有哪些？
報告稱，55% 的受訪者認為 2021 年最突出的 AI 應用風險是網絡安全，其次是監管合規性（48%）、可解釋性（41%）和個人隱私（41%）：
報告還稱，「盡管人工智能在全球范圍內部署，許多研究人工智能倫理的論文還是集中在英語模型與數據集上」。
由于 AI 系統已被部署到世界各地，研究人員開始加大對 AI 與現實交互的關注度，尤其是 AI 落地可能帶來的危害，例如帶有種族歧視的人臉識別系統、帶有性別歧視的簡歷篩選系統，以及經濟收入歧視的 AI 臨床工具等。
AI 模型在落地過程中展示出來的社會偏見，使研究者們增加了對研究 AI 倫理、公平與偏見的興趣，并驅使相關從業者積極尋找解救措施。
如前所述，該報告還增加了對 AI 倫理的探討。報告發現：
語言模型所展現出的「偏見」問題最明顯，且新數據表明：語言模型的規模越大，在訓練數據中反映出來的偏見也越普遍。比如，一個2021年開發的 2800 億參數模型比 2018 年 1.17 億參數的模型的毒性增加了 29%
自 2014 年以來，針對 AI 公平性與透明性的研究呈爆炸式增長，相關出版物增加了五倍，算法公平與偏見的研究逐漸成為主流研究課題，而且工業界在該方向的研究工作發表同比增加了 71%
多模態模型也呈現出多種多樣的、創紀錄的「偏見」，例如，關于 CLIP 的實驗表明，黑人圖像被錯誤分類為非人類的比率是其他種族的兩倍以上
此外，報告指出，雖然全球范圍內的研究者都對 AI 公平性、問責性與透明性的研究越發感興趣，但在相關會議 FAccT 上，大多數的論文都由美國的研究人員撰寫。從2020年到2021年，來自北美機構的論文比例從70.2%上升到75.4%：
與其他語言的事實檢驗數據集相比，英語數據集的比例最高，有 142 個，而非英語數據集只有35個（其中中文數據集只有5個）：
這一點間接地諷刺了人工智能領域的中文研究者缺少對 AI 倫理的論文發表。換言之：較少中國研究者從事 AI 倫理層面的科研工作。那么，報告的觀點是否有失偏頗呢？也許只能評論區見分曉。
在 AI 的落地研究上，如何縮小中美差距？談談你的看法。
參考鏈接：
https://aiindex.stanford.edu/report/
雷峰網(公眾號：雷峰網)
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
