2023 年人工智能指數(shù)報告發(fā)布了！這份報告顯示，中國在 AI 頂會論文上表現(xiàn)世界居首，然而引用量卻低于美國。另外，AI 論文發(fā)表量世界前十的機構(gòu)中，中國占了 9 席，紛紛趕超 MIT。
今天，斯坦福發(fā)布了 2023 年 AI 指數(shù)報告。
值得注意的是，斯坦福 AI 指數(shù)報告列出了「AI 論文發(fā)表量」世界前十的機構(gòu)，9 所全部來自中國，紛紛趕超 MIT。
它們分別是：中國科學(xué)院、清華大學(xué)、中國科學(xué)院大學(xué)、上海交通大學(xué)、浙江大學(xué)、哈爾濱工業(yè)大學(xué)、北京航空航天大學(xué)、電子科技大學(xué)、北京大學(xué)、以及 MIT。
今年的報告主要分為八大節(jié)：研究與發(fā)展，技術(shù)表現(xiàn)，人工智能技術(shù)倫理，經(jīng)濟，教育，政策和治理，多樣性，以及公眾觀點。
以下內(nèi)容提取了報告幾項要點。
中美論文合作全球居首
從 2010 年-2021 年，盡管 AI 論文跨國合作的步伐已經(jīng)放緩，但是自 2010 年以來，美國和中國的人工智能研究合作數(shù)量增加了大約 4 倍，比中國和英國合作總數(shù)多 2.5 倍。
然而，從 2020 年-2021 年，中美合作的總數(shù)僅增長了 2.1%，是自 2010 年以來的最小同比增長率。
此外，人工智能論文的總數(shù)自 2010 年以來翻了一番以上。從 2010 年的 20 萬篇增長到 2021 年的近 50 萬篇（49601）。
就 AI 論文發(fā)表的類型來看，2021 年，所有已發(fā)表的 AI 論文中有 60% 是期刊文章，17% 是會議論文，13% 來自存儲庫。
雖然在過去 12 年中期刊和儲存庫論文分別增長了 3 倍和 26.6 倍，但會議論文的數(shù)量自 2019 年以來有所下降。
模式識別、機器學(xué)習(xí)和計算機視覺依舊是人工智能領(lǐng)域研究的熱門話題。
中國在期刊、會議和儲存庫論文總量方面依舊處于領(lǐng)先地位。
美國在人工智能會議和儲存庫引用方面仍然領(lǐng)先，但這些領(lǐng)先優(yōu)勢正被慢慢削弱。盡管如此，世界上大多數(shù)的大型語言模型和多模態(tài)模型（2022 年 54%）是由美國機構(gòu)產(chǎn)生的。
中國霸榜 AI 頂會，但引用量低于美國
AI 期刊論文的發(fā)表，中國始終保持領(lǐng)先地位，2021 年為 39.8%，其次是歐盟和英國（15.1%），然后是美國（10.0%）。
自 2010 年以來，中國人工智能期刊論文被引頻次占比逐步上升，歐盟、英國、美國均有所下降。中國、歐盟和英國、美國占全球總引用量的 65.7%。
那么，世界頂會論文發(fā)表的情況又如何？
2021 年，中國以 26.15% 的比例在全球 AI 頂會發(fā)表的論文數(shù)所占份額最大，而歐盟和英國以 20.29% 緊隨其后，美國以 17.23% 位居第三。
從頂會論文引用量來看，中國雖然高產(chǎn)，但引用量相較于美國來說較低。美國頂會論文引用量 23.9%，中國為 22.02%。
從側(cè)面可以看出，中國論文發(fā)表數(shù)量最多，但質(zhì)量不如美國高。
在 AI 論文儲存庫提交方面，美國在世界居首，23.48%。中國最低，11.87%。
中國 9 所機構(gòu)，AI 論文發(fā)表趕超 MIT
2021 年，發(fā)表論文總量世界前十機構(gòu)中，中國占了 9 所，不同機構(gòu)發(fā)表的論文總數(shù)如下圖，MIT 位列第十，發(fā)表論文 1745。
就計算機視覺領(lǐng)域（CV）來看，中國的十所機構(gòu)位居世界前十，它們分別是，中國科學(xué)院、上海交通大學(xué)、中國科學(xué)院大學(xué)、清華大學(xué)、浙江大學(xué)、北京航空航天大學(xué)、武漢大學(xué)、北京理工大學(xué)、哈爾濱工業(yè)大學(xué)，以及天津大學(xué)。
在自然語言處理（NLP）領(lǐng)域，就有所不同了。
世界前十的機構(gòu) / 公司有：中國科學(xué)院、卡內(nèi)基梅隆大學(xué)、微軟、清華大學(xué)、卡內(nèi)基梅隆大學(xué)-澳大利亞分校、谷歌、北京大學(xué)、中國科學(xué)院大學(xué)、阿里、亞馬遜。
語音識別領(lǐng)域排名如下：
工業(yè)界領(lǐng)先學(xué)術(shù)界
在 2022 年發(fā)布的重要人工智能機器學(xué)習(xí)系統(tǒng)中，語言系統(tǒng)占最多，有 23 個，是多模態(tài)系統(tǒng)數(shù)量的 6 倍。
在論文產(chǎn)量上，工業(yè)界領(lǐng)先于學(xué)術(shù)界。
直到 2014 年，大多數(shù)重要的模型都是由學(xué)術(shù)界發(fā)布的。從那時起，工業(yè)界便逆襲翻身。到 2022 年，32 個重要的機器學(xué)習(xí)模型都誕生在工業(yè)界，而學(xué)術(shù)界僅有 3 個。
由此可見，與非營利組織和學(xué)術(shù)界相比，構(gòu)建最先進的人工智能系統(tǒng)越來越需要大量的數(shù)據(jù)、計算機能力和資金資源，而行業(yè)參與者固然有更多的資金資源去做這件事情。
2022 年，美國產(chǎn)生了數(shù)量最多的重要機器學(xué)習(xí)系統(tǒng)，有 16 個，其次是英國（8 個）和中國（3 個）。
此外，自 2002 年以來，就創(chuàng)建的重要機器學(xué)習(xí)系統(tǒng)總數(shù)而言，美國已經(jīng)超過了英國和歐盟、中國
再來看做出這些重要 AI 系統(tǒng)背后研究者國分布，美國有最多的研究者，285 人，是英國的 2 倍多，是中國的近 6 倍。
LLM 越來越大，算力越貴
大型語言和多模態(tài)模型，有時稱為基礎(chǔ)模型，是當(dāng)前一種新興且日益流行的 AI 模型類型，它在大量數(shù)據(jù)上進行訓(xùn)練并適用于各種下游應(yīng)用程序。
ChatGPT、DALL-E 2 和 MakeA-Video 等大型語言和多模態(tài)模型已經(jīng)展示了令人印象深刻的功能，并開始在現(xiàn)實世界中廣泛部署。
通過對這些模型作者的國家隸屬關(guān)系進行了分析，這些研究人員中的大多數(shù)來自美國機構(gòu)（54.2%）。
斯坦福 AI 指數(shù)報告還列出了大型語言和多模態(tài)模型發(fā)布的時間表。
大型語言模型正變得越來越大，也越來越昂貴。
第一個大型語言模型 GPT-2 于 2019 年發(fā)布，有 15 億參數(shù)，訓(xùn)練成本約 50000 美元。谷歌 PaLM 是 2022 年推出的大型語言模型之一，有 5400 億參數(shù)，成本高達 800 萬美元。
從參數(shù)和訓(xùn)練成本來看，PalM 比 GPT-2 大 360 倍，成本高出 160 倍。
不僅僅是 PalM，從整體上看，大型語言和多模態(tài)模型變得越來越大和昂貴。
例如，DeepMind 于 2022 年 5 月推出的大型語言模型 Chinchilla 估計耗資 210 萬美元，而 BLOOM 的訓(xùn)練大約耗資 230 萬美元。
隨著時間的推移，GAN 在人臉生成方面的進展，最后一個圖像由 Diffusion-GAN 生成，這一模型在 STL-10 上取得了最新的 SOTA。
去年，隨著 OpenAI 的 DALL-E 2、Stability AI 的 Stable Diffusion、Midjourney、Meta 的 Make-AScene，以及谷歌的 Imagen 等模型的發(fā)布，文本到圖像生成模型逐漸走進大眾視野。
如下，輸入相同的提示，「一只熊貓在溫暖的巴黎夜晚彈鋼琴」，分別由 DALL-E 2、Stable Diffusion 和 Midjourney 這三個可公開訪問的 AI 文本到圖像系統(tǒng)生成的圖像。
在最近發(fā)布的所有文本到圖像生成模型中，谷歌的 Imagen 在 COCO 基準測試中表現(xiàn)最好。
今年，創(chuàng)建 Imagen 的谷歌研究人員還發(fā)布了一個更難的文本到圖像基準測試 DrawBench，旨在挑戰(zhàn)功能越來越強大的文本到圖像模型。
此外，報告還介紹了當(dāng)前生成式 AI 模型存在一些偏見，比如給 DELLE-2 提示 CEO 時，每個人似乎都采取了交叉雙臂自信的姿勢。
在 Midjourney 中，當(dāng)提示生成「有影響力的人」時，它會生成 4 張看起來年長的白人男性圖像。
完整報告內(nèi)容請參見：
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index_Report_2023.pdf
本文來自微信公眾號：新智元 （ID：AI_era）
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。