The 2023 AI Index Report (BG)

AI Index Report 2023 — шестото годишно издание на доклада AI Index, изготвен от Станфордския институт за човекоцентриран изкуствен интелект (Stanford HAI). Докладът от 2023 година е най-мащабният към момента на публикуване и включва повече оригинални данни от всяко предишно издание: нова глава, посветена на общественото мнение за ИИ, разширен анализ на техническата производителност, оригинално изследване на големи езикови и мултимодални модели, детайлни тенденции в глобалното законодателство относно ИИ, както и изследване на екологичното въздействие на ИИ системите. Докладът излиза в период, когато ИИ навлиза в „ерата на внедряването": през 2022 година и началото на 2023 година ежемесечно се пускаха нови мащабни модели — ChatGPT, Stable Diffusion, Whisper, DALL-E 2, — демонстриращи безпрецедентни възможности в генерирането на текст, изображения и разпознаването на реч. AI Index проследява, систематизира и визуализира данни за изкуствения интелект, предоставяйки обективна и щателно верифицирана информация за политици, изследователи, ръководители, журналисти и широката общественост.

Структура на доклада

Докладът от 2023 година се състои от осем тематични глави:

1. Изследвания и разработки (Research and Development) — тенденции в публикациите, патентите, значимите модели на Machine Learning, големите езикови и мултимодални модели.
2. Техническа производителност (Technical Performance) — benchmark-ове, компютърно зрение, езикови модели, реч, Reinforcement Learning, хардуер, екологично въздействие, ИИ в науката.
3. Техническа етика на ИИ (Technical AI Ethics) — предубеденост, токсичност, справедливост, поверителност, deepfake-ове.
4. Икономика (The Economy) — инвестиции, пазар на труда, корпоративно внедряване, роботика.
5. Образование (Education) — подготовка на кадри, висше образование в областта на информатиката и ИИ.
6. Политика и управление (Policy and Governance) — законодателство, регулиране, национални стратегии.
7. Разнообразие (Diversity) — полово и етническо разнообразие в сферата на ИИ.
8. Обществено мнение (Public Opinion) — нова глава: отношението на населението към ИИ според международни анкети и анализ на социалните мрежи.

Ключови изводи на доклада (Top 10 Takeaways)

Авторите на доклада са откроили десет основни тезиса:

1. Индустрията изпреварва академията

До 2014 година повечето значими модели на Machine Learning се издаваха от академични институции. Оттогава лидерството премина към индустрията. През 2022 година индустрията създаде 32 значими модела на Machine Learning, докато академията — само 3. Създаването на авангардни ИИ системи все повече изисква масивни обеми от данни, изчислителни ресурси и финансиране, с които индустриалните организации разполагат в значително по-голяма степен.

2. Насищане на традиционните benchmark-ове

ИИ продължава да поставя нови рекорди на benchmark-ове, но нарастването на производителността от година на година става все по-маргинално. При това скоростта на насищане на benchmark-овете се увеличава. Въпреки това се появяват нови, по-комплексни системи за оценка — BIG-bench и HELM.

3. ИИ едновременно помага и вреди на околната среда

Нови изследвания показват, че ИИ системите оказват сериозно екологично въздействие. Според данните на Luccioni et al. (2022), обучението на BLOOM е изхвърлило в атмосферата 25 пъти повече въглероден диоксид, отколкото един авиопасажер при полет от Ню Йорк до Сан Франциско. В същото време модели за Reinforcement Learning, като BCOOLER (DeepMind), демонстрират възможността за използване на ИИ за оптимизиране на енергопотреблението.

4. Най-добрият нов учен — ИИ?

Моделите на ИИ започват стремително да ускоряват научния прогрес. През 2022 година ИИ беше използван за подпомагане на управлението на водородния синтез, оптимизиране на алгоритми за матрично умножение (AlphaTensor) и генериране на нови антитела.

5. Броят на инцидентите, свързани с неетично използване на ИИ, нараства стремително

Според данните от базата AIAAIC броят на инцидентите и спорните ситуации, свързани с етично злоупотребяване с ИИ, се е увеличил 26 пъти от 2012 година насам. Сред забележителните инциденти от 2022 година са deepfake видео с „капитулацията" на президента на Украйна Владимир Зеленски и използването на технологии за мониторинг на обаждания в американски затвори.

6. Търсенето на специалисти с умения в ИИ нараства в почти всички отрасли

Почти във всички отрасли на икономиката на САЩ (с изключение на земеделието, горската промишленост, риболова и лова) делът на свободните работни места, свързани с ИИ, се е увеличил средно от 1,7% през 2021 година до 1,9% през 2022 година.

7. За първи път от десетилетие частните инвестиции в ИИ намаляха

Глобалните частни инвестиции в ИИ възлязоха на 91,9 млрд. долара през 2022 година, което е с 26,7% по-малко от показателя за 2021 година. Намаляха също общият брой инвестиционни събития и броят на ИИ компании, получили финансиране за първи път. Въпреки това обемът на инвестициите е нараснал 18 пъти в сравнение с 2013 година.

8. Делът на компаниите, внедряващи ИИ, се стабилизира, но лидерите продължават да се откъсват

Делът на компаниите, използващи ИИ, се е увеличил повече от два пъти от 2017 година насам, но през последните години се е стабилизирал на ниво 50–60%, според ежегодното проучване на McKinsey. Организациите, внедрили ИИ, съобщават за реално намаляване на разходите и ръст на приходите.

9. Интересът на политиците към ИИ нараства

Анализът на законодателни документи от 127 страни показва, че броят на законопроектите, съдържащи термина „изкуствен интелект" и приети като закони, е нараснал от 1 през 2016 година до 37 през 2022 година. Споменаванията на ИИ в парламентарни дебати на 81 страни са се увеличили почти 6,5 пъти от 2016 година насам.

10. Китайските граждани са най-позитивно настроени към ИИ; американците — значително по-малко

Според анкетата на IPSOS от 2022 година, 78% от китайските респонденти са се съгласили с твърдението, че продуктите и услугите на базата на ИИ носят повече полза, отколкото вреда. След тях следват Саудитска Арабия (76%) и Индия (71%). Само 35% от американските респонденти споделят това мнение — един от най-ниските показатели сред 28-те анкетирани страни.

Глава 1. Изследвания и разработки

Главата анализира тенденциите в публикациите, патентите, значимите модели на Machine Learning, големите езикови и мултимодални модели, конференциите и отворения код.

Публикации

Общият брой публикации по ИИ продължава да расте: той се е увеличил повече от два пъти от 2010 година насам. Доминиращите направления в изследванията са разпознаване на образи (pattern recognition), Machine Learning и компютърно зрение.

Регионално лидерство. Китай продължава да лидира по общия брой публикации по ИИ в списания, на конференции и в хранилища. Въпреки това САЩ все още водят по брой цитирания на конференционни и хранилищни публикации, макар това изпреварване постепенно да намалява.

Международно сътрудничество. Най-голям брой міжнационални колаборации в публикациите по ИИ за периода 2010–2021 година се пада на двойката САЩ — Китай: техният брой е нараснал приблизително 4 пъти от 2010 година и е 2,5 пъти повече от сътрудничеството на следващата по-близка двойка (Великобритания — Китай). Въпреки това растежът на съвместните работи САЩ–Китай се забави: за 2020–2021 година нарастването е само 2,1% — минималното за целия период на наблюдение.

Хранилища. Броят на публикациите в ИИ хранилища (arXiv, SSRN и др.) е нараснал почти 27 пъти за последните 12 години. Северна Америка запазва лидерството по дял на публикациите в хранилища от 2016 година насам.

Значими модели на Machine Learning

Доминиране на индустрията. През 2022 година 32 значими модела бяха създадени от индустрията в сравнение с едва 3 от академията. Това потвърждава тенденцията, очертала се от 2014 година.

Мащаб и цена. Големите езикови модели стават все по-големи и по-скъпи. GPT-2, пуснат през 2019 година и смятан за един от първите крупни езикови модели, съдържаше 1,5 млрд. параметъра; обучението му струваше приблизително 50 000 долара. PaLM (Google, 2022) съдържаше 540 млрд. параметъра и струваше приблизително 8 млн. долара — модел, 360 пъти по-голям от GPT-2 и 160 пъти по-скъп.

Изчислителни ресурси. Считано от 2010 година, езиковите модели изискват най-много изчислителни ресурси сред всички системи за Machine Learning. Данните на Epoch фиксират експоненциален ръст на изчисленията (FLOP), използвани при обучение.

Големи езикови и мултимодални модели

Национална принадлежност. Повечето автори на големи езикови и мултимодални модели са от американски институции (54,2% през 2022 година). През 2022 година за първи път изследователи от Канада, Германия и Индия допринесоха за разработването на такива модели.

Ключови модели от 2022 година:

Модел	Разработчик	Дата	Значимост
DALL-E 2	OpenAI	Април 2022	Система за генериране на изображения по текстово описание; начало на „бума на генеративния ИИ"
PaLM (540B)	Google	Април 2022	Един от най-големите езикови модели за 2022 година; 540 млрд. параметъра
Gato	DeepMind	Май 2022	Многозадачен агент: манипулиране с роботи, игри, описание на изображения, генериране на текст
Imagen	Google	Май 2022	Дифузионен модел за генериране на изображения с висок фотореализъм; benchmark DrawBench
Stable Diffusion	Stability AI	Август 2022	Отворен модел за генериране на изображения; масово разпространение
Make-A-Video	Meta AI	Септември 2022	Система за генериране на видео по текстово описание
Whisper	OpenAI	Септември 2022	Универсална система за разпознаване на реч с поддръжка на множество езици
ChatGPT	OpenAI	Ноември 2022	Чатбот на базата на LLM; безпрецедентен ръст на популярността на генеративния ИИ
GLM-130B	Университет Цинхуа	2022	Двуезичен (англ./кит.) отворен модел; единственият китайски крупен модел за 2022 г.

Глава 2. Техническа производителност

Главата анализира напредъка в задачите за компютърно зрение, обработка на език, реч, Reinforcement Learning, хардуер, както и екологичното въздействие на ИИ и ролята на ИИ в науката.

Състояние на benchmark-овете

ИИ продължава да демонстрира резултати на ниво или по-добри от световния рекорд по повечето benchmark-ове, но подобренията стават маргинални. Скоростта на насищане на benchmark-овете нараства. Новите комплексни системи за оценка — BIG-bench и HELM — целят да осигурят по-обективна и всестранна оценка.

Генеративен ИИ

2022 година беше белязана от навлизането на генеративния ИИ в масовото съзнание. Бяха пуснати модели за генериране на изображения по текст (DALL-E 2, Stable Diffusion), системи за генериране на видео (Make-A-Video) и чатботове (ChatGPT). Въпреки това тези системи са склонни към „халюцинации" — уверено генериране на некоректни или безсмислени отговори, — което ограничава използването им в критично важни приложения.

Езикови модели

MMLU. Benchmark-ът Massive Multitask Language Understanding оценява моделите по 57 предметни области. През 2022 година най-добрите модели продължиха да подобряват показателите си, но до нивото на човешкия експерт оставаше съществена разлика.

HELM. Станфордският benchmark Holistic Evaluation of Language Models (HELM) осигурява комплексна оценка на езиковите модели по десет сценария, включително разбиране на текст, математика, правни разсъждения, както и измервания на предубеденост и токсичност.

Планиране и разсъждение. Езиковите модели продължават да подобряват генеративните си възможности, но изпитват сериозни затруднения със задачи за планиране. Изследването на Valmeekam et al. (2022) показа, че GPT-3, Instruct-GPT3 и BLOOM се справят изключително неефективно със задачи за генериране на планове, оптимално планиране и повторно използване на планове в среда Blocksworld.

Разпознаване на реч

Whisper (OpenAI). През 2022 година OpenAI представи Whisper — мащабна система за разпознаване на реч, обучена върху 680 000 часа многоезични данни. Whisper демонстрира значителен напредък в точността на разпознаване, доближавайки се до човешкото ниво на редица benchmark-ове, и поддържа превод от няколко десетки езика.

ИИ прави ИИ по-добър

Очерта се тенденция към самоусъвършенстване на ИИ системите. NVIDIA използва агент за Reinforcement Learning за подобряване на архитектурата на чипове, захранващи ИИ системи. Google приложи своя езиков модел PaLM за търсене на начини за подобряване на самия модел PaLM.

Хардуер

GPU тенденции. Медианната изчислителна производителност (FLOP/s) на новите GPU почти се е утроила от 2021 година насам и се е увеличила приблизително 7 000 пъти от 2003 година. Медианната производителност в пресметнато на щатски долар (FLOP/s per USD) през 2022 година е 1,4 пъти по-висока от показателя за 2021 година и 5 600 пъти по-висока от показателя за 2003 година, демонстрирайки удвояване на производителността на всеки 1,5 години.

MLPerf. Benchmark-ът MLPerf продължава да фиксира неотклонно съкращаване на времето за обучение на модели при стандартни задачи, отразявайки напредъка в хардуера и оптимизацията.

Екологично въздействие

Разделът е включен в доклада за първи път. Въглеродният отпечатък на ИИ моделите се различава съществено в зависимост от инфраструктурата:

Модел	Параметри	Емисии CO₂ (тона)	PUE на центъра за данни
GPT-3	175 млрд	502	1,10
Gopher	280 млрд	352	1,08
OPT	175 млрд	70	1,09
BLOOM	176 млрд	25	1,20

GPT-3 е изхвърлил 20 пъти повече въглероден диоксид от BLOOM при сравним брой параметри. Ключовите фактори са въглеродоемкостта на енергийната мрежа, ефективността на центъра за данни (PUE) и продължителността на обучението.

За сравнение: обучението на BLOOM е изхвърлило 25 пъти повече CO₂ от авиоперелета на един пасажер от Ню Йорк до Сан Франциско и 1,4 пъти повече от средногодишните емисии на един американец. Изразходваната енергия би позволила да се осигури средното американско домакинство с електричество за 41 години.

Оптимизиране на енергопотреблението. Системата BCOOLER (DeepMind) — агент за Reinforcement Learning за оптимизиране на охлаждането на центрове за данни на Google — за три месеца на експеримента осигури икономия на енергия от около 12,7% при запазване на комфортни условия.

ИИ в науката (2022)

Управление на плазмата в токамак. DeepMind разработи алгоритъм за Reinforcement Learning за оптимално управление на плазмата в токамак — ключово постижение по пътя към термоядрен синтез.

AlphaTensor. DeepMind използва Reinforcement Learning за намиране на алгоритми за матрично умножение, превъзхождащи съществуващите решения — включително класическия алгоритъм на Щрасен за матрици 4×4.

AlphaCode. Системата на DeepMind, пишеща компютърни програми на конкурентно ниво, достигна ранг в горните 54% от участниците в състезания по програмиране.

Генериране на антитела. Генеративен ИИ беше използван за de novo дизайн на антитела, откривайки нови възможности за биофармацевтиката.

Глава 3. Техническа етика на ИИ

Главата е посветена на ключовите измерения на етиката на ИИ: предубеденост, токсичност, справедливост и инциденти.

Метрики за справедливост и предубеденост

През 2022 година се наблюдаваше устойчив ръст на броя метрики и benchmark-ове за оценка на справедливостта и предубедеността на ИИ системите. Метриките се разширяват и прецизират: изследователите ги адаптират към конкретни задачи (отговори на въпроси, логическо извеждане на естествен език) и използват езикови модели за генериране на разширени тестови данни. През 2022 година бяха представени нови benchmark-ове, като BBQ (Bias Benchmark for Question Answering), както и допълнителни оценки в рамките на мащабния проект BIG-bench.

Различават се два вида метрики: benchmark-ове (стационарни набори от маркирани данни, оценяващи вътрешната предубеденост на модела — StereoSet, Winogender) и диагностични метрики (измерващи разликата в производителността на модела за различни демографски групи при реално приложение). Двата подхода се допълват взаимно.

Влияние на мащаба върху предубедеността

Изследванията от 2022 година показаха, че влиянието на увеличаването на мащаба на модела върху предубедеността и токсичността е неоднозначно и зависи от данните за обучение и прилаганите методи за намаляване на предубедеността.

Инциденти в сферата на ИИ

Според данните от базата AIAAIC броят на инцидентите и спорните ситуации, свързани с етично злоупотребяване с ИИ, се е увеличил 26 пъти от 2012 година насам. Растежът се дължи както на разширяването на приложението на ИИ, така и на повишената осведоменост за рисковете.

Глава 4. Икономика

Главата изследва тенденциите в заетостта, инвестициите, корпоративното внедряване на ИИ и роботиката.

Пазар на труда

Делът на свободните работни места, свързани с ИИ, в САЩ се е увеличил средно от 1,7% през 2021 година до 1,9% през 2022 година в почти всички отрасли. Ръст на търсенето се наблюдава в технологиите, финансите, производството, здравеопазването и други сектори.

Миграция към индустрията. Все по-голям процент от новите носители на докторска степен по ИИ избира работа в индустрията: през 2021 година 65,4% са се насочили към индустрията (срещу 40,9% през 2011 година), а само 28,2% — към академията (срещу 41,6% през 2011 година). Делът на доктори, работещи в държавния сектор, остава стабилно нисък — 0,7%.

Инвестиции

Общи тенденции. Глобалните частни инвестиции в ИИ възлязоха на 91,9 млрд. долара — намаление с 26,7% спрямо 2021 година. Броят на инвестиционните събития намаля до 3 538 (спад с 12% спрямо 2021 година). Броят на ИИ компании, получили финансиране за първи път, намаля до 1 392 (от 1 669 през 2021 година). Въпреки това обемът на инвестициите е 18 пъти по-висок от нивото за 2013 година.

Регионално разпределение. САЩ водят с инвестиции от 47,4 млрд. долара — 3,5 пъти повече от Китай (13,4 млрд.) и 11 пъти повече от Великобритания (4,4 млрд.). При това инвестициите в САЩ са намалели с 35,5%, в Китай — с 41,3%. В съвкупност за 2013–2022 година в САЩ са инвестирани 248,9 млрд., в Китай — 95,1 млрд., в Великобритания — 18,2 млрд.

Фокусни области. Най-привлекателни за инвеститорите са: медицина и здравеопазване (6,1 млрд. долара), управление на данни, обработка и облачни технологии (5,9 млрд.), финтех (5,5 млрд.), киберсигурност (5,4 млрд.) и търговия на дребно (4,2 млрд.). Повечето фокусни области са отчели спад на инвестициите спрямо 2021 година.

Най-големи инвестиционни събития от 2022 година:

• GAC Aion New Energy Automobile (Китай, електромобили) — 2,54 млрд. долара;
• Anduril Industries (САЩ, отбранителни технологии) — 1,5 млрд.;
• Celonis (Германия, бизнес анализ) — 1,22 млрд.

Корпоративно внедряване

Според данните на McKinsey делът на компаниите, използващи ИИ, се е увеличил повече от два пъти от 2017 година насам, стабилизирайки се на ниво 50–60%. Организациите, внедрили ИИ, съобщават за реално намаляване на разходите и ръст на приходите.

Earnings calls. През финансовата 2022 година 268 компании от Fortune 500 са споменали ИИ в отчетите за приходите (намаление от 306 през 2021 година, но ръст спрямо 225 през 2018 година).

Предизвикателства. Основните проблеми при стартиране на ИИ проекти са: доказване на бизнес стойност (37%), липса на ангажираност от страна на ръководството (34%), избор на правилни ИИ технологии (33%). Главните пречки пред мащабирането са: управление на рисковете от ИИ (50%), набавяне на данни за обучение (44%), внедряване на технологиите (42%).

Роботика

През 2021 година са инсталирани 517 000 промишлени роботи — ръст с 31,3% спрямо 2020 година и повече от 3 пъти повече спрямо 2011 година. Оперативният парк от промишлени роботи достигна 3 477 000 единици (ръст с 14,6%).

Доминиране на Китай. През 2021 година Китай инсталира 268 200 промишлени роботи — 5,7 пъти повече от Япония (47 200) и 7,7 пъти повече от САЩ (35 000). От 2013 година, когато Китай изпревари Япония, неговият дял е нараснал от 20,8% до 51,8% от световните инсталации. През 2021 година Китай за първи път инсталира повече промишлени роботи, отколкото останалия свят взет заедно.

Глава 5. Образование

Главата разглежда тенденциите в образованието в областта на информатиката и ИИ.

Висше образование

Бакалавриат. Броят на завършилите бакалавърска степен по информатика (CS) в Северна Америка продължава да расте.

Докторантура. През 2021 година са дипломирани 1 893 доктора по информатика — по-малко от 2020 година (1 997). Делът на международните студенти сред доктори по CS е нараснал от 45,8% през 2010 година до 68,6% през 2021 година.

Специализация в ИИ. През 2021 година 19,1% от новите докторанти по CS в Северна Америка са специализирали ИИ — ръст с 4,2 п.п. спрямо 2020 година и с 8,6 п.п. спрямо 2012 година.

Глава 6. Политика и управление

Главата анализира законодателната и регулаторната активност в сферата на ИИ на глобално, американско и регионално ниво.

Глобални тенденции

Броят на законопроектите, съдържащи термина „изкуствен интелект" и приети като закони, е нараснал от 1 през 2016 година до 37 през 2022 година (анализ на 127 страни). Споменаванията на ИИ в парламентарни дебати на 81 страни са се увеличили почти 6,5 пъти от 2016 година насам, макар през 2022 година да е отчетен лек спад спрямо 2021 година (от 1 547 до 1 340 споменавания).

През 2022 година лидери по брой споменавания на ИИ в парламентарни заседания са: Испания (273), Канада (211), Великобритания (146), САЩ (138).

Регулиране в САЩ

На федерално ниво през 2022 година са предложени 88 законопроекта, свързани с ИИ, от които 9 са приети (ръст спрямо 3 в предходните години). На ниво щати лидират Калифорния (5 приети закона) и Мериленд (3).

Национални стратегии

Редица страни приеха ново законодателство, обхващащо широк спектър от въпроси: обучение на персонала в умения за работа с ИИ, контрол върху използването на ИИ в правоохранителните органи, повишаване на прозрачността на алгоритмичното вземане на решения.

Глава 7. Разнообразие

Жените и представителите на малцинствата все още са значително недостатъчно представени в сферата на ИИ — както в индустрията, така и в академията. Данните от CRA Taulbee Survey и други източници фиксират бавен, но устойчив напредък в увеличаването на разнообразието.

Глава 8. Обществено мнение

Новата глава на доклада анализира общественото възприемане на ИИ въз основа на международни анкети и анализ на социалните мрежи.

Глобални анкети (IPSOS)

Според анкетата на IPSOS от 2022 година (19 504 респондента в 28 страни):

• 60% от респондентите смятат, че ИИ продуктите ще променят съществено живота им в следващите 3–5 години;
• 60% смятат, че ИИ продуктите правят живота им по-лесен;
• 52% са съгласни, че ИИ продуктите носят повече полза, отколкото вреда;
• 40% отбелязват, че ИИ продуктите ги карат да се чувстват нервни.

Регионални различия. Най-позитивно към ИИ са настроени гражданите на Китай (78% са съгласни с ползата от ИИ), Саудитска Арабия (76%) и Индия (71%). Най-малко позитивни са Франция (31%), Канада (32%), САЩ (35%).

Демографски различия. Мъжете оценяват ИИ продуктите по-позитивно от жените по всички измерения. Домакинствата с по-висок доход и по-високо ниво на образование също са по-оптимистични.

Анкета на Lloyd's Register Foundation и Gallup

Глобалната анкета сред 125 911 души в 121 страни (2021 година) показа, че 39% смятат ИИ като цяло за полезен за страната, 28% — за вреден. Мъжете са по-склонни да смятат ИИ за полезен, отколкото жените.

Автономни автомобили. Само 27% от респондентите в света се чувстват в безопасност в автономен автомобил. Според данните на Pew Research само 26% от американците смятат пътническите автономни автомобили за добра идея за обществото.

Анкета на Pew Research (САЩ)

Сред американците, изпитващи въодушевление от ИИ, главните причини са потенциалът да се подобри животът и обществото (31%) и спестяването на време (13%). Сред обезпокоените — загуба на работни места (19%), наблюдение и цифрова неприкосновеност (16%), загуба на човешки контакти (12%).

Мнение на NLP изследователи

Според данните от анкета сред NLP изследователи: 77% са съгласни или частично съгласни, че частните ИИ компании имат прекомерно влияние; 41% смятат, че NLP трябва да се регулира; 73% считат, че ИИ може скоро да доведе до революционни социални промени.

Анализ на социалните мрежи

NetBase Quid проведе анализ на повече от 7 млн. публикации в социалните мрежи за 2022 година. Моделите ChatGPT и Stable Diffusion привлякоха най-голямо внимание. Основните теми на дискусиите са етичните проблеми, културното и икономическото влияние на ИИ.

Методология

Докладът използва данни от множество източници:

• Публикации и патенти: Center for Security and Emerging Technology (CSET), Georgetown University; данни на Epoch.
• Benchmark-ове: Papers With Code, CRFM (HELM), BIG-bench, специализирани класации.
• Инвестиции: NetBase Quid (Capital IQ, Crunchbase).
• Пазар на труда: Lightcast, LinkedIn.
• Корпоративна активност: McKinsey & Company, Deloitte, NetBase Quid (earnings calls).
• Роботика: International Federation of Robotics (IFR).
• Регулиране: законодателни бази на 127 страни, парламентарни материали на 81 страни.
• Обществено мнение: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (социални медии).
• Образование: CRA Taulbee Survey, Code.org.
• Екологично въздействие: Luccioni et al. (2022), данни за GPU — Epoch.

Авторски колектив

Докладът е изготвен под ръководството на съдиректорите Рей Перо (Raymond Perrault, SRI International) и Джак Кларк (Jack Clark, Anthropic / OECD). Ръководител на изследванията и главен редактор е Нестор Маслей (Nestor Maslej, Stanford University). В изготвянето на доклада са участвали Ерик Брийнолфсон (Erik Brynjolfsson), Джон Ечеменди (John Etchemendy), Катрина Лигет (Katrina Ligett), Тера Лайонс (Terah Lyons), Джеймс Манийка (James Manyika), Хелен Нго (Helen Ngo), Хуан Карлос Ниеблес (Juan Carlos Niebles), Ванеса Парли (Vanessa Parli), Йоав Шохам (Yoav Shoham, основател на AI Index), Ръсел Уолд (Russell Wald), както и широк кръг изследователи и организации партньори. AI Index е проект на Станфордския институт HAI (Human-Centered Artificial Intelligence).

Препратки

• Stanford HAI — AI Index Report 2023 (пълен текст): https://aiindex.stanford.edu/report/
• Epoch — данни за изчислителни тенденции и значими модели: https://epochai.org/
• Papers With Code — benchmark-ове и класации: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — база данни с инциденти на етично злоупотребяване с ИИ: https://www.aiaaic.org/
• International Federation of Robotics: https://ifr.org/
• McKinsey Global Survey on AI: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• NetBase Quid — данни за инвестиции и социални медии: https://quid.com/
• IPSOS — глобална анкета за отношението към ИИ: https://www.ipsos.com/
• Pew Research Center — проучвания на общественото мнение: https://www.pewresearch.org/
• CRA Taulbee Survey — данни за образованието в CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Литература

• Maslej, N., Fattorini, L., Brynjolfsson, E., Etchemendy, J., Ligett, K., Lyons, T., Manyika, J., Ngo, H., Niebles, J. C., Parli, V., Shoham, Y., Wald, R., Clark, J., and Perrault, R. (2023). The AI Index 2023 Annual Report. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University. https://aiindex.stanford.edu/report/
• Luccioni, A. S. et al. (2022). Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model. https://arxiv.org/abs/2211.02001
• Liang, P. et al. (2022). Holistic Evaluation of Language Models. https://arxiv.org/abs/2211.09110
• Hendrycks, D. et al. (2021). Measuring Massive Multitask Language Understanding. https://arxiv.org/abs/2009.03300
• Radford, A. et al. (2022). Robust Speech Recognition via Large-Scale Weak Supervision. https://arxiv.org/abs/2212.04356
• Valmeekam, K. et al. (2022). Large Language Models Still Can't Plan. https://arxiv.org/abs/2206.10498
• Fawzi, A. et al. (2022). Discovering faster matrix multiplication algorithms with reinforcement learning. Nature. https://doi.org/10.1038/s41586-022-05172-4
• Degrave, J. et al. (2022). Magnetic Control of Tokamak Plasmas through Deep Reinforcement Learning. Nature. https://doi.org/10.1038/s41586-021-04301-9
• McKinsey & Company (2023). The State of AI in 2023. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
• International Federation of Robotics (2022). World Robotics Report 2022. https://ifr.org/worldrobotics/
• IPSOS (2022). Global Views on AI Survey 2022. https://www.ipsos.com/
• Pew Research Center (2022). Public Views on AI. https://www.pewresearch.org/
• Lloyd's Register Foundation and Gallup (2022). World Risk Poll: Perceptions of AI. https://wrp.lrfoundation.org.uk/
• Deloitte (2022). State of AI in the Enterprise Survey. https://www2.deloitte.com/
• Luo, J. et al. (2022). Controlling Commercial Cooling Systems Using Reinforcement Learning. DeepMind Research.