The 2023 AI Index Report (ID)

AI Index Report 2023 — edisi tahunan keenam laporan AI Index, yang disiapkan oleh Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI). Laporan tahun 2023 merupakan yang paling komprehensif pada saat penerbitannya dan memuat lebih banyak data orisinal dibandingkan edisi sebelumnya: bab baru yang membahas opini publik tentang AI, analisis kinerja teknis yang diperluas, penelitian orisinal tentang large language model dan model multimodal, tren terperinci dalam legislasi AI global, serta kajian dampak lingkungan dari sistem AI. Laporan ini terbit pada saat AI memasuki "era penerapan": sepanjang 2022 dan awal 2023, model-model berskala besar baru dirilis setiap bulan — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — yang menunjukkan kemampuan yang belum pernah ada sebelumnya dalam menghasilkan teks, gambar, dan pengenalan ucapan. AI Index melacak, mensistematisasi, dan memvisualisasikan data tentang kecerdasan buatan, menyediakan informasi yang objektif dan terverifikasi secara cermat bagi para pembuat kebijakan, peneliti, eksekutif, jurnalis, dan masyarakat umum.

Struktur Laporan

Laporan 2023 terdiri dari delapan bab tematik:

1. Penelitian dan Pengembangan (Research and Development) — tren dalam publikasi, paten, model machine learning yang signifikan, large language model dan model multimodal.
2. Kinerja Teknis (Technical Performance) — benchmark, computer vision, language model, ucapan, reinforcement learning, perangkat keras, dampak lingkungan, AI dalam sains.
3. Etika AI Teknis (Technical AI Ethics) — bias, toksisitas, keadilan, privasi, deepfake.
4. Ekonomi (The Economy) — investasi, pasar tenaga kerja, adopsi korporat, robotika.
5. Pendidikan (Education) — pengembangan sumber daya manusia, pendidikan tinggi di bidang ilmu komputer dan AI.
6. Kebijakan dan Tata Kelola (Policy and Governance) — legislasi, regulasi, strategi nasional.
7. Keberagaman (Diversity) — keberagaman gender dan etnis di bidang AI.
8. Opini Publik (Public Opinion) — bab baru: sikap masyarakat terhadap AI berdasarkan survei internasional dan analisis media sosial.

Kesimpulan Utama Laporan (Top 10 Takeaways)

Para penulis laporan merumuskan sepuluh tesis utama:

1. Industri Melampaui Akademia

Sebelum 2014, sebagian besar model machine learning yang signifikan dihasilkan oleh lembaga akademis. Sejak saat itu, kepemimpinan beralih ke industri. Pada 2022, industri menciptakan 32 model machine learning yang signifikan, sementara akademia hanya 3. Pembangunan sistem AI mutakhir semakin membutuhkan data, sumber daya komputasi, dan pendanaan dalam jumlah besar, yang dimiliki oleh organisasi industri dalam jumlah yang jauh lebih besar.

2. Kejenuhan Benchmark Tradisional

AI terus mencetak rekor baru pada berbagai benchmark, namun peningkatan kinerja dari tahun ke tahun semakin marginal. Sementara itu, laju kejenuhan benchmark semakin cepat. Meski demikian, sistem evaluasi baru yang lebih komprehensif terus bermunculan — BIG-bench dan HELM.

3. AI Sekaligus Membantu dan Merugikan Lingkungan

Penelitian terbaru menunjukkan bahwa sistem AI memberikan dampak lingkungan yang serius. Menurut data Luccioni et al. (2022), pelatihan BLOOM menghasilkan emisi karbon dioksida 25 kali lebih banyak dibandingkan satu penumpang pesawat dalam penerbangan dari New York ke San Francisco. Namun demikian, model reinforcement learning seperti BCOOLER (DeepMind) menunjukkan kemungkinan penggunaan AI untuk mengoptimalkan konsumsi energi.

4. Ilmuwan Terbaik Baru — AI?

Model AI mulai mempercepat kemajuan ilmiah secara drastis. Pada 2022, AI digunakan untuk membantu pengendalian fusi hidrogen, mengoptimalkan algoritma perkalian matriks (AlphaTensor), dan menghasilkan antibodi baru.

5. Jumlah Insiden Terkait Penyalahgunaan AI Secara Etis Meningkat Pesat

Menurut data basis AIAAIC, jumlah insiden dan situasi kontroversial yang berkaitan dengan penyalahgunaan etis AI meningkat 26 kali lipat sejak 2012. Di antara insiden menonjol tahun 2022 adalah video deepfake "penyerahan diri" Presiden Ukraina Volodymyr Zelensky dan penggunaan teknologi pemantauan panggilan di penjara-penjara Amerika Serikat.

6. Permintaan Tenaga Ahli Berkeahlian AI Meningkat di Hampir Semua Sektor

Di hampir semua sektor ekonomi AS (kecuali pertanian, kehutanan, perikanan, dan perburuan), proporsi lowongan kerja yang berkaitan dengan AI meningkat rata-rata dari 1,7% pada 2021 menjadi 1,9% pada 2022.

7. Investasi Swasta di AI Menurun untuk Pertama Kalinya dalam Satu Dekade

Investasi swasta global di AI mencapai 91,9 miliar dolar AS pada 2022, turun 26,7% dibandingkan 2021. Jumlah total peristiwa investasi dan jumlah perusahaan AI yang pertama kali mendapat pendanaan juga menurun. Meski demikian, volume investasi selama satu dekade meningkat 18 kali lipat dibandingkan 2013.

8. Proporsi Perusahaan yang Mengadopsi AI Menstabilkan Diri, Namun Para Pemimpin Terus Melaju

Proporsi perusahaan yang menggunakan AI lebih dari dua kali lipat sejak 2017, namun dalam beberapa tahun terakhir stabil di kisaran 50–60%, menurut survei tahunan McKinsey. Organisasi yang mengadopsi AI melaporkan pengurangan biaya nyata dan pertumbuhan pendapatan.

9. Minat Para Pembuat Kebijakan terhadap AI Semakin Meningkat

Analisis dokumen legislatif dari 127 negara menunjukkan bahwa jumlah rancangan undang-undang yang mengandung istilah "kecerdasan buatan" dan disahkan menjadi undang-undang meningkat dari 1 pada 2016 menjadi 37 pada 2022. Penyebutan AI dalam debat parlemen di 81 negara meningkat hampir 6,5 kali lipat sejak 2016.

10. Warga Tiongkok Paling Positif terhadap AI; Warga Amerika — Jauh Lebih Sedikit

Menurut survei IPSOS 2022, 78% responden Tiongkok setuju bahwa produk dan layanan berbasis AI membawa lebih banyak manfaat daripada kerugian. Berikutnya adalah Arab Saudi (76%) dan India (71%). Hanya 35% responden Amerika yang berbagi pandangan ini — salah satu angka terendah di antara 28 negara yang disurvei.

Bab 1. Penelitian dan Pengembangan

Bab ini menganalisis tren dalam publikasi, paten, model machine learning yang signifikan, large language model dan model multimodal, konferensi, dan kode sumber terbuka.

Publikasi

Jumlah total publikasi tentang AI terus meningkat: jumlahnya lebih dari dua kali lipat sejak 2010. Bidang penelitian yang dominan adalah pengenalan pola (pattern recognition), machine learning, dan computer vision.

Kepemimpinan Regional. Tiongkok terus memimpin dalam jumlah total publikasi AI di jurnal, konferensi, dan repositori. Namun AS masih unggul dalam jumlah sitasi publikasi konferensi dan repositori, meskipun keunggulan ini perlahan menyempit.

Kolaborasi Internasional. Jumlah kolaborasi antarnegara terbanyak dalam publikasi AI selama 2010–2021 adalah pasangan AS–Tiongkok: jumlahnya meningkat sekitar 4 kali lipat sejak 2010 dan 2,5 kali lebih banyak dibandingkan pasangan terdekat berikutnya (Inggris–Tiongkok). Namun pertumbuhan karya bersama AS–Tiongkok melambat: pada 2020–2021, pertumbuhannya hanya 2,1% — yang terendah sepanjang periode pengamatan.

Repositori. Jumlah publikasi di repositori AI (arXiv, SSRN, dll.) meningkat hampir 27 kali lipat dalam 12 tahun terakhir. Amerika Utara mempertahankan kepemimpinan dalam pangsa publikasi repositori sejak 2016.

Model Machine Learning yang Signifikan

Dominasi Industri. Pada 2022, industri menciptakan 32 model signifikan dibandingkan hanya 3 dari akademia. Hal ini mengkonfirmasi tren yang mulai terlihat sejak 2014.

Skala dan Biaya. Large language model semakin besar dan semakin mahal. GPT-2, yang dirilis pada 2019 dan dianggap sebagai salah satu language model besar pertama, memiliki 1,5 miliar parameter; pelatihannya memakan biaya sekitar 50.000 dolar AS. PaLM (Google, 2022) memiliki 540 miliar parameter dan menghabiskan sekitar 8 juta dolar AS — model yang 360 kali lebih besar dari GPT-2 dan 160 kali lebih mahal.

Sumber Daya Komputasi. Sejak 2010, language model membutuhkan sumber daya komputasi terbesar di antara semua sistem machine learning. Data dari Epoch mencatat pertumbuhan eksponensial dalam komputasi (FLOP) yang digunakan selama pelatihan.

Large Language Model dan Model Multimodal

Asal Negara. Sebagian besar penulis large language model dan model multimodal berasal dari institusi Amerika (54,2% pada 2022). Pada 2022, untuk pertama kalinya peneliti dari Kanada, Jerman, dan India berkontribusi dalam pengembangan model-model tersebut.

Model-model Kunci Tahun 2022:

Model	Pengembang	Tanggal	Signifikansi
DALL-E 2	OpenAI	April 2022	Sistem pembangkit gambar dari deskripsi teks; memulai "boom AI generatif"
PaLM (540B)	Google	April 2022	Salah satu language model terbesar tahun 2022; 540 miliar parameter
Gato	DeepMind	Mei 2022	Agen multitugas: manipulasi robot, permainan, deskripsi gambar, pembuatan teks
Imagen	Google	Mei 2022	Model difusi untuk pembangkitan gambar dengan fotorealisme tinggi; benchmark DrawBench
Stable Diffusion	Stability AI	Agustus 2022	Model pembangkit gambar sumber terbuka; penyebaran massal
Make-A-Video	Meta AI	September 2022	Sistem pembangkit video dari deskripsi teks
Whisper	OpenAI	September 2022	Sistem pengenalan ucapan universal dengan dukungan banyak bahasa
ChatGPT	OpenAI	November 2022	Chatbot berbasis LLM; pertumbuhan popularitas AI generatif yang belum pernah terjadi sebelumnya
GLM-130B	Universitas Tsinghua	2022	Model terbuka bilingual (Inggris/Tionghoa); satu-satunya model besar Tiongkok tahun 2022

Bab 2. Kinerja Teknis

Bab ini menganalisis kemajuan dalam tugas computer vision, pemrosesan bahasa, ucapan, reinforcement learning, perangkat keras, serta dampak lingkungan AI dan peran AI dalam sains.

Kondisi Benchmark

AI terus menunjukkan hasil pada level atau di atas rekor dunia di sebagian besar benchmark, namun perbaikan semakin marginal. Laju kejenuhan benchmark meningkat. Sistem evaluasi komprehensif baru — BIG-bench dan HELM — dirancang untuk memberikan penilaian yang lebih objektif dan menyeluruh.

AI Generatif

Tahun 2022 ditandai oleh masuknya AI generatif ke kesadaran publik secara massal. Model pembangkit gambar dari teks (DALL-E 2, Stable Diffusion), sistem pembangkit video (Make-A-Video), dan chatbot (ChatGPT) dirilis. Meski demikian, sistem-sistem ini rentan terhadap "halusinasi" — yaitu menghasilkan jawaban yang tidak benar atau tidak masuk akal dengan penuh keyakinan — yang membatasi penggunaannya dalam aplikasi kritis.

Language Model

MMLU. Benchmark Massive Multitask Language Understanding mengevaluasi model pada 57 bidang mata pelajaran. Pada 2022, model-model terbaik terus meningkatkan skornya, namun masih terdapat kesenjangan yang signifikan dengan tingkat pakar manusia.

HELM. Benchmark Stanford Holistic Evaluation of Language Models (HELM) memberikan evaluasi komprehensif terhadap language model dalam sepuluh skenario, termasuk pemahaman teks, matematika, penalaran hukum, serta pengukuran bias dan toksisitas.

Perencanaan dan Penalaran. Language model terus meningkatkan kemampuan generatifnya, namun menghadapi kesulitan serius dalam tugas perencanaan. Penelitian Valmeekam et al. (2022) menunjukkan bahwa GPT-3, Instruct-GPT3, dan BLOOM sangat tidak efektif dalam menangani tugas pembuatan rencana, perencanaan optimal, dan penggunaan ulang rencana dalam lingkungan Blocksworld.

Pengenalan Ucapan

Whisper (OpenAI). Pada 2022, OpenAI memperkenalkan Whisper — sistem pengenalan ucapan berskala besar yang dilatih pada 680.000 jam data multibahasa. Whisper menunjukkan kemajuan signifikan dalam akurasi pengenalan, mendekati level manusia pada sejumlah benchmark, dan mendukung penerjemahan dari puluhan bahasa.

AI Membuat AI Lebih Baik

Muncul tren penyempurnaan diri pada sistem AI. NVIDIA menggunakan agen reinforcement learning untuk meningkatkan arsitektur chip yang mendukung sistem AI. Google menerapkan language model PaLM-nya untuk menemukan cara-cara meningkatkan model PaLM itu sendiri.

Perangkat Keras

Tren GPU. Kinerja komputasi median (FLOP/s) GPU baru hampir tiga kali lipat sejak 2021 dan meningkat sekitar 7.000 kali lipat sejak 2003. Kinerja median per dolar AS (FLOP/s per USD) pada 2022 adalah 1,4 kali lebih tinggi dari 2021 dan 5.600 kali lebih tinggi dari 2003, menunjukkan penggandaan kinerja setiap 1,5 tahun.

MLPerf. Benchmark MLPerf terus mencatat pengurangan yang konsisten dalam waktu pelatihan model untuk tugas-tugas standar, mencerminkan kemajuan dalam perangkat keras dan optimasi.

Dampak Lingkungan

Bagian ini pertama kali dimasukkan dalam laporan. Jejak karbon model AI sangat bervariasi tergantung pada infrastruktur:

Model	Parameter	Emisi CO₂ (ton)	PUE pusat data
GPT-3	175 miliar	502	1,10
Gopher	280 miliar	352	1,08
OPT	175 miliar	70	1,09
BLOOM	176 miliar	25	1,20

GPT-3 menghasilkan emisi karbon dioksida 20 kali lebih banyak dibandingkan BLOOM, dengan jumlah parameter yang sebanding. Faktor-faktor kunci adalah intensitas karbon jaringan listrik, efisiensi pusat data (PUE), dan durasi pelatihan.

Sebagai perbandingan: pelatihan BLOOM menghasilkan emisi CO₂ 25 kali lebih banyak dibandingkan penerbangan satu penumpang dari New York ke San Francisco, dan 1,4 kali lebih banyak dibandingkan emisi tahunan rata-rata warga Amerika. Energi yang dikonsumsi cukup untuk memenuhi kebutuhan listrik rumah tangga Amerika rata-rata selama 41 tahun.

Optimasi Konsumsi Energi. Sistem BCOOLER (DeepMind) — agen reinforcement learning untuk mengoptimalkan pendinginan pusat data Google — selama tiga bulan eksperimen berhasil menghemat energi sekitar 12,7% dengan tetap menjaga kondisi yang nyaman.

AI dalam Sains (2022)

Pengendalian Plasma di Tokamak. DeepMind mengembangkan algoritma reinforcement learning untuk pengendalian plasma yang optimal di tokamak — pencapaian kunci menuju fusi termonuklir.

AlphaTensor. DeepMind menggunakan reinforcement learning untuk menemukan algoritma perkalian matriks yang melampaui solusi yang ada — termasuk algoritma Strassen klasik untuk matriks 4×4.

AlphaCode. Sistem DeepMind yang menulis program komputer pada tingkat kompetitif mencapai peringkat di 54% teratas peserta dalam kompetisi pemrograman.

Pembangkitan Antibodi. AI generatif digunakan untuk desain de novo antibodi, membuka peluang baru bagi industri biofarmasi.

Bab 3. Etika AI Teknis

Bab ini membahas dimensi-dimensi kunci etika AI: bias, toksisitas, keadilan, dan insiden.

Metrik Keadilan dan Bias

Pada 2022, terjadi pertumbuhan yang konsisten dalam jumlah metrik dan benchmark untuk mengevaluasi keadilan dan bias sistem AI. Metrik terus berkembang dan disempurnakan: para peneliti mengadaptasinya untuk tugas-tugas spesifik (menjawab pertanyaan, inferensi bahasa alami) dan menggunakan language model untuk menghasilkan data uji yang diperluas. Pada 2022, benchmark baru seperti BBQ (Bias Benchmark for Question Answering) diperkenalkan, beserta evaluasi tambahan dalam kerangka proyek BIG-bench yang berskala besar.

Terdapat dua jenis metrik yang dibedakan: benchmark (kumpulan data berlabel statis yang mengevaluasi bias internal model — StereoSet, Winogender) dan metrik diagnostik (mengukur perbedaan kinerja model untuk berbagai kelompok demografis dalam penerapan nyata). Kedua pendekatan ini saling melengkapi.

Pengaruh Skala terhadap Bias

Penelitian tahun 2022 menunjukkan bahwa pengaruh peningkatan skala model terhadap bias dan toksisitas bersifat ambigu dan bergantung pada data pelatihan serta metode pengurangan bias yang diterapkan.

Insiden di Bidang AI

Menurut data basis AIAAIC, jumlah insiden dan situasi kontroversial yang berkaitan dengan penyalahgunaan etis AI meningkat 26 kali lipat sejak 2012. Pertumbuhan ini disebabkan oleh perluasan penerapan AI maupun peningkatan kesadaran tentang risiko-risikonya.

Bab 4. Ekonomi

Bab ini mengkaji tren dalam ketenagakerjaan, investasi, adopsi AI korporat, dan robotika.

Pasar Tenaga Kerja

Proporsi lowongan kerja yang berkaitan dengan AI di AS meningkat rata-rata dari 1,7% pada 2021 menjadi 1,9% pada 2022 di hampir semua sektor. Pertumbuhan permintaan terlihat di sektor teknologi, keuangan, manufaktur, layanan kesehatan, dan sektor lainnya.

Migrasi ke Industri. Semakin besar persentase pemegang gelar doktor baru di bidang AI yang memilih bekerja di industri: pada 2021, 65,4% masuk ke industri (dibandingkan 40,9% pada 2011), dan hanya 28,2% yang masuk ke akademia (dibandingkan 41,6% pada 2011). Proporsi PhD yang bekerja di sektor publik tetap rendah secara konsisten — 0,7%.

Investasi

Tren Umum. Investasi swasta global di AI mencapai 91,9 miliar dolar AS — turun 26,7% dibandingkan 2021. Jumlah peristiwa investasi turun menjadi 3.538 (penurunan 12% terhadap 2021). Jumlah perusahaan AI yang pertama kali mendapat pendanaan turun menjadi 1.392 (dari 1.669 pada 2021). Meski demikian, volume investasi 18 kali lebih besar dibandingkan tingkat tahun 2013.

Distribusi Regional. AS memimpin dengan investasi sebesar 47,4 miliar dolar AS — 3,5 kali lebih banyak dari Tiongkok (13,4 miliar) dan 11 kali lebih banyak dari Inggris (4,4 miliar). Sementara itu, investasi di AS turun 35,5%, di Tiongkok turun 41,3%. Secara kumulatif selama 2013–2022, AS menerima investasi sebesar 248,9 miliar, Tiongkok 95,1 miliar, dan Inggris 18,2 miliar.

Area Fokus. Area yang paling menarik bagi investor adalah: kedokteran dan layanan kesehatan (6,1 miliar dolar AS), manajemen data, pemrosesan, dan teknologi cloud (5,9 miliar), fintech (5,5 miliar), keamanan siber (5,4 miliar), dan ritel (4,2 miliar). Sebagian besar area fokus mencatat penurunan investasi relatif terhadap 2021.

Peristiwa Investasi Terbesar Tahun 2022:

• GAC Aion New Energy Automobile (Tiongkok, kendaraan listrik) — 2,54 miliar dolar AS;
• Anduril Industries (AS, teknologi pertahanan) — 1,5 miliar;
• Celonis (Jerman, analitik bisnis) — 1,22 miliar.

Adopsi Korporat

Menurut data McKinsey, proporsi perusahaan yang menggunakan AI lebih dari dua kali lipat sejak 2017, dengan angka yang stabil di kisaran 50–60%. Organisasi yang mengadopsi AI melaporkan pengurangan biaya nyata dan pertumbuhan pendapatan.

Earnings calls. Pada tahun fiskal 2022, 268 perusahaan Fortune 500 menyebut AI dalam laporan laba rugi mereka (turun dari 306 pada 2021, namun naik dari 225 pada 2018).

Tantangan. Masalah utama saat meluncurkan proyek AI: membuktikan nilai bisnis (37%), kurangnya komitmen manajemen (34%), memilih teknologi AI yang tepat (33%). Hambatan utama dalam penskalaan: pengelolaan risiko AI (50%), mendapatkan data pelatihan (44%), implementasi teknologi (42%).

Robotika

Pada 2021, sebanyak 517.000 robot industri dipasang — naik 31,3% dibandingkan 2020 dan lebih dari 3 kali lipat sejak 2011. Armada operasional robot industri mencapai 3.477.000 unit (naik 14,6%).

Dominasi Tiongkok. Pada 2021, Tiongkok memasang 268.200 robot industri — 5,7 kali lebih banyak dari Jepang (47.200) dan 7,7 kali lebih banyak dari AS (35.000). Sejak 2013, ketika Tiongkok melampaui Jepang, pangsa Tiongkok meningkat dari 20,8% menjadi 51,8% dari instalasi global. Pada 2021, Tiongkok untuk pertama kalinya memasang lebih banyak robot industri daripada seluruh dunia lainnya digabungkan.

Bab 5. Pendidikan

Bab ini membahas tren dalam pendidikan di bidang ilmu komputer dan AI.

Pendidikan Tinggi

Sarjana. Jumlah lulusan sarjana ilmu komputer (CS) di Amerika Utara terus meningkat.

Program Doktor. Pada 2021, sebanyak 1.893 doktor ilmu komputer diluluskan — lebih sedikit dibandingkan 2020 (1.997). Proporsi mahasiswa internasional di antara PhD bidang CS meningkat dari 45,8% pada 2010 menjadi 68,6% pada 2021.

Spesialisasi AI. Pada 2021, 19,1% mahasiswa doktoral CS baru di Amerika Utara mengkhususkan diri pada AI — naik 4,2 poin persentase dibandingkan 2020 dan 8,6 poin persentase sejak 2012.

Bab 6. Kebijakan dan Tata Kelola

Bab ini menganalisis aktivitas legislatif dan regulasi di bidang AI pada tingkat global, Amerika, dan regional.

Tren Global

Jumlah rancangan undang-undang yang memuat istilah "kecerdasan buatan" dan disahkan menjadi undang-undang meningkat dari 1 pada 2016 menjadi 37 pada 2022 (analisis terhadap 127 negara). Penyebutan AI dalam debat parlemen di 81 negara meningkat hampir 6,5 kali lipat sejak 2016, meskipun pada 2022 terjadi sedikit penurunan dibandingkan 2021 (dari 1.547 menjadi 1.340 penyebutan).

Pada 2022, negara-negara dengan jumlah penyebutan AI terbanyak dalam sidang parlemen adalah: Spanyol (273), Kanada (211), Inggris (146), AS (138).

Regulasi di AS

Pada tingkat federal, 88 rancangan undang-undang terkait AI diusulkan pada 2022, 9 di antaranya disahkan (naik dari 3 pada tahun-tahun sebelumnya). Pada tingkat negara bagian, California (5 undang-undang yang disahkan) dan Maryland (3) memimpin.

Strategi Nasional

Sejumlah negara mengesahkan undang-undang baru yang mencakup berbagai isu: pelatihan personel dalam keahlian AI, pengawasan penggunaan AI di lembaga penegak hukum, peningkatan transparansi pengambilan keputusan algoritmik.

Bab 7. Keberagaman

Perempuan dan anggota kelompok minoritas masih sangat kurang terwakili di bidang AI, baik di industri maupun di akademia. Data dari CRA Taulbee Survey dan sumber-sumber lain mencatat kemajuan yang lambat namun konsisten dalam peningkatan keberagaman.

Bab 8. Opini Publik

Bab baru dalam laporan ini menganalisis persepsi publik terhadap AI berdasarkan survei internasional dan analisis media sosial.

Survei Global (IPSOS)

Menurut survei IPSOS 2022 (19.504 responden di 28 negara):

• 60% responden berpendapat bahwa produk AI akan mengubah kehidupan mereka secara signifikan dalam 3–5 tahun ke depan;
• 60% berpendapat bahwa produk AI membuat hidup mereka lebih mudah;
• 52% setuju bahwa produk AI membawa lebih banyak manfaat daripada kerugian;
• 40% menyatakan bahwa produk AI membuat mereka merasa khawatir.

Perbedaan Regional. Yang paling positif terhadap AI adalah warga Tiongkok (78% setuju dengan manfaat AI), Arab Saudi (76%), dan India (71%). Yang paling kurang positif adalah Prancis (31%), Kanada (32%), AS (35%).

Perbedaan Demografis. Laki-laki menilai produk AI lebih positif dibandingkan perempuan di semua dimensi. Rumah tangga dengan pendapatan lebih tinggi dan tingkat pendidikan lebih tinggi juga lebih optimistis.

Survei Lloyd's Register Foundation dan Gallup

Survei global terhadap 125.911 orang di 121 negara (2021) menunjukkan bahwa 39% menganggap AI secara keseluruhan bermanfaat bagi negara, sementara 28% menganggapnya merugikan. Laki-laki lebih cenderung menganggap AI bermanfaat dibandingkan perempuan.

Kendaraan Tanpa Pengemudi. Hanya 27% responden di dunia merasa aman berada di dalam kendaraan tanpa pengemudi. Menurut data Pew Research, hanya 26% warga Amerika yang menganggap kendaraan penumpang tanpa pengemudi sebagai ide yang baik bagi masyarakat.

Survei Pew Research (AS)

Di antara warga Amerika yang merasa antusias terhadap AI, alasan utama adalah potensi untuk meningkatkan kehidupan dan masyarakat (31%) serta penghematan waktu (13%). Di antara mereka yang khawatir — kehilangan pekerjaan (19%), pengawasan dan privasi digital (16%), hilangnya kontak manusia (12%).

Pendapat Peneliti NLP

Menurut survei di kalangan peneliti NLP: 77% setuju atau sebagian setuju bahwa perusahaan AI swasta memiliki pengaruh yang berlebihan; 41% berpendapat bahwa NLP harus diregulasi; 73% berpendapat bahwa AI dapat segera membawa perubahan sosial yang revolusioner.

Analisis Media Sosial

NetBase Quid melakukan analisis terhadap lebih dari 7 juta posting di media sosial sepanjang 2022. Model ChatGPT dan Stable Diffusion menarik perhatian terbesar. Topik-topik utama diskusi adalah masalah etika, pengaruh budaya dan ekonomi AI.

Metodologi

Laporan ini menggunakan data dari berbagai sumber:

• Publikasi dan paten: Center for Security and Emerging Technology (CSET), Georgetown University; data Epoch.
• Benchmark: Papers With Code, CRFM (HELM), BIG-bench, papan peringkat khusus.
• Investasi: NetBase Quid (Capital IQ, Crunchbase).
• Pasar tenaga kerja: Lightcast, LinkedIn.
• Aktivitas korporat: McKinsey & Company, Deloitte, NetBase Quid (earnings calls).
• Robotika: International Federation of Robotics (IFR).
• Regulasi: basis legislatif 127 negara, materi parlemen 81 negara.
• Opini publik: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (media sosial).
• Pendidikan: CRA Taulbee Survey, Code.org.
• Dampak lingkungan: Luccioni et al. (2022), data GPU — Epoch.

Tim Penulis

Laporan ini disusun di bawah kepemimpinan ko-direktur Raymond Perrault (SRI International) dan Jack Clark (Anthropic / OECD). Pimpinan penelitian dan editor utama adalah Nestor Maslej (Stanford University). Kontributor dalam penyusunan laporan ini meliputi Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (pendiri AI Index), Russell Wald, serta sejumlah besar peneliti dan organisasi mitra. AI Index merupakan proyek Stanford Institute for Human-Centered Artificial Intelligence (HAI).

Referensi

• Stanford HAI — AI Index Report 2023 (teks lengkap): https://aiindex.stanford.edu/report/
• Epoch — data tentang tren komputasi dan model-model signifikan: https://epochai.org/
• Papers With Code — benchmark dan papan peringkat: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — basis insiden penyalahgunaan etis AI: 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 — data investasi dan media sosial: https://quid.com/
• IPSOS — survei global tentang sikap terhadap AI: https://www.ipsos.com/
• Pew Research Center — survei opini publik: https://www.pewresearch.org/
• CRA Taulbee Survey — data pendidikan di bidang CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Daftar Pustaka

• 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.