The 2023 AI Index Report (IT)

AI Index Report 2023 — sesta edizione annuale del rapporto AI Index, curato dallo Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI). Il rapporto del 2023 è il più ampio al momento della pubblicazione e include più dati originali di qualsiasi edizione precedente: un nuovo capitolo dedicato all'opinione pubblica sull'IA, un'analisi approfondita delle prestazioni tecniche, una ricerca originale sui grandi modelli linguistici e multimodali, tendenze dettagliate nella legislazione globale sull'IA e un'analisi dell'impatto ambientale dei sistemi di IA. Il rapporto viene pubblicato in un periodo in cui l'IA entra nell'«era del deployment»: nel corso del 2022 e all'inizio del 2023, ogni mese venivano rilasciati nuovi modelli su larga scala — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — che dimostravano capacità senza precedenti nella generazione di testo, immagini e nel riconoscimento vocale. AI Index traccia, sistematizza e visualizza i dati sull'intelligenza artificiale, fornendo informazioni obiettive e accuratamente verificate per decisori politici, ricercatori, dirigenti, giornalisti e il grande pubblico.

Struttura del rapporto

Il rapporto 2023 è composto da otto capitoli tematici:

1. Ricerca e sviluppo (Research and Development) — tendenze nelle pubblicazioni, nei brevetti, nei modelli significativi di Machine Learning, nei grandi modelli linguistici e multimodali.
2. Prestazioni tecniche (Technical Performance) — benchmark, computer vision, modelli linguistici, riconoscimento vocale, Reinforcement Learning, hardware, impatto ambientale, IA nella scienza.
3. Etica tecnica dell'IA (Technical AI Ethics) — pregiudizi, tossicità, equità, privacy, deepfake.
4. Economia (The Economy) — investimenti, mercato del lavoro, adozione aziendale, robotica.
5. Istruzione (Education) — formazione del personale, istruzione superiore in informatica e IA.
6. Politica e governance (Policy and Governance) — legislazione, regolamentazione, strategie nazionali.
7. Diversità (Diversity) — diversità di genere ed etnica nel settore dell'IA.
8. Opinione pubblica (Public Opinion) — nuovo capitolo: atteggiamento della popolazione verso l'IA sulla base di sondaggi internazionali e analisi dei social media.

Principali conclusioni del rapporto (Top 10 Takeaways)

Gli autori del rapporto hanno individuato dieci tesi principali:

1. L'industria supera l'accademia

Fino al 2014, la maggior parte dei modelli significativi di Machine Learning era prodotta da istituzioni accademiche. Da allora, la leadership è passata all'industria. Nel 2022, l'industria ha creato 32 modelli significativi di Machine Learning, mentre l'accademia ne ha prodotti solo 3. La creazione di sistemi di IA all'avanguardia richiede sempre più grandi volumi di dati, risorse computazionali e finanziamenti, di cui le organizzazioni industriali dispongono in misura molto maggiore.

2. Saturazione dei benchmark tradizionali

L'IA continua a stabilire nuovi record sui benchmark, tuttavia i miglioramenti delle prestazioni anno dopo anno diventano sempre più marginali. Allo stesso tempo, la velocità di saturazione dei benchmark aumenta. Tuttavia, stanno emergendo nuovi sistemi di valutazione più complessi — BIG-bench e HELM.

3. L'IA aiuta e danneggia l'ambiente allo stesso tempo

Nuove ricerche mostrano che i sistemi di IA hanno un impatto ambientale significativo. Secondo i dati di Luccioni et al. (2022), l'addestramento di BLOOM ha emesso 25 volte più anidride carbonica rispetto a un singolo passeggero aereo in volo da New York a San Francisco. Al contempo, modelli di Reinforcement Learning come BCOOLER (DeepMind) dimostrano la possibilità di utilizzare l'IA per ottimizzare il consumo energetico.

4. Il miglior nuovo scienziato è l'IA?

I modelli di IA iniziano ad accelerare rapidamente il progresso scientifico. Nel 2022, l'IA è stata utilizzata per contribuire al controllo della fusione dell'idrogeno, all'ottimizzazione degli algoritmi di moltiplicazione matriciale (AlphaTensor) e alla generazione di nuovi anticorpi.

5. Il numero di incidenti legati all'uso non etico dell'IA cresce rapidamente

Secondo i dati del database AIAAIC, il numero di incidenti e situazioni controverse legate all'abuso etico dell'IA è aumentato di 26 volte dal 2012. Tra gli incidenti più rilevanti del 2022 figurano un video deepfake della presunta «resa» del presidente ucraino Volodymyr Zelensky e l'utilizzo di tecnologie di monitoraggio delle chiamate nelle prigioni americane.

6. La domanda di specialisti con competenze in IA cresce in quasi tutti i settori

In quasi tutti i settori dell'economia statunitense (ad eccezione dell'agricoltura, della silvicoltura, della pesca e della caccia), la quota di offerte di lavoro legate all'IA è aumentata in media dall'1,7% nel 2021 all'1,9% nel 2022.

7. Per la prima volta in un decennio, gli investimenti privati nell'IA sono diminuiti

Gli investimenti privati globali nell'IA hanno raggiunto 91,9 miliardi di dollari nel 2022, con un calo del 26,7% rispetto al 2021. Sono diminuiti anche il numero totale di eventi di investimento e il numero di aziende di IA finanziate per la prima volta. Tuttavia, nell'arco di un decennio, il volume degli investimenti è cresciuto di 18 volte rispetto al 2013.

8. La quota di aziende che adottano l'IA si è stabilizzata, ma i leader continuano ad allontanarsi

La quota di aziende che utilizzano l'IA è più che raddoppiata dal 2017, ma negli ultimi anni si è stabilizzata tra il 50% e il 60%, secondo il sondaggio annuale di McKinsey. Le organizzazioni che hanno adottato l'IA riportano una reale riduzione dei costi e una crescita dei ricavi.

9. L'interesse dei legislatori verso l'IA è in crescita

L'analisi dei documenti legislativi di 127 paesi mostra che il numero di disegni di legge contenenti il termine «intelligenza artificiale» approvati come leggi è passato da 1 nel 2016 a 37 nel 2022. Le citazioni dell'IA nei dibattiti parlamentari di 81 paesi sono aumentate di quasi 6,5 volte dal 2016.

10. I cittadini cinesi hanno l'atteggiamento più positivo verso l'IA; gli americani sono considerevolmente meno entusiasti

Secondo il sondaggio IPSOS del 2022, il 78% dei rispondenti cinesi ha concordato con l'affermazione che i prodotti e i servizi basati sull'IA portano più benefici che danni. Seguono Arabia Saudita (76%) e India (71%). Solo il 35% dei rispondenti americani condivide questa opinione — uno dei valori più bassi tra i 28 paesi intervistati.

Capitolo 1. Ricerca e sviluppo

Il capitolo analizza le tendenze nelle pubblicazioni, nei brevetti, nei modelli significativi di Machine Learning, nei grandi modelli linguistici e multimodali, nelle conferenze e nel codice aperto.

Pubblicazioni

Il numero totale di pubblicazioni sull'IA continua a crescere: è più che raddoppiato dal 2010. Le aree di ricerca dominanti sono il riconoscimento di pattern (pattern recognition), il Machine Learning e la computer vision.

Leadership regionale. La Cina continua a guidare per numero totale di pubblicazioni sull'IA in riviste, conferenze e repository. Tuttavia, gli Stati Uniti mantengono il primato per numero di citazioni delle pubblicazioni in conferenze e repository, sebbene questo vantaggio si stia progressivamente riducendo.

Collaborazione internazionale. Il maggior numero di collaborazioni tra paesi nelle pubblicazioni sull'IA nel periodo 2010–2021 riguarda la coppia USA–Cina: il loro numero è cresciuto di circa 4 volte dal 2010 ed è 2,5 volte superiore alla collaborazione della coppia successiva più vicina (Regno Unito–Cina). Tuttavia, la crescita del numero di lavori congiunti USA–Cina ha rallentato: nel 2020–2021 l'incremento è stato di appena il 2,1% — il minimo dell'intero periodo di osservazione.

Repository. Il numero di pubblicazioni nei repository di IA (arXiv, SSRN e altri) è cresciuto di quasi 27 volte negli ultimi 12 anni. Il Nord America mantiene la leadership per quota di pubblicazioni nei repository dal 2016.

Modelli significativi di Machine Learning

Dominio dell'industria. Nel 2022, 32 modelli significativi sono stati creati dall'industria rispetto a soli 3 dall'accademia. Ciò conferma la tendenza emersa dal 2014.

Scala e costo. I grandi modelli linguistici diventano sempre più grandi e costosi. GPT-2, rilasciato nel 2019 e considerato uno dei primi grandi modelli linguistici, conteneva 1,5 miliardi di parametri; il suo addestramento è costato circa 50.000 dollari. PaLM (Google, 2022) conteneva 540 miliardi di parametri ed è costato circa 8 milioni di dollari — un modello 360 volte più grande di GPT-2 e 160 volte più costoso.

Risorse computazionali. A partire dal 2010, i modelli linguistici richiedono le maggiori risorse computazionali tra tutti i sistemi di Machine Learning. I dati di Epoch registrano una crescita esponenziale dei calcoli (FLOP) utilizzati durante l'addestramento.

Grandi modelli linguistici e multimodali

Provenienza nazionale. La maggior parte degli autori di grandi modelli linguistici e multimodali proviene da istituzioni americane (54,2% nel 2022). Nel 2022, per la prima volta, ricercatori di Canada, Germania e India hanno contribuito allo sviluppo di tali modelli.

Modelli chiave del 2022:

Modello	Sviluppatore	Data	Rilevanza
DALL-E 2	OpenAI	Aprile 2022	Sistema di generazione di immagini da descrizione testuale; avvio del «boom dell'IA generativa»
PaLM (540B)	Google	Aprile 2022	Uno dei più grandi modelli linguistici del 2022; 540 miliardi di parametri
Gato	DeepMind	Maggio 2022	Agente multitask: manipolazione robotica, giochi, descrizione di immagini, generazione di testo
Imagen	Google	Maggio 2022	Modello di diffusione per la generazione di immagini ad alto fotorealismo; benchmark DrawBench
Stable Diffusion	Stability AI	Agosto 2022	Modello open source per la generazione di immagini; diffusione di massa
Make-A-Video	Meta AI	Settembre 2022	Sistema di generazione di video da descrizione testuale
Whisper	OpenAI	Settembre 2022	Sistema universale di riconoscimento vocale con supporto per molte lingue
ChatGPT	OpenAI	Novembre 2022	Chatbot basato su LLM; crescita senza precedenti della popolarità dell'IA generativa
GLM-130B	Università di Tsinghua	2022	Modello open source bilingue (ing./cin.); unico grande modello cinese del 2022

Capitolo 2. Prestazioni tecniche

Il capitolo analizza i progressi nei compiti di computer vision, elaborazione del linguaggio, riconoscimento vocale, Reinforcement Learning, hardware, nonché l'impatto ambientale dell'IA e il ruolo dell'IA nella scienza.

Stato dei benchmark

L'IA continua a ottenere risultati pari o superiori al record mondiale sulla maggior parte dei benchmark, tuttavia i miglioramenti diventano marginali. La velocità di saturazione dei benchmark aumenta. Nuovi sistemi di valutazione complessi — BIG-bench e HELM — mirano a fornire una valutazione più obiettiva e completa.

IA generativa

Il 2022 ha segnato l'ingresso dell'IA generativa nella coscienza di massa. Sono stati rilasciati modelli di generazione di immagini da testo (DALL-E 2, Stable Diffusion), sistemi di generazione di video (Make-A-Video) e chatbot (ChatGPT). Tuttavia, questi sistemi sono inclini alle «allucinazioni» — la generazione sicura di risposte errate o prive di senso — il che ne limita l'utilizzo in applicazioni critiche.

Modelli linguistici

MMLU. Il benchmark Massive Multitask Language Understanding valuta i modelli su 57 aree disciplinari. Nel 2022, i migliori modelli hanno continuato a migliorare i propri punteggi, ma rimaneva un divario significativo rispetto al livello dell'esperto umano.

HELM. Il benchmark di Stanford Holistic Evaluation of Language Models (HELM) fornisce una valutazione completa dei modelli linguistici su dieci scenari, tra cui comprensione del testo, matematica, ragionamento giuridico, nonché misurazioni di pregiudizi e tossicità.

Pianificazione e ragionamento. I modelli linguistici continuano a migliorare le capacità generative, ma incontrano serie difficoltà con i compiti di pianificazione. La ricerca di Valmeekam et al. (2022) ha dimostrato che GPT-3, Instruct-GPT3 e BLOOM gestiscono in modo estremamente inefficace i compiti di generazione di piani, pianificazione ottimale e riutilizzo dei piani nell'ambiente Blocksworld.

Riconoscimento vocale

Whisper (OpenAI). Nel 2022, OpenAI ha presentato Whisper — un sistema di riconoscimento vocale su larga scala, addestrato su 680.000 ore di dati multilingue. Whisper ha dimostrato progressi significativi nella precisione del riconoscimento, avvicinandosi al livello umano su alcuni benchmark, e supporta la traduzione da diverse decine di lingue.

L'IA migliora l'IA

Si è delineata una tendenza all'auto-miglioramento dei sistemi di IA. NVIDIA ha utilizzato un agente di Reinforcement Learning per migliorare l'architettura dei chip che alimentano i sistemi di IA. Google ha applicato il proprio modello linguistico PaLM per trovare modi per migliorare lo stesso modello PaLM.

Hardware

Tendenze GPU. La potenza computazionale mediana (FLOP/s) delle nuove GPU è quasi triplicata dal 2021 ed è aumentata di circa 7.000 volte dal 2003. Le prestazioni mediane per dollaro USA (FLOP/s per USD) nel 2022 hanno superato del 40% il valore del 2021 e di 5.600 volte quello del 2003, dimostrando un raddoppio delle prestazioni ogni 1,5 anni.

MLPerf. Il benchmark MLPerf continua a registrare una costante riduzione dei tempi di addestramento dei modelli su compiti standard, riflettendo i progressi nell'hardware e nell'ottimizzazione.

Impatto ambientale

Questa sezione è inclusa nel rapporto per la prima volta. L'impronta di carbonio dei modelli di IA varia significativamente in base all'infrastruttura:

Modello	Parametri	Emissioni CO₂ (tonnellate)	PUE del centro dati
GPT-3	175 miliardi	502	1,10
Gopher	280 miliardi	352	1,08
OPT	175 miliardi	70	1,09
BLOOM	176 miliardi	25	1,20

GPT-3 ha emesso 20 volte più anidride carbonica rispetto a BLOOM, con un numero comparabile di parametri. I fattori chiave sono l'intensità carbonica della rete elettrica, l'efficienza del centro dati (PUE) e la durata dell'addestramento.

Per confronto: l'addestramento di BLOOM ha emesso 25 volte più CO₂ rispetto a un volo aereo di un singolo passeggero da New York a San Francisco, e 1,4 volte le emissioni annuali medie di un americano. L'energia consumata sarebbe sufficiente a fornire elettricità a una famiglia americana media per 41 anni.

Ottimizzazione del consumo energetico. Il sistema BCOOLER (DeepMind) — un agente di Reinforcement Learning per l'ottimizzazione del raffreddamento dei data center di Google — ha garantito un risparmio energetico di circa il 12,7% nel corso di tre mesi di sperimentazione, mantenendo condizioni operative ottimali.

IA nella scienza (2022)

Controllo del plasma in un tokamak. DeepMind ha sviluppato un algoritmo di Reinforcement Learning per il controllo ottimale del plasma in un tokamak — un risultato fondamentale sulla strada verso la fusione termonucleare.

AlphaTensor. DeepMind ha utilizzato il Reinforcement Learning per scoprire algoritmi di moltiplicazione matriciale che superano le soluzioni esistenti — incluso il classico algoritmo di Strassen per matrici 4×4.

AlphaCode. Il sistema di DeepMind, che scrive programmi informatici a livello competitivo, ha raggiunto una classifica nel top 54% dei partecipanti nelle competizioni di programmazione.

Generazione di anticorpi. L'IA generativa è stata utilizzata per il design de novo di anticorpi, aprendo nuove possibilità per la biofarmaceutica.

Capitolo 3. Etica tecnica dell'IA

Il capitolo è dedicato alle dimensioni chiave dell'etica dell'IA: pregiudizi, tossicità, equità e incidenti.

Metriche di equità e pregiudizio

Nel 2022 si è registrata una crescita costante nel numero di metriche e benchmark per la valutazione dell'equità e dei pregiudizi nei sistemi di IA. Le metriche si ampliano e si affinano: i ricercatori le adattano a compiti specifici (risposta a domande, inferenza in linguaggio naturale) e utilizzano modelli linguistici per generare dati di test estesi. Nel 2022 sono stati presentati nuovi benchmark, come BBQ (Bias Benchmark for Question Answering), nonché valutazioni aggiuntive nell'ambito del grande progetto BIG-bench.

Si distinguono due tipi di metriche: benchmark (dataset etichettati statici che valutano il pregiudizio interno del modello — StereoSet, Winogender) e metriche diagnostiche (che misurano la differenza nelle prestazioni del modello per diversi gruppi demografici nell'applicazione reale). Entrambi gli approcci si completano a vicenda.

Influenza della scala sui pregiudizi

Le ricerche del 2022 hanno dimostrato che l'effetto dell'aumento della scala del modello sui pregiudizi e sulla tossicità è ambiguo e dipende dai dati di addestramento e dai metodi di riduzione dei pregiudizi applicati.

Incidenti nel settore dell'IA

Secondo i dati del database AIAAIC, il numero di incidenti e situazioni controverse legate all'abuso etico dell'IA è aumentato di 26 volte dal 2012. La crescita è dovuta sia all'espansione dell'uso dell'IA sia alla maggiore consapevolezza dei rischi.

Capitolo 4. Economia

Il capitolo esamina le tendenze nell'occupazione, negli investimenti, nell'adozione aziendale dell'IA e nella robotica.

Mercato del lavoro

La quota di offerte di lavoro legate all'IA negli Stati Uniti è aumentata in media dall'1,7% nel 2021 all'1,9% nel 2022 in quasi tutti i settori. La crescita della domanda si osserva nella tecnologia, nella finanza, nella produzione, nella sanità e in altri settori.

Migrazione verso l'industria. Una percentuale sempre maggiore dei nuovi dottori di ricerca in IA sceglie di lavorare nell'industria: nel 2021, il 65,4% si è diretto nel settore privato (contro il 40,9% nel 2011), e solo il 28,2% nell'accademia (contro il 41,6% nel 2011). La quota di dottori di ricerca che lavorano nel settore pubblico rimane stabilmente bassa — 0,7%.

Investimenti

Tendenze generali. Gli investimenti privati globali nell'IA hanno raggiunto 91,9 miliardi di dollari — un calo del 26,7% rispetto al 2021. Il numero di eventi di investimento è sceso a 3.538 (calo del 12% rispetto al 2021). Il numero di aziende di IA finanziate per la prima volta è diminuito a 1.392 (da 1.669 nel 2021). Tuttavia, il volume degli investimenti è 18 volte superiore al livello del 2013.

Distribuzione regionale. Gli Stati Uniti guidano con investimenti per 47,4 miliardi di dollari — 3,5 volte superiori a quelli della Cina (13,4 miliardi) e 11 volte superiori a quelli del Regno Unito (4,4 miliardi). Nel contempo, gli investimenti negli USA sono diminuiti del 35,5%, in Cina del 41,3%. Complessivamente nel periodo 2013–2022, negli USA sono stati investiti 248,9 miliardi, in Cina 95,1 miliardi, nel Regno Unito 18,2 miliardi.

Aree di interesse. Le aree più attrattive per gli investitori sono state: medicina e sanità (6,1 miliardi di dollari), gestione dei dati, elaborazione e tecnologie cloud (5,9 miliardi), fintech (5,5 miliardi), cybersicurezza (5,4 miliardi) e retail (4,2 miliardi). La maggior parte delle aree di interesse ha registrato una riduzione degli investimenti rispetto al 2021.

Principali eventi di investimento del 2022:

• GAC Aion New Energy Automobile (Cina, veicoli elettrici) — 2,54 miliardi di dollari;
• Anduril Industries (USA, tecnologie della difesa) — 1,5 miliardi;
• Celonis (Germania, business intelligence) — 1,22 miliardi.

Adozione aziendale

Secondo McKinsey, la quota di aziende che utilizzano l'IA è più che raddoppiata dal 2017, stabilizzandosi tra il 50% e il 60%. Le organizzazioni che hanno adottato l'IA riportano una reale riduzione dei costi e una crescita dei ricavi.

Earnings calls. Nell'anno fiscale 2022, 268 aziende Fortune 500 hanno citato l'IA nelle relazioni sugli utili (in calo rispetto alle 306 del 2021, ma in crescita rispetto alle 225 del 2018).

Sfide. I principali problemi nel lancio di progetti di IA sono: dimostrare il valore aziendale (37%), la mancanza di impegno della dirigenza (34%), la scelta delle giuste tecnologie di IA (33%). I principali ostacoli alla scalabilità sono: la gestione dei rischi dell'IA (50%), l'acquisizione di dati per l'addestramento (44%), l'implementazione delle tecnologie (42%).

Robotica

Nel 2021 sono stati installati 517.000 robot industriali — una crescita del 31,3% rispetto al 2020 e più che triplicata rispetto al 2011. Il parco operativo di robot industriali ha raggiunto 3.477.000 unità (crescita del 14,6%).

Dominio della Cina. Nel 2021, la Cina ha installato 268.200 robot industriali — 5,7 volte più del Giappone (47.200) e 7,7 volte più degli USA (35.000). Dal 2013, quando la Cina ha superato il Giappone, la sua quota è cresciuta dal 20,8% al 51,8% delle installazioni mondiali. Nel 2021, la Cina ha installato per la prima volta più robot industriali del resto del mondo messo insieme.

Capitolo 5. Istruzione

Il capitolo esamina le tendenze nell'istruzione in informatica e IA.

Istruzione superiore

Laurea triennale. Il numero di laureati triennali in informatica (CS) in Nord America continua a crescere.

Dottorato. Nel 2021 sono stati conseguiti 1.893 dottorati in informatica — meno rispetto al 2020 (1.997). La quota di studenti internazionali tra i dottorandi in CS è cresciuta dal 45,8% nel 2010 al 68,6% nel 2021.

Specializzazione in IA. Nel 2021, il 19,1% dei nuovi dottorandi in CS in Nord America si è specializzato in IA — un aumento di 4,2 punti percentuali rispetto al 2020 e di 8,6 punti percentuali rispetto al 2012.

Capitolo 6. Politica e governance

Il capitolo analizza l'attività legislativa e regolatoria nel settore dell'IA a livello globale, americano e regionale.

Tendenze globali

Il numero di disegni di legge contenenti il termine «intelligenza artificiale» approvati come leggi è passato da 1 nel 2016 a 37 nel 2022 (analisi di 127 paesi). Le citazioni dell'IA nei dibattiti parlamentari di 81 paesi sono aumentate di quasi 6,5 volte dal 2016, sebbene nel 2022 si sia registrata una lieve diminuzione rispetto al 2021 (da 1.547 a 1.340 citazioni).

Nel 2022, i paesi con il maggior numero di citazioni dell'IA nelle sessioni parlamentari sono stati: Spagna (273), Canada (211), Regno Unito (146), USA (138).

Regolamentazione negli USA

A livello federale, nel 2022 sono stati proposti 88 disegni di legge relativi all'IA, di cui 9 approvati (in aumento rispetto a 3 negli anni precedenti). A livello statale, guidano la California (5 leggi approvate) e il Maryland (3).

Strategie nazionali

Diversi paesi hanno adottato nuova legislazione che copre un ampio spettro di questioni: formazione del personale in competenze IA, controllo sull'uso dell'IA nelle forze dell'ordine, aumento della trasparenza dei processi decisionali algoritmici.

Capitolo 7. Diversità

Le donne e i rappresentanti delle minoranze sono ancora significativamente sottorappresentati nel settore dell'IA, sia nell'industria che nell'accademia. I dati del CRA Taulbee Survey e di altre fonti registrano progressi lenti ma costanti nell'aumento della diversità.

Capitolo 8. Opinione pubblica

Il nuovo capitolo del rapporto analizza la percezione pubblica dell'IA sulla base di sondaggi internazionali e dell'analisi dei social media.

Sondaggi globali (IPSOS)

Secondo il sondaggio IPSOS 2022 (19.504 rispondenti in 28 paesi):

• Il 60% dei rispondenti ritiene che i prodotti di IA cambieranno significativamente la loro vita nei prossimi 3–5 anni;
• Il 60% ritiene che i prodotti di IA rendano la loro vita più semplice;
• Il 52% concorda sul fatto che i prodotti di IA portino più benefici che danni;
• Il 40% dichiara che i prodotti di IA li rendono nervosi.

Differenze regionali. L'atteggiamento più positivo verso l'IA si riscontra tra i cittadini della Cina (78% concorda sull'utilità dell'IA), dell'Arabia Saudita (76%) e dell'India (71%). Il meno positivo si registra in Francia (31%), Canada (32%), USA (35%).

Differenze demografiche. Gli uomini valutano i prodotti di IA in modo più positivo rispetto alle donne in tutte le dimensioni. Le famiglie con reddito più elevato e livello di istruzione più alto sono anche più ottimiste.

Sondaggio Lloyd's Register Foundation e Gallup

Il sondaggio globale su 125.911 persone in 121 paesi (2021) ha mostrato che il 39% considera l'IA generalmente utile per il proprio paese, mentre il 28% la considera dannosa. Gli uomini sono più propensi a considerare l'IA utile rispetto alle donne.

Veicoli autonomi. Solo il 27% dei rispondenti a livello mondiale si sente al sicuro in un'auto a guida autonoma. Secondo Pew Research, solo il 26% degli americani considera i veicoli autonomi per passeggeri una buona idea per la società.

Sondaggio Pew Research (USA)

Tra gli americani entusiasti dell'IA, le principali ragioni sono il potenziale di migliorare la vita e la società (31%) e il risparmio di tempo (13%). Tra coloro che sono preoccupati, emergono la perdita di posti di lavoro (19%), la sorveglianza e la privacy digitale (16%), la perdita dei contatti umani (12%).

Opinione dei ricercatori NLP

Secondo un sondaggio tra i ricercatori NLP: il 77% concorda o concorda parzialmente sul fatto che le aziende private di IA abbiano un'influenza eccessiva; il 41% ritiene che l'NLP debba essere regolamentato; il 73% ritiene che l'IA possa presto portare a cambiamenti sociali rivoluzionari.

Analisi dei social media

NetBase Quid ha condotto un'analisi di oltre 7 milioni di post sui social media nel 2022. I modelli ChatGPT e Stable Diffusion hanno attirato la maggiore attenzione. I principali argomenti di discussione sono i problemi etici, l'impatto culturale ed economico dell'IA.

Metodologia

Il rapporto utilizza dati provenienti da molteplici fonti:

• Pubblicazioni e brevetti: Center for Security and Emerging Technology (CSET), Georgetown University; dati Epoch.
• Benchmark: Papers With Code, CRFM (HELM), BIG-bench, leaderboard specializzate.
• Investimenti: NetBase Quid (Capital IQ, Crunchbase).
• Mercato del lavoro: Lightcast, LinkedIn.
• Attività aziendale: McKinsey & Company, Deloitte, NetBase Quid (earnings calls).
• Robotica: International Federation of Robotics (IFR).
• Regolamentazione: banche dati legislative di 127 paesi, materiali parlamentari di 81 paesi.
• Opinione pubblica: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (social media).
• Istruzione: CRA Taulbee Survey, Code.org.
• Impatto ambientale: Luccioni et al. (2022), dati GPU — Epoch.

Gruppo di autori

Il rapporto è stato preparato sotto la guida dei co-direttori Raymond Perrault (SRI International) e Jack Clark (Anthropic / OECD). Il responsabile della ricerca e redattore capo è stato Nestor Maslej (Stanford University). Alla redazione del rapporto hanno partecipato Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (fondatore di AI Index), Russell Wald, nonché un ampio gruppo di ricercatori e organizzazioni partner. AI Index è un progetto dello Stanford HAI Institute (Human-Centered Artificial Intelligence).

Riferimenti

• Stanford HAI — AI Index Report 2023 (testo completo): https://aiindex.stanford.edu/report/
• Epoch — dati sulle tendenze computazionali e i modelli significativi: https://epochai.org/
• Papers With Code — benchmark e leaderboard: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — database degli incidenti di abuso etico dell'IA: 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 — dati sugli investimenti e i social media: https://quid.com/
• IPSOS — sondaggio globale sull'atteggiamento verso l'IA: https://www.ipsos.com/
• Pew Research Center — sondaggi di opinione pubblica: https://www.pewresearch.org/
• CRA Taulbee Survey — dati sull'istruzione in CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Bibliografia

• 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.