The 2023 AI Index Report (NL)

AI Index Report 2023 — de zesde jaarlijkse editie van het AI Index-rapport, opgesteld door het Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI). Het rapport van 2023 is het meest uitgebreide tot op het moment van publicatie en bevat meer originele gegevens dan enige voorgaande editie: een nieuw hoofdstuk over de publieke opinie over AI, een uitgebreide analyse van technische prestaties, origineel onderzoek naar grote taal- en multimodale modellen, gedetailleerde trends in wereldwijde AI-wetgeving, en een onderzoek naar de milieu-impact van AI-systemen. Het rapport verschijnt in een periode waarin AI een 'tijdperk van uitrol' ingaat: gedurende 2022 en begin 2023 werden maandelijks nieuwe grootschalige modellen uitgebracht — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — die ongekende mogelijkheden demonstreren op het gebied van tekstgeneratie, beeldgeneratie en spraakherkenning. AI Index volgt, systematiseert en visualiseert gegevens over kunstmatige intelligentie en biedt objectieve en zorgvuldig geverifieerde informatie voor beleidsmakers, onderzoekers, bestuurders, journalisten en het brede publiek.

Structuur van het rapport

Het rapport van 2023 bestaat uit acht thematische hoofdstukken:

1. Onderzoek en Ontwikkeling (Research and Development) — trends in publicaties, patenten, significante Machine Learning-modellen, grote taal- en multimodale modellen.
2. Technische Prestaties (Technical Performance) — benchmarks, computer vision, taalmodellen, spraak, Reinforcement Learning, hardware, milieu-impact, AI in de wetenschap.
3. Technische AI-ethiek (Technical AI Ethics) — vooringenomenheid, toxiciteit, eerlijkheid, privacy, deepfakes.
4. Economie (The Economy) — investeringen, arbeidsmarkt, bedrijfsmatige implementatie, robotica.
5. Onderwijs (Education) — opleiding van personeel, hoger onderwijs op het gebied van informatica en AI.
6. Beleid en Governance (Policy and Governance) — wetgeving, regulering, nationale strategieën.
7. Diversiteit (Diversity) — gender- en etnische diversiteit op het gebied van AI.
8. Publieke Opinie (Public Opinion) — nieuw hoofdstuk: de houding van de bevolking ten opzichte van AI op basis van internationale enquêtes en analyse van sociale media.

Belangrijkste conclusies van het rapport (Top 10 Takeaways)

De auteurs van het rapport hebben tien hoofdthesen onderscheiden:

1. De industrie loopt voor op de academische wereld

Tot 2014 werden de meeste significante Machine Learning-modellen uitgebracht door academische instellingen. Sindsdien is het leiderschap overgegaan naar de industrie. In 2022 creëerde de industrie 32 significante Machine Learning-modellen, terwijl de academische wereld er slechts 3 produceerde. Het ontwikkelen van geavanceerde AI-systemen vereist steeds grotere hoeveelheden data, rekenkracht en financiering, waarover industriële organisaties in veel grotere mate beschikken.

2. Verzadiging van traditionele benchmarks

AI blijft nieuwe records vestigen op benchmarks, maar de prestatieverbetering van jaar tot jaar wordt steeds marginaler. Tegelijkertijd neemt de snelheid van benchmarkverzadiging toe. Desalniettemin verschijnen er nieuwe, meer uitgebreide evaluatiesystemen — BIG-bench en HELM.

3. AI helpt en schaadt het milieu tegelijkertijd

Nieuw onderzoek toont aan dat AI-systemen een aanzienlijke milieu-impact hebben. Volgens gegevens van Luccioni et al. (2022) stootte het trainen van BLOOM 25 keer meer kooldioxide uit dan één vliegtuigpassagier bij een vlucht van New York naar San Francisco. Tegelijkertijd demonstreren Reinforcement Learning-modellen zoals BCOOLER (DeepMind) de mogelijkheid om AI te gebruiken voor de optimalisatie van energieverbruik.

4. De beste nieuwe wetenschapper — AI?

AI-modellen beginnen de wetenschappelijke vooruitgang snel te versnellen. In 2022 werd AI ingezet om de besturing van waterstoffusie te ondersteunen, matrixvermenigvuldigingsalgoritmen te optimaliseren (AlphaTensor) en nieuwe antilichamen te genereren.

5. Het aantal incidenten met onethisch gebruik van AI groeit snel

Volgens de AIAAIC-database is het aantal incidenten en controversiële situaties in verband met ethisch misbruik van AI met een factor 26 toegenomen since 2012. Onder de opvallende incidenten van 2022 bevinden zich een deepfake-video met de 'capitulatie' van de Oekraïense president Volodymyr Zelensky en het gebruik van gespreksmonitoringtechnologie in Amerikaanse gevangenissen.

6. De vraag naar specialisten met AI-vaardigheden groeit in vrijwel alle sectoren

In vrijwel alle sectoren van de Amerikaanse economie (met uitzondering van landbouw, bosbouw, visserij en jacht) is het aandeel vacatures gerelateerd aan AI gemiddeld gestegen van 1,7% in 2021 naar 1,9% in 2022.

7. Particuliere investeringen in AI zijn voor het eerst in een decennium gedaald

De wereldwijde particuliere investeringen in AI bedroegen 91,9 miljard dollar in 2022, een daling van 26,7% ten opzichte van 2021. Ook het totale aantal investeringsgebeurtenissen en het aantal voor het eerst gefinancierde AI-bedrijven daalde. Desalniettemin is het investeringsvolume in een decennium 18 keer gestegen ten opzichte van 2013.

8. Het aandeel bedrijven dat AI inzet is gestabiliseerd, maar koplopers blijven vooroplopen

Het aandeel bedrijven dat AI gebruikt is meer dan verdubbeld since 2017, maar is de afgelopen jaren gestabiliseerd op 50–60%, volgens de jaarlijkse McKinsey-enquête. Organisaties die AI hebben geïmplementeerd, rapporteren een daadwerkelijke verlaging van kosten en stijging van omzet.

9. De interesse van beleidsmakers in AI groeit

Een analyse van wetgevingsdocumenten van 127 landen laat zien dat het aantal wetsvoorstellen die de term 'kunstmatige intelligentie' bevatten en als wet zijn aangenomen, is gestegen van 1 in 2016 naar 37 in 2022. Vermeldingen van AI in parlementaire debatten in 81 landen zijn bijna 6,5 keer toegenomen since 2016.

10. Chinese burgers zijn het meest positief over AI; Amerikanen aanzienlijk minder

Volgens de IPSOS-enquête van 2022 was 78% van de Chinese respondenten het eens met de stelling dat producten en diensten op basis van AI meer voordeel dan nadeel opleveren. Daarna volgen Saoedi-Arabië (76%) en India (71%). Slechts 35% van de Amerikaanse respondenten deelt deze mening — een van de laagste scores onder de 28 ondervraagde landen.

Hoofdstuk 1. Onderzoek en Ontwikkeling

Het hoofdstuk analyseert trends in publicaties, patenten, significante Machine Learning-modellen, grote taal- en multimodale modellen, conferenties en open-source code.

Publicaties

Het totale aantal publicaties over AI blijft groeien: het is meer dan verdubbeld since 2010. De dominante onderzoeksrichtingen zijn patroonherkenning (pattern recognition), Machine Learning en computer vision.

Regionaal leiderschap. China blijft koploper in het totale aantal AI-publicaties in tijdschriften, op conferenties en in repositories. De VS behoudt echter een voorsprong in het aantal citaties van conferentie- en repositorypublicaties, hoewel dit verschil geleidelijk kleiner wordt.

Internationale samenwerking. Het grootste aantal grensoverschrijdende samenwerkingsverbanden in AI-publicaties over de periode 2010–2021 betreft het koppel VS–China: hun aantal is ongeveer 4 keer gestegen since 2010 en is 2,5 keer groter dan de samenwerking van het eerstvolgende koppel (VK–China). De groei van gezamenlijke VS–China-publicaties is echter vertraagd: in 2020–2021 bedroeg de groei slechts 2,1% — het laagste over de gehele waarnemingsperiode.

Repositories. Het aantal publicaties in AI-repositories (arXiv, SSRN e.a.) is bijna 27 keer gestegen in de afgelopen 12 jaar. Noord-Amerika behoudt het leiderschap in het aandeel repositorypublicaties since 2016.

Significante Machine Learning-modellen

Dominantie van de industrie. In 2022 werden 32 significante modellen gecreëerd door de industrie, tegenover slechts 3 door de academische wereld. Dit bevestigt de trend die zich since 2014 heeft ingezet.

Schaal en kosten. Grote taalmodellen worden steeds groter en duurder. GPT-2, uitgebracht in 2019 en beschouwd als een van de eerste grote taalmodellen, bevatte 1,5 miljard parameters; het trainen kostte ongeveer 50.000 dollar. PaLM (Google, 2022) bevatte 540 miljard parameters en kostte ongeveer 8 miljoen dollar — een model dat 360 keer groter is dan GPT-2 en 160 keer duurder.

Rekenkracht. Vanaf 2010 vereisen taalmodellen de meeste rekenkracht van alle Machine Learning-systemen. Epoch-gegevens registreren een exponentiële groei van de berekeningen (FLOP) die worden gebruikt bij het trainen.

Grote taal- en multimodale modellen

Nationale herkomst. De meeste auteurs van grote taal- en multimodale modellen zijn afkomstig van Amerikaanse instellingen (54,2% in 2022). In 2022 droegen voor het eerst onderzoekers uit Canada, Duitsland en India bij aan de ontwikkeling van dergelijke modellen.

Belangrijkste modellen van 2022:

Model	Ontwikkelaar	Datum	Belang
DALL-E 2	OpenAI	April 2022	Systeem voor het genereren van afbeeldingen op basis van tekstbeschrijvingen; start van de 'generatieve AI-boom'
PaLM (540B)	Google	April 2022	Een van de grootste taalmodellen van 2022; 540 miljard parameters
Gato	DeepMind	Mei 2022	Multitaak-agent: robotmanipulatie, games, beeldbeschrijving, tekstgeneratie
Imagen	Google	Mei 2022	Diffusiemodel voor het genereren van afbeeldingen met hoog fotorealisme; benchmark DrawBench
Stable Diffusion	Stability AI	Augustus 2022	Open model voor beeldgeneratie; brede verspreiding
Make-A-Video	Meta AI	September 2022	Systeem voor het genereren van video op basis van tekstbeschrijvingen
Whisper	OpenAI	September 2022	Universeel spraakherkenningssysteem met ondersteuning voor meerdere talen
ChatGPT	OpenAI	November 2022	Chatbot op basis van LLM; ongekende groei in populariteit van generatieve AI
GLM-130B	Universiteit van Tsinghua	2022	Tweetalig (Engels/Chinees) open model; het enige grote Chinese model van 2022

Hoofdstuk 2. Technische Prestaties

Het hoofdstuk analyseert de vooruitgang op het gebied van computer vision, taalverwerking, spraak, Reinforcement Learning, hardware, evenals de milieu-impact van AI en de rol van AI in de wetenschap.

Stand van benchmarks

AI blijft resultaten behalen op of boven het wereldrecord op de meeste benchmarks, maar de verbeteringen worden marginaal. De snelheid van benchmarkverzadiging neemt toe. Nieuwe uitgebreide evaluatiesystemen — BIG-bench en HELM — zijn bedoeld om een objectievere en completere beoordeling te bieden.

Generatieve AI

2022 werd gekenmerkt door de doorbraak van generatieve AI naar het grote publiek. Er werden modellen voor het genereren van afbeeldingen op basis van tekst uitgebracht (DALL-E 2, Stable Diffusion), videogeneratiesystemen (Make-A-Video) en chatbots (ChatGPT). Desalniettemin zijn deze systemen geneigd tot 'hallucinaties' — het zelfverzekerd genereren van onjuiste of zinloze antwoorden — wat hun gebruik in kritieke toepassingen beperkt.

Taalmodellen

MMLU. De benchmark Massive Multitask Language Understanding beoordeelt modellen op 57 vakgebieden. In 2022 bleven de beste modellen hun scores verbeteren, maar er bleef een aanzienlijk verschil met het niveau van menselijke experts.

HELM. De Stanford-benchmark Holistic Evaluation of Language Models (HELM) biedt een uitgebreide evaluatie van taalmodellen op tien scenario's, waaronder tekstbegrip, wiskunde, juridisch redeneren, evenals metingen van vooringenomenheid en toxiciteit.

Planning en redeneren. Taalmodellen blijven hun generatieve mogelijkheden verbeteren, maar ondervinden ernstige problemen met planningstaken. Onderzoek van Valmeekam et al. (2022) toonde aan dat GPT-3, Instruct-GPT3 en BLOOM extreem slecht presteren op taken voor het genereren van plannen, optimaal plannen en hergebruik van plannen in de Blocksworld-omgeving.

Spraakherkenning

Whisper (OpenAI). In 2022 presenteerde OpenAI Whisper — een grootschalig spraakherkenningssysteem getraind op 680.000 uur meertalige data. Whisper demonstreerde aanzienlijke vooruitgang in herkenningsnauwkeurigheid en nadert het menselijk niveau op een aantal benchmarks, met ondersteuning voor vertaling vanuit tientallen talen.

AI maakt AI beter

Er heeft zich een trend ingezet naar zelfverbetering van AI-systemen. NVIDIA gebruikte een Reinforcement Learning-agent om de chiparchitectuur te verbeteren die AI-systemen aandrijft. Google gebruikte zijn taalmodel PaLM om manieren te vinden om PaLM zelf te verbeteren.

Hardware

GPU-trends. De mediane rekenprestaties (FLOP/s) van nieuwe GPU's zijn bijna verdrievoudigd since 2021 en zijn ongeveer 7.000 keer gestegen since 2003. De mediane prestaties per US-dollar (FLOP/s per USD) lagen in 2022 1,4 keer hoger dan in 2021 en 5.600 keer hoger dan in 2003, met een verdubbeling van de prestaties elke 1,5 jaar.

MLPerf. De MLPerf-benchmark registreert een gestage verkorting van de trainingstijd van modellen op standaardtaken, wat de vooruitgang in hardware en optimalisatie weerspiegelt.

Milieu-impact

Dit onderdeel is voor het eerst opgenomen in het rapport. De CO₂-voetafdruk van AI-modellen verschilt aanzienlijk afhankelijk van de infrastructuur:

Model	Parameters	CO₂-uitstoot (ton)	PUE datacentrum
GPT-3	175 miljard	502	1,10
Gopher	280 miljard	352	1,08
OPT	175 miljard	70	1,09
BLOOM	176 miljard	25	1,20

GPT-3 stootte 20 keer meer kooldioxide uit dan BLOOM bij een vergelijkbaar aantal parameters. De sleutelfactoren zijn de koolstofintensiteit van het energienet, de efficiëntie van het datacentrum (PUE) en de trainingsduur.

Ter vergelijking: het trainen van BLOOM stootte 25 keer meer CO₂ uit dan een vliegtuigpassagier bij een vlucht van New York naar San Francisco, en 1,4 keer meer dan de gemiddelde jaarlijkse uitstoot van een Amerikaan. De verbruikte energie zou voldoende zijn om een gemiddeld Amerikaans huishouden 41 jaar van elektriciteit te voorzien.

Optimalisatie van energieverbruik. Het BCOOLER-systeem (DeepMind) — een Reinforcement Learning-agent voor de optimalisatie van de koeling van Google-datacenters — zorgde gedurende drie maanden experiment voor een energiebesparing van ongeveer 12,7% met behoud van comfortabele omstandigheden.

AI in de wetenschap (2022)

Plasmabeheer in een tokamak. DeepMind ontwikkelde een Reinforcement Learning-algoritme voor optimaal plasmabeheer in een tokamak — een belangrijke prestatie op weg naar kernfusie.

AlphaTensor. DeepMind gebruikte Reinforcement Learning om matrixvermenigvuldigingsalgoritmen te ontdekken die bestaande oplossingen overtreffen — waaronder het klassieke Strassen-algoritme voor 4×4-matrices.

AlphaCode. Het DeepMind-systeem dat computerprogramma's schrijft op competitief niveau, behaalde een rang in de bovenste 54% van deelnemers aan programmeerwedstrijden.

Generatie van antilichamen. Generatieve AI werd gebruikt voor de de novo-ontwerp van antilichamen, wat nieuwe mogelijkheden opent voor de biofarmaceutische industrie.

Hoofdstuk 3. Technische AI-ethiek

Het hoofdstuk is gewijd aan de belangrijkste dimensies van AI-ethiek: vooringenomenheid, toxiciteit, eerlijkheid en incidenten.

Meetwaarden voor eerlijkheid en vooringenomenheid

In 2022 was er een gestage toename van het aantal meetwaarden en benchmarks voor de beoordeling van eerlijkheid en vooringenomenheid in AI-systemen. De meetwaarden worden uitgebreid en verfijnd: onderzoekers passen ze aan aan specifieke taken (het beantwoorden van vragen, logisch redeneren in natuurlijke taal) en gebruiken taalmodellen om uitgebreide testdata te genereren. In 2022 werden nieuwe benchmarks gepresenteerd, zoals BBQ (Bias Benchmark for Question Answering), evenals aanvullende evaluaties in het kader van het grootschalige BIG-bench-project.

Er worden twee soorten meetwaarden onderscheiden: benchmarks (statische verzamelingen gelabelde data die de intrinsieke vooringenomenheid van een model beoordelen — StereoSet, Winogender) en diagnostische meetwaarden (die het verschil in modelprestaties voor verschillende demografische groepen bij praktisch gebruik meten). Beide benaderingen vullen elkaar aan.

Invloed van schaal op vooringenomenheid

Onderzoek uit 2022 toonde aan dat de invloed van het vergroten van de modelschaal op vooringenomenheid en toxiciteit dubbelzinnig is en afhangt van de trainingsdata en de toegepaste methoden voor het verminderen van vooringenomenheid.

Incidenten op het gebied van AI

Volgens de AIAAIC-database is het aantal incidenten en controversiële situaties in verband met ethisch misbruik van AI met een factor 26 toegenomen since 2012. De groei is te wijten aan zowel de uitbreiding van AI-gebruik als de toegenomen bewustwording van risico's.

Hoofdstuk 4. Economie

Het hoofdstuk onderzoekt trends in werkgelegenheid, investeringen, bedrijfsmatige implementatie van AI en robotica.

Arbeidsmarkt

Het aandeel AI-gerelateerde vacatures in de VS is gemiddeld gestegen van 1,7% in 2021 naar 1,9% in 2022 in vrijwel alle sectoren. De vraaggroei is zichtbaar in technologie, financiën, productie, gezondheidszorg en andere sectoren.

Migratie naar de industrie. Een steeds groter percentage nieuwe houders van een doctoraat in AI kiest voor werk in de industrie: in 2021 ging 65,4% naar de industrie (tegenover 40,9% in 2011), en slechts 28,2% naar de academische wereld (tegenover 41,6% in 2011). Het aandeel PhD's dat in de publieke sector werkt, blijft stabiel laag op 0,7%.

Investeringen

Algemene trends. De wereldwijde particuliere investeringen in AI bedroegen 91,9 miljard dollar — een daling van 26,7% ten opzichte van 2021. Het aantal investeringsgebeurtenissen daalde naar 3.538 (een daling van 12% ten opzichte van 2021). Het aantal voor het eerst gefinancierde AI-bedrijven daalde naar 1.392 (van 1.669 in 2021). Desalniettemin is het investeringsvolume 18 keer hoger dan het niveau van 2013.

Regionale verdeling. De VS leidt met investeringen van 47,4 miljard dollar — 3,5 keer meer dan China (13,4 miljard) en 11 keer meer dan het VK (4,4 miljard). Tegelijkertijd daalden de investeringen in de VS met 35,5% en in China met 41,3%. Cumulatief over 2013–2022 werd in de VS 248,9 miljard geïnvesteerd, in China 95,1 miljard en in het VK 18,2 miljard.

Focusgebieden. De meest aantrekkelijke sectoren voor investeerders waren: geneeskunde en gezondheidszorg (6,1 miljard dollar), databeheer, -verwerking en cloudtechnologieën (5,9 miljard), fintech (5,5 miljard), cybersecurity (5,4 miljard) en retail (4,2 miljard). De meeste focusgebieden registreerden een daling van investeringen ten opzichte van 2021.

Grootste investeringsgebeurtenissen van 2022:

• GAC Aion New Energy Automobile (China, elektrische voertuigen) — 2,54 miljard dollar;
• Anduril Industries (VS, defensietechnologie) — 1,5 miljard;
• Celonis (Duitsland, bedrijfsanalyse) — 1,22 miljard.

Bedrijfsmatige implementatie

Volgens McKinsey is het aandeel bedrijven dat AI gebruikt meer dan verdubbeld since 2017, en gestabiliseerd op 50–60%. Organisaties die AI hebben geïmplementeerd, rapporteren een daadwerkelijke verlaging van kosten en stijging van omzet.

Earnings calls. In het boekjaar 2022 vermeldden 268 Fortune 500-bedrijven AI in hun kwartaalrapporten (een daling van 306 in 2021, maar een stijging van 225 in 2018).

Uitdagingen. De voornaamste problemen bij het opstarten van AI-projecten zijn: het aantonen van bedrijfswaarde (37%), gebrek aan betrokkenheid van het management (34%), het kiezen van de juiste AI-technologieën (33%). De belangrijkste belemmeringen voor opschaling: het beheersen van AI-risico's (50%), het verkrijgen van trainingsdata (44%), implementatie van technologieën (42%).

Robotica

In 2021 werden 517.000 industriële robots geïnstalleerd — een groei van 31,3% ten opzichte van 2020 en meer dan 3 keer zoveel als in 2011. Het operationele park van industriële robots bereikte 3.477.000 eenheden (een groei van 14,6%).

Dominantie van China. In 2021 installeerde China 268.200 industriële robots — 5,7 keer meer dan Japan (47.200) en 7,7 keer meer dan de VS (35.000). Since 2013, toen China Japan overtrof, is het aandeel van China gestegen van 20,8% naar 51,8% van de wereldwijde installaties. In 2021 installeerde China voor het eerst meer industriële robots dan de rest van de wereld samen.

Hoofdstuk 5. Onderwijs

Het hoofdstuk behandelt de trends in het onderwijs op het gebied van informatica en AI.

Hoger onderwijs

Bachelor. Het aantal afgestudeerden met een bacheloropleiding informatica (CS) in Noord-Amerika blijft groeien.

Doctoraat. In 2021 werden 1.893 doctoraten in de informatica verleend — minder dan in 2020 (1.997). Het aandeel internationale studenten onder PhD's in CS steeg van 45,8% in 2010 naar 68,6% in 2021.

Specialisatie in AI. In 2021 specialiseerde 19,1% van de nieuwe CS-promovendi in Noord-Amerika zich in AI — een stijging van 4,2 procentpunt ten opzichte van 2020 en van 8,6 procentpunt since 2012.

Hoofdstuk 6. Beleid en Governance

Het hoofdstuk analyseert de wetgevende en regulerende activiteit op het gebied van AI op mondiaal, Amerikaans en regionaal niveau.

Mondiale tendensen

Het aantal wetsvoorstellen die de term 'kunstmatige intelligentie' bevatten en als wet zijn aangenomen, is gestegen van 1 in 2016 naar 37 in 2022 (analyse van 127 landen). Vermeldingen van AI in parlementaire debatten in 81 landen zijn bijna 6,5 keer toegenomen since 2016, hoewel er in 2022 een lichte daling was ten opzichte van 2021 (van 1.547 naar 1.340 vermeldingen).

In 2022 waren de koplopers in het aantal AI-vermeldingen in parlementaire vergaderingen: Spanje (273), Canada (211), het VK (146), de VS (138).

Regulering in de VS

Op federaal niveau werden in 2022 88 AI-gerelateerde wetsvoorstellen ingediend, waarvan 9 werden aangenomen (een stijging van 3 in voorgaande jaren). Op staatsniveau lopen Californië (5 aangenomen wetten) en Maryland (3) voorop.

Nationale strategieën

Verschillende landen hebben nieuwe wetgeving aangenomen die een breed scala aan onderwerpen omvat: het trainen van personeel in AI-vaardigheden, toezicht op het gebruik van AI bij wetshandhaving, het vergroten van de transparantie van algoritmische besluitvorming.

Hoofdstuk 7. Diversiteit

Vrouwen en vertegenwoordigers van minderheden zijn nog steeds aanzienlijk ondervertegenwoordigd op het gebied van AI, zowel in de industrie als in de academische wereld. Gegevens van de CRA Taulbee Survey en andere bronnen registreren een langzame maar gestage vooruitgang in het vergroten van diversiteit.

Hoofdstuk 8. Publieke Opinie

Het nieuwe hoofdstuk van het rapport analyseert de publieke perceptie van AI op basis van internationale enquêtes en analyse van sociale media.

Mondiale enquêtes (IPSOS)

Volgens de IPSOS-enquête van 2022 (19.504 respondenten in 28 landen):

• 60% van de respondenten is van mening dat AI-producten hun leven in de komende 3–5 jaar aanzienlijk zullen veranderen;
• 60% vindt dat AI-producten hun leven gemakkelijker maken;
• 52% is het eens dat AI-producten meer voordeel dan nadeel opleveren;
• 40% geeft aan dat AI-producten hen nerveus maken.

Regionale verschillen. Het meest positief over AI zijn burgers van China (78% eens met het nut van AI), Saoedi-Arabië (76%) en India (71%). Het minst positief zijn Frankrijk (31%), Canada (32%) en de VS (35%).

Demografische verschillen. Mannen beoordelen AI-producten positiever dan vrouwen op alle dimensies. Huishoudens met een hoger inkomen en een hoger opleidingsniveau zijn ook optimistischer.

Enquête Lloyd's Register Foundation en Gallup

Een mondiale enquête onder 125.911 personen in 121 landen (2021) toonde aan dat 39% AI over het algemeen nuttig acht voor het land, 28% schadelijk. Mannen zijn eerder geneigd AI nuttig te vinden dan vrouwen.

Zelfrijdende voertuigen. Slechts 27% van de respondenten wereldwijd voelt zich veilig in een zelfrijdend voertuig. Volgens Pew Research vindt slechts 26% van de Amerikanen zelfrijdende personenauto's een goed idee voor de samenleving.

Pew Research-enquête (VS)

Onder Amerikanen die enthousiasme voelen over AI zijn de voornaamste redenen: het potentieel om het leven en de samenleving te verbeteren (31%) en tijdsbesparing (13%). Onder bezorgden zijn de voornaamste redenen: banenverlies (19%), surveillance en digitale privacy (16%), verlies van menselijk contact (12%).

Mening van NLP-onderzoekers

Uit een enquête onder NLP-onderzoekers: 77% is het eens of gedeeltelijk eens dat particuliere AI-bedrijven te veel invloed hebben; 41% vindt dat NLP gereguleerd moet worden; 73% meent dat AI binnenkort tot revolutionaire sociale veranderingen kan leiden.

Analyse van sociale media

NetBase Quid voerde een analyse uit van meer dan 7 miljoen berichten op sociale media in 2022. De modellen ChatGPT en Stable Diffusion trokken de meeste aandacht. De belangrijkste gespreksonderwerpen waren ethische problemen, culturele en economische impact van AI.

Methodologie

Het rapport maakt gebruik van gegevens uit talrijke bronnen:

• Publicaties en patenten: Center for Security and Emerging Technology (CSET), Georgetown University; gegevens van Epoch.
• Benchmarks: Papers With Code, CRFM (HELM), BIG-bench, gespecialiseerde leaderboards.
• Investeringen: NetBase Quid (Capital IQ, Crunchbase).
• Arbeidsmarkt: Lightcast, LinkedIn.
• Bedrijfsactiviteit: McKinsey & Company, Deloitte, NetBase Quid (earnings calls).
• Robotica: International Federation of Robotics (IFR).
• Regulering: wetgevingsdatabases van 127 landen, parlementaire materialen van 81 landen.
• Publieke opinie: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (sociale media).
• Onderwijs: CRA Taulbee Survey, Code.org.
• Milieu-impact: Luccioni et al. (2022), GPU-gegevens — Epoch.

Auteursgroep

Het rapport is opgesteld onder leiding van co-directeuren Ray Perrault (Raymond Perrault, SRI International) en Jack Clark (Jack Clark, Anthropic / OECD). De onderzoeksleider en hoofdredacteur was Nestor Maslej (Nestor Maslej, Stanford University). Aan de voorbereiding van het rapport werkten mee: Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (oprichter van AI Index), Russell Wald, alsmede een brede kring van onderzoekers en partnerorganisaties. AI Index is een project van het Stanford HAI (Human-Centered Artificial Intelligence) Institute.

Referenties

• Stanford HAI — AI Index Report 2023 (volledige tekst): https://aiindex.stanford.edu/report/
• Epoch — gegevens over computationele trends en significante modellen: https://epochai.org/
• Papers With Code — benchmarks en leaderboards: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — database van incidenten met ethisch misbruik van 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 — gegevens over investeringen en sociale media: https://quid.com/
• IPSOS — mondiale enquête over houding ten opzichte van AI: https://www.ipsos.com/
• Pew Research Center — publieke opinieonderzoeken: https://www.pewresearch.org/
• CRA Taulbee Survey — onderwijsgegevens in CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Literatuur

• 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.