The 2023 AI Index Report (TL)

AI Index Report 2023 — ikaanim na taunang edisyon ng ulat na AI Index, inihanda ng Stanford Institute for Human-Centered Artificial Intelligence (Stanford HAI). Ang ulat ng 2023 ay ang pinakamalawak na edisyon sa oras ng publikasyon at naglalaman ng mas maraming orihinal na datos kaysa sa anumang nakaraang edisyon: isang bagong kabanata tungkol sa opinyon ng publiko hinggil sa AI, pinalawak na pagsusuri ng teknikal na pagganap, orihinal na pananaliksik sa malalaking language at multimodal na modelo, detalyadong mga trend sa pandaigdigang batas sa AI, gayundin ang pananaliksik sa ekolohikal na epekto ng mga AI system. Inilabas ang ulat sa panahon na ang AI ay pumapasok sa "panahon ng deployment": sa buong 2022 at simula ng 2023, buwanang inilalabas ang mga bagong malakihang modelo — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — na nagpapakita ng walang katulad na kakayahan sa pagbuo ng teksto, imahe at pagkilala ng pananalita. Sinusubaybayan, inaayos at binibiswal ng AI Index ang datos tungkol sa artificial intelligence, na nagbibigay ng layunin at maingat na na-verify na impormasyon para sa mga tagapagbuo ng patakaran, mananaliksik, tagapamuno, mamamahayag at pangkalahatang publiko.

Istraktura ng ulat

Ang ulat ng 2023 ay binubuo ng walong tematikal na kabanata:

1. Pananaliksik at Pagpapaunlad (Research and Development) — mga trend sa mga publikasyon, patent, makabuluhang modelo ng machine learning, malalaking language at multimodal na modelo.
2. Teknikal na Pagganap (Technical Performance) — mga benchmark, computer vision, mga language model, pananalita, reinforcement learning, hardware, ekolohikal na epekto, AI sa agham.
3. Teknikal na Etika ng AI (Technical AI Ethics) — pagkiling, toxicity, katarungan, privacy, deepfake.
4. Ekonomiya (The Economy) — mga pamumuhunan, merkado ng trabaho, pagsasama ng korporasyon, robotics.
5. Edukasyon (Education) — paghahanda ng mga tauhan, mataas na edukasyon sa larangan ng computer science at AI.
6. Patakaran at Pamamahala (Policy and Governance) — batas, regulasyon, mga pambansang estratehiya.
7. Pagkakaiba-iba (Diversity) — pagkakaiba-iba sa kasarian at etnisidad sa larangan ng AI.
8. Opinyon ng Publiko (Public Opinion) — bagong kabanata: saloobin ng populasyon sa AI batay sa mga internasyonal na survey at pagsusuri ng mga social network.

Mga pangunahing konklusyon ng ulat (Top 10 Takeaways)

Binigyang-diin ng mga may-akda ng ulat ang sampung pangunahing tesis:

1. Nangunguna ang industriya sa akademya

Bago ang 2014, karamihan sa mga makabuluhang modelo ng machine learning ay inilabas ng mga akademikong institusyon. Mula noon, lumipat ang pamumuno sa industriya. Noong 2022, lumikha ang industriya ng 32 makabuluhang modelo ng machine learning, habang ang akademya ay 3 lamang. Ang paglikha ng mga advanced na AI system ay lalong nangangailangan ng napakaraming datos, computing resources at pondong tinatamasa ng mga organisasyon sa industriya sa mas malaking lawak.

2. Pagkabusog ng mga tradisyonal na benchmark

Patuloy na nagtatakda ng mga bagong rekord ang AI sa mga benchmark, ngunit ang pagtaas ng pagganap mula taon-taon ay lalong nagiging marginal. Gayunpaman, tumataas ang bilis ng pagkabusog ng mga benchmark. Gayunpaman, may lumalabas na mga bago, mas komplikadong sistema ng pagtatasa — BIG-bench at HELM.

3. Sabay na tumutulong at nakakasama sa kapaligiran ang AI

Ipinakita ng mga bagong pananaliksik na ang mga AI system ay may malaking ekolohikal na epekto. Ayon sa datos ng Luccioni et al. (2022), ang pagsasanay ng BLOOM ay naglabas ng 25 beses na mas maraming carbon dioxide kaysa sa isang pasahero sa eroplano mula New York patungong San Francisco. Gayunpaman, ang mga reinforcement learning na modelo tulad ng BCOOLER (DeepMind) ay nagpapakita ng posibilidad na gamitin ang AI para sa pag-optimize ng pagkonsumo ng enerhiya.

4. Ang pinakamahusay na bagong siyentipiko — AI?

Nagsisimulang mabilis na mapabilis ng mga AI model ang siyentipikong pag-unlad. Noong 2022, ginamit ang AI para tulungan ang pamamahala ng hydrogen fusion, pag-optimize ng mga algorithm ng pagpaparami ng matrix (AlphaTensor) at pagbuo ng mga bagong antibody.

5. Mabilis na lumalaki ang bilang ng mga insidente na may kaugnayan sa hindi etikal na paggamit ng AI

Ayon sa datos ng database ng AIAAIC, ang bilang ng mga insidente at kontrobersyal na sitwasyon na may kaugnayan sa etikal na pag-abuso sa AI ay tumaas ng 26 beses mula 2012. Kabilang sa mga kapansin-pansing insidente ng 2022 ang deepfake na video ng "pagsuko" ng Pangulo ng Ukraine na si Volodymyr Zelensky at ang paggamit ng mga teknolohiya sa pagsubaybay ng tawag sa mga bilangguan ng Amerika.

6. Lumalaki ang demand para sa mga espesyalista na may kasanayan sa AI sa halos lahat ng industriya

Sa halos lahat ng sektor ng ekonomiya ng Estados Unidos (maliban sa agrikultura, industriya ng kagubatan, pangingisda at pangangaso), ang bahagi ng mga bakanteng may kaugnayan sa AI ay tumaas sa average mula 1.7% noong 2021 hanggang 1.9% noong 2022.

7. Sa unang pagkakataon sa isang dekada, bumaba ang mga pribadong pamumuhunan sa AI

Ang pandaigdigang mga pribadong pamumuhunan sa AI ay umabot sa 91.9 bilyong dolyar noong 2022, na 26.7% na mas mababa kaysa sa 2021. Bumaba rin ang kabuuang bilang ng mga kaganapan sa pamumuhunan at ang bilang ng mga kumpanyang AI na pinondohan sa unang pagkakataon. Gayunpaman, sa loob ng isang dekada, lumaki ang dami ng pamumuhunan nang 18 beses kumpara sa 2013.

8. Napanatag ang bahagi ng mga kumpanyang nagpapatupad ng AI, ngunit patuloy na nangunguna ang mga lider

Ang bahagi ng mga kumpanyang gumagamit ng AI ay mahigit doble mula 2017, ngunit sa mga nakaraang taon ay napanatag sa 50–60%, ayon sa taunang survey ng McKinsey. Nag-uulat ang mga organisasyong nagpatupad ng AI ng tunay na pagbaba ng gastos at pagtaas ng kita.

9. Lumalaki ang interes ng mga tagapagbuo ng patakaran sa AI

Ipinakita ng pagsusuri ng mga dokumentong pambatas ng 127 bansa na ang bilang ng mga panukalang batas na naglalaman ng terminong "artificial intelligence" at tinanggap bilang mga batas ay tumaas mula 1 noong 2016 hanggang 37 noong 2022. Ang mga pagbanggit ng AI sa mga debate sa parlamento ng 81 bansa ay tumaas ng halos 6.5 beses mula 2016.

10. Ang mga mamamayan ng Tsina ay pinakapositibong nagturing sa AI; ang mga Amerikano — nang mas kaunti

Ayon sa survey ng IPSOS para sa 2022, 78% ng mga respondente mula Tsina ang sumasang-ayon sa pahayag na ang mga produkto at serbisyong batay sa AI ay nagbibigay ng mas maraming benepisyo kaysa pinsala. Sinusundan sila ng Saudi Arabia (76%) at India (71%). 35% lamang ng mga respondenteng Amerikano ang nagbabahagi ng opinyon na ito — isa sa pinakamababang marka sa 28 bansang kasama sa survey.

Kabanata 1. Pananaliksik at Pagpapaunlad

Sinusuri ng kabanata ang mga trend sa mga publikasyon, patent, makabuluhang modelo ng machine learning, malalaking language at multimodal na modelo, mga kumperensya at bukas na code.

Mga publikasyon

Patuloy na lumalaki ang kabuuang bilang ng mga publikasyon sa AI: mahigit doble ito mula 2010. Ang mga nangunguna sa pananaliksik — pattern recognition, machine learning at computer vision.

Rehiyonal na pamumuno. Patuloy na nangunguna ang Tsina sa kabuuang bilang ng mga publikasyon sa AI sa mga journal, kumperensya at repository. Gayunpaman, nangunguna pa rin ang Estados Unidos sa bilang ng mga sipi ng mga publikasyon sa kumperensya at repository, kahit unti-unting lumiit ang agwat na ito.

Internasyonal na pakikipagtulungan. Ang pinakamaraming pakikipagtulungan sa pagitan ng mga bansa sa mga publikasyon sa AI para sa 2010–2021 ay para sa pares na Estados Unidos — Tsina: lumaki ang kanilang bilang ng humigit-kumulang 4 beses mula 2010 at 2.5 beses na lumagpas sa pakikipagtulungan ng susunod na pinakamalapit na pares (United Kingdom — Tsina). Gayunpaman, bumabagal ang paglaki ng mga magkasamang gawa ng Estados Unidos–Tsina: noong 2020–2021, ang pagtaas ay 2.1% lamang — ang pinakamababa sa buong panahon ng obserbasyon.

Mga repository. Ang bilang ng mga publikasyon sa mga AI repository (arXiv, SSRN at iba pa) ay lumaki ng halos 27 beses sa nakaraang 12 taon. Pinanatili ng Hilagang Amerika ang pamumuno sa bahagi ng mga publikasyon sa mga repository mula 2016.

Mga makabuluhang modelo ng machine learning

Dominasyon ng industriya. Noong 2022, lumikha ang industriya ng 32 makabuluhang modelo kumpara sa 3 lamang mula sa akademya. Kinukumpirma nito ang trend na nagsimula mula 2014.

Sukat at gastos. Ang malalaking language model ay lalong nagiging mas malaki at mas mahal. Ang GPT-2, inilabas noong 2019 at itinuturing na isa sa mga unang malalaking language model, ay naglalaman ng 1.5 bilyong parameter; ang pagsasanay nito ay nagkakahalaga ng humigit-kumulang 50,000 dolyar. Ang PaLM (Google, 2022) ay naglalaman ng 540 bilyong parameter at nagkakahalaga ng humigit-kumulang 8 milyong dolyar — ang modelo ay 360 beses na mas malaki kaysa sa GPT-2 at 160 beses na mas mahal.

Computing resources. Simula 2010, ang mga language model ay nangangailangan ng pinakamaraming computing resources sa lahat ng sistema ng machine learning. Naitala ng datos ng Epoch ang exponential na paglaki ng mga kalkulasyon (FLOP) na ginagamit sa pagsasanay.

Malalaking language at multimodal na modelo

Pambansang pagkakaroon. Karamihan sa mga may-akda ng malalaking language at multimodal na modelo ay mula sa mga institusyong Amerikano (54.2% noong 2022). Noong 2022, sa unang pagkakataon ay nag-ambag ang mga mananaliksik mula Canada, Germany at India sa pagbuo ng mga ganitong modelo.

Mga pangunahing modelo ng 2022:

Modelo	Developer	Petsa	Kahalagahan
DALL-E 2	OpenAI	Abril 2022	Sistema ng pagbuo ng imahe batay sa tekstong paglalarawan; simula ng "generative AI boom"
PaLM (540B)	Google	Abril 2022	Isa sa mga pinakamalaking language model ng 2022; 540 bilyong parameter
Gato	DeepMind	Mayo 2022	Multitask na ahente: manipulasyon ng robot, mga laro, paglalarawan ng imahe, pagbuo ng teksto
Imagen	Google	Mayo 2022	Diffusion model para sa pagbuo ng imahe na may mataas na photorealism; benchmark DrawBench
Stable Diffusion	Stability AI	Agosto 2022	Bukas na modelo ng pagbuo ng imahe; malawakang pamamahagi
Make-A-Video	Meta AI	Setyembre 2022	Sistema ng pagbuo ng video batay sa tekstong paglalarawan
Whisper	OpenAI	Setyembre 2022	Unibersal na sistema ng pagkilala ng pananalita na may suporta para sa maraming wika
ChatGPT	OpenAI	Nobyembre 2022	Chatbot batay sa LLM; walang katulad na paglaki ng katanyagan ng generative AI
GLM-130B	Unibersidad ng Tsinghua	2022	Bukas na modelo na dalawang wika (Ingles/Tsino); ang tanging malaking modelong Tsino ng 2022

Kabanata 2. Teknikal na Pagganap

Sinusuri ng kabanata ang pag-unlad sa mga gawain ng computer vision, pagpoproseso ng wika, pananalita, reinforcement learning, hardware, gayundin ang ekolohikal na epekto ng AI at ang papel ng AI sa agham.

Kalagayan ng mga benchmark

Patuloy na nagpapakita ang AI ng mga resulta sa antas o mas mataas kaysa sa world record sa karamihan ng mga benchmark, ngunit ang mga pagpapabuti ay nagiging marginal. Tumataas ang bilis ng pagkabusog ng mga benchmark. Ang mga bagong komprehensibong sistema ng pagtatasa — BIG-bench at HELM — ay layuning magbigay ng mas layunin at mas komprehensibong pagtatasa.

Generative AI

Noong 2022, lumabas ang generative AI sa kamalayan ng masa. Inilabas ang mga modelo ng pagbuo ng imahe mula sa teksto (DALL-E 2, Stable Diffusion), mga sistema ng pagbuo ng video (Make-A-Video) at mga chatbot (ChatGPT). Gayunpaman, ang mga sistemang ito ay may posibilidad sa "hallucination" — kumpiyansang pagbuo ng hindi tama o walang kahulugang mga sagot — na naglilimita sa kanilang paggamit sa mga kritikal na aplikasyon.

Mga language model

MMLU. Sinusuri ng benchmark ng Massive Multitask Language Understanding ang mga modelo sa 57 paksa. Noong 2022, patuloy na pinahusay ng mga pinakamahusay na modelo ang mga marka, ngunit may malaking agwat pa rin sa antas ng human expert.

HELM. Ang Stanford benchmark na Holistic Evaluation of Language Models (HELM) ay nagbibigay ng komprehensibong pagtatasa ng mga language model sa sampung senaryo, kabilang ang pag-unawa sa teksto, matematika, legal na pangangatuwiran, gayundin ang mga sukat ng pagkiling at toxicity.

Pagpaplano at pangangatuwiran. Patuloy na pinapahusay ng mga language model ang mga generative na kakayahan, ngunit nakakaranas ng malalang kahirapan sa mga gawain ng pagpaplano. Ipinakita ng pananaliksik ng Valmeekam et al. (2022) na ang GPT-3, Instruct-GPT3 at BLOOM ay napakahirap gumaganap sa mga gawain ng pagbuo ng plano, pinakamainam na pagpaplano at muling paggamit ng mga plano sa kapaligiran ng Blocksworld.

Pagkilala ng pananalita

Whisper (OpenAI). Noong 2022, inilabas ng OpenAI ang Whisper — isang malakihang sistema ng pagkilala ng pananalita na sinanay sa 680,000 oras ng multilinggwal na datos. Nagpakita ang Whisper ng makabuluhang pag-unlad sa katumpakan ng pagkilala, papalapit sa antas ng tao sa ilang benchmark, at sinusuportahan ang pagsasalin mula sa ilang dose-dosenang wika.

Ginagawang mas mahusay ng AI ang AI

Nagsimula ang isang trend patungo sa self-improvement ng mga AI system. Gumamit ang NVIDIA ng reinforcement learning na ahente para mapabuti ang arkitektura ng chip na nagpapalakas sa mga AI system. Gumamit ang Google ng kanyang language model na PaLM para hanapin ang mga paraan ng pagpapabuti ng mismong modelo ng PaLM.

Hardware

Mga trend sa GPU. Ang median na computing performance (FLOP/s) ng mga bagong GPU ay halos tatlong beses na lumaki mula 2021 at tumaas ng humigit-kumulang 7,000 beses mula 2003. Ang median na pagganap sa bawat dolyar ng Estados Unidos (FLOP/s bawat USD) noong 2022 ay 1.4 beses na lumampas sa marka ng 2021 at 5,600 beses sa marka ng 2003, na nagpapakita ng pagdoble ng pagganap bawat 1.5 taon.

MLPerf. Patuloy na naitala ng benchmark ng MLPerf ang walang tigil na pagbawas ng oras ng pagsasanay ng mga modelo sa mga karaniwang gawain, na sumasalamin sa pag-unlad sa hardware at pag-optimize.

Ekolohikal na epekto

Sa unang pagkakataon, isinama ang seksyong ito sa ulat. Ang carbon footprint ng mga AI model ay malaki ang pagkakaiba depende sa imprastraktura:

Modelo	Mga Parameter	Mga emisyon ng CO₂ (tonelada)	PUE ng data center
GPT-3	175 bilyon	502	1.10
Gopher	280 bilyon	352	1.08
OPT	175 bilyon	70	1.09
BLOOM	176 bilyon	25	1.20

Naglabas ang GPT-3 ng 20 beses na mas maraming carbon dioxide kaysa sa BLOOM, na may maihahambing na bilang ng mga parameter. Ang mga pangunahing salik ay ang carbon intensity ng power grid, kahusayan ng data center (PUE) at tagal ng pagsasanay.

Para sa paghahambing: ang pagsasanay ng BLOOM ay naglabas ng 25 beses na mas maraming CO₂ kaysa sa isang pasahero sa eroplano mula New York patungong San Francisco, at 1.4 beses na mas marami kaysa sa average na taunang emisyon ng isang Amerikanong mamamayan. Ang natupok na enerhiya ay sapat na upang matustusan ang isang karaniwang sambahayan ng Amerika ng kuryente sa loob ng 41 taon.

Pag-optimize ng pagkonsumo ng enerhiya. Ang sistema ng BCOOLER (DeepMind) — isang reinforcement learning na ahente para sa pag-optimize ng pagpapalamig ng mga data center ng Google — ay nagbigay ng tipid sa enerhiya ng humigit-kumulang 12.7% sa loob ng tatlong buwang eksperimento habang pinapanatili ang komportableng mga kondisyon.

AI sa agham (2022)

Pamamahala ng plasma sa tokamak. Bumuo ang DeepMind ng algorithm ng reinforcement learning para sa pinakamainam na pamamahala ng plasma sa isang tokamak — isang pangunahing tagumpay sa landas patungo sa thermonuclear fusion.

AlphaTensor. Gumamit ang DeepMind ng reinforcement learning para matuklasan ang mga algorithm ng pagpaparami ng matrix na lampas sa mga umiiral na solusyon — kabilang ang klasikong algorithm ng Strassen para sa mga matrix na 4×4.

AlphaCode. Ang sistema ng DeepMind na sumusulat ng mga computer program sa kompetitibong antas ay nakamit ang ranggo sa nangungunang 54% ng mga kalahok sa mga kumpetisyon sa programming.

Pagbuo ng antibody. Ginamit ang generative AI para sa de novo na disenyo ng mga antibody, na nagbubukas ng mga bagong posibilidad para sa biopharmaceutics.

Kabanata 3. Teknikal na Etika ng AI

Ang kabanata ay nakatuon sa mga pangunahing dimensyon ng etika ng AI: pagkiling, toxicity, katarungan at mga insidente.

Mga sukatan ng katarungan at pagkiling

Noong 2022, may matatag na paglaki ng bilang ng mga sukatan at benchmark para sa pagtatasa ng katarungan at pagkiling ng mga AI system. Lumalawak at napipino ang mga sukatan: ina-adapt ng mga mananaliksik ang mga ito sa mga tiyak na gawain (pagsagot sa mga tanong, natural language inference) at gumagamit ng mga language model para bumuo ng pinapalawak na mga datos ng pagsubok. Noong 2022, ipinakita ang mga bagong benchmark tulad ng BBQ (Bias Benchmark for Question Answering), gayundin ang mga karagdagang pagtatasa sa loob ng malakihang proyekto ng BIG-bench.

Mayroong dalawang uri ng sukatan: mga benchmark (mga nakatayong set ng may label na datos na nagtatasa ng panloob na pagkiling ng modelo — StereoSet, Winogender) at mga diagnostic na sukatan (sumusukat ng pagkakaiba ng pagganap ng modelo para sa iba't ibang grupo ng demograpiko sa aktwal na paggamit). Parehong nagpupunan ang dalawang diskarte.

Impluwensya ng sukat sa pagkiling

Ipinakita ng mga pananaliksik noong 2022 na ang impluwensya ng pagtaas ng sukat ng modelo sa pagkiling at toxicity ay hindi malinaw at depende sa datos ng pagsasanay at mga pamamaraan ng pagbabawas ng pagkiling.

Mga insidente sa larangan ng AI

Ayon sa datos ng database ng AIAAIC, ang bilang ng mga insidente at kontrobersyal na sitwasyon na may kaugnayan sa etikal na pag-abuso sa AI ay tumaas ng 26 beses mula 2012. Ang paglaki ay dulot ng parehong pagpapalawak ng paggamit ng AI at pagtaas ng kamalayan sa mga panganib.

Kabanata 4. Ekonomiya

Sinasaliksik ng kabanata ang mga trend sa trabaho, mga pamumuhunan, pagsasama ng AI sa korporasyon at robotics.

Merkado ng trabaho

Ang bahagi ng mga bakanteng may kaugnayan sa AI sa Estados Unidos ay tumaas sa average mula 1.7% noong 2021 hanggang 1.9% noong 2022 sa halos lahat ng industriya. Nakikita ang paglaki ng demand sa teknolohiya, pananalapi, produksyon, pangangalagang pangkalusugan at iba pang sektor.

Paglipat sa industriya. Lalong lumalaki ang porsyento ng mga bagong may hawak ng doktorado sa AI na pumipili ng trabaho sa industriya: noong 2021, 65.4% ang pumunta sa industriya (kumpara sa 40.9% noong 2011), at 28.2% lamang — sa akademya (kumpara sa 41.6% noong 2011). Ang bahagi ng mga PhD na nagtatrabaho sa sektor ng gobyerno ay nananatiling matatag na mababa — 0.7%.

Mga pamumuhunan

Mga pangkalahatang trend. Ang pandaigdigang mga pribadong pamumuhunan sa AI ay umabot sa 91.9 bilyong dolyar — pagbaba ng 26.7% kumpara sa 2021. Ang bilang ng mga kaganapan sa pamumuhunan ay bumaba sa 3,538 (pagbagsak ng 12% sa 2021). Ang bilang ng mga kumpanyang AI na pinondohan sa unang pagkakataon ay bumaba sa 1,392 (mula 1,669 noong 2021). Gayunpaman, ang dami ng pamumuhunan ay 18 beses na mas malaki kaysa sa antas ng 2013.

Rehiyonal na pamamahagi. Nangunguna ang Estados Unidos na may pamumuhunan na 47.4 bilyong dolyar — 3.5 beses na mas malaki kaysa sa Tsina (13.4 bilyon) at 11 beses na mas malaki kaysa sa United Kingdom (4.4 bilyon). Kasabay nito, bumaba ang mga pamumuhunan sa Estados Unidos ng 35.5%, sa Tsina — ng 41.3%. Sa kabuuan para sa 2013–2022, 248.9 bilyon ang namuhunan sa Estados Unidos, 95.1 bilyon sa Tsina, 18.2 bilyon sa United Kingdom.

Mga pangunahing lugar ng interes. Ang pinakakaaya-ayang larangan para sa mga mamumuhunan: medisina at pangangalagang pangkalusugan (6.1 bilyong dolyar), pamamahala ng datos, pagpoproseso at cloud technology (5.9 bilyon), fintech (5.5 bilyon), cybersecurity (5.4 bilyon) at retail (4.2 bilyon). Karamihan sa mga pangunahing lugar ng interes ay nakapagtala ng pagbaba ng mga pamumuhunan kumpara sa 2021.

Mga pinakamalaking kaganapan sa pamumuhunan ng 2022:

• GAC Aion New Energy Automobile (Tsina, mga electric na sasakyan) — 2.54 bilyong dolyar;
• Anduril Industries (Estados Unidos, teknolohiya sa depensa) — 1.5 bilyon;
• Celonis (Germany, business analytics) — 1.22 bilyon.

Pagsasama sa korporasyon

Ayon sa datos ng McKinsey, ang bahagi ng mga kumpanyang gumagamit ng AI ay mahigit doble mula 2017, na napanatag sa 50–60%. Nag-uulat ang mga organisasyong nagpatupad ng AI ng tunay na pagbaba ng gastos at pagtaas ng kita.

Mga earnings call. Sa taon ng pananalapi 2022, 268 kumpanya ng Fortune 500 ang nagbanggit ng AI sa mga ulat ng kita (pagbaba mula 306 noong 2021, ngunit pagtaas mula 225 noong 2018).

Mga hamon. Ang mga pangunahing problema sa paglulunsad ng mga proyektong AI: pagpapatunay ng halaga sa negosyo (37%), kakulangan ng pangako ng pamamahala (34%), pagpili ng tamang mga teknolohiya ng AI (33%). Ang mga pangunahing hadlang sa pagpapalaki: pamamahala ng mga panganib ng AI (50%), pagkuha ng datos para sa pagsasanay (44%), pagpapatupad ng mga teknolohiya (42%).

Robotics

Noong 2021, nai-install ang 517,000 industriyal na robot — paglaki ng 31.3% kumpara sa 2020 at mahigit 3 beses mula 2011. Ang operational na stock ng mga industriyal na robot ay umabot sa 3,477,000 na yunit (paglaki ng 14.6%).

Dominasyon ng Tsina. Noong 2021, nag-install ang Tsina ng 268,200 industriyal na robot — 5.7 beses na mas marami kaysa sa Japan (47,200) at 7.7 beses na mas marami kaysa sa Estados Unidos (35,000). Mula 2013, nang lampasan ng Tsina ang Japan, ang bahagi nito ay lumaki mula 20.8% hanggang 51.8% ng pandaigdigang mga pag-install. Noong 2021, sa unang pagkakataon ay nag-install ang Tsina ng mas maraming industriyal na robot kaysa sa lahat ng ibang bansa sa mundo na pinagsama.

Kabanata 5. Edukasyon

Tinatalakay ng kabanata ang mga trend sa edukasyon sa larangan ng computer science at AI.

Mataas na edukasyon

Undergraduate. Patuloy na lumalaki ang bilang ng mga undergraduate na nagtapos sa computer science (CS) sa Hilagang Amerika.

Doktorado. Noong 2021, 1,893 doktor sa computer science ang nagtapos — mas kaunti kaysa noong 2020 (1,997). Ang bahagi ng mga internasyonal na estudyante sa mga PhD sa CS ay lumaki mula 45.8% noong 2010 hanggang 68.6% noong 2021.

Espesyalisasyon sa AI. Noong 2021, 19.1% ng mga bagong doktorado sa CS sa Hilagang Amerika ay nag-espesyalisa sa AI — pagtaas ng 4.2 puntos kumpara sa 2020 at 8.6 puntos mula 2012.

Kabanata 6. Patakaran at Pamamahala

Sinusuri ng kabanata ang aktibidad sa batas at regulasyon sa larangan ng AI sa pandaigdigang, Amerikanong at rehiyonal na antas.

Pandaigdigang mga trend

Ang bilang ng mga panukalang batas na naglalaman ng terminong "artificial intelligence" at tinanggap bilang mga batas ay tumaas mula 1 noong 2016 hanggang 37 noong 2022 (pagsusuri ng 127 bansa). Ang mga pagbanggit ng AI sa mga debate sa parlamento ng 81 bansa ay tumaas ng halos 6.5 beses mula 2016, kahit noong 2022 ay may bahagyang pagbaba kumpara sa 2021 (mula 1,547 hanggang 1,340 na pagbanggit).

Noong 2022, ang mga nangunguna sa bilang ng mga pagbanggit ng AI sa mga sesyon ng parlamento ay: Spain (273), Canada (211), United Kingdom (146), Estados Unidos (138).

Regulasyon sa Estados Unidos

Sa pederal na antas noong 2022, 88 panukalang batas na may kaugnayan sa AI ang iminungkahi, kung saan 9 ang tinanggap (pagtaas mula 3 sa mga nakaraang taon). Sa antas ng estado, nangunguna ang California (5 tinanggap na batas) at Maryland (3).

Mga pambansang estratehiya

Ilang bansa ang nagpasa ng bagong batas na sumasaklaw sa malawak na hanay ng mga isyu: pagsasanay ng mga tauhan sa mga kasanayan sa AI, kontrol sa paggamit ng AI sa mga ahensya ng pagpapatupad ng batas, pagpapataas ng transparency ng algorithmic na paggawa ng desisyon.

Kabanata 7. Pagkakaiba-iba

Ang mga kababaihan at mga kinatawan ng mga minorya ay patuloy na lubhang kulang sa kinatawan sa larangan ng AI, parehong sa industriya at sa akademya. Naitala ng datos ng CRA Taulbee Survey at iba pang pinagkukunan ang mabagal ngunit matatag na pag-unlad sa pagpapataas ng pagkakaiba-iba.

Kabanata 8. Opinyon ng Publiko

Sinusuri ng bagong kabanata ng ulat ang pampublikong pananaw sa AI batay sa mga internasyonal na survey at pagsusuri ng mga social network.

Pandaigdigang mga survey (IPSOS)

Ayon sa datos ng survey ng IPSOS ng 2022 (19,504 respondente sa 28 bansa):

• 60% ng mga respondente ang naniniwala na ang mga produktong AI ay makabuluhang magbabago ng kanilang buhay sa susunod na 3–5 taon;
• 60% ang naniniwala na ang mga produktong AI ay ginagawang mas madali ang kanilang buhay;
• 52% ang sumasang-ayon na ang mga produktong AI ay nagbibigay ng mas maraming benepisyo kaysa pinsala;
• 40% ang napapansin na ang mga produktong AI ay nagdudulot sa kanila ng kabalakibak.

Mga rehiyonal na pagkakaiba. Ang mga mamamayan ng Tsina (78% sumasang-ayon sa benepisyo ng AI), Saudi Arabia (76%) at India (71%) ang pinakapositibong nagturing sa AI. Ang pinakakakarampot na positibo — France (31%), Canada (32%), Estados Unidos (35%).

Mga demograpikong pagkakaiba. Mas positibong tinatasa ng mga lalaki ang mga produktong AI kaysa sa mga babae sa lahat ng dimensyon. Ang mga sambahayan na may mas mataas na kita at mas mataas na antas ng edukasyon ay mas optimistiko rin.

Survey ng Lloyd's Register Foundation at Gallup

Ipinakita ng pandaigdigang survey ng 125,911 tao sa 121 bansa (2021) na 39% ang naniniwala na ang AI sa kabuuan ay kapaki-pakinabang para sa bansa, 28% — nakakasama. Ang mga lalaki ay mas may posibilidad na ituring na kapaki-pakinabang ang AI kaysa sa mga babae.

Mga sasakyang walang driver. 27% lamang ng mga respondente sa buong mundo ang nakakaramdam ng kaligtasan sa isang sasakyang walang driver. Ayon sa datos ng Pew Research, 26% lamang ng mga Amerikano ang nagsasabing ang mga pasaherong sasakyang walang driver ay isang magandang ideya para sa lipunan.

Survey ng Pew Research (Estados Unidos)

Sa mga Amerikanong nakakaramdam ng pagkatuwa sa AI, ang mga pangunahing dahilan — potensyal na mapabuti ang buhay at lipunan (31%) at pagtitipid ng oras (13%). Sa mga nag-aalala — pagkawala ng trabaho (19%), pagmamatyag at digital na privacy (16%), pagkawala ng mga ugnayang pantao (12%).

Opinyon ng mga NLP na mananaliksik

Ayon sa datos ng survey sa mga NLP na mananaliksik: 77% ang sumasang-ayon o bahagyang sumasang-ayon na ang mga pribadong kumpanya ng AI ay may labis na impluwensya; 41% ang naniniwala na ang NLP ay dapat regulahin; 73% ang naniniwala na malapit nang maging sanhi ng rebolusyonaryong pagbabago sa lipunan ang AI.

Pagsusuri ng mga social network

Nagsagawa ang NetBase Quid ng pagsusuri ng mahigit 7 milyong post sa mga social network para sa 2022. Ang mga modelo ng ChatGPT at Stable Diffusion ay nakaakit ng pinakamaraming atensyon. Ang mga pangunahing paksa ng talakayan — mga etikal na problema, kultural at ekonimikong epekto ng AI.

Metodolohiya

Gumagamit ang ulat ng datos mula sa maraming pinagkukunan:

• Mga publikasyon at patent: Center for Security and Emerging Technology (CSET), Georgetown University; datos ng Epoch.
• Mga benchmark: Papers With Code, CRFM (HELM), BIG-bench, mga espesyalisadong leaderboard.
• Mga pamumuhunan: NetBase Quid (Capital IQ, Crunchbase).
• Merkado ng trabaho: Lightcast, LinkedIn.
• Aktibidad ng korporasyon: McKinsey & Company, Deloitte, NetBase Quid (mga earnings call).
• Robotics: International Federation of Robotics (IFR).
• Regulasyon: mga base ng batas ng 127 bansa, mga materyales ng parlamento ng 81 bansa.
• Opinyon ng publiko: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (social media).
• Edukasyon: CRA Taulbee Survey, Code.org.
• Ekolohikal na epekto: Luccioni et al. (2022), datos sa GPU — Epoch.

Kopohan ng mga may-akda

Inihanda ang ulat sa ilalim ng pamumuno ng mga co-director na Ray Perrault (Raymond Perrault, SRI International) at Jack Clark (Jack Clark, Anthropic / OECD). Ang Nestor Maslej (Nestor Maslej, Stanford University) ang nagsilbing pinuno ng pananaliksik at punong editor. Sa paghahanda ng ulat ay lumahok sina Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (tagapagtatag ng AI Index), Russell Wald, gayundin ang malawak na grupo ng mga mananaliksik at mga organisasyong kasosyo. Ang AI Index ay isang proyekto ng Stanford Institute ng HAI (Human-Centered Artificial Intelligence).

Mga sanggunian

• Stanford HAI — AI Index Report 2023 (buong teksto): https://aiindex.stanford.edu/report/
• Epoch — datos tungkol sa mga computational trend at makabuluhang modelo: https://epochai.org/
• Papers With Code — mga benchmark at leaderboard: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — base ng mga insidente ng etikal na pag-abuso sa 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 — datos tungkol sa mga pamumuhunan at social media: https://quid.com/
• IPSOS — pandaigdigang survey tungkol sa saloobin sa AI: https://www.ipsos.com/
• Pew Research Center — mga survey ng opinyon ng publiko: https://www.pewresearch.org/
• CRA Taulbee Survey — datos tungkol sa edukasyon sa CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Talasanggunian

• 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.