The 2023 AI Index Report (TR)

AI Index Report 2023 — Stanford İnsan Merkezli Yapay Zeka Enstitüsü (Stanford HAI) tarafından hazırlanan AI Index raporunun altıncı yıllık baskısıdır. 2023 yılı raporu, yayımlandığı tarihe kadarki en kapsamlı baskı olup önceki baskıların herhangi birinden daha fazla özgün veri içermektedir: yapay zekaya ilişkin kamuoyu görüşlerine ayrılmış yeni bir bölüm, teknik performansın genişletilmiş analizi, büyük dil ve çok modlu modellere ilişkin özgün araştırmalar, küresel yapay zeka mevzuatındaki ayrıntılı eğilimler ve yapay zeka sistemlerinin çevresel etkisine dair araştırmalar bunlar arasında sayılabilir. Rapor, yapay zekanın "dağıtım çağına" girdiği bir dönemde yayımlanmaktadır: 2022 boyunca ve 2023'ün başlarında her ay, metin üretimi, görüntü üretimi ve konuşma tanıma alanlarında benzeri görülmemiş yetenekler sergileyen yeni büyük ölçekli modeller —ChatGPT, Stable Diffusion, Whisper, DALL-E 2— piyasaya sürülmüştür. AI Index, yapay zekaya ilişkin verileri izleyerek, sistematize ederek ve görselleştirerek politika yapıcılara, araştırmacılara, yöneticilere, gazetecilere ve kamuoyuna nesnel ve titizlikle doğrulanmış bilgiler sunmaktadır.

Raporun Yapısı

2023 yılı raporu sekiz tematik bölümden oluşmaktadır:

1. Araştırma ve Geliştirme (Research and Development) — yayınlardaki, patentlerdeki, önemli Machine Learning modellerindeki, büyük dil ve çok modlu modellerdeki eğilimler.
2. Teknik Performans (Technical Performance) — benchmark'lar, bilgisayarlı görü, dil modelleri, konuşma, Reinforcement Learning, donanım, çevresel etki, bilimde yapay zeka.
3. Yapay Zekanın Teknik Etiği (Technical AI Ethics) — önyargı, toksisite, adalet, gizlilik, deepfake'ler.
4. Ekonomi (The Economy) — yatırımlar, işgücü piyasası, kurumsal benimseme, robotik.
5. Eğitim (Education) — insan yetiştirme, bilgisayar bilimi ve yapay zeka alanında yükseköğretim.
6. Politika ve Yönetim (Policy and Governance) — mevzuat, düzenleme, ulusal stratejiler.
7. Çeşitlilik (Diversity) — yapay zeka alanında toplumsal cinsiyet ve etnik çeşitlilik.
8. Kamuoyu Görüşü (Public Opinion) — yeni bölüm: uluslararası anketler ve sosyal medya analizine dayalı olarak halkın yapay zekaya yaklaşımı.

Raporun Temel Bulguları (Top 10 Takeaways)

Rapor yazarları on ana tezi öne çıkarmıştır:

1. Sektör Akademinin Önünde

2014 yılına kadar önemli Machine Learning modellerinin büyük çoğunluğu akademik kurumlar tarafından yayımlanıyordu. O tarihten bu yana liderlik sektöre geçti. 2022 yılında sektör 32 önemli Machine Learning modeli üretirken akademi yalnızca 3 model üretti. İleri yapay zeka sistemlerinin geliştirilmesi, sektör kuruluşlarının çok daha büyük ölçüde sahip olduğu büyük veri hacimlerini, bilgi işlem kaynaklarını ve finansmanı giderek daha fazla gerektirmektedir.

2. Geleneksel Benchmark'ların Doyumu

Yapay zeka, benchmark'larda yeni rekorlar kırmaya devam etmektedir; ancak yıldan yıla performans artışı giderek daha marjinal hale gelmektedir. Bu arada benchmark'ların doyma hızı artmaktadır. Bununla birlikte BIG-bench ve HELM gibi yeni ve daha kapsamlı değerlendirme sistemleri ortaya çıkmaktadır.

3. Yapay Zeka Hem Çevreye Yardımcı Oluyor Hem de Zarar Veriyor

Yeni araştırmalar, yapay zeka sistemlerinin ciddi çevresel etkilere yol açtığını ortaya koymaktadır. Luccioni ve ark. (2022) verilerine göre BLOOM'un eğitimi, New York'tan San Francisco'ya uçan tek bir yolcudan 25 kat daha fazla karbondioksit emisyonuna neden olmuştur. Öte yandan BCOOLER (DeepMind) gibi Reinforcement Learning modelleri, yapay zekanın enerji tüketimini optimize etmek amacıyla kullanılabileceğini göstermektedir.

4. En İyi Yeni Bilim İnsanı Yapay Zeka Mı?

Yapay zeka modelleri bilimsel ilerlemeyi hızla ivmelendirmeye başlamaktadır. 2022 yılında yapay zeka, hidrojen füzyonu kontrolüne destek sağlamak, matris çarpma algoritmalarını optimize etmek (AlphaTensor) ve yeni antikorlar üretmek amacıyla kullanılmıştır.

5. Etik Dışı Yapay Zeka Kullanımına İlişkin Olayların Sayısı Hızla Artıyor

AIAAIC veri tabanına göre yapay zekanın etik kötüye kullanımıyla ilgili olay ve anlaşmazlıkların sayısı 2012'den bu yana 26 kat artmıştır. 2022 yılının dikkat çekici olayları arasında Ukrayna Cumhurbaşkanı Volodimir Zelenski'nin "teslim olduğunu" gösteren deepfake video ve Amerikan hapishanelerinde arama izleme teknolojilerinin kullanımı sayılabilir.

6. Yapay Zeka Becerilerine Sahip Uzmanlara Yönelik Talep Neredeyse Tüm Sektörlerde Artıyor

ABD ekonomisinin neredeyse tüm sektörlerinde (tarım, ormancılık, balıkçılık ve avcılık hariç) yapay zeka ile ilgili iş ilanlarının payı ortalama olarak 2021'deki %1,7'den 2022'de %1,9'a yükselmiştir.

7. On Yılda İlk Kez Özel Yapay Zeka Yatırımları Düştü

Küresel özel yapay zeka yatırımları 2022 yılında 91,9 milyar dolar olarak gerçekleşti; bu rakam 2021 yılı seviyesinden %26,7 daha düşüktür. Yatırım etkinliklerinin toplam sayısı ve ilk kez finanse edilen yapay zeka şirketlerinin sayısı da geriledi. Bununla birlikte yatırım hacmi, 2013 yılına kıyasla on yılda 18 kat büyümüştür.

8. Yapay Zekayı Benimseyen Şirketlerin Payı Sabitlendi, Ancak Liderler Öne Çıkmaya Devam Ediyor

McKinsey'in yıllık anket verilerine göre yapay zeka kullanan şirketlerin payı 2017'den bu yana ikiden fazla katlanmış; ancak son yıllarda %50-60 seviyesinde sabitlenmiştir. Yapay zekayı benimseyen kuruluşlar, gerçek maliyet düşüşleri ve gelir artışı bildirmektedir.

9. Politika Yapıcıların Yapay Zekaya İlgisi Artıyor

127 ülkedeki mevzuat belgelerinin analizi, "yapay zeka" terimini içeren ve kanun olarak kabul edilen yasa tasarısı sayısının 2016'daki 1'den 2022'de 37'ye yükseldiğini göstermektedir. 81 ülkenin parlamento tartışmalarında yapay zekadan bahsedilme sıklığı 2016'dan bu yana yaklaşık 6,5 kat artmıştır.

10. Çinli Vatandaşlar Yapay Zekaya En Olumlu Bakıyor; Amerikalılar Çok Daha Az

IPSOS'un 2022 anket verilerine göre Çinli katılımcıların %78'i, yapay zeka tabanlı ürün ve hizmetlerin zarardan çok yarar sağladığı görüşüne katılmaktadır. Bunu Suudi Arabistan (%76) ve Hindistan (%71) izlemektedir. Amerikalı katılımcıların yalnızca %35'i bu görüşü paylaşmaktadır; bu oran, ankete katılan 28 ülke arasındaki en düşük değerlerden biridir.

Bölüm 1. Araştırma ve Geliştirme

Bu bölüm, yayınlardaki, patentlerdeki, önemli Machine Learning modellerindeki, büyük dil ve çok modlu modellerdeki, konferanslardaki ve açık kaynak kodundaki eğilimleri analiz etmektedir.

Yayınlar

Yapay zeka alanındaki toplam yayın sayısı artmaya devam etmekte olup 2010'dan bu yana ikiden fazla katlanmıştır. Baskın araştırma alanları örüntü tanıma (pattern recognition), Machine Learning ve bilgisayarlı görüdür.

Bölgesel Liderlik. Çin, dergilerdeki, konferanslardaki ve depolardaki toplam yapay zeka yayın sayısında liderliğini sürdürmektedir. Ancak ABD, konferans ve depo yayınlarında atıf sayısı bakımından hâlâ önde olmakla birlikte bu fark yavaş yavaş kapanmaktadır.

Uluslararası İş Birliği. 2010-2021 yılları arasında yapay zeka yayınlarındaki en fazla ülkelerarası iş birliği ABD-Çin ikilisinde görülmektedir: bu sayı 2010'dan bu yana yaklaşık 4 kat artmış ve bir sonraki yakın ikilininin (Birleşik Krallık-Çin) 2,5 katına ulaşmıştır. Bununla birlikte ABD-Çin ortak çalışmalarının artış hızı yavaşlamıştır: 2020-2021 döneminde artış yalnızca %2,1 olmuştur ki bu, gözlem döneminin tamamındaki en düşük değerdir.

Depolar. Yapay zeka depolarındaki (arXiv, SSRN vb.) yayın sayısı son 12 yılda yaklaşık 27 kat artmıştır. Kuzey Amerika, 2016'dan bu yana depo yayınlarındaki pay açısından liderliğini korumaktadır.

Önemli Machine Learning Modelleri

Sektörün Üstünlüğü. 2022 yılında sektör tarafından 32 önemli model üretilirken akademiden yalnızca 3 model çıkmıştır. Bu durum, 2014'ten itibaren belirginleşen eğilimi doğrulamaktadır.

Ölçek ve Maliyet. Büyük dil modelleri giderek daha büyük ve daha pahalı hale gelmektedir. 2019 yılında yayımlanan ve ilk büyük dil modellerinden biri olarak kabul edilen GPT-2, 1,5 milyar parametre içermekteydi; eğitim maliyeti yaklaşık 50.000 dolar olarak gerçekleşti. PaLM (Google, 2022) 540 milyar parametre içermekte olup maliyeti yaklaşık 8 milyon dolardır; bu model GPT-2'den 360 kat daha büyük ve 160 kat daha pahalıdır.

Bilgi İşlem Kaynakları. 2010'dan bu yana dil modelleri, tüm Machine Learning sistemleri arasında en fazla bilgi işlem kaynağı gerektiren sistemler olmaya devam etmektedir. Epoch verileri, eğitimde kullanılan hesaplama miktarında (FLOP) üstel bir büyüme olduğunu ortaya koymaktadır.

Büyük Dil ve Çok Modlu Modeller

Ulusal Köken. Büyük dil ve çok modlu modellerin yazarlarının büyük çoğunluğu Amerikan kurumlarından gelmektedir (2022 yılında %54,2). 2022 yılında ilk kez Kanada, Almanya ve Hindistan'dan araştırmacılar bu tür modellerin geliştirilmesine katkıda bulunmuştur.

2022 Yılının Önemli Modelleri:

Model	Geliştirici	Tarih	Önem
DALL-E 2	OpenAI	Nisan 2022	Metin açıklamasından görüntü üretim sistemi; "üretken yapay zeka patlamasının" başlangıcı
PaLM (540B)	Google	Nisan 2022	2022 yılının en büyük dil modellerinden biri; 540 milyar parametre
Gato	DeepMind	Mayıs 2022	Çok görevli ajan: robot manipülasyonu, oyunlar, görüntü açıklama, metin üretimi
Imagen	Google	Mayıs 2022	Yüksek fotorealizm ile görüntü üretimi için difüzyon modeli; DrawBench benchmark'ı
Stable Diffusion	Stability AI	Ağustos 2022	Açık görüntü üretim modeli; kitlesel yayılım
Make-A-Video	Meta AI	Eylül 2022	Metin açıklamasından video üretim sistemi
Whisper	OpenAI	Eylül 2022	Çok dilli destek sunan evrensel konuşma tanıma sistemi
ChatGPT	OpenAI	Kasım 2022	LLM tabanlı sohbet botu; üretken yapay zekanın popülaritesinde benzeri görülmemiş artış
GLM-130B	Tsinghua Üniversitesi	2022	İki dilli (İng./Çin.) açık model; 2022'nin tek Çin büyük modeli

Bölüm 2. Teknik Performans

Bu bölüm, bilgisayarlı görü, dil işleme, konuşma, Reinforcement Learning, donanım görevlerindeki ilerlemeyi ve yapay zekanın çevresel etkisi ile bilim alanındaki rolünü analiz etmektedir.

Benchmark'ların Durumu

Yapay zeka, benchmark'ların büyük çoğunluğunda dünya rekoru düzeyinde veya üzerinde sonuçlar sergilemeye devam etmektedir; ancak iyileştirmeler giderek marjinalleşmektedir. Benchmark'ların doyma hızı artmaktadır. BIG-bench ve HELM gibi yeni kapsamlı değerlendirme sistemleri daha nesnel ve bütünsel bir değerlendirme sağlamayı amaçlamaktadır.

Üretken Yapay Zeka

2022 yılı, üretken yapay zekanın kitlesel bilince girişiyle öne çıkmıştır. Metinden görüntü üretim modelleri (DALL-E 2, Stable Diffusion), video üretim sistemleri (Make-A-Video) ve sohbet botları (ChatGPT) piyasaya sürülmüştür. Bununla birlikte bu sistemler, güvenle yanlış veya anlamsız yanıtlar üretme eğiliminde oldukları "halüsinasyon" sorunuyla karşı karşıyadır; bu durum kritik uygulamalarda kullanımlarını kısıtlamaktadır.

Dil Modelleri

MMLU. Massive Multitask Language Understanding benchmark'ı, modelleri 57 konu alanında değerlendirmektedir. 2022 yılında en iyi modeller puanlarını iyileştirmeye devam etmiş; ancak insan uzmanı düzeyine göre hâlâ önemli bir fark bulunmaktadır.

HELM. Stanford'un Holistic Evaluation of Language Models (HELM) benchmark'ı, metin anlama, matematik, hukuki akıl yürütme ile önyargı ve toksisite ölçümlerini kapsayan on senaryo üzerinden dil modellerini kapsamlı biçimde değerlendirmektedir.

Planlama ve Akıl Yürütme. Dil modelleri üretici yeteneklerini geliştirmeye devam etmekle birlikte planlama görevlerinde ciddi zorluklarla karşılaşmaktadır. Valmeekam ve ark. (2022) tarafından yürütülen araştırma, GPT-3, Instruct-GPT3 ve BLOOM'un Blocksworld ortamındaki plan üretme, en uygun planlama ve planları yeniden kullanma görevlerinde son derece düşük performans sergilediğini ortaya koymuştur.

Konuşma Tanıma

Whisper (OpenAI). 2022 yılında OpenAI, 680.000 saatlik çok dilli veri üzerinde eğitilmiş büyük ölçekli bir konuşma tanıma sistemi olan Whisper'ı tanıttı. Whisper, tanıma doğruluğunda önemli ilerleme kaydederek bazı benchmark'larda insan düzeyine yaklaşmakta ve onlarca dilden çeviriyi desteklemektedir.

Yapay Zeka Yapay Zekayı Daha İyi Yapıyor

Yapay zeka sistemlerinin öz-geliştirmesine yönelik bir eğilim belirginleşmektedir. NVIDIA, yapay zeka sistemlerine güç sağlayan çip mimarisini iyileştirmek için bir Reinforcement Learning ajanı kullandı. Google ise PaLM dil modelini, PaLM modelinin kendisini iyileştirmenin yollarını aramak amacıyla kullandı.

Donanım

GPU Eğilimleri. Yeni GPU'ların ortanca hesaplama performansı (FLOP/s) 2021'den bu yana neredeyse üç katına çıkmış ve 2003'ten bu yana yaklaşık 7.000 kat artmıştır. 2022 yılında dolar başına ortanca performans (FLOP/s per USD) 2021 değerinin 1,4 katına ve 2003 değerinin 5.600 katına ulaşmış olup 1,5 yılda bir performansın iki katına çıktığını göstermektedir.

MLPerf. MLPerf benchmark'ı, standart görevlerde model eğitim sürelerinin donanım ve optimizasyondaki ilerlemeyi yansıtarak sürekli olarak kısaldığını tescil etmeye devam etmektedir.

Çevresel Etki

Bu bölüm rapora ilk kez dahil edilmiştir. Yapay zeka modellerinin karbon ayak izi, altyapıya bağlı olarak önemli farklılıklar göstermektedir:

Model	Parametreler	CO₂ Emisyonu (ton)	Veri Merkezi PUE
GPT-3	175 milyar	502	1,10
Gopher	280 milyar	352	1,08
OPT	175 milyar	70	1,09
BLOOM	176 milyar	25	1,20

GPT-3, benzer sayıda parametre ile BLOOM'a kıyasla 20 kat daha fazla karbondioksit emisyonuna yol açmıştır. Temel etkenler enerji şebekesinin karbon yoğunluğu, veri merkezinin verimliliği (PUE) ve eğitim süresidir.

Karşılaştırma yapılacak olursa: BLOOM'un eğitimi, New York'tan San Francisco'ya uçan tek bir yolcudan 25 kat daha fazla CO₂ ve bir Amerikalının yıllık ortalama emisyonunun 1,4 katı kadar sera gazı üretmiştir. Tüketilen enerji, ortalama bir Amerikan hanesini 41 yıl boyunca elektrikle besleyebilecek miktardadır.

Enerji Tüketiminin Optimizasyonu. Google veri merkezlerinin soğutmasını optimize etmek için tasarlanmış bir Reinforcement Learning ajanı olan BCOOLER (DeepMind) sistemi, üç aylık deney süresinde konfor koşullarını korurken yaklaşık %12,7 oranında enerji tasarrufu sağlamıştır.

Bilimde Yapay Zeka (2022)

Tokamakta Plazma Kontrolü. DeepMind, termonükleer füzyona giden yolda önemli bir adım niteliğindeki tokamakta optimal plazma kontrolü için bir Reinforcement Learning algoritması geliştirdi.

AlphaTensor. DeepMind, 4×4 matrisler için klasik Strassen algoritması da dahil olmak üzere mevcut çözümleri aşan matris çarpma algoritmalarını keşfetmek amacıyla Reinforcement Learning kullandı.

AlphaCode. Rekabetçi düzeyde bilgisayar programları yazan DeepMind sistemi, programlama yarışmalarında katılımcıların üst %54'üne denk sıralama elde etti.

Antikor Üretimi. Üretken yapay zeka, antikorların de novo tasarımı için kullanıldı ve biyo-farmasötik alanında yeni olanaklar sunmaktadır.

Bölüm 3. Yapay Zekanın Teknik Etiği

Bu bölüm, yapay zeka etiğinin temel boyutlarına odaklanmaktadır: önyargı, toksisite, adalet ve olaylar.

Adalet ve Önyargı Metrikleri

2022 yılında yapay zeka sistemlerinin adalet ve önyargısını değerlendirmeye yönelik metrik ve benchmark sayısında istikrarlı bir büyüme gözlemlenmiştir. Metrikler genişlemekte ve hassaslaşmaktadır: araştırmacılar bunları belirli görevlere (soru cevaplama, doğal dil çıkarımı) uyarlamakta ve genişletilmiş test verileri üretmek için dil modellerini kullanmaktadır. 2022 yılında BBQ (Bias Benchmark for Question Answering) gibi yeni benchmark'lar ve BIG-bench kapsamlı projesindeki ek değerlendirmeler tanıtıldı.

İki tür metrik ayırt edilmektedir: benchmark'lar (modelin içsel önyargısını değerlendiren sabit etiketlenmiş veri kümeleri — StereoSet, Winogender) ve tanısal metrikler (gerçek uygulamada farklı demografik gruplar için model performans farklılığını ölçen). Her iki yaklaşım birbirini tamamlamaktadır.

Ölçeğin Önyargıya Etkisi

2022 yılı araştırmaları, model ölçeğinin büyütülmesinin önyargı ve toksisite üzerindeki etkisinin eğitim verilerine ve kullanılan önyargı azaltma yöntemlerine bağlı olarak belirsiz kaldığını göstermiştir.

Yapay Zeka Olayları

AIAAIC veri tabanına göre yapay zekanın etik kötüye kullanımıyla ilgili olay ve anlaşmazlıkların sayısı 2012'den bu yana 26 kat artmıştır. Bu artış hem yapay zekanın kullanım alanlarının genişlemesinden hem de risklere ilişkin farkındalığın artmasından kaynaklanmaktadır.

Bölüm 4. Ekonomi

Bu bölüm, işgücü, yatırımlar, kurumsal yapay zeka benimsemesi ve robotik alanlarındaki eğilimleri incelemektedir.

İşgücü Piyasası

ABD'de yapay zeka ile ilgili iş ilanlarının payı 2021'deki ortalama %1,7'den 2022'de %1,9'a yükselmiş; bu artış neredeyse tüm sektörlerde gözlemlenmiştir. Talepteki büyüme teknoloji, finans, üretim, sağlık hizmetleri ve diğer sektörlerde kendini göstermektedir.

Sektöre Geçiş. Yapay zeka alanında doktora derecesi alan yeni mezunların giderek artan bir oranı sektörde çalışmayı tercih etmektedir: 2021 yılında %65,4'ü sanayi sektörüne geçmiş (2011'de %40,9 iken), yalnızca %28,2'si akademiye yönelmiştir (2011'de %41,6 iken). Kamu sektöründe çalışan doktora mezunlarının payı %0,7 ile istikrarlı biçimde düşük kalmaktadır.

Yatırımlar

Genel Eğilimler. Küresel özel yapay zeka yatırımları 91,9 milyar dolar olarak gerçekleşti; 2021 yılına kıyasla %26,7 düşüş. Yatırım etkinlikleri sayısı 3.538'e geriledi (2021'e göre %12 düşüş). İlk kez finanse edilen yapay zeka şirketlerinin sayısı 1.392'ye indi (2021'deki 1.669'dan). Bununla birlikte yatırım hacmi 2013 yılı seviyesinin 18 katıdır.

Bölgesel Dağılım. ABD 47,4 milyar dolarlık yatırımla liderliği elinde bulundurmaktadır; bu rakam Çin'in (13,4 milyar) 3,5 katı ve Birleşik Krallık'ın (4,4 milyar) 11 katıdır. Bu dönemde ABD'deki yatırımlar %35,5, Çin'dekiler ise %41,3 oranında geriledi. 2013-2022 döneminin toplamına bakıldığında ABD'ye 248,9 milyar, Çin'e 95,1 milyar ve Birleşik Krallık'a 18,2 milyar dolar yatırım yapıldı.

Odak Alanlar. Yatırımcılar açısından en cazip alanlar şunlardır: tıp ve sağlık hizmetleri (6,1 milyar dolar), veri yönetimi, işleme ve bulut teknolojileri (5,9 milyar), fintech (5,5 milyar), siber güvenlik (5,4 milyar) ve perakende (4,2 milyar). Odak alanların büyük çoğunluğu 2021'e kıyasla yatırım düşüşü yaşadı.

2022 Yılının En Büyük Yatırım Etkinlikleri:

• GAC Aion New Energy Automobile (Çin, elektrikli araçlar) — 2,54 milyar dolar;
• Anduril Industries (ABD, savunma teknolojileri) — 1,5 milyar;
• Celonis (Almanya, iş analitiği) — 1,22 milyar.

Kurumsal Benimseme

McKinsey verilerine göre yapay zeka kullanan şirketlerin payı 2017'den bu yana ikiden fazla katlanmış, %50-60 seviyesinde stabilleşmiştir. Yapay zekayı benimseyen kuruluşlar gerçek maliyet düşüşleri ve gelir artışı bildirmektedir.

Kazanç Çağrıları. 2022 mali yılında Fortune 500 şirketlerinin 268'i kazanç raporlarında yapay zekadan söz etti (2021'deki 306'dan düşüş, ancak 2018'deki 225'ten artış).

Zorluklar. Yapay zeka projelerini başlatmadaki temel sorunlar: iş değerini kanıtlama (%37), yönetim desteğinin yetersizliği (%34), doğru yapay zeka teknolojisini seçme (%33). Ölçeklendirmenin başlıca engelleri: yapay zeka risk yönetimi (%50), eğitim verisi elde etme (%44), teknoloji entegrasyonu (%42).

Robotik

2021 yılında 517.000 endüstriyel robot kuruldu; bu rakam 2020'ye göre %31,3 ve 2011'e kıyasla üç kattan fazla artışa karşılık gelmektedir. Endüstriyel robotların operasyonel parkı 3.477.000 birime ulaştı (%14,6 büyüme).

Çin'in Hakimiyeti. 2021 yılında Çin 268.200 endüstriyel robot kurdu; bu rakam Japonya'nın (47.200) 5,7 katı ve ABD'nin (35.000) 7,7 katıdır. Çin'in Japonya'yı geride bıraktığı 2013'ten bu yana küresel kurulum payı %20,8'den %51,8'e yükseldi. 2021 yılında Çin ilk kez dünyanın geri kalanının toplamından daha fazla endüstriyel robot kurdu.

Bölüm 5. Eğitim

Bu bölüm, bilgisayar bilimi ve yapay zeka alanındaki eğitim eğilimlerini incelemektedir.

Yükseköğretim

Lisans. Kuzey Amerika'da bilgisayar bilimi (CS) alanında lisans mezunu sayısı artmaya devam etmektedir.

Doktora. 2021 yılında bilgisayar bilimi alanında 1.893 doktora mezunu verildi; bu rakam 2020 yılındaki 1.997'nin altındadır. CS doktora programlarında uluslararası öğrencilerin payı 2010'daki %45,8'den 2021'de %68,6'ya yükseldi.

Yapay Zeka Uzmanlığı. 2021 yılında Kuzey Amerika'daki yeni CS doktora öğrencilerinin %19,1'i yapay zeka üzerine uzmanlaştı; bu oran 2020'ye göre 4,2 puan ve 2012'ye kıyasla 8,6 puan artışa işaret etmektedir.

Bölüm 6. Politika ve Yönetim

Bu bölüm, küresel, Amerikan ve bölgesel düzeylerde yapay zeka alanındaki yasal ve düzenleyici faaliyetleri analiz etmektedir.

Küresel Eğilimler

"Yapay zeka" terimini içeren ve kanun olarak kabul edilen yasa tasarısı sayısı 2016'daki 1'den 2022'de 37'ye yükselmiştir (127 ülkenin analizi). 81 ülkenin parlamento tartışmalarında yapay zekadan yapılan atıflar 2016'dan bu yana yaklaşık 6,5 kat artmış; ancak 2022'de 2021'e kıyasla hafif bir düşüş yaşanmıştır (1.547'den 1.340'a).

2022 yılında parlamento oturumlarında en fazla yapay zeka atfı yapan ülkeler şunlardır: İspanya (273), Kanada (211), Birleşik Krallık (146), ABD (138).

ABD'de Düzenleme

Federal düzeyde 2022 yılında yapay zeka ile ilgili 88 yasa tasarısı önerildi, bunların 9'u kabul edildi (önceki yıllardaki 3'e kıyasla artış). Eyalet düzeyinde ise Kaliforniya (5 kabul edilen yasa) ve Maryland (3) öne çıkmaktadır.

Ulusal Stratejiler

Bir dizi ülke, yapay zeka becerilerinde personel yetiştirme, kolluk kuvvetlerinde yapay zeka kullanımının denetimi ve algoritmik karar almada şeffaflığın artırılması gibi geniş bir yelpazedeki konuları kapsayan yeni mevzuatı yürürlüğe koydu.

Bölüm 7. Çeşitlilik

Kadınlar ve azınlık mensupları hem sektörde hem akademide yapay zeka alanında hâlâ ciddi ölçüde yetersiz temsil edilmektedir. CRA Taulbee Survey ve diğer kaynakların verileri, çeşitliliğin artırılmasında yavaş ama istikrarlı bir ilerlemeyi kayıt altına almaktadır.

Bölüm 8. Kamuoyu Görüşü

Raporun yeni bölümü, uluslararası anketler ve sosyal medya analizine dayalı olarak kamuoyunun yapay zekayı nasıl algıladığını incelemektedir.

Küresel Anketler (IPSOS)

IPSOS'un 2022 anket verilerine göre (28 ülkede 19.504 katılımcı):

• Katılımcıların %60'ı, yapay zeka ürünlerinin önümüzdeki 3-5 yıl içinde hayatlarını önemli ölçüde değiştireceğini düşünüyor;
• %60'ı yapay zeka ürünlerinin hayatlarını kolaylaştırdığını düşünüyor;
• %52'si yapay zeka ürünlerinin zarardan çok yarar sağladığını kabul ediyor;
• %40'ı yapay zeka ürünlerinin kendilerini sinirli hissettirdiğini belirtiyor.

Bölgesel Farklılıklar. Yapay zekaya en olumlu yaklaşan Çin vatandaşlarıdır (%78'i yapay zekanın sağladığı yarara katılıyor), ardından Suudi Arabistan (%76) ve Hindistan (%71) gelmektedir. En az olumlu yaklaşanlar ise Fransa (%31), Kanada (%32) ve ABD'dir (%35).

Demografik Farklılıklar. Erkekler, yapay zeka ürünlerini tüm boyutlarda kadınlara kıyasla daha olumlu değerlendirmektedir. Daha yüksek gelirli ve daha yüksek eğitim düzeyine sahip haneler de daha iyimser bir tutum sergilemektedir.

Lloyd's Register Foundation ve Gallup Anketi

121 ülkede 125.911 kişiyle gerçekleştirilen küresel anket (2021) sonuçlarına göre katılımcıların %39'u yapay zekanın genel olarak ülkeleri için yararlı olduğunu düşünürken %28'i zararlı olduğunu düşünmektedir. Erkekler, kadınlara kıyasla yapay zekayı yararlı bulmaya daha yatkındır.

Sürücüsüz Araçlar. Dünya genelinde katılımcıların yalnızca %27'si sürücüsüz bir araçta kendini güvende hissedebileceğini belirtmektedir. Pew Research verilerine göre ise Amerikalıların yalnızca %26'sı yolcu taşıyan sürücüsüz araçları toplum için iyi bir fikir olarak görmektedir.

Pew Research Anketi (ABD)

Yapay zekaya ilişkin heyecan duyan Amerikalılar arasında başlıca nedenler hayatı ve toplumu iyileştirme potansiyeli (%31) ve zaman tasarrufu (%13) olarak öne çıkmaktadır. Endişe duyanlarda ise iş kayıpları (%19), gözetim ve dijital mahremiyet (%16) ve insan ilişkilerinin kaybı (%12) ön plana çıkmaktadır.

NLP Araştırmacılarının Görüşleri

NLP araştırmacıları arasında gerçekleştirilen ankete göre: %77'si özel yapay zeka şirketlerinin aşırı etkiye sahip olduğunu kabul ediyor ya da kısmen kabul ediyor; %41'i NLP'nin düzenlenmesi gerektiğini düşünüyor; %73'ü yapay zekanın yakın gelecekte devrimci toplumsal değişikliklere yol açabileceğini öngörüyor.

Sosyal Medya Analizi

NetBase Quid, 2022 yılına ait 7 milyondan fazla sosyal medya gönderisini analiz etti. ChatGPT ve Stable Diffusion modelleri en fazla ilgiyi çekti. Tartışmaların başlıca konuları etik sorunlar ile yapay zekanın kültürel ve ekonomik etkisi oldu.

Metodoloji

Rapor, çok sayıda kaynaktan derlenen verileri kullanmaktadır:

• Yayınlar ve Patentler: Center for Security and Emerging Technology (CSET), Georgetown University; Epoch verileri.
• Benchmark'lar: Papers With Code, CRFM (HELM), BIG-bench, uzmanlık liderboardları.
• Yatırımlar: NetBase Quid (Capital IQ, Crunchbase).
• İşgücü Piyasası: Lightcast, LinkedIn.
• Kurumsal Faaliyet: McKinsey & Company, Deloitte, NetBase Quid (kazanç çağrıları).
• Robotik: International Federation of Robotics (IFR).
• Düzenleme: 127 ülkenin mevzuat veri tabanları, 81 ülkenin parlamento materyalleri.
• Kamuoyu Görüşü: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (sosyal medya).
• Eğitim: CRA Taulbee Survey, Code.org.
• Çevresel Etki: Luccioni ve ark. (2022), GPU verileri — Epoch.

Yazar Kadrosu

Rapor, ortak yöneticiler Ray Perrault (Raymond Perrault, SRI International) ve Jack Clark (Jack Clark, Anthropic / OECD) liderliğinde hazırlanmıştır. Araştırma direktörü ve baş editör olarak Nestor Maslej (Nestor Maslej, Stanford University) görev yapmıştır. Raporun hazırlanmasına Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (AI Index'in kurucusu), Russell Wald ve geniş bir araştırmacı ile ortak kuruluş topluluğu katkıda bulunmuştur. AI Index, Stanford HAI (Human-Centered Artificial Intelligence) Enstitüsü'nün bir projesidir.

Kaynakça

• 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.

Notlar

• Stanford HAI — AI Index Report 2023 (tam metin): https://aiindex.stanford.edu/report/
• Epoch — hesaplama eğilimleri ve önemli modeller hakkında veriler: https://epochai.org/
• Papers With Code — benchmark'lar ve liderboardlar: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — etik kötüye kullanım olayları veri tabanı: 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 — yatırım ve sosyal medya verileri: https://quid.com/
• IPSOS — yapay zekaya ilişkin tutumlar hakkında küresel anket: https://www.ipsos.com/
• Pew Research Center — kamuoyu anketleri: https://www.pewresearch.org/
• CRA Taulbee Survey — CS alanında eğitim verileri: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/