The 2023 AI Index Report (VI)

AI Index Report 2023 — ấn bản thường niên lần thứ sáu của báo cáo AI Index, được chuẩn bị bởi Viện Trí tuệ Nhân tạo Lấy Con người làm Trung tâm của Stanford (Stanford HAI). Báo cáo năm 2023 là ấn bản toàn diện nhất tính đến thời điểm công bố và bao gồm nhiều dữ liệu gốc hơn bất kỳ ấn bản nào trước đó: một chương mới dành riêng cho ý kiến công chúng về AI, phân tích chuyên sâu hơn về hiệu suất kỹ thuật, nghiên cứu gốc về các mô hình ngôn ngữ lớn và đa phương thức, xu hướng chi tiết trong lĩnh vực lập pháp về AI toàn cầu, cũng như nghiên cứu về tác động môi trường của các hệ thống AI. Báo cáo ra đời vào thời điểm AI bước vào "kỷ nguyên triển khai": trong suốt năm 2022 và đầu năm 2023, hàng tháng đều có các mô hình quy mô lớn mới được phát hành — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — thể hiện những khả năng chưa từng có trong việc tạo sinh văn bản, hình ảnh và nhận dạng giọng nói. AI Index theo dõi, hệ thống hóa và trực quan hóa dữ liệu về trí tuệ nhân tạo, cung cấp thông tin khách quan và được kiểm chứng kỹ lưỡng cho các nhà hoạch định chính sách, nhà nghiên cứu, lãnh đạo doanh nghiệp, nhà báo và công chúng.

Cấu trúc báo cáo

Báo cáo năm 2023 gồm tám chương chuyên đề:

1. Nghiên cứu và Phát triển (Research and Development) — xu hướng trong các công bố khoa học, bằng sáng chế, các mô hình Machine Learning nổi bật, các mô hình ngôn ngữ lớn và đa phương thức.
2. Hiệu suất Kỹ thuật (Technical Performance) — benchmark, thị giác máy tính, mô hình ngôn ngữ, giọng nói, Reinforcement Learning, phần cứng, tác động môi trường, AI trong khoa học.
3. Đạo đức Kỹ thuật AI (Technical AI Ethics) — định kiến, độc tính, công bằng, quyền riêng tư, deepfake.
4. Kinh tế (The Economy) — đầu tư, thị trường lao động, ứng dụng doanh nghiệp, robot học.
5. Giáo dục (Education) — đào tạo nhân lực, giáo dục đại học trong lĩnh vực khoa học máy tính và AI.
6. Chính sách và Quản trị (Policy and Governance) — lập pháp, quản lý, chiến lược quốc gia.
7. Đa dạng (Diversity) — đa dạng giới tính và dân tộc trong lĩnh vực AI.
8. Ý kiến Công chúng (Public Opinion) — chương mới: thái độ của công chúng đối với AI dựa trên các cuộc khảo sát quốc tế và phân tích mạng xã hội.

Các kết luận chính của báo cáo (Top 10 Takeaways)

Các tác giả báo cáo đã xác định mười luận điểm chính:

1. Ngành công nghiệp vượt trội học thuật

Trước năm 2014, phần lớn các mô hình Machine Learning đáng chú ý được phát hành bởi các tổ chức học thuật. Kể từ đó, vị trí dẫn đầu đã chuyển sang ngành công nghiệp. Năm 2022, ngành công nghiệp đã tạo ra 32 mô hình Machine Learning đáng chú ý, trong khi học thuật chỉ tạo ra 3. Việc xây dựng các hệ thống AI tiên tiến ngày càng đòi hỏi khối lượng dữ liệu khổng lồ, tài nguyên tính toán và nguồn tài chính mà các tổ chức công nghiệp sở hữu ở mức độ vượt trội hơn nhiều.

2. Bão hòa các benchmark truyền thống

AI tiếp tục lập kỷ lục mới trên các benchmark, nhưng mức tăng hiệu suất qua từng năm ngày càng trở nên nhỏ hơn. Đồng thời, tốc độ bão hòa benchmark ngày càng tăng. Tuy nhiên, các hệ thống đánh giá toàn diện mới đã xuất hiện — BIG-bench và HELM.

3. AI vừa giúp ích vừa gây hại cho môi trường

Các nghiên cứu mới cho thấy các hệ thống AI gây ra tác động môi trường nghiêm trọng. Theo dữ liệu của Luccioni et al. (2022), việc huấn luyện BLOOM thải ra lượng CO₂ nhiều gấp 25 lần so với một hành khách hàng không trên chuyến bay từ New York đến San Francisco. Tuy nhiên, các mô hình Reinforcement Learning như BCOOLER (DeepMind) cho thấy khả năng sử dụng AI để tối ưu hóa mức tiêu thụ năng lượng.

4. Nhà khoa học mới xuất sắc nhất — AI?

Các mô hình AI bắt đầu nhanh chóng thúc đẩy tiến bộ khoa học. Năm 2022, AI được sử dụng để hỗ trợ kiểm soát phản ứng tổng hợp hạt nhân hydro, tối ưu hóa thuật toán nhân ma trận (AlphaTensor) và tạo sinh kháng thể mới.

5. Số lượng sự cố liên quan đến việc sử dụng AI không đạo đức tăng nhanh chóng

Theo dữ liệu của cơ sở dữ liệu AIAAIC, số lượng sự cố và tình huống gây tranh cãi liên quan đến việc lạm dụng AI về mặt đạo đức đã tăng 26 lần kể từ năm 2012. Trong số các sự cố đáng chú ý năm 2022 có video deepfake về "sự đầu hàng" của Tổng thống Ukraine Volodymyr Zelensky và việc sử dụng công nghệ giám sát cuộc gọi trong các nhà tù Mỹ.

6. Nhu cầu về chuyên gia có kỹ năng AI tăng trưởng trong hầu hết các ngành

Trong hầu hết các lĩnh vực kinh tế của Mỹ (ngoại trừ nông nghiệp, lâm nghiệp, thủy sản và săn bắn), tỷ lệ vị trí tuyển dụng liên quan đến AI đã tăng trung bình từ 1,7% năm 2021 lên 1,9% năm 2022.

7. Lần đầu tiên trong một thập kỷ, đầu tư tư nhân vào AI giảm

Đầu tư tư nhân toàn cầu vào AI đạt 91,9 tỷ đô la Mỹ năm 2022, giảm 26,7% so với năm 2021. Tổng số sự kiện đầu tư và số lượng công ty AI được tài trợ lần đầu cũng giảm. Tuy nhiên, trong một thập kỷ, khối lượng đầu tư đã tăng 18 lần so với năm 2013.

8. Tỷ lệ công ty triển khai AI ổn định, nhưng những người dẫn đầu tiếp tục bứt phá

Tỷ lệ công ty sử dụng AI đã tăng hơn gấp đôi kể từ năm 2017, nhưng trong những năm gần đây đã ổn định ở mức 50–60%, theo cuộc khảo sát hàng năm của McKinsey. Các tổ chức đã triển khai AI báo cáo sự giảm chi phí và tăng doanh thu thực sự.

9. Sự quan tâm của các nhà hoạch định chính sách đối với AI ngày càng tăng

Phân tích các tài liệu lập pháp từ 127 quốc gia cho thấy số lượng dự luật có chứa thuật ngữ "trí tuệ nhân tạo" được thông qua thành luật đã tăng từ 1 năm 2016 lên 37 năm 2022. Đề cập đến AI trong các cuộc tranh luận nghị viện ở 81 quốc gia đã tăng gần 6,5 lần kể từ năm 2016.

10. Công dân Trung Quốc có thái độ tích cực nhất đối với AI; người Mỹ — ít tích cực hơn đáng kể

Theo cuộc khảo sát IPSOS năm 2022, 78% số người được hỏi ở Trung Quốc đồng ý với nhận định rằng các sản phẩm và dịch vụ dựa trên AI mang lại nhiều lợi ích hơn tác hại. Tiếp theo là Ả Rập Xê-út (76%) và Ấn Độ (71%). Chỉ 35% người được hỏi ở Mỹ chia sẻ quan điểm này — một trong những tỷ lệ thấp nhất trong số 28 quốc gia được khảo sát.

Chương 1. Nghiên cứu và Phát triển

Chương này phân tích xu hướng trong các công bố khoa học, bằng sáng chế, các mô hình Machine Learning nổi bật, các mô hình ngôn ngữ lớn và đa phương thức, hội nghị và mã nguồn mở.

Công bố khoa học

Tổng số công bố về AI tiếp tục tăng trưởng: đã tăng hơn gấp đôi kể từ năm 2010. Các hướng nghiên cứu chiếm ưu thế là nhận dạng mẫu (pattern recognition), Machine Learning và thị giác máy tính.

Vị trí dẫn đầu theo khu vực. Trung Quốc tiếp tục dẫn đầu về tổng số công bố về AI trên các tạp chí, hội nghị và kho lưu trữ. Tuy nhiên, Mỹ vẫn dẫn trước về số lượng trích dẫn các công bố tại hội nghị và kho lưu trữ, mặc dù khoảng cách này đang dần thu hẹp.

Hợp tác quốc tế. Số lượng hợp tác xuyên quốc gia lớn nhất trong các công bố về AI giai đoạn 2010–2021 thuộc về cặp Mỹ – Trung Quốc: con số này đã tăng khoảng 4 lần kể từ năm 2010 và gấp 2,5 lần so với cặp đứng kế tiếp (Anh – Trung Quốc). Tuy nhiên, tốc độ tăng trưởng của các công trình hợp tác Mỹ–Trung đã chậm lại: giai đoạn 2020–2021, mức tăng chỉ là 2,1% — thấp nhất trong toàn bộ giai đoạn quan sát.

Kho lưu trữ. Số lượng công bố trong các kho lưu trữ AI (arXiv, SSRN và các kho khác) đã tăng gần 27 lần trong 12 năm qua. Bắc Mỹ duy trì vị trí dẫn đầu về tỷ lệ công bố trong các kho lưu trữ kể từ năm 2016.

Các mô hình Machine Learning nổi bật

Sự thống trị của ngành công nghiệp. Năm 2022, 32 mô hình đáng chú ý được tạo ra bởi ngành công nghiệp so với chỉ 3 từ học thuật. Điều này xác nhận xu hướng đã hình thành từ năm 2014.

Quy mô và chi phí. Các mô hình ngôn ngữ lớn ngày càng lớn hơn và đắt hơn. GPT-2, được phát hành năm 2019 và được coi là một trong những mô hình ngôn ngữ lớn đầu tiên, có 1,5 tỷ tham số; chi phí huấn luyện khoảng 50.000 đô la Mỹ. PaLM (Google, 2022) có 540 tỷ tham số và tiêu tốn khoảng 8 triệu đô la Mỹ — mô hình lớn hơn GPT-2 360 lần và đắt hơn 160 lần.

Tài nguyên tính toán. Kể từ năm 2010, các mô hình ngôn ngữ đòi hỏi tài nguyên tính toán lớn nhất trong số tất cả các hệ thống Machine Learning. Dữ liệu từ Epoch ghi nhận sự tăng trưởng theo cấp số nhân về lượng tính toán (FLOP) được sử dụng trong quá trình huấn luyện.

Các mô hình ngôn ngữ lớn và đa phương thức

Xuất xứ quốc gia. Phần lớn tác giả của các mô hình ngôn ngữ lớn và đa phương thức đến từ các tổ chức Mỹ (54,2% vào năm 2022). Năm 2022, lần đầu tiên các nhà nghiên cứu từ Canada, Đức và Ấn Độ có đóng góp trong việc phát triển các mô hình như vậy.

Các mô hình chính năm 2022:

Mô hình	Nhà phát triển	Ngày phát hành	Ý nghĩa
DALL-E 2	OpenAI	Tháng 4 năm 2022	Hệ thống tạo sinh hình ảnh từ mô tả văn bản; khởi đầu "làn sóng bùng nổ AI tạo sinh"
PaLM (540B)	Google	Tháng 4 năm 2022	Một trong những mô hình ngôn ngữ lớn nhất năm 2022; 540 tỷ tham số
Gato	DeepMind	Tháng 5 năm 2022	Tác nhân đa nhiệm: điều khiển robot, chơi game, mô tả hình ảnh, tạo sinh văn bản
Imagen	Google	Tháng 5 năm 2022	Mô hình khuếch tán để tạo sinh hình ảnh với độ chân thực ảnh cao; benchmark DrawBench
Stable Diffusion	Stability AI	Tháng 8 năm 2022	Mô hình tạo sinh hình ảnh mã nguồn mở; phổ biến rộng rãi
Make-A-Video	Meta AI	Tháng 9 năm 2022	Hệ thống tạo sinh video từ mô tả văn bản
Whisper	OpenAI	Tháng 9 năm 2022	Hệ thống nhận dạng giọng nói đa năng hỗ trợ nhiều ngôn ngữ
ChatGPT	OpenAI	Tháng 11 năm 2022	Chatbot dựa trên LLM; sự tăng trưởng phổ biến chưa từng có của AI tạo sinh
GLM-130B	Đại học Thanh Hoa	2022	Mô hình song ngữ (tiếng Anh/tiếng Trung) mã nguồn mở; mô hình lớn duy nhất của Trung Quốc năm 2022

Chương 2. Hiệu suất Kỹ thuật

Chương này phân tích tiến bộ trong các nhiệm vụ thị giác máy tính, xử lý ngôn ngữ, giọng nói, Reinforcement Learning, phần cứng, cũng như tác động môi trường của AI và vai trò của AI trong khoa học.

Tình trạng các benchmark

AI tiếp tục thể hiện kết quả ở mức hoặc trên kỷ lục thế giới trên hầu hết các benchmark, nhưng những cải tiến ngày càng trở nên nhỏ hơn. Tốc độ bão hòa benchmark ngày càng tăng. Các hệ thống đánh giá toàn diện mới — BIG-bench và HELM — được thiết kế để cung cấp đánh giá khách quan và toàn diện hơn.

AI tạo sinh

Năm 2022 đánh dấu sự thâm nhập của AI tạo sinh vào nhận thức đại chúng. Các mô hình tạo sinh hình ảnh từ văn bản (DALL-E 2, Stable Diffusion), hệ thống tạo sinh video (Make-A-Video) và chatbot (ChatGPT) đã được phát hành. Tuy nhiên, các hệ thống này có xu hướng "ảo giác" — tự tin tạo ra các câu trả lời không chính xác hoặc vô nghĩa — điều này hạn chế việc sử dụng chúng trong các ứng dụng quan trọng.

Mô hình ngôn ngữ

MMLU. Benchmark Massive Multitask Language Understanding đánh giá các mô hình theo 57 lĩnh vực chủ đề. Năm 2022, các mô hình tốt nhất tiếp tục cải thiện chỉ số, nhưng vẫn còn khoảng cách đáng kể so với mức chuyên gia của con người.

HELM. Benchmark Holistic Evaluation of Language Models (HELM) của Stanford cung cấp đánh giá toàn diện các mô hình ngôn ngữ theo mười tình huống, bao gồm hiểu văn bản, toán học, lập luận pháp lý, cũng như đo lường định kiến và độc tính.

Lập kế hoạch và lập luận. Các mô hình ngôn ngữ tiếp tục cải thiện khả năng tạo sinh, nhưng gặp khó khăn nghiêm trọng với các nhiệm vụ lập kế hoạch. Nghiên cứu của Valmeekam et al. (2022) cho thấy GPT-3, Instruct-GPT3 và BLOOM cực kỳ kém hiệu quả trong các nhiệm vụ tạo kế hoạch, lập kế hoạch tối ưu và tái sử dụng kế hoạch trong môi trường Blocksworld.

Nhận dạng giọng nói

Whisper (OpenAI). Năm 2022, OpenAI giới thiệu Whisper — hệ thống nhận dạng giọng nói quy mô lớn được huấn luyện trên 680.000 giờ dữ liệu đa ngôn ngữ. Whisper thể hiện tiến bộ đáng kể về độ chính xác nhận dạng, tiệm cận mức độ con người trên một số benchmark, và hỗ trợ dịch từ hàng chục ngôn ngữ.

AI cải thiện AI

Xu hướng AI tự cải thiện đang hình thành. NVIDIA đã sử dụng tác nhân Reinforcement Learning để cải thiện kiến trúc chip cung cấp năng lực cho các hệ thống AI. Google đã sử dụng mô hình ngôn ngữ PaLM của mình để tìm kiếm các cách cải thiện chính mô hình PaLM.

Phần cứng

Xu hướng GPU. Hiệu suất tính toán trung vị (FLOP/s) của các GPU mới gần như tăng gấp ba kể từ năm 2021 và tăng khoảng 7.000 lần so với năm 2003. Hiệu suất trung vị tính trên đô la Mỹ (FLOP/s trên USD) năm 2022 cao hơn 1,4 lần so với năm 2021 và hơn 5.600 lần so với năm 2003, thể hiện sự nhân đôi hiệu suất mỗi 1,5 năm.

MLPerf. Benchmark MLPerf tiếp tục ghi nhận sự rút ngắn đều đặn của thời gian huấn luyện mô hình trên các nhiệm vụ tiêu chuẩn, phản ánh tiến bộ trong phần cứng và tối ưu hóa.

Tác động môi trường

Mục này được đưa vào báo cáo lần đầu tiên. Lượng khí thải carbon của các mô hình AI khác nhau đáng kể tùy thuộc vào cơ sở hạ tầng:

Mô hình	Tham số	Lượng phát thải CO₂ (tấn)	PUE của trung tâm dữ liệu
GPT-3	175 tỷ	502	1,10
Gopher	280 tỷ	352	1,08
OPT	175 tỷ	70	1,09
BLOOM	176 tỷ	25	1,20

GPT-3 thải ra lượng CO₂ nhiều hơn BLOOM 20 lần với số lượng tham số tương đương. Các yếu tố chính là cường độ carbon của lưới điện, hiệu quả của trung tâm dữ liệu (PUE) và thời gian huấn luyện.

Để so sánh: việc huấn luyện BLOOM thải ra lượng CO₂ nhiều hơn 25 lần so với một hành khách hàng không trên chuyến bay từ New York đến San Francisco, và nhiều hơn 1,4 lần so với lượng phát thải trung bình hàng năm của một người Mỹ. Lượng năng lượng tiêu thụ đủ để cung cấp điện cho một hộ gia đình Mỹ trung bình trong 41 năm.

Tối ưu hóa tiêu thụ năng lượng. Hệ thống BCOOLER (DeepMind) — tác nhân Reinforcement Learning để tối ưu hóa hệ thống làm mát tại các trung tâm dữ liệu của Google — trong ba tháng thử nghiệm đã tiết kiệm khoảng 12,7% năng lượng trong khi vẫn duy trì điều kiện hoạt động thoải mái.

AI trong khoa học (2022)

Kiểm soát plasma trong tokamak. DeepMind đã phát triển thuật toán Reinforcement Learning để kiểm soát tối ưu plasma trong tokamak — một thành tựu quan trọng trên con đường hướng tới phản ứng tổng hợp hạt nhân.

AlphaTensor. DeepMind đã sử dụng Reinforcement Learning để khám phá các thuật toán nhân ma trận vượt trội hơn các giải pháp hiện có — bao gồm cả thuật toán Strassen cổ điển cho ma trận 4×4.

AlphaCode. Hệ thống của DeepMind, viết chương trình máy tính ở mức độ cạnh tranh, đạt thứ hạng trong top 54% người tham gia trong các cuộc thi lập trình.

Tạo sinh kháng thể. AI tạo sinh đã được sử dụng để thiết kế kháng thể de novo, mở ra những cơ hội mới cho ngành dược phẩm sinh học.

Chương 3. Đạo đức Kỹ thuật AI

Chương này dành riêng cho các khía cạnh chính của đạo đức AI: định kiến, độc tính, công bằng và các sự cố.

Các chỉ số công bằng và định kiến

Năm 2022, số lượng các chỉ số và benchmark để đánh giá tính công bằng và định kiến trong các hệ thống AI tiếp tục tăng trưởng ổn định. Các chỉ số được mở rộng và tinh chỉnh: các nhà nghiên cứu điều chỉnh chúng cho các nhiệm vụ cụ thể (trả lời câu hỏi, suy luận ngôn ngữ tự nhiên) và sử dụng các mô hình ngôn ngữ để tạo sinh dữ liệu kiểm tra mở rộng. Năm 2022, các benchmark mới đã được giới thiệu, chẳng hạn như BBQ (Bias Benchmark for Question Answering), cùng với các đánh giá bổ sung trong khuôn khổ dự án BIG-bench quy mô lớn.

Có hai loại chỉ số: benchmark (tập dữ liệu được gán nhãn tĩnh đánh giá định kiến nội tại của mô hình — StereoSet, Winogender) và chỉ số chẩn đoán (đo lường sự khác biệt về hiệu suất mô hình giữa các nhóm nhân khẩu học khác nhau trong quá trình ứng dụng thực tế). Cả hai cách tiếp cận đều bổ sung cho nhau.

Ảnh hưởng của quy mô đối với định kiến

Các nghiên cứu năm 2022 cho thấy tác động của việc tăng quy mô mô hình đối với định kiến và độc tính là không nhất quán và phụ thuộc vào dữ liệu huấn luyện và các phương pháp giảm thiểu định kiến được áp dụng.

Các sự cố trong lĩnh vực AI

Theo dữ liệu của cơ sở dữ liệu AIAAIC, số lượng sự cố và tình huống gây tranh cãi liên quan đến việc lạm dụng AI về mặt đạo đức đã tăng 26 lần kể từ năm 2012. Sự tăng trưởng này được thúc đẩy bởi cả sự mở rộng ứng dụng AI lẫn việc nâng cao nhận thức về rủi ro.

Chương 4. Kinh tế

Chương này nghiên cứu xu hướng trong việc làm, đầu tư, ứng dụng AI trong doanh nghiệp và robot học.

Thị trường lao động

Tỷ lệ vị trí tuyển dụng liên quan đến AI ở Mỹ đã tăng trung bình từ 1,7% năm 2021 lên 1,9% năm 2022 trong hầu hết tất cả các ngành. Nhu cầu tăng trưởng được ghi nhận trong công nghệ, tài chính, sản xuất, y tế và các lĩnh vực khác.

Di chuyển sang ngành công nghiệp. Ngày càng nhiều người mới nhận bằng tiến sĩ trong lĩnh vực AI chọn làm việc trong ngành công nghiệp: năm 2021, 65,4% đi vào công nghiệp (so với 40,9% năm 2011), và chỉ 28,2% — vào học thuật (so với 41,6% năm 2011). Tỷ lệ tiến sĩ làm việc trong khu vực nhà nước vẫn ổn định ở mức thấp — 0,7%.

Đầu tư

Xu hướng chung. Đầu tư tư nhân toàn cầu vào AI đạt 91,9 tỷ đô la Mỹ — giảm 26,7% so với năm 2021. Số lượng sự kiện đầu tư giảm xuống còn 3.538 (giảm 12% so với năm 2021). Số lượng công ty AI được tài trợ lần đầu giảm xuống còn 1.392 (từ 1.669 năm 2021). Tuy nhiên, khối lượng đầu tư cao hơn 18 lần so với mức năm 2013.

Phân bổ theo khu vực. Mỹ dẫn đầu với mức đầu tư 47,4 tỷ đô la Mỹ — gấp 3,5 lần so với Trung Quốc (13,4 tỷ) và gấp 11 lần so với Anh (4,4 tỷ). Trong khi đó, đầu tư vào Mỹ giảm 35,5%, vào Trung Quốc — 41,3%. Tổng cộng trong giai đoạn 2013–2022, Mỹ nhận được 248,9 tỷ, Trung Quốc — 95,1 tỷ, Anh — 18,2 tỷ.

Các lĩnh vực trọng tâm. Các lĩnh vực hấp dẫn nhà đầu tư nhất là: y tế và chăm sóc sức khỏe (6,1 tỷ đô la Mỹ), quản lý dữ liệu, xử lý và công nghệ đám mây (5,9 tỷ), fintech (5,5 tỷ), an ninh mạng (5,4 tỷ) và bán lẻ (4,2 tỷ). Hầu hết các lĩnh vực trọng tâm đều ghi nhận sự sụt giảm đầu tư so với năm 2021.

Các sự kiện đầu tư lớn nhất năm 2022:

• GAC Aion New Energy Automobile (Trung Quốc, xe điện) — 2,54 tỷ đô la Mỹ;
• Anduril Industries (Mỹ, công nghệ quốc phòng) — 1,5 tỷ;
• Celonis (Đức, phân tích kinh doanh) — 1,22 tỷ.

Ứng dụng doanh nghiệp

Theo dữ liệu của McKinsey, tỷ lệ công ty sử dụng AI đã tăng hơn gấp đôi kể từ năm 2017, ổn định ở mức 50–60%. Các tổ chức đã triển khai AI báo cáo sự giảm chi phí và tăng doanh thu thực sự.

Báo cáo thu nhập (Earnings calls). Trong năm tài chính 2022, 268 công ty Fortune 500 đã đề cập đến AI trong các báo cáo thu nhập (giảm từ 306 năm 2021, nhưng tăng từ 225 năm 2018).

Thách thức. Các vấn đề chính khi triển khai dự án AI: chứng minh giá trị kinh doanh (37%), thiếu cam kết từ lãnh đạo (34%), lựa chọn công nghệ AI phù hợp (33%). Các rào cản chính trong mở rộng quy mô: quản lý rủi ro AI (50%), thu thập dữ liệu huấn luyện (44%), triển khai công nghệ (42%).

Robot học

Năm 2021, 517.000 robot công nghiệp đã được lắp đặt — tăng 31,3% so với năm 2020 và tăng hơn 3 lần so với năm 2011. Công suất vận hành của các robot công nghiệp đạt 3.477.000 đơn vị (tăng 14,6%).

Sự thống trị của Trung Quốc. Năm 2021, Trung Quốc lắp đặt 268.200 robot công nghiệp — nhiều hơn 5,7 lần so với Nhật Bản (47.200) và hơn 7,7 lần so với Mỹ (35.000). Kể từ năm 2013, khi Trung Quốc vượt qua Nhật Bản, thị phần của nước này đã tăng từ 20,8% lên 51,8% số lượng lắp đặt toàn cầu. Năm 2021, Trung Quốc lần đầu tiên lắp đặt nhiều robot công nghiệp hơn phần còn lại của thế giới cộng lại.

Chương 5. Giáo dục

Chương này xem xét các xu hướng trong giáo dục về khoa học máy tính và AI.

Giáo dục đại học

Bậc cử nhân. Số lượng sinh viên tốt nghiệp bậc cử nhân ngành khoa học máy tính (CS) ở Bắc Mỹ tiếp tục tăng trưởng.

Nghiên cứu sinh tiến sĩ. Năm 2021, có 1.893 tiến sĩ ngành khoa học máy tính được cấp bằng — ít hơn năm 2020 (1.997). Tỷ lệ sinh viên quốc tế trong số các nghiên cứu sinh tiến sĩ ngành CS đã tăng từ 45,8% năm 2010 lên 68,6% năm 2021.

Chuyên ngành AI. Năm 2021, 19,1% nghiên cứu sinh tiến sĩ CS mới ở Bắc Mỹ chuyên ngành AI — tăng 4,2 điểm phần trăm so với năm 2020 và tăng 8,6 điểm phần trăm so với năm 2012.

Chương 6. Chính sách và Quản trị

Chương này phân tích hoạt động lập pháp và quản lý trong lĩnh vực AI ở cấp độ toàn cầu, Mỹ và khu vực.

Xu hướng toàn cầu

Số lượng dự luật có chứa thuật ngữ "trí tuệ nhân tạo" được thông qua thành luật đã tăng từ 1 năm 2016 lên 37 năm 2022 (phân tích 127 quốc gia). Đề cập đến AI trong các cuộc tranh luận nghị viện ở 81 quốc gia đã tăng gần 6,5 lần kể từ năm 2016, mặc dù năm 2022 có sự giảm nhẹ so với năm 2021 (từ 1.547 xuống 1.340 lần đề cập).

Năm 2022, những quốc gia dẫn đầu về số lần đề cập AI trong các phiên họp nghị viện là: Tây Ban Nha (273), Canada (211), Anh (146), Mỹ (138).

Quản lý tại Mỹ

Ở cấp liên bang, năm 2022 có 88 dự luật liên quan đến AI được đề xuất, trong đó 9 đã được thông qua (tăng từ 3 trong các năm trước). Ở cấp tiểu bang, California (5 luật được thông qua) và Maryland (3) dẫn đầu.

Chiến lược quốc gia

Một số quốc gia đã thông qua luật mới bao gồm nhiều vấn đề: đào tạo nhân lực kỹ năng AI, kiểm soát việc sử dụng AI trong cơ quan thực thi pháp luật, tăng cường tính minh bạch trong việc ra quyết định bằng thuật toán.

Chương 7. Đa dạng

Phụ nữ và đại diện của các nhóm thiểu số vẫn bị thiếu đại diện đáng kể trong lĩnh vực AI cả trong ngành công nghiệp lẫn học thuật. Dữ liệu từ CRA Taulbee Survey và các nguồn khác ghi nhận tiến bộ chậm nhưng ổn định trong việc tăng cường sự đa dạng.

Chương 8. Ý kiến Công chúng

Chương mới của báo cáo phân tích nhận thức của công chúng về AI dựa trên các cuộc khảo sát quốc tế và phân tích mạng xã hội.

Các cuộc khảo sát toàn cầu (IPSOS)

Theo dữ liệu cuộc khảo sát IPSOS năm 2022 (19.504 người được hỏi tại 28 quốc gia):

• 60% người được hỏi cho rằng các sản phẩm AI sẽ thay đổi đáng kể cuộc sống của họ trong 3–5 năm tới;
• 60% cho rằng các sản phẩm AI giúp cuộc sống của họ dễ dàng hơn;
• 52% đồng ý rằng các sản phẩm AI mang lại nhiều lợi ích hơn tác hại;
• 40% lưu ý rằng các sản phẩm AI khiến họ lo lắng.

Sự khác biệt theo khu vực. Công dân Trung Quốc có thái độ tích cực nhất đối với AI (78% đồng ý về lợi ích của AI), tiếp theo là Ả Rập Xê-út (76%) và Ấn Độ (71%). Ít tích cực nhất là Pháp (31%), Canada (32%), Mỹ (35%).

Sự khác biệt về nhân khẩu học. Nam giới đánh giá các sản phẩm AI tích cực hơn phụ nữ theo tất cả các thước đo. Các hộ gia đình có thu nhập cao hơn và trình độ học vấn cao hơn cũng lạc quan hơn.

Khảo sát Lloyd's Register Foundation và Gallup

Cuộc khảo sát toàn cầu với 125.911 người tại 121 quốc gia (năm 2021) cho thấy 39% cho rằng AI nhìn chung có lợi cho đất nước, 28% — có hại. Nam giới có xu hướng coi AI là có lợi hơn so với phụ nữ.

Xe tự lái. Chỉ 27% số người được hỏi trên thế giới cảm thấy an toàn trong xe tự lái. Theo dữ liệu của Pew Research, chỉ 26% người Mỹ coi xe tự lái chở khách là ý tưởng tốt cho xã hội.

Khảo sát Pew Research (Mỹ)

Trong số người Mỹ bày tỏ sự hào hứng với AI, lý do chính là tiềm năng cải thiện cuộc sống và xã hội (31%) và tiết kiệm thời gian (13%). Trong số những người lo ngại — mất việc làm (19%), giám sát và quyền riêng tư kỹ thuật số (16%), mất đi các mối quan hệ con người (12%).

Ý kiến của các nhà nghiên cứu NLP

Theo dữ liệu cuộc khảo sát trong giới nghiên cứu NLP: 77% đồng ý hoặc đồng ý một phần rằng các công ty AI tư nhân có ảnh hưởng quá mức; 41% cho rằng NLP cần được quản lý; 73% cho rằng AI có thể sớm dẫn đến những thay đổi xã hội mang tính cách mạng.

Phân tích mạng xã hội

NetBase Quid đã phân tích hơn 7 triệu bài đăng trên mạng xã hội trong năm 2022. Các mô hình ChatGPT và Stable Diffusion thu hút sự chú ý nhiều nhất. Các chủ đề thảo luận chính — vấn đề đạo đức, tác động văn hóa và kinh tế của AI.

Phương pháp luận

Báo cáo sử dụng dữ liệu từ nhiều nguồn:

• Công bố và bằng sáng chế: Center for Security and Emerging Technology (CSET), Georgetown University; dữ liệu từ Epoch.
• Benchmark: Papers With Code, CRFM (HELM), BIG-bench, các bảng xếp hạng chuyên ngành.
• Đầu tư: NetBase Quid (Capital IQ, Crunchbase).
• Thị trường lao động: Lightcast, LinkedIn.
• Hoạt động doanh nghiệp: McKinsey & Company, Deloitte, NetBase Quid (earnings calls).
• Robot học: International Federation of Robotics (IFR).
• Quản lý: cơ sở lập pháp của 127 quốc gia, tài liệu nghị viện của 81 quốc gia.
• Ý kiến công chúng: IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (truyền thông xã hội).
• Giáo dục: CRA Taulbee Survey, Code.org.
• Tác động môi trường: Luccioni et al. (2022), dữ liệu GPU — Epoch.

Nhóm tác giả

Báo cáo được chuẩn bị dưới sự chỉ đạo của các đồng giám đốc Raymond Perrault (SRI International) và Jack Clark (Anthropic / OECD). Trưởng nhóm nghiên cứu và tổng biên tập là Nestor Maslej (Stanford University). Tham gia chuẩn bị báo cáo có Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (người sáng lập AI Index), Russell Wald, cùng nhiều nhà nghiên cứu và tổ chức đối tác. AI Index là dự án của Viện HAI (Human-Centered Artificial Intelligence) của Stanford.

Liên kết ngoài

• Stanford HAI — AI Index Report 2023 (toàn văn): https://aiindex.stanford.edu/report/
• Epoch — dữ liệu về xu hướng tính toán và các mô hình nổi bật: https://epochai.org/
• Papers With Code — benchmark và bảng xếp hạng: https://paperswithcode.com/
• CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/
• AIAAIC Repository — cơ sở dữ liệu về các sự cố lạm dụng AI về mặt đạo đức: 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 — dữ liệu về đầu tư và truyền thông xã hội: https://quid.com/
• IPSOS — khảo sát toàn cầu về thái độ đối với AI: https://www.ipsos.com/
• Pew Research Center — khảo sát ý kiến công chúng: https://www.pewresearch.org/
• CRA Taulbee Survey — dữ liệu giáo dục ngành CS: https://cra.org/resources/taulbee-survey/
• Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/

Tài liệu tham khảo

• 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.