The 2024 AI Index Report (BN)

From Systems analysis Wiki
Jump to navigation Jump to search

AI Index Report 2024 — AI Index-এর সপ্তম বার্ষিক সংস্করণ, যা স্ট্যানফোর্ড ইনস্টিটিউট ফর হিউম্যান-সেন্টার্ড আর্টিফিশিয়াল ইন্টেলিজেন্স (Stanford HAI) কর্তৃক প্রস্তুত করা হয়েছে[1]। ২০২৪ সালের প্রতিবেদনটি প্রকাশনার সমগ্র ইতিহাসে সবচেয়ে বিস্তৃত এবং এটি এমন একটি সময়ে প্রকাশিত হচ্ছে যখন সমাজের উপর AI-এর প্রভাব অভূতপূর্বভাবে স্পষ্ট হয়ে উঠেছে। এই সংস্করণে মডেল প্রশিক্ষণের ব্যয়ের নতুন মূল্যায়ন, দায়িত্বশীল AI-এর বিস্তারিত বিশ্লেষণ অন্তর্ভুক্ত রয়েছে এবং প্রথমবারের মতো বিজ্ঞান ও চিকিৎসায় AI-এর প্রভাব নিয়ে একটি পৃথক অধ্যায় যুক্ত হয়েছে। প্রতিবেদনটি কৃত্রিম বুদ্ধিমত্তা সংক্রান্ত তথ্য অনুসরণ করে, সুশৃঙ্খলভাবে উপস্থাপন করে এবং দৃশ্যমান করে, নীতিনির্ধারক, গবেষক, ব্যবস্থাপক, সাংবাদিক ও সাধারণ জনগণের জন্য বস্তুনিষ্ঠ ও যত্নসহকারে যাচাইকৃত তথ্য সরবরাহ করে।

প্রতিবেদনের কাঠামো

২০২৪ সালের প্রতিবেদনটি নয়টি বিষয়ভিত্তিক অধ্যায় নিয়ে গঠিত[1]:

  1. গবেষণা ও উন্নয়ন (Research and Development) — প্রকাশনা, পেটেন্ট, foundation model এবং উন্মুক্ত প্রকল্পের ধারা।
  2. কারিগরি কার্যক্ষমতা (Technical Performance) — benchmark, মানুষের সাথে তুলনা, মাল্টিমোডালিটি।
  3. দায়িত্বশীল AI (Responsible AI) — ঘটনা, নিরাপত্তা, পক্ষপাত, গোপনীয়তা।
  4. অর্থনীতি (Economy) — বিনিয়োগ, শ্রমবাজার, কর্পোরেট গ্রহণ, রোবোটিক্স।
  5. বিজ্ঞান ও চিকিৎসা (Science and Medicine) — নতুন অধ্যায়: বিজ্ঞান ও চিকিৎসা প্রয়োগে AI-এর অগ্রগতি।
  6. শিক্ষা (Education) — দক্ষতা উন্নয়ন, শিক্ষামূলক কার্যক্রম, শিক্ষায় ChatGPT।
  7. নীতি ও প্রশাসন (Policy and Governance) — আইনসভা, নিয়ন্ত্রণ, জাতীয় কৌশল।
  8. বৈচিত্র্য (Diversity) — AI ক্ষেত্রে লিঙ্গ ও জাতিগত বৈচিত্র্য।
  9. জনমত (Public Opinion) — আন্তর্জাতিক জরিপের তথ্যের ভিত্তিতে AI সম্পর্কে জনগণের মনোভাব।

প্রতিবেদনের মূল উপসংহার (Top 10)

প্রতিবেদনের লেখকরা ২০২৪ সালের দশটি প্রধান বিষয় চিহ্নিত করেছেন[1]:

১. AI কিছু কাজে মানুষকে ছাড়িয়ে গেছে, তবে সব কাজে নয়

কৃত্রিম বুদ্ধিমত্তা সিস্টেমগুলো বেশ কয়েকটি benchmark-এ মানুষের স্তর অতিক্রম করেছে, যার মধ্যে রয়েছে ছবি শ্রেণিবিভাগ (ImageNet), ভিজ্যুয়াল রিজনিং (VQA) এবং ইংরেজি ভাষা বোঝার সক্ষমতা (SuperGLUE)। তবে AI এখনও আরও জটিল কাজে মানুষের চেয়ে পিছিয়ে রয়েছে: অলিম্পিক স্তরের গণিত (MATH), দৃশ্যমান সাধারণ যুক্তি এবং পরিকল্পনায়[1]।

২. শিল্পখাত অগ্রণী AI গবেষণায় আধিপত্য বিস্তার করছে

২০২৩ সালে শিল্পখাত ৫১টি উল্লেখযোগ্য Machine Learning মডেল তৈরি করেছে, যেখানে একাডেমিয়া মাত্র ১৫টি তৈরি করেছে। এর পাশাপাশি ২১টি মডেল শিল্পখাত ও একাডেমিয়ার যৌথ কাজের ফল — যা একটি রেকর্ড সংখ্যা[1]।

৩. অগ্রণী মডেলের প্রশিক্ষণ ব্যয় দ্রুত বৃদ্ধি পাচ্ছে

AI Index ও Epoch AI-এর মূল্যায়ন অনুযায়ী, GPT-4 প্রশিক্ষণে প্রায় ৭ কোটি ৮০ লাখ মার্কিন ডলার এবং Google-এর Gemini Ultra প্রশিক্ষণে প্রায় ১৯ কোটি ১০ লাখ মার্কিন ডলার ব্যয় হয়েছে[2]। তুলনার জন্য: ২০১৭ সালে মূল Transformer মডেলের প্রশিক্ষণে প্রায় ৯০০ ডলার এবং ২০১৯ সালে RoBERTa Large-এর প্রশিক্ষণে প্রায় ১ লাখ ৬০ হাজার ডলার খরচ হয়েছিল[1]।

৪. মার্কিন যুক্তরাষ্ট্র অগ্রণী AI মডেলের উৎস হিসেবে শীর্ষে

২০২৩ সালে ৬১টি উল্লেখযোগ্য AI মডেল মার্কিন প্রতিষ্ঠানে তৈরি হয়েছে, যা ইউরোপীয় ইউনিয়ন (২১টি মডেল) ও চীনকে (১৫টি মডেল) উল্লেখযোগ্যভাবে ছাড়িয়ে গেছে[1]।

৫. LLM দায়বদ্ধতার মানসম্পন্ন মূল্যায়ন গুরুতরভাবে পিছিয়ে

AI Index-এর গবেষণা দায়িত্বশীল AI প্রতিবেদনে মানসম্মানের উল্লেখযোগ্য ঘাটতি চিহ্নিত করেছে। শীর্ষস্থানীয় ডেভেলপাররা — OpenAI, Google ও Anthropic — তাদের মডেলগুলো বিভিন্ন দায়িত্বশীল AI benchmark-এ পরীক্ষা করে, যা ঝুঁকির পদ্ধতিগত তুলনাকে কঠিন করে তোলে[1]।

৬. জেনারেটিভ AI-এ বিনিয়োগ দ্রুত বৃদ্ধি পাচ্ছে

AI-এ সামগ্রিক বেসরকারি বিনিয়োগ হ্রাস পেলেও, জেনারেটিভ AI-এর অর্থায়ন ২০২২ সালের তুলনায় প্রায় আট গুণ বৃদ্ধি পেয়ে ২৫.২ বিলিয়ন মার্কিন ডলারে পৌঁছেছে। OpenAI, Anthropic, Hugging Face ও Inflection বড় আকারের তহবিল সংগ্রহ করেছে[3]।

৭. AI উৎপাদনশীলতা ও কাজের মান বৃদ্ধি করছে

২০২৩ সালের অনেক গবেষণায় দেখা গেছে যে AI কর্মীদের দ্রুত ও উচ্চ মানে কাজ করতে সাহায্য করে এবং কম দক্ষ ও উচ্চ দক্ষ কর্মীদের মধ্যে ব্যবধান কমায়। তবে কিছু গবেষণা সতর্ক করে যে যথাযথ তদারকি ছাড়া AI ব্যবহার উৎপাদনশীলতা হ্রাস করতে পারে[1]।

৮. AI-এর সুবাদে বৈজ্ঞানিক অগ্রগতি ত্বরান্বিত হচ্ছে

২০২৩ সালে উল্লেখযোগ্য বৈজ্ঞানিক AI প্রয়োগ উপস্থাপিত হয়েছে: AlphaDev (সর্টিং অ্যালগরিদম ত্বরান্বিতকরণ), GNoME (নতুন উপকরণ আবিষ্কার), GraphCast (আবহাওয়া পূর্বাভাস) এবং আরও অনেক[1]।

৯. মার্কিন যুক্তরাষ্ট্রে AI বিষয়ক বিধিবিধানের সংখ্যা দ্রুত বৃদ্ধি পেয়েছে

২০২৩ সালে AI সংক্রান্ত ২৫টি বিধিবিধান গৃহীত হয়েছে — আগের বছরের তুলনায় ৫৬.৩% বৃদ্ধি। তুলনার জন্য: ২০১৬ সালে মাত্র একটি এ ধরনের বিধি গৃহীত হয়েছিল[1]।

১০. মানুষ AI-এর প্রভাব সম্পর্কে ক্রমবর্ধমানভাবে সচেতন — এবং ক্রমবর্ধমানভাবে উদ্বিগ্ন

Ipsos-এর তথ্য অনুযায়ী, যেসব উত্তরদাতারা মনে করেন AI আগামী ৩–৫ বছরে তাদের জীবনে উল্লেখযোগ্য প্রভাব ফেলবে, তাদের অনুপাত ৬০% থেকে বেড়ে ৬৬% হয়েছে। এর মধ্যে ৫২% AI পণ্য ও সেবা নিয়ে উদ্বেগ প্রকাশ করেছেন — ২০২২ সাল থেকে ১৩ শতাংশ পয়েন্ট বৃদ্ধি। মার্কিন যুক্তরাষ্ট্রে Pew Research-এর তথ্য অনুযায়ী, ৫২% আমেরিকান AI নিয়ে উৎসাহের চেয়ে বেশি উদ্বেগ অনুভব করেন (২০২২ সালে এই হার ছিল ৩৭%)[4][5]।

অধ্যায় ১। গবেষণা ও উন্নয়ন

এই অধ্যায়ে প্রকাশনা, পেটেন্ট, অগ্রণী AI সিস্টেম, foundation model, সম্মেলন এবং উন্মুক্ত সফটওয়্যার প্রকল্পের ধারা বিশ্লেষণ করা হয়েছে[1]।

প্রকাশনা

AI বিষয়ক প্রকাশনার মোট সংখ্যা ক্রমাগত বাড়ছে: ২০১০ সালে প্রায় ৮৮,০০০ থেকে ২০২২ সালে ২,৪০,০০০-এরও বেশি (প্রায় তিনগুণ বৃদ্ধি)। সর্বশেষ বছরে প্রবৃদ্ধির হার ছিল ১.১%[1]।

পেটেন্ট

বিশ্বব্যাপী AI ক্ষেত্রে প্রদত্ত পেটেন্টের সংখ্যা দ্রুত বৃদ্ধি পেয়েছে: ২০২১ থেকে ২০২২ সালের মধ্যে বৃদ্ধি পেয়েছে ৬২.৭%, এবং ২০১০ সাল থেকে ৩১ গুণেরও বেশি। চীন AI পেটেন্টে আধিপত্য বিস্তার করছে: ২০২২ সালে পেটেন্ট আবেদনের ৬১.১% এসেছে চীন থেকে, যেখানে মার্কিন যুক্তরাষ্ট্রের অংশ ছিল ২০.৯% (২০১০ সালে ৫৪.১% থেকে হ্রাস পেয়েছে)[1]।

অগ্রণী মডেল

২০২৩ সালে শিল্পখাত অগ্রণী মডেল তৈরিতে আধিপত্য অব্যাহত রেখেছে। ১৪৯টি foundation model প্রকাশিত হয়েছে — ২০২২ সালের তুলনায় দ্বিগুণ। এর মধ্যে ৬৫.৭% ছিল উন্মুক্ত সোর্স কোডসহ (২০২২ সালে ৪৪.৪% এবং ২০২১ সালে ৩৩.৩% ছিল)[1]।

প্রশিক্ষণ ব্যয়। AI Index ও Epoch AI-এর সহযোগিতায় মডেল প্রশিক্ষণ ব্যয়ের পরিমার্জিত মূল্যায়ন পাওয়া সম্ভব হয়েছে। ব্যয় বৃদ্ধির ধারা নিচের গতিশীলতায় স্পষ্টভাবে প্রতিফলিত হয়[2]:

মডেল বছর প্রশিক্ষণ ব্যয়ের অনুমান (USD)
Transformer 2017 ~930
BERT-Large 2018 ~3 300
RoBERTa Large 2019 ~160 000
GPT-3 175B 2020 ~4,3 মিলিয়ন
PaLM 540B 2022 ~12,4 মিলিয়ন
Llama 2 70B 2023 ~3,9 মিলিয়ন
GPT-4 2023 ~78 মিলিয়ন
Gemini Ultra 2023 ~191 মিলিয়ন

জাতীয় পরিচয়। ২০২৩ সালে ৬১টি উল্লেখযোগ্য মডেল মার্কিন প্রতিষ্ঠানে, ২১টি ইউরোপীয় ইউনিয়নে এবং ১৫টি চীনে তৈরি হয়েছে। এটি অগ্রণী AI সিস্টেম উন্নয়নে মার্কিন যুক্তরাষ্ট্রের নেতৃস্থানীয় ভূমিকার প্রমাণ দেয়[1]।

উন্মুক্ত সফটওয়্যার

GitHub-এ AI প্রকল্পের সংখ্যা ক্রমাগত বাড়ছে: ২০১১ সালে ৮৪৫ থেকে ২০২৩ সালে প্রায় ১৮ লাখে। ২০২৩ সালে ৫৯.৩% প্রবৃদ্ধি নথিভুক্ত হয়েছে। AI প্রকল্পের মোট স্টার সংখ্যা তিনগুণ হয়েছে: ২০২২ সালে ৪০ লাখ থেকে ২০২৩ সালে ১ কোটি ২২ লাখে[1]।

সম্মেলন

শীর্ষস্থানীয় AI সম্মেলনগুলোতে (NeurIPS, ICML, ICLR ইত্যাদি) অংশগ্রহণ ক্রমাগত বাড়ছে, যা এই ক্ষেত্রে ক্রমবর্ধমান আগ্রহ প্রতিফলিত করে[1]।

অধ্যায় ২। কারিগরি কার্যক্ষমতা

এই অধ্যায়ে ভাষা প্রক্রিয়াকরণ, ছবি তৈরি, যুক্তি প্রদর্শন, কোডিং এবং এজেন্টিক আচরণের কাজে AI সিস্টেমের অগ্রগতি বিশ্লেষণ করা হয়েছে[1]।

AI কার্যক্ষমতার বর্তমান অবস্থা

২০২৩ সাল পর্যন্ত AI বেশ কয়েকটি ক্যাটাগরির কাজে মানুষের স্তর ছাড়িয়ে গেছে: ছবি শ্রেণিবিভাগ (২০১৫ সাল থেকে), মূল পাঠ্য বোঝাপড়া (২০১৭ সাল থেকে), ভিজ্যুয়াল রিজনিং (২০২০ সাল থেকে), স্বাভাবিক ভাষায় যুক্তিগত অনুমান (২০২১ সাল থেকে)। তবে অলিম্পিক গণিত (MATH) এবং পরিকল্পনার মতো কাজে AI এখনও মানুষের চেয়ে পিছিয়ে[1]।

ভাষা মডেল

HELM। স্ট্যানফোর্ডে তৈরি Holistic Evaluation of Language Models (HELM) benchmark পাঠ্য বোঝাপড়া, গণিত এবং আইনগত যুক্তিসহ দশটি পরিস্থিতিতে LLM মূল্যায়ন করে। ২০২৪ সালের জানুয়ারি পর্যন্ত GPT-4 mean win rate ০.৯৬ নিয়ে শীর্ষে রয়েছে[6]।

MMLU। Massive Multitask Language Understanding (MMLU) benchmark ৫৭টি বিষয়ভিত্তিক ক্ষেত্রে মডেলগুলো মূল্যায়ন করে। Google-এর Gemini Ultra প্রথমবারের মতো মানুষের ভিত্তিস্তর (৮৯.৮%) ছাড়িয়ে ৯০.০% অর্জন করেছে — ২০২২ সালের তুলনায় ১৪.৮ শতাংশ পয়েন্ট এবং ২০১৯ সালে benchmark তৈরির পর থেকে ৫৭.৬ শতাংশ পয়েন্ট উন্নতি[7]।

Chatbot Arena। ২০২৩ সালে চালু হওয়া এই প্ল্যাটফর্মটি ব্যবহারকারীদের বেনামী মডেলের আউটপুট তুলনা করার সুযোগ দেয়। ২০২৪ সালের শুরু পর্যন্ত GPT-4 Turbo ২,০০,০০০-এরও বেশি ভোটের ভিত্তিতে সবচেয়ে পছন্দের মডেল হিসেবে স্বীকৃত হয়েছে[1]।

মাল্টিমোডালিটি

ঐতিহ্যগতভাবে AI সিস্টেমগুলো একটিমাত্র মডালিটিতে সীমাবদ্ধ ছিল। তবে ২০২৩ সালে শক্তিশালী মাল্টিমোডাল মডেল আবির্ভূত হয়েছে — Google Gemini এবং OpenAI GPT-4, যেগুলো টেক্সট, ছবি এবং কিছু ক্ষেত্রে অডিও প্রক্রিয়া করতে পারে। MMMU (Massive Multi-discipline Multimodal Understanding) benchmark দেখিয়েছে যে Gemini Ultra ৫৯.৪% নিয়ে শীর্ষে, তবে এটি বিশেষজ্ঞ মানুষের স্তর (৮২.৬%) থেকে উল্লেখযোগ্যভাবে নিচে[8]।

যুক্তি প্রদর্শন

GPQA। Graduate-Level Google-Proof Q&A benchmark-এ জীববিজ্ঞান, পদার্থবিজ্ঞান ও রসায়নে ৪৪৮টি জটিল প্রশ্ন রয়েছে, যেগুলোর উত্তর সাধারণ Google অনুসন্ধানে পাওয়া যায় না। GPT-4 সার্চসহ ৪১.০% অর্জন করেছে, যা বিশেষজ্ঞদের স্তর (৭২.৫%) এর চেয়ে কম, তবে অ-বিশেষজ্ঞদের (৩০.৫%) চেয়ে বেশি[9]।

চেতনার তত্ত্ব (BigToM)। LLM-এর অন্যদের বিশ্বাস মডেলিং করার সক্ষমতা পরীক্ষায় দেখা গেছে যে GPT-4 বিশ্বাস ও কর্মের সরাসরি অনুমানের কাজে মানুষের স্তরের কাছাকাছি পৌঁছেছে, যদিও বিপরীত বিশ্বাস অনুমানের কাজে এখনও পিছিয়ে রয়েছে[10]।

কোডিং

HumanEval benchmark কোড তৈরির মূল্যায়ন করে। ২০২৩ সালে মডেলগুলো তাদের ফলাফল উন্নত করতে থাকে, এবং SWE-bench — প্রকৃত সফটওয়্যার ইঞ্জিনিয়ারিং কাজ সমাধানের মূল্যায়নের জন্য নতুন benchmark — দেখিয়েছে যে সেরা মডেলগুলোও মাত্র অল্প কিছু কাজ সমাধান করতে পারে, যা আরও অগ্রগতির উল্লেখযোগ্য সম্ভাবনা নির্দেশ করে[1]।

এজেন্টিক আচরণ

AI সিস্টেমগুলো ক্রমবর্ধমানভাবে এজেন্টিক পরিস্থিতিতে পরীক্ষিত হচ্ছে। Voyager (Microsoft) Minecraft-এর গতিশীল পরিবেশে স্বায়ত্তশাসিত শিক্ষার সক্ষমতা প্রদর্শন করেছে — পূর্ববর্তী মডেলের তুলনায় ৩.৩ গুণ বেশি অনন্য আইটেম সংগ্রহ করেছে, ২.৩ গুণ বেশি দূরত্ব অতিক্রম করেছে এবং মূল মাইলফলক ১৫.৩ গুণ দ্রুত অর্জন করেছে[11]। MLAgentBench দেখিয়েছে যে বৈজ্ঞানিক গবেষণার জন্য AI এজেন্ট সম্ভাবনা দেখালেও বিভিন্ন কাজের মধ্যে ফলাফলে উল্লেখযোগ্য তারতম্য রয়েছে[1]।

LLM-এর বৈশিষ্ট্যাবলি

এমার্জেন্ট আচরণ। ২০২৩ সালের একটি গবেষণা মডেল স্কেলিং করার সময় অপ্রত্যাশিত "এমার্জেন্ট" সক্ষমতার অনিবার্য আবির্ভাবের ধারণাকে প্রশ্নের মুখে ফেলেছে। রৈখিক ও ধারাবাহিক মেট্রিক ব্যবহার করলে এই সক্ষমতাগুলো উল্লেখযোগ্যভাবে অদৃশ্য হয়ে যায়[12]।

কার্যক্ষমতার অবনতি। স্ট্যানফোর্ড ও বার্কলের গবেষণা দেখিয়েছে যে আপডেটের মধ্যে GPT-4-এর কার্যক্ষমতায় উল্লেখযোগ্য পরিবর্তন হতে পারে: জুন ২০২৩-এর সংস্করণ কোড তৈরিতে মার্চের সংস্করণের চেয়ে ৪২ শতাংশ পয়েন্ট এবং গাণিতিক কাজে ৩৩ শতাংশ পয়েন্ট দুর্বল ছিল[13]।

স্ব-সংশোধন। DeepMind ও ইউনিভার্সিটি অব ইলিনয়ের গবেষকরা দেখিয়েছেন যে LLM বাহ্যিক নির্দেশনা ছাড়া নিজেদের যুক্তি স্বাধীনভাবে সংশোধনে দুর্বল: স্ব-সংশোধনের চেষ্টায় সব পরীক্ষিত benchmark-এ GPT-4-এর কার্যক্ষমতা হ্রাস পেয়েছে[1]।

অধ্যায় ৩। দায়িত্বশীল AI

এই অধ্যায়টি দায়িত্বশীল AI-এর মূল মাত্রাগুলো নিয়ে আলোচনা করে: গোপনীয়তা, স্বচ্ছতা, নিরাপত্তা এবং ন্যায্যতা[1]।

AI ঘটনাসমূহ

AI Incident Database ২০২৩ সালে ১২৩টি ঘটনা নথিভুক্ত করেছে — ২০২২ সালের তুলনায় ৩২.৩% বৃদ্ধি। ২০১৩ সাল থেকে ঘটনার সংখ্যা বিশ গুণেরও বেশি বৃদ্ধি পেয়েছে। এই বৃদ্ধির কারণ AI-এর ব্যাপক ব্যবহার এবং এর নৈতিক ঝুঁকি সম্পর্কে সচেতনতা বৃদ্ধি উভয়ই[14]।

দায়িত্বশীল AI benchmark মানসম্মানকরণ

পাঁচটি শীর্ষস্থানীয় ডেভেলপার (OpenAI, Meta, Anthropic, Google, Mistral AI) বিশ্লেষণে দায়িত্বশীল AI মূল্যায়নের জন্য কোনো একীভূত benchmark সেটের অনুপস্থিতি পাওয়া গেছে। সাধারণ সক্ষমতা benchmark (MMLU, HellaSwag, ARC Challenge, HumanEval, GSM8K) ব্যাপকভাবে ব্যবহৃত হলেও, দায়িত্বশীল AI benchmark (TruthfulQA, RealToxicityPrompts, ToxiGen, BOLD, BBQ) বিক্ষিপ্তভাবে প্রয়োগ করা হয়: TruthfulQA পাঁচটির মধ্যে তিনটির বেশি ডেভেলপার ব্যবহার করে না, এবং একটি ডেভেলপার দায়িত্বশীল AI benchmark-এ পরীক্ষার বিষয়ে কোনো তথ্যই প্রদান করে না[1]।

AI ও নির্বাচন

২০২৩ সালের গবেষণায় দেখা গেছে যে মানুষ মাত্র ৭৩% ক্ষেত্রে অডিও ডিপফেক সঠিকভাবে শনাক্ত করতে পারে। শব্দ তৈরির প্রযুক্তির বিকাশের সাথে সাথে শনাক্তকরণের নির্ভুলতা হ্রাস পাবে বলে আশা করা হচ্ছে। এটি রাজনৈতিক প্রচারণায় কারসাজির ঝুঁকি তৈরি করে এবং রাজনীতিবিদদের আপসকারী অডিও রেকর্ডিংকে জাল হিসেবে প্রত্যাখ্যান করার সুযোগ দেয় (তথাকথিত "মিথ্যাবাদীর লভ্যাংশ")[15]।

রাজনৈতিক পক্ষপাতের জন্য LLM-এর উপর গবেষণায় ডিফল্ট ChatGPT উত্তর এবং ডেমোক্রেটিক পার্টির অবস্থানের মধ্যে সম্পর্ক এবং রিপাবলিকান পার্টির অবস্থানের সাথে নেতিবাচক সম্পর্ক চিহ্নিত হয়েছে[16]।

অধ্যায় ৪। অর্থনীতি

এই অধ্যায়ে বিনিয়োগ, কর্মসংস্থান, কর্পোরেট AI গ্রহণ এবং রোবোটিক্সের ধারা পরীক্ষা করা হয়েছে[1]।

বিনিয়োগ

সামগ্রিক ধারা। AI-এ মোট কর্পোরেট বিনিয়োগ ২০২৩ সালে ১৮৯.২ বিলিয়ন মার্কিন ডলারে নেমে এসেছে (২০২২ সালের তুলনায় প্রায় ২০% হ্রাস)। তবে এক দশকে বিনিয়োগের পরিমাণ তেরো গুণ বেড়েছে। বেসরকারি বিনিয়োগ টানা দ্বিতীয় বছর হ্রাস পেয়েছে, যদিও এই হ্রাস ২০২১–২০২২ সালের তুলনায় কম স্পষ্ট[3]।

জেনারেটিভ AI। জেনারেটিভ AI-এ বিনিয়োগ ২৫.২ বিলিয়ন মার্কিন ডলারে পৌঁছেছে — ২০২২ সালের তুলনায় প্রায় নয় গুণ এবং ২০১৯ সালের তুলনায় ত্রিশ গুণ বৃদ্ধি। জেনারেটিভ AI সমস্ত বেসরকারি AI বিনিয়োগের এক চতুর্থাংশেরও বেশি নিশ্চিত করেছে[3]।

আঞ্চলিক বণ্টন। মার্কিন যুক্তরাষ্ট্র ৬৭.২ বিলিয়ন মার্কিন ডলার বিনিয়োগ নিয়ে চীনকে (৭.৮ বিলিয়ন) ৮.৭ গুণ এবং যুক্তরাজ্যকে (৩.৮ বিলিয়ন) ১৭.৮ গুণে ছাড়িয়ে গেছে। এর মধ্যে চীনে বেসরকারি বিনিয়োগ ৪৪.২% কমেছে, ইউরোপীয় ইউনিয়ন ও যুক্তরাজ্যে ১৪.১% কমেছে, অথচ মার্কিন যুক্তরাষ্ট্রে ২২.১% বেড়েছে[3]।

স্টার্টআপ। অর্থায়ন পাওয়া নতুন AI কোম্পানির সংখ্যা ১,৮১২-তে বৃদ্ধি পেয়েছে (৪০.৬% বৃদ্ধি)। জেনারেটিভ AI ক্ষেত্রে ৯৯টি নতুন স্টার্টআপ অর্থায়ন পেয়েছে (২০২২ সালে ৫৬ ছিল)[3]।

শ্রমবাজার

মার্কিন যুক্তরাষ্ট্রে AI সংক্রান্ত শূন্যপদের অংশ ২০২২ সালে ২.০% থেকে ২০২৩ সালে ১.৬%-এ নেমে এসেছে। বৈশ্বিকভাবেও একই ধারা দেখা যাচ্ছে। এই হ্রাসের ব্যাখ্যা হলো বড় AI কোম্পানিগুলোর নিয়োগ সংকোচন এবং প্রযুক্তিগত শূন্যপদের অংশ হ্রাস[1]।

একাডেমিয়া থেকে শিল্পখাতে AI বিশেষজ্ঞদের অভিবাসন ত্বরান্বিত হচ্ছে: ২০২২ সালে ৭০.৭% নতুন AI পিএইচডি ধারক শিল্পখাতে যোগ দিয়েছেন (২০১১ সালে ৪০.৯% ছিল), এবং মাত্র ২০.০% একাডেমিয়ায় (২০১১ সালে ৪১.৬% ছিল)[1]।

কর্পোরেট গ্রহণ

McKinsey-এর তথ্য অনুযায়ী, ৫৫% প্রতিষ্ঠান (জেনারেটিভ AI সহ) কমপক্ষে একটি ব্যবসায়িক বিভাগে AI ব্যবহার করছে — ২০২২ সালের ৫০% এবং ২০১৭ সালের ২০% থেকে বৃদ্ধি। এর মধ্যে ৪২% প্রতিষ্ঠান খরচ কমার এবং ৫৯% রাজস্ব বৃদ্ধির কথা জানিয়েছে AI-এর সুবাদে[17]।

Fortune 500 কোম্পানির আয় প্রতিবেদনে AI উল্লেখ ৩৯৪-এ পৌঁছেছে (প্রায় ৮০% কোম্পানি) — ২০২২ সালের ২৬৬ থেকে উল্লেখযোগ্য বৃদ্ধি। সবচেয়ে ঘন ঘন উল্লেখিত বিষয় (সব কলের ১৯.৭%) হয়ে উঠেছে জেনারেটিভ AI[1]।

রোবোটিক্স

২০২২ সালে ৫,৫৩,০০০ শিল্প রোবট স্থাপিত হয়েছে — ২০২১ সালের তুলনায় ৫.১% বৃদ্ধি এবং ২০১২ সালের তুলনায় তিন গুণেরও বেশি। চীন আধিপত্য বিস্তার করছে: ২০১৩ সালে জাপানকে ছাড়িয়ে যাওয়ার পর থেকে ২০২২ সালে চীনের অংশ ২০.৮% থেকে বেড়ে বৈশ্বিক স্থাপনার ৫২.৪%-এ দাঁড়িয়েছে। কো-অপারেটিভ রোবটের অংশ ২০১৭ সালে ২.৮% থেকে ২০২২ সালে ৯.৯%-এ বৃদ্ধি পেয়েছে[18]।

অধ্যায় ৫। বিজ্ঞান ও চিকিৎসা

প্রতিবেদনে প্রথমবার অন্তর্ভুক্ত এই অধ্যায়ে বৈজ্ঞানিক আবিষ্কার ও চিকিৎসা উদ্ভাবনে AI-এর ভূমিকা তুলে ধরা হয়েছে[1]।

২০২৩ সালের বৈজ্ঞানিক অর্জন

AlphaDev (DeepMind) — Reinforcement Learning সিস্টেম যা বিদ্যমান মানব-নির্মিত সর্টিং অ্যালগরিদমের চেয়ে কম নির্দেশনায় সর্টিং অ্যালগরিদম আবিষ্কার করেছে। আবিষ্কৃত কিছু অ্যালগরিদম C++ স্ট্যান্ডার্ড সর্টিং লাইব্রেরিতে (LLVM) অন্তর্ভুক্ত করা হয়েছে — দশ বছরেরও বেশি সময়ে এই লাইব্রেরির প্রথম আপডেট[19]।

GraphCast (DeepMind) — গ্রাফ নিউরাল নেটওয়ার্ক ভিত্তিক আবহাওয়া পূর্বাভাস সিস্টেম, যা এক মিনিটেরও কম সময়ে ১০ দিনের পূর্বাভাস দেয় এবং শীর্ষ মডেলিং সিস্টেম HRES (ইউরোপিয়ান সেন্টার ফর মিডিয়াম-রেঞ্জ ওয়েদার ফোরকাস্ট) থেকে বেশি নির্ভুল[20]।

GNoME (Google DeepMind) — গ্রাফ নেটওয়ার্ক ব্যবহার করে নতুন কার্যকরী উপকরণ আবিষ্কার ত্বরান্বিত করার মডেল, যা রোবোটিক্স ও সেমিকন্ডাক্টর শিল্পের অগ্রগতির জন্য অত্যন্ত গুরুত্বপূর্ণ[21]।

Synbot — জৈব অণুর স্বায়ত্তশাসিত সংশ্লেষণের জন্য AI-চালিত রোবোটিক রসায়নবিদ, যা রেফারেন্স মানের সমতুল্য বা তার বেশি বিক্রিয়া ফলন অর্জন করেছে[22]।

FlexiCubes (NVIDIA) — কম্পিউটার গ্রাফিক্সে 3D অবজেক্ট তৈরির মান উন্নয়নে AI ব্যবহার করে 3D মেশ অপ্টিমাইজেশনের পদ্ধতি[23]।

চিকিৎসায় AI

ক্লিনিকাল জ্ঞান। AI-এর ক্লিনিকাল জ্ঞান মূল্যায়নের benchmark MedQA-তে GPT-4 Medprompt মডেল ৯০.২% নির্ভুলতা অর্জন করেছে — ২০২২ সালের সেরা ফলাফলের তুলনায় ২২.৬ শতাংশ পয়েন্ট বৃদ্ধি। ২০১৯ সালে benchmark তৈরির পর থেকে MedQA-তে AI-এর কার্যক্ষমতা প্রায় তিনগুণ হয়েছে। উল্লেখযোগ্যভাবে, GPT-4 Medprompt fine-tuning-এর পরিবর্তে prompt ইঞ্জিনিয়ারিং ব্যবহার করে বিশেষায়িত চিকিৎসা মডেলকেও ছাড়িয়ে গেছে[24]।

MediTron-70B — উন্মুক্ত চিকিৎসা LLM, যা MedQA-তে ৭০.২% অর্জন করেছে — উন্মুক্ত কোড মডেলগুলোর মধ্যে সেরা ফলাফল, যদিও GPT-4 Medprompt এবং Med-PaLM 2-এর মতো বন্ধ মডেলের চেয়ে কম[25]।

চিকিৎসা উদ্ভাবন। ২০২৩ সালের উল্লেখযোগ্য সিস্টেমগুলোর মধ্যে রয়েছে: SynthSR (নিম্নমানের MRI স্ক্যান থেকে মস্তিষ্কের কাঠামো ভিজ্যুয়ালাইজেশন উন্নতি), ImmunoSEIRA (নিউরোডিজেনারেটিভ রোগ নির্ণয়ের জন্য AI ইনফ্রারেড সেন্সর), EVEscape (মহামারী প্রতিরোধে ভাইরাস বিবর্তন পূর্বাভাস), AlphaMissense (মিসেন্স মিউটেশন শ্রেণিবিভাগ)[1]।

FDA অনুমোদন। ২০২২ সালে FDA AI-ভিত্তিক ১৩৯টি চিকিৎসা ডিভাইস অনুমোদন দিয়েছে — ২০২১ সালের তুলনায় ১২.১% বৃদ্ধি। ২০১২ সাল থেকে এ ধরনের অনুমোদনের সংখ্যা ৪৫ গুণেরও বেশি বৃদ্ধি পেয়েছে[26]।

অধ্যায় ৬। শিক্ষা

এই অধ্যায়ে কম্পিউটার বিজ্ঞান ও AI শিক্ষার ধারাগুলো পর্যালোচনা করা হয়েছে[1]।

উচ্চশিক্ষা

মার্কিন যুক্তরাষ্ট্র ও কানাডায় কম্পিউটার বিজ্ঞানে স্নাতক ডিগ্রিধারীর সংখ্যা বাড়তে থাকছে। স্নাতকোত্তর স্তরে সংখ্যা তুলনামূলক স্থিতিশীল, আর ডক্টরেট পর্যায়ে সামান্য বৃদ্ধি পাচ্ছে। ২০১৮ সাল থেকে কম্পিউটার বিজ্ঞানে স্নাতকোত্তর ও ডক্টরেট ডিগ্রিধারীর সংখ্যা কিছুটা কমেছে[1]।

সব শিক্ষাস্তরে আন্তর্জাতিক শিক্ষার্থীর অংশ কমেছে, বিশেষ করে স্নাতকোত্তর পর্যায়ে স্পষ্টভাবে। বৈশ্বিক পরিসরে ২০১৭ সাল থেকে AI সংক্রান্ত ইংরেজি-ভাষার শিক্ষামূলক কার্যক্রমের সংখ্যা তিনগুণ হয়েছে[1]।

শিক্ষায় ChatGPT

Walton Foundation-এর জরিপ অনুযায়ী, ৮৮% শিক্ষক এবং ৭৯% শিক্ষার্থী মনে করেন ChatGPT শিক্ষা প্রক্রিয়ায় ইতিবাচক প্রভাব ফেলে। ৭৬% শিক্ষক এবং ৬৫% শিক্ষার্থী মনে করেন ChatGPT-কে শিক্ষায় একীভূত করা গুরুত্বপূর্ণ[27]।

অধ্যায় ৭। নীতি ও প্রশাসন

এই অধ্যায়ে বৈশ্বিক, মার্কিন ও ইউরোপীয় স্তরে AI ক্ষেত্রে আইনসভা ও নিয়ন্ত্রণমূলক কার্যক্রম বিশ্লেষণ করা হয়েছে[1]।

বৈশ্বিক ধারা

বিশ্বজুড়ে আইনসভা প্রক্রিয়ায় AI উল্লেখ রেকর্ড মাত্রায় পৌঁছেছে। নিছক উৎসাহমূলক ব্যবস্থা থেকে সরে এসে নিষেধাজ্ঞামূলক আইনের দিকে একটি পরিবর্তন লক্ষ্য করা যাচ্ছে, যা AI-এর সম্ভাব্য ঝুঁকি নিয়ে নিয়ন্ত্রকদের ক্রমবর্ধমান মনোযোগের ইঙ্গিত দেয়[1]।

২০২৩ সালে গৃহীত আইনের বিষয়বস্তু উল্লেখযোগ্যভাবে প্রসারিত হয়েছে, যা সশস্ত্র বাহিনী ও জাতীয় নিরাপত্তা, নাগরিক অধিকার, বাণিজ্য, শিক্ষা, শ্রম সম্পর্ক, বিজ্ঞান ও প্রযুক্তি অন্তর্ভুক্ত করেছে[1]।

মার্কিন যুক্তরাষ্ট্রে নিয়ন্ত্রণ

২০২৩ সালে AI সংক্রান্ত বিধিবিধানের সংখ্যা ২৫-এ পৌঁছেছে (২০২২ সালের তুলনায় ৫৬.৩% বৃদ্ধি)। সবচেয়ে সাধারণ বিষয় হয়ে উঠেছে বৈদেশিক বাণিজ্য ও আন্তর্জাতিক অর্থায়ন। AI-এর সাথে উচ্চ ও মাঝারি মাত্রার প্রাসঙ্গিকতার বিধিবিধানের অংশ আগের বছরগুলোর তুলনায় বৃদ্ধি পেয়েছে[1]।

২০২৩ সালের একটি মাইলফলক ঘটনা ছিল প্রেসিডেন্ট বাইডেনের AI বিষয়ক নির্বাহী আদেশ (Executive Order on AI), যা বিশেষভাবে শিল্পখাত ও একাডেমিয়ার মধ্যে সমান সুযোগ নিশ্চিত করতে জাতীয় AI গবেষণা সম্পদ (National AI Research Resource) প্রতিষ্ঠার লক্ষ্যে পরিচালিত হয়েছিল[28]।

ইউরোপীয় ইউনিয়নে নিয়ন্ত্রণ

ইউরোপীয় ইউনিয়নেও AI সংক্রান্ত বিধিবিধান বৃদ্ধির একই ধারা দেখা যাচ্ছে। ২০২৩ সালের উল্লেখযোগ্য অর্জন ছিল AI Act-এর অগ্রগতি — বিশ্বের প্রথম সামগ্রিক AI আইন[1]।

অধ্যায় ৮। বৈচিত্র্য

এই অধ্যায়ে AI বিশেষজ্ঞদের মধ্যে লিঙ্গ ও জাতিগত বৈচিত্র্য পরীক্ষা করা হয়েছে। কিছু অগ্রগতি সত্ত্বেও, শিল্পখাত ও একাডেমিয়া উভয় ক্ষেত্রেই AI-তে নারী ও সংখ্যালঘুরা উল্লেখযোগ্যভাবে কম প্রতিনিধিত্ব করছেন[1]।

অধ্যায় ৯। জনমত

এই অধ্যায়ে আন্তর্জাতিক জরিপ ও সামাজিক মিডিয়ার তথ্যের ভিত্তিতে AI সম্পর্কে জনগণের ধারণা বিশ্লেষণ করা হয়েছে[1]।

আন্তর্জাতিক জরিপ

সচেতনতা ও উদ্বেগ। Ipsos-এর তথ্য অনুযায়ী, ৬৬% উত্তরদাতা (৬০% থেকে বৃদ্ধি) মনে করেন AI আগামী ৩–৫ বছরে তাদের জীবনে উল্লেখযোগ্য প্রভাব ফেলবে। এর মধ্যে ৫২% AI পণ্য নিয়ে উদ্বেগ প্রকাশ করেছেন (২০২২ সাল থেকে ১৩ শতাংশ পয়েন্ট বৃদ্ধি)[4]।

অর্থনৈতিক প্রত্যাশা। মাত্র ৩৭% উত্তরদাতা মনে করেন AI তাদের কাজ উন্নত করবে, ৩৪% মনে করেন এটি অর্থনীতি উন্নত করবে, এবং ৩২% মনে করেন এটি শ্রমবাজারে ইতিবাচক প্রভাব ফেলবে[4]।

জনতাত্ত্বিক পার্থক্য। তরুণ প্রজন্ম উল্লেখযোগ্যভাবে বেশি আশাবাদী: জেনারেশন Z-এর ৫৯% মনে করেন AI বিনোদন উন্নত করবে, যেখানে বেবি বুমারদের মধ্যে এই হার ৪০%। উচ্চ আয় ও শিক্ষাস্তরের মানুষরাও বেশি আশাবাদী[1]।

ChatGPT সচেতনতা। টরন্টো বিশ্ববিদ্যালয়ের আন্তর্জাতিক জরিপ অনুযায়ী, ৬৩% উত্তরদাতা ChatGPT সম্পর্কে জানেন, তাদের মধ্যে প্রায় অর্ধেক সপ্তাহে অন্তত একবার এটি ব্যবহার করেন[29]।

সামাজিক মিডিয়ার তথ্য

২০২৩ সালে ৭০ লাখেরও বেশি সামাজিক মিডিয়া পোস্টের Quid বিশ্লেষণে দেখা গেছে যে GraphCast ও Claude 2.1 মডেলগুলো সর্বোচ্চ ইতিবাচক মনোভাব স্কোর (net sentiment score) পেয়েছে। GPT-4 প্রথম প্রান্তিকে সবচেয়ে বেশি মনোযোগ আকর্ষণ করেছিল, তবে বছরের শেষে আলোচনার কেন্দ্র Gemini ও Grok-এর দিকে সরে যায়[1]।

২০২৩ সালের উল্লেখযোগ্য AI মডেল

প্রতিবেদন কিছু মূল মডেলের আবির্ভাব নথিভুক্ত করেছে[1]:

মডেল ডেভেলপার ধরন তারিখ গুরুত্ব
GPT-4 OpenAI LLM, মাল্টিমোডাল মার্চ ২০২৩ অন্যতম শক্তিশালী LLM; HELM-এ শীর্ষে
PaLM 2 Google LLM মে ২০২৩ উন্নত বহুভাষিক সক্ষমতা
Llama 2 Meta LLM (উন্মুক্ত) জুলাই ২০২৩ শীর্ষ উন্মুক্ত মডেল; 7B/13B/70B সংস্করণ
Claude 2 / 2.1 Anthropic LLM জুলাই / নভেম্বর ২০২৩ ২০০K token পর্যন্ত কনটেক্সট উইন্ডো
Mistral 7B Mistral AI LLM (উন্মুক্ত) সেপ্টেম্বর ২০২৩ সংকুচিত উচ্চ-কর্মক্ষম মডেল
DALL-E 3 OpenAI ছবি তৈরি অক্টোবর ২০২৩ উন্নত মান ও prompt অনুসরণ
Gemini / Gemini Ultra Google LLM, মাল্টিমোডাল ডিসেম্বর ২০২৩ MMLU-তে মানুষকে ছাড়ানো প্রথম LLM
Mixtral 8×7B Mistral AI LLM (MoE, উন্মুক্ত) ডিসেম্বর ২০২৩ Mixture-of-Experts আর্কিটেকচার
Midjourney v6 Midjourney ছবি তৈরি ডিসেম্বর ২০২৩ উন্নত মান ও সহজাত prompt
Whisper v3 OpenAI স্পিচ রিকগনিশন নভেম্বর ২০২৩ উন্নত নির্ভুলতা, বিস্তৃত ভাষা সমর্থন

পদ্ধতিশাস্ত্র

প্রতিবেদন বহু উৎস থেকে তথ্য ব্যবহার করে[1]:

  • প্রকাশনা ও পেটেন্ট: OpenAlex, WIPO, USPTO, Epoch AI-এর তথ্য।
  • Benchmark: Papers With Code, CRFM (HELM), বিশেষায়িত লিডারবোর্ড।
  • বিনিয়োগ: Quid (Capital IQ, Crunchbase), ৮০ লাখেরও বেশি কোম্পানির তথ্য।
  • শ্রমবাজার: Lightcast, LinkedIn, Stack Overflow।
  • কর্পোরেট কার্যক্রম: McKinsey & Company, Seeking Alpha (earnings calls)।
  • রোবোটিক্স: International Federation of Robotics (IFR)।
  • নিয়ন্ত্রণ: Federal Register (মার্কিন যুক্তরাষ্ট্র), EUR-Lex (ইউরোপীয় ইউনিয়ন), Govini।
  • জনমত: Ipsos, Pew Research Center, University of Toronto (GPO-AI), Quid (সামাজিক মিডিয়া)।
  • শিক্ষা: CRA Taulbee Survey, Informatics Europe, Studyportals, Code.org, Walton Foundation।
  • চিকিৎসা: FDA, Papers With Code (MedQA)।

মডেল প্রশিক্ষণ ব্যয়ের মূল্যায়ন Epoch AI-এর সাথে যৌথভাবে হার্ডওয়্যারের ধরন ও পরিমাণ, প্রশিক্ষণের সময়কাল এবং ক্লাউড ভাড়ার মূল্যের বিশ্লেষণের ভিত্তিতে প্রস্তুত করা হয়েছে[2]।

লেখক দল

প্রতিবেদনটি সহ-পরিচালক রে পেরো (Ray Perrault) এবং জ্যাক ক্লার্ক (Jack Clark)-এর নেতৃত্বে গবেষক ও অংশীদার প্রতিষ্ঠানের বিস্তৃত অংশগ্রহণে তৈরি হয়েছে। AI Index হলো স্ট্যানফোর্ড HAI (Human-Centered Artificial Intelligence) ইনস্টিটিউটের একটি প্রকল্প[1]।

তথ্যসূত্র

সাহিত্য

টীকা

  1. ↑ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 1.22 1.23 1.24 1.25 1.26 1.27 1.28 1.29 1.30 1.31 1.32 1.33 1.34 1.35 1.36 1.37 1.38 1.39 1.40 1.41 1.42 1.43 1.44 1.45 1.46 Stanford HAI (2024). Artificial Intelligence Index Report 2024. https://aiindex.stanford.edu/report/
  2. ↑ 2.0 2.1 2.2 Epoch AI (2023). AI Training Cost Estimates. https://epochai.org/
  3. ↑ 3.0 3.1 3.2 3.3 3.4 Quid (2023). AI Investment Data. https://quid.com/
  4. ↑ 4.0 4.1 4.2 Ipsos (2023). Global Perceptions of AI Survey. https://www.ipsos.com/
  5. ↑ Pew Research Center (2023). Public Views on AI. https://www.pewresearch.org/
  6. ↑ Liang, P. et al. (2022). Holistic Evaluation of Language Models. https://arxiv.org/abs/2211.09110
  7. ↑ Hendrycks, D. et al. (2021). Measuring Massive Multitask Language Understanding. https://arxiv.org/abs/2009.03300
  8. ↑ Yue, X. et al. (2023). MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark. https://arxiv.org/abs/2311.16502
  9. ↑ Rein, D. et al. (2023). GPQA: A Graduate-Level Google-Proof Q&A Benchmark. https://arxiv.org/abs/2311.12022
  10. ↑ Gandhi, K. et al. (2023). Understanding Social Reasoning in Language Models with Language Models. https://arxiv.org/abs/2306.15448
  11. ↑ Wang, G. et al. (2023). Voyager: An Open-Ended Embodied Agent with Large Language Models. https://arxiv.org/abs/2305.16291
  12. ↑ Schaeffer, R. et al. (2023). Are Emergent Abilities of Large Language Models a Mirage? https://arxiv.org/abs/2304.15004
  13. ↑ Chen, L. et al. (2023). How Is ChatGPT's Behavior Changing over Time? https://arxiv.org/abs/2307.09009
  14. ↑ AI Incident Database (2023). https://incidentdatabase.ai/
  15. ↑ Mai, K. T. et al. (2023). Warning: Humans Cannot Reliably Detect Speech Deepfakes. https://arxiv.org/abs/2301.07829
  16. ↑ Motoki, F. et al. (2023). More Human than Human: Measuring ChatGPT Political Bias. https://doi.org/10.1007/s11127-023-01097-2
  17. ↑ McKinsey & Company (2023). The State of AI in 2023: Generative AI's Breakout Year. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai
  18. ↑ International Federation of Robotics (2023). World Robotics Report 2023. https://ifr.org/worldrobotics/
  19. ↑ Mankowitz, D. J. et al. (2023). Faster sorting algorithms discovered using deep reinforcement learning. Nature. https://doi.org/10.1038/s41586-023-06004-9
  20. ↑ Lam, R. et al. (2023). Learning skillful medium-range global weather forecasting. Science. https://doi.org/10.1126/science.adi2336
  21. ↑ Merchant, A. et al. (2023). Scaling deep learning for materials discovery. Nature. https://doi.org/10.1038/s41586-023-06735-9
  22. ↑ Ha, T. et al. (2023). AI-driven robotic chemist for autonomous synthesis of organic molecules. Science Advances. https://doi.org/10.1126/sciadv.adj0461
  23. ↑ Shen, T. et al. (2023). Flexible Isosurface Extraction for Gradient-Based Mesh Optimization. ACM Transactions on Graphics. https://doi.org/10.1145/3592430
  24. ↑ Nori, H. et al. (2023). Can Generalist Foundation Models Outcompete Special-Purpose Tuning? Case Study in Medicine. https://arxiv.org/abs/2311.16452
  25. ↑ Chen, Z. et al. (2023). MEDITRON-70B: Scaling Medical Pretraining for Large Language Models. https://arxiv.org/abs/2311.16079
  26. ↑ U.S. Food and Drug Administration (2023). Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices
  27. ↑ Impact Research / Walton Family Foundation (2023). ChatGPT and Education Survey. https://www.waltonfamilyfoundation.org/
  28. ↑ The White House (2023). Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence. https://www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-of-artificial-intelligence/
  29. ↑ Global Public Opinion on AI Survey, University of Toronto (2023). https://www.mediatechdemocracy.com/
Retrieved from "https://systems-analysis.info/int/index.php?title=The_2024_AI_Index_Report_(BN)&oldid=8031"