--- title: "The 2023 AI Index Report (HI)" source: "https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)" wiki: "systems-analysis.info/int" article: "The_2023_AI_Index_Report_(HI)" language: "hi" categories: - "Category:Hindi" - "Category:Large language models" - "Category:Machine learning" revision_id: 8016 wiki_created_at: 2026-09-07T01:10:56Z wiki_modified_at: 2026-09-07T01:10:56Z downloaded_at: 2026-09-07T23:22:44Z --- # The 2023 AI Index Report (HI) **AI Index Report 2023** — **AI Index** रिपोर्ट का छठा वार्षिक संस्करण है, जिसे स्टैनफोर्ड इंस्टीट्यूट फॉर ह्यूमन-सेंटर्ड आर्टिफिशियल इंटेलिजेंस (Stanford HAI) द्वारा तैयार किया गया है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। 2023 की रिपोर्ट प्रकाशन के समय तक की सबसे व्यापक रिपोर्ट है और इसमें किसी भी पिछले संस्करण की तुलना में अधिक मूल डेटा शामिल है: AI पर सार्वजनिक राय को समर्पित एक नया अध्याय, तकनीकी प्रदर्शन का विस्तारित विश्लेषण, बड़े भाषाई और मल्टीमोडल मॉडलों पर मूल शोध, AI कानून में वैश्विक रुझानों का विस्तृत विश्लेषण, तथा AI प्रणालियों के पर्यावरणीय प्रभाव का अध्ययन। यह रिपोर्ट ऐसे समय में प्रकाशित हो रही है जब AI «तैनाती के युग» में प्रवेश कर रहा है: 2022 और 2023 की शुरुआत के दौरान हर महीने नए बड़े पैमाने के मॉडल — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — जारी किए गए, जो टेक्स्ट, चित्र उत्पन्न करने और वाक् पहचान में अभूतपूर्व क्षमताएं प्रदर्शित करते हैं। AI Index, कृत्रिम बुद्धिमत्ता पर डेटा को ट्रैक, व्यवस्थित और विज़ुअलाइज़ करता है, जो नीति-निर्माताओं, शोधकर्ताओं, प्रबंधकों, पत्रकारों और आम जनता को वस्तुनिष्ठ और सावधानीपूर्वक सत्यापित जानकारी प्रदान करता है। ## रिपोर्ट की संरचना 2023 की रिपोर्ट में आठ विषयगत अध्याय हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1): 1. **अनुसंधान और विकास (Research and Development)** — प्रकाशनों, पेटेंट, Machine Learning के महत्वपूर्ण मॉडलों, बड़े भाषाई और मल्टीमोडल मॉडलों में रुझान। 2. **तकनीकी प्रदर्शन (Technical Performance)** — benchmark, कंप्यूटर विज़न, भाषाई मॉडल, वाक्, Reinforcement Learning, हार्डवेयर, पर्यावरणीय प्रभाव, विज्ञान में AI। 3. **AI की तकनीकी नैतिकता (Technical AI Ethics)** — पूर्वाग्रह, विषाक्तता, निष्पक्षता, गोपनीयता, डीपफेक। 4. **अर्थव्यवस्था (The Economy)** — निवेश, श्रम बाजार, कॉर्पोरेट अपनाना, रोबोटिक्स। 5. **शिक्षा (Education)** — कार्मिक प्रशिक्षण, कंप्यूटर विज्ञान और AI में उच्च शिक्षा। 6. **नीति और शासन (Policy and Governance)** — कानून, विनियमन, राष्ट्रीय रणनीतियाँ। 7. **विविधता (Diversity)** — AI क्षेत्र में लैंगिक और जातीय विविधता। 8. **सार्वजनिक राय (Public Opinion)** — नया अध्याय: अंतर्राष्ट्रीय सर्वेक्षणों और सोशल मीडिया विश्लेषण के आधार पर AI के प्रति जनता का दृष्टिकोण। ## रिपोर्ट के प्रमुख निष्कर्ष (Top 10 Takeaways) रिपोर्ट के लेखकों ने दस मुख्य बिंदु प्रस्तुत किए हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1): ### 1. उद्योग अकादमिक जगत से आगे 2014 से पहले अधिकांश महत्वपूर्ण Machine Learning मॉडल शैक्षणिक संस्थानों द्वारा जारी किए जाते थे। तब से नेतृत्व उद्योग के पास चला गया। 2022 में उद्योग ने 32 महत्वपूर्ण Machine Learning मॉडल बनाए, जबकि अकादमिक जगत ने केवल 3। अग्रणी AI प्रणालियों को बनाने के लिए तेजी से बड़े पैमाने पर डेटा, कंप्यूटिंग संसाधन और वित्त पोषण की आवश्यकता होती है, जो औद्योगिक संगठनों के पास कहीं अधिक मात्रा में उपलब्ध है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### 2. पारंपरिक benchmark का संतृप्ति AI, benchmark पर नए रिकॉर्ड स्थापित करता रहता है, लेकिन साल दर साल प्रदर्शन में सुधार अधिकाधिक सीमांत होता जा रहा है। साथ ही benchmark के संतृप्ति की गति बढ़ रही है। फिर भी नई, अधिक जटिल मूल्यांकन प्रणालियाँ सामने आ रही हैं — BIG-bench और HELM[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### 3. AI एक साथ पर्यावरण की मदद भी करता है और नुकसान भी नए शोध से पता चलता है कि AI प्रणालियों का पर्यावरण पर गंभीर प्रभाव पड़ता है। Luccioni et al. (2022) के आंकड़ों के अनुसार, BLOOM के प्रशिक्षण से न्यूयॉर्क से सैन फ्रांसिस्को की उड़ान में एक यात्री द्वारा उत्सर्जित कार्बन डाइऑक्साइड से 25 गुना अधिक उत्सर्जन हुआ। साथ ही BCOOLER (DeepMind) जैसे Reinforcement Learning मॉडल ऊर्जा खपत के अनुकूलन के लिए AI के उपयोग की संभावना प्रदर्शित करते हैं[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Luccioni2022-2)[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-BCOOLER2022-3)। ### 4. क्या सबसे अच्छा नया वैज्ञानिक AI है? AI मॉडल वैज्ञानिक प्रगति को तेजी से गति देने लगे हैं। 2022 में AI का उपयोग हाइड्रोजन संलयन प्रबंधन में सहायता, मैट्रिक्स गुणन एल्गोरिदम के अनुकूलन (AlphaTensor) और नए एंटीबॉडी की पीढ़ी के लिए किया गया[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### 5. AI के अनैतिक उपयोग से जुड़ी घटनाओं की संख्या तेजी से बढ़ रही है AIAAIC डेटाबेस के अनुसार, AI के नैतिक दुरुपयोग से जुड़ी घटनाओं और विवादास्पद स्थितियों की संख्या 2012 के बाद से 26 गुना बढ़ गई है। 2022 की उल्लेखनीय घटनाओं में यूक्रेन के राष्ट्रपति व्लादिमीर ज़ेलेंस्की के «आत्मसमर्पण» वाला डीपफेक वीडियो और अमेरिकी जेलों में कॉल निगरानी तकनीकों का उपयोग शामिल है[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIAAIC2023-4)। ### 6. AI कौशल वाले विशेषज्ञों की मांग लगभग सभी क्षेत्रों में बढ़ रही है अमेरिकी अर्थव्यवस्था के लगभग सभी क्षेत्रों में (कृषि, वानिकी, मछली पालन और शिकार को छोड़कर) AI से जुड़ी नौकरियों का अनुपात औसतन 2021 के 1.7% से बढ़कर 2022 में 1.9% हो गया[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### 7. एक दशक में पहली बार AI में निजी निवेश में गिरावट AI में वैश्विक निजी निवेश 2022 में 91.9 अरब डॉलर रहा, जो 2021 के आंकड़े से 26.7% कम है। निवेश की घटनाओं की कुल संख्या और पहली बार वित्त पोषित AI कंपनियों की संख्या भी घटी। फिर भी एक दशक में निवेश की मात्रा 2013 की तुलना में 18 गुना बढ़ी है[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Quid2023-5)। ### 8. AI अपनाने वाली कंपनियों का अनुपात स्थिर हुआ, लेकिन अग्रणी आगे बढ़ते रहे AI का उपयोग करने वाली कंपनियों का अनुपात 2017 के बाद से दोगुने से अधिक हो गया है, हालांकि हाल के वर्षों में McKinsey के वार्षिक सर्वेक्षण के अनुसार यह 50–60% पर स्थिर हो गया है। AI अपनाने वाले संगठन वास्तविक लागत में कमी और राजस्व वृद्धि की रिपोर्ट करते हैं[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-McKinsey2023-6)। ### 9. AI में नीति-निर्माताओं की रुचि बढ़ रही है 127 देशों के विधायी दस्तावेजों के विश्लेषण से पता चलता है कि «कृत्रिम बुद्धिमत्ता» शब्द वाले और कानून के रूप में पारित विधेयकों की संख्या 2016 के 1 से बढ़कर 2022 में 37 हो गई। 81 देशों की संसदीय बहसों में AI का उल्लेख 2016 के बाद से लगभग 6.5 गुना बढ़ गया है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### 10. चीनी नागरिक AI के प्रति सबसे सकारात्मक हैं; अमेरिकी — काफी कम 2022 के IPSOS सर्वेक्षण के अनुसार, 78% चीनी उत्तरदाताओं ने इस कथन से सहमति व्यक्त की कि AI-आधारित उत्पाद और सेवाएं नुकसान से अधिक लाभ पहुंचाती हैं। उनके बाद सऊदी अरब (76%) और भारत (71%) हैं। केवल 35% अमेरिकी उत्तरदाता इस राय को साझा करते हैं — जो 28 सर्वेक्षण किए गए देशों में सबसे कम संकेतकों में से एक है[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IPSOS2022-7)। ## अध्याय 1. अनुसंधान और विकास यह अध्याय प्रकाशनों, पेटेंट, Machine Learning के महत्वपूर्ण मॉडलों, बड़े भाषाई और मल्टीमोडल मॉडलों, सम्मेलनों और खुले स्रोत में रुझानों का विश्लेषण करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### प्रकाशन AI पर प्रकाशनों की कुल संख्या बढ़ती जा रही है: यह 2010 के बाद से दोगुने से अधिक हो गई है। शोध के प्रमुख क्षेत्र — पैटर्न पहचान (pattern recognition), Machine Learning और कंप्यूटर विज़न हैं[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CSET2022-8)। **क्षेत्रीय नेतृत्व।** चीन AI पर पत्रिकाओं, सम्मेलनों और रिपॉजिटरी में प्रकाशनों की कुल संख्या में अग्रणी बना हुआ है। हालांकि अमेरिका अभी भी सम्मेलन और रिपॉजिटरी प्रकाशनों के उद्धरणों की संख्या में आगे है, हालांकि यह अंतर धीरे-धीरे कम हो रहा है[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CSET2022-8)। **अंतर्राष्ट्रीय सहयोग।** 2010–2021 में AI प्रकाशनों में देशों के बीच सबसे अधिक सहयोग अमेरिका–चीन की जोड़ी का है: इनकी संख्या 2010 के बाद से लगभग 4 गुना बढ़ गई है और अगली निकटतम जोड़ी (यूके–चीन) के सहयोग से 2.5 गुना अधिक है। हालांकि अमेरिका–चीन के संयुक्त कार्यों की संख्या में वृद्धि धीमी हुई है: 2020–2021 में वृद्धि केवल 2.1% थी — अवलोकन की पूरी अवधि में न्यूनतम[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। **रिपॉजिटरी।** AI रिपॉजिटरी (arXiv, SSRN आदि) में प्रकाशनों की संख्या पिछले 12 वर्षों में लगभग 27 गुना बढ़ी है। 2016 के बाद से रिपॉजिटरी प्रकाशनों में उत्तरी अमेरिका की हिस्सेदारी में अग्रणी बना हुआ है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### Machine Learning के महत्वपूर्ण मॉडल **उद्योग का वर्चस्व।** 2022 में 32 महत्वपूर्ण मॉडल उद्योग द्वारा बनाए गए जबकि अकादमिक जगत से केवल 3। यह 2014 से उभरते रुझान की पुष्टि करता है[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Epoch2022-9)। **पैमाना और लागत।** बड़े भाषाई मॉडल तेजी से बड़े और महंगे होते जा रहे हैं। 2019 में जारी GPT-2, जिसे पहले बड़े भाषाई मॉडलों में से एक माना जाता है, में 1.5 अरब पैरामीटर थे; इसके प्रशिक्षण की लागत लगभग 50,000 डॉलर थी। PaLM (Google, 2022) में 540 अरब पैरामीटर थे और इसकी लागत लगभग 80 लाख डॉलर आई — यह मॉडल GPT-2 से 360 गुना बड़ा और 160 गुना महंगा था[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। **कंप्यूटिंग संसाधन।** 2010 से भाषाई मॉडल सभी Machine Learning प्रणालियों में सबसे अधिक कंप्यूटिंग संसाधनों की मांग करते हैं। Epoch के डेटा से प्रशिक्षण में उपयोग की जाने वाली गणनाओं (FLOP) में घातीय वृद्धि दर्ज की गई है[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Epoch2022-9)। ### बड़े भाषाई और मल्टीमोडल मॉडल **राष्ट्रीय संबद्धता।** बड़े भाषाई और मल्टीमोडल मॉडलों के अधिकांश लेखक अमेरिकी संस्थानों से हैं (2022 में 54.2%)। 2022 में पहली बार कनाडा, जर्मनी और भारत के शोधकर्ताओं ने ऐसे मॉडलों के विकास में योगदान दिया[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। **2022 के प्रमुख मॉडल:** | मॉडल | डेवलपर | तिथि | महत्व | |------------------|------------------|------------|----------------------------------------------------------------------------------| | DALL-E 2 | OpenAI | अप्रैल 2022 | टेक्स्ट विवरण से चित्र उत्पन्न करने की प्रणाली; «जनरेटिव AI बूम» की शुरुआत | | PaLM (540B) | Google | अप्रैल 2022 | 2022 के सबसे बड़े भाषाई मॉडलों में से एक; 540 अरब पैरामीटर | | Gato | DeepMind | मई 2022 | मल्टी-टास्क एजेंट: रोबोट नियंत्रण, गेम, चित्र विवरण, टेक्स्ट पीढ़ी | | Imagen | Google | मई 2022 | उच्च फोटो-यथार्थवाद के साथ चित्र उत्पन्न करने के लिए diffusion मॉडल; DrawBench benchmark | | Stable Diffusion | Stability AI | अगस्त 2022 | चित्र उत्पन्न करने का खुला मॉडल; व्यापक प्रसार | | Make-A-Video | Meta AI | सितंबर 2022 | टेक्स्ट विवरण से वीडियो उत्पन्न करने की प्रणाली | | Whisper | OpenAI | सितंबर 2022 | कई भाषाओं के समर्थन वाली सार्वभौमिक वाक् पहचान प्रणाली | | ChatGPT | OpenAI | नवंबर 2022 | LLM पर आधारित चैटबॉट; जनरेटिव AI की अभूतपूर्व लोकप्रियता | | GLM-130B | सिंघुआ विश्वविद्यालय | 2022 | द्विभाषी (अंग्रेज़ी/चीनी) खुला मॉडल; 2022 का एकमात्र चीनी बड़ा मॉडल | ## अध्याय 2. तकनीकी प्रदर्शन यह अध्याय कंप्यूटर विज़न, भाषा प्रसंस्करण, वाक्, Reinforcement Learning, हार्डवेयर के कार्यों में प्रगति, तथा AI के पर्यावरणीय प्रभाव और विज्ञान में AI की भूमिका का विश्लेषण करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### benchmark की स्थिति AI अधिकांश benchmark पर विश्व रिकॉर्ड के स्तर पर या उससे बेहतर परिणाम प्रदर्शित करता रहता है, लेकिन सुधार सीमांत होते जा रहे हैं। benchmark के संतृप्ति की गति बढ़ रही है। नई जटिल मूल्यांकन प्रणालियाँ — BIG-bench और HELM — अधिक वस्तुनिष्ठ और व्यापक मूल्यांकन सुनिश्चित करने के लिए तैयार की गई हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### जनरेटिव AI 2022 का वर्ष जनरेटिव AI के सामूहिक चेतना में प्रवेश के रूप में चिह्नित हुआ। टेक्स्ट से चित्र उत्पन्न करने वाले मॉडल (DALL-E 2, Stable Diffusion), वीडियो उत्पन्न करने की प्रणालियाँ (Make-A-Video) और चैटबॉट (ChatGPT) जारी किए गए। फिर भी ये प्रणालियाँ «हैलुसिनेशन» की प्रवृत्ति रखती हैं — गलत या अर्थहीन उत्तरों को आत्मविश्वास के साथ उत्पन्न करना — जो महत्वपूर्ण अनुप्रयोगों में उनके उपयोग को सीमित करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### भाषाई मॉडल **MMLU।** Massive Multitask Language Understanding benchmark 57 विषय क्षेत्रों में मॉडलों का मूल्यांकन करता है। 2022 में सर्वोत्तम मॉडलों ने संकेतकों में सुधार जारी रखा, लेकिन मानव विशेषज्ञ के स्तर तक एक महत्वपूर्ण अंतर शेष रहा[\[10\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-MMLU2021-10)। **HELM।** स्टैनफोर्ड का Holistic Evaluation of Language Models (HELM) benchmark दस परिदृश्यों में भाषाई मॉडलों का व्यापक मूल्यांकन प्रदान करता है, जिसमें पाठ बोध, गणित, कानूनी तर्क, तथा पूर्वाग्रह और विषाक्तता के माप शामिल हैं[\[11\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-HELM2022-11)। **योजना और तर्क।** भाषाई मॉडल जनरेटिव क्षमताओं में सुधार करते रहते हैं, लेकिन योजना कार्यों में गंभीर कठिनाइयों का सामना करते हैं। Valmeekam et al. (2022) के शोध से पता चला कि GPT-3, Instruct-GPT3 और BLOOM Blocksworld वातावरण में योजना निर्माण, इष्टतम योजना और योजना पुनः उपयोग के कार्यों में अत्यंत अप्रभावी हैं[\[12\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Valmeekam2022-12)। ### वाक् पहचान **Whisper (OpenAI)।** 2022 में OpenAI ने Whisper प्रस्तुत किया — एक बड़े पैमाने की वाक् पहचान प्रणाली, जिसे 680,000 घंटे के बहुभाषी डेटा पर प्रशिक्षित किया गया। Whisper ने पहचान की सटीकता में महत्वपूर्ण प्रगति दिखाई, कुछ benchmark पर मानव स्तर के करीब पहुंची, और कई दर्जन भाषाओं से अनुवाद का समर्थन करती है[\[13\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Whisper2022-13)। ### AI, AI को बेहतर बनाता है AI प्रणालियों के स्व-सुधार की प्रवृत्ति उभरी है। NVIDIA ने AI प्रणालियों को शक्ति देने वाले चिप्स की वास्तुकला में सुधार के लिए Reinforcement Learning एजेंट का उपयोग किया। Google ने अपनी भाषाई मॉडल PaLM का उपयोग स्वयं PaLM मॉडल को बेहतर बनाने के तरीके खोजने के लिए किया[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### हार्डवेयर **GPU रुझान।** नए GPU की औसत कंप्यूटिंग क्षमता (FLOP/s) 2021 के बाद से लगभग तीन गुना और 2003 के बाद से लगभग 7,000 गुना बढ़ गई है। प्रति अमेरिकी डॉलर (FLOP/s per USD) औसत प्रदर्शन 2022 में 2021 के संकेतक से 1.4 गुना और 2003 के संकेतक से 5,600 गुना अधिक था, जो हर 1.5 वर्ष में प्रदर्शन को दोगुना करने का प्रदर्शन करता है[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Epoch2022-9)। **MLPerf।** MLPerf benchmark मानक कार्यों पर मॉडल प्रशिक्षण समय में निरंतर कमी दर्ज करता रहता है, जो हार्डवेयर और अनुकूलन में प्रगति को दर्शाता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### पर्यावरणीय प्रभाव यह खंड पहली बार रिपोर्ट में शामिल किया गया है। AI मॉडलों का कार्बन फुटप्रिंट बुनियादी ढांचे के आधार पर महत्वपूर्ण रूप से भिन्न होता है: | मॉडल | पैरामीटर | CO₂ उत्सर्जन (टन) | डेटा सेंटर PUE | |--------|---------|-----------------|-------------| | GPT-3 | 175 अरब | 502 | 1.10 | | Gopher | 280 अरब | 352 | 1.08 | | OPT | 175 अरब | 70 | 1.09 | | BLOOM | 176 अरब | 25 | 1.20 | GPT-3 ने तुलनीय पैरामीटर संख्या के साथ BLOOM की तुलना में 20 गुना अधिक कार्बन डाइऑक्साइड उत्सर्जित किया। प्रमुख कारक हैं ऊर्जा ग्रिड की कार्बन तीव्रता, डेटा सेंटर की दक्षता (PUE) और प्रशिक्षण की अवधि[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Luccioni2022-2)। तुलना के लिए: BLOOM के प्रशिक्षण से न्यूयॉर्क से सैन फ्रांसिस्को की हवाई यात्रा में एक यात्री के CO₂ उत्सर्जन से 25 गुना और एक औसत अमेरिकी के वार्षिक उत्सर्जन से 1.4 गुना अधिक उत्सर्जन हुआ। उपभोग की गई ऊर्जा एक औसत अमेरिकी घर को 41 वर्षों तक बिजली प्रदान करने के लिए पर्याप्त होती[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Luccioni2022-2)। **ऊर्जा खपत का अनुकूलन।** BCOOLER प्रणाली (DeepMind) — Google डेटा सेंटरों की शीतलन को अनुकूलित करने के लिए Reinforcement Learning एजेंट — ने तीन महीने के प्रयोग में आरामदायक परिस्थितियों को बनाए रखते हुए लगभग 12.7% ऊर्जा बचत प्रदान की[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-BCOOLER2022-3)। ### विज्ञान में AI (2022) **टोकामक में प्लाज़्मा नियंत्रण।** DeepMind ने थर्मोन्यूक्लियर संलयन की दिशा में एक प्रमुख उपलब्धि के रूप में टोकामक में प्लाज़्मा के इष्टतम नियंत्रण के लिए Reinforcement Learning एल्गोरिदम विकसित किया[\[14\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Degrave2022-14)। **AlphaTensor।** DeepMind ने मैट्रिक्स गुणन एल्गोरिदम खोजने के लिए Reinforcement Learning का उपयोग किया, जो मौजूदा समाधानों से बेहतर हैं — जिसमें 4×4 मैट्रिक्स के लिए क्लासिक स्ट्रासेन एल्गोरिदम भी शामिल है[\[15\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AlphaTensor2022-15)। **AlphaCode।** DeepMind की प्रणाली, जो प्रतिस्पर्धी स्तर पर कंप्यूटर प्रोग्राम लिखती है, प्रोग्रामिंग प्रतियोगिताओं में शीर्ष 54% प्रतिभागियों की रैंक पर पहुंची[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। **एंटीबॉडी की पीढ़ी।** जनरेटिव AI का उपयोग एंटीबॉडी के de novo डिज़ाइन के लिए किया गया, जो बायोफार्मास्यूटिकल्स के लिए नई संभावनाएं खोलता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ## अध्याय 3. AI की तकनीकी नैतिकता यह अध्याय AI नैतिकता के प्रमुख आयामों को समर्पित है: पूर्वाग्रह, विषाक्तता, निष्पक्षता और घटनाएं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### निष्पक्षता और पूर्वाग्रह की मेट्रिक्स 2022 में AI प्रणालियों की निष्पक्षता और पूर्वाग्रह का मूल्यांकन करने के लिए मेट्रिक्स और benchmark की संख्या में स्थिर वृद्धि देखी गई। मेट्रिक्स विस्तारित और परिष्कृत हो रही हैं: शोधकर्ता उन्हें विशिष्ट कार्यों (प्रश्नोत्तर, प्राकृतिक भाषा अनुमान) के अनुकूल बनाते हैं और विस्तारित परीक्षण डेटा उत्पन्न करने के लिए भाषाई मॉडल का उपयोग करते हैं। 2022 में नए benchmark प्रस्तुत किए गए, जैसे BBQ (Bias Benchmark for Question Answering), साथ ही बड़े पैमाने के BIG-bench प्रोजेक्ट के भीतर अतिरिक्त मूल्यांकन[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। दो प्रकार की मेट्रिक्स प्रतिष्ठित हैं: **benchmark** (स्थिर लेबल किए गए डेटा सेट जो मॉडल के आंतरिक पूर्वाग्रह का मूल्यांकन करते हैं — StereoSet, Winogender) और **निदान मेट्रिक्स** (वास्तविक उपयोग में विभिन्न जनसांख्यिकीय समूहों के लिए मॉडल के प्रदर्शन में अंतर को मापती हैं)। दोनों दृष्टिकोण एक-दूसरे के पूरक हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### पूर्वाग्रह पर पैमाने का प्रभाव 2022 के शोध से पता चला कि मॉडल के पैमाने में वृद्धि का पूर्वाग्रह और विषाक्तता पर प्रभाव अस्पष्ट है और यह प्रशिक्षण डेटा तथा पूर्वाग्रह कम करने के लागू तरीकों पर निर्भर करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### AI क्षेत्र में घटनाएं AIAAIC डेटाबेस के अनुसार, AI के नैतिक दुरुपयोग से जुड़ी घटनाओं और विवादास्पद स्थितियों की संख्या 2012 के बाद से 26 गुना बढ़ गई है। यह वृद्धि AI के बढ़ते उपयोग और जोखिमों के बारे में जागरूकता में वृद्धि दोनों के कारण है[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIAAIC2023-4)। ## अध्याय 4. अर्थव्यवस्था यह अध्याय रोजगार, निवेश, AI के कॉर्पोरेट अपनाने और रोबोटिक्स में रुझानों की जांच करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### श्रम बाजार अमेरिका में AI से जुड़ी नौकरियों का अनुपात लगभग सभी क्षेत्रों में औसतन 2021 के 1.7% से बढ़कर 2022 में 1.9% हो गया। प्रौद्योगिकी, वित्त, विनिर्माण, स्वास्थ्य सेवा और अन्य क्षेत्रों में मांग में वृद्धि देखी जा रही है[\[16\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Lightcast2022-16)। **उद्योग की ओर प्रवास।** AI में नए डॉक्टरेट डिग्री धारकों का बढ़ता प्रतिशत उद्योग में काम चुनता है: 2021 में 65.4% उद्योग में गए (2011 के 40.9% की तुलना में), और केवल 28.2% — अकादमिक जगत में (2011 के 41.6% की तुलना में)। सरकारी क्षेत्र में काम करने वाले PhD की हिस्सेदारी स्थिर रूप से कम — 0.7% बनी रही[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CRA2022-17)। ### निवेश **सामान्य रुझान।** AI में वैश्विक निजी निवेश 91.9 अरब डॉलर रहा — 2021 की तुलना में 26.7% की गिरावट। निवेश की घटनाओं की संख्या 3,538 तक घट गई (2021 की तुलना में 12% की गिरावट)। पहली बार वित्त पोषित AI कंपनियों की संख्या 1,392 तक घट गई (2021 में 1,669 से)। फिर भी निवेश की मात्रा 2013 के स्तर से 18 गुना अधिक है[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Quid2023-5)। **क्षेत्रीय वितरण।** अमेरिका 47.4 अरब डॉलर के निवेश के साथ अग्रणी है — चीन (13.4 अरब) से 3.5 गुना और यूके (4.4 अरब) से 11 गुना अधिक। साथ ही अमेरिका में निवेश 35.5% और चीन में 41.3% घटा। 2013–2022 के दौरान कुल मिलाकर अमेरिका में 248.9 अरब, चीन में 95.1 अरब और यूके में 18.2 अरब का निवेश हुआ[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Quid2023-5)। **प्राथमिकता क्षेत्र।** निवेशकों के लिए सबसे आकर्षक क्षेत्र रहे: चिकित्सा और स्वास्थ्य सेवा (6.1 अरब डॉलर), डेटा प्रबंधन, प्रसंस्करण और क्लाउड प्रौद्योगिकियाँ (5.9 अरब), फिनटेक (5.5 अरब), साइबर सुरक्षा (5.4 अरब) और रिटेल (4.2 अरब)। अधिकांश प्राथमिकता क्षेत्रों ने 2021 की तुलना में निवेश में गिरावट दर्ज की[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Quid2023-5)। **2022 की सबसे बड़ी निवेश घटनाएं:** - GAC Aion New Energy Automobile (चीन, इलेक्ट्रिक वाहन) — 2.54 अरब डॉलर; - Anduril Industries (अमेरिका, रक्षा प्रौद्योगिकियाँ) — 1.5 अरब; - Celonis (जर्मनी, व्यापार विश्लेषण) — 1.22 अरब[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Quid2023-5)। ### कॉर्पोरेट अपनाना McKinsey के अनुसार, AI का उपयोग करने वाली कंपनियों का अनुपात 2017 के बाद से दोगुने से अधिक हो गया है, 50–60% पर स्थिर हो गया है। AI अपनाने वाले संगठन वास्तविक लागत में कमी और राजस्व वृद्धि की रिपोर्ट करते हैं[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-McKinsey2023-6)। **Earnings calls।** 2022 के वित्तीय वर्ष में Fortune 500 की 268 कंपनियों ने लाभ रिपोर्ट में AI का उल्लेख किया (2021 में 306 से गिरावट, लेकिन 2018 में 225 से वृद्धि)[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। **चुनौतियाँ।** AI परियोजनाओं को शुरू करते समय मुख्य समस्याएं: व्यावसायिक मूल्य साबित करना (37%), नेतृत्व की प्रतिबद्धता की कमी (34%), सही AI प्रौद्योगिकियों का चयन (33%)। पैमाने की मुख्य बाधाएं: AI जोखिम प्रबंधन (50%), प्रशिक्षण डेटा प्राप्त करना (44%), प्रौद्योगिकी कार्यान्वयन (42%)[\[18\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Deloitte2022-18)। ### रोबोटिक्स 2021 में 517,000 औद्योगिक रोबोट स्थापित किए गए — 2020 की तुलना में 31.3% की वृद्धि और 2011 की तुलना में 3 गुना से अधिक। औद्योगिक रोबोटों का परिचालन बेड़ा 3,477,000 इकाइयों (14.6% की वृद्धि) तक पहुंच गया[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IFR2022-19)। **चीन का वर्चस्व।** 2021 में चीन ने 268,200 औद्योगिक रोबोट स्थापित किए — जापान (47,200) से 5.7 गुना और अमेरिका (35,000) से 7.7 गुना अधिक। 2013 से, जब चीन ने जापान को पछाड़ा, उसकी हिस्सेदारी वैश्विक स्थापनाओं के 20.8% से 51.8% तक बढ़ गई। 2021 में चीन ने पहली बार बाकी पूरी दुनिया को मिलाकर से अधिक औद्योगिक रोबोट स्थापित किए[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IFR2022-19)। ## अध्याय 5. शिक्षा यह अध्याय कंप्यूटर विज्ञान और AI शिक्षा में रुझानों पर विचार करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### उच्च शिक्षा **स्नातक।** उत्तरी अमेरिका में कंप्यूटर विज्ञान (CS) में स्नातक स्तर के स्नातकों की संख्या बढ़ती रहती है[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CRA2022-17)। **डॉक्टरेट।** 2021 में कंप्यूटर विज्ञान में 1,893 डॉक्टर स्नातक हुए — 2020 (1,997) से कम। CS में PhD के बीच अंतर्राष्ट्रीय छात्रों का अनुपात 2010 के 45.8% से बढ़कर 2021 में 68.6% हो गया[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CRA2022-17)। **AI में विशेषज्ञता।** 2021 में उत्तरी अमेरिका में नए CS डॉक्टरेट का 19.1% AI में विशेषज्ञ था — 2020 की तुलना में 4.2 प्रतिशत अंक और 2012 की तुलना में 8.6 प्रतिशत अंक की वृद्धि[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-CRA2022-17)। ## अध्याय 6. नीति और शासन यह अध्याय वैश्विक, अमेरिकी और क्षेत्रीय स्तरों पर AI क्षेत्र में विधायी और नियामक गतिविधि का विश्लेषण करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### वैश्विक रुझान «कृत्रिम बुद्धिमत्ता» शब्द वाले और कानून के रूप में पारित विधेयकों की संख्या 2016 के 1 से बढ़कर 2022 में 37 हो गई (127 देशों का विश्लेषण)। 81 देशों की संसदीय बहसों में AI का उल्लेख 2016 के बाद से लगभग 6.5 गुना बढ़ गया, हालांकि 2022 में 2021 की तुलना में थोड़ी गिरावट देखी गई (1,547 से 1,340 उल्लेख)[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। 2022 में संसदीय बैठकों में AI उल्लेखों की संख्या में अग्रणी देश रहे: स्पेन (273), कनाडा (211), यूके (146), अमेरिका (138)[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### अमेरिका में नियमन संघीय स्तर पर 2022 में AI से जुड़े 88 विधेयक प्रस्तावित किए गए, जिनमें से 9 पारित हुए (पिछले वर्षों में 3 से वृद्धि)। राज्य स्तर पर कैलिफोर्निया (5 पारित कानून) और मैरीलैंड (3) अग्रणी हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### राष्ट्रीय रणनीतियाँ कई देशों ने नए कानून अपनाए हैं, जिनमें व्यापक मुद्दे शामिल हैं: AI कौशल में कर्मियों का प्रशिक्षण, कानून प्रवर्तन में AI के उपयोग पर नियंत्रण, एल्गोरिथ्मिक निर्णय लेने की पारदर्शिता बढ़ाना[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ## अध्याय 7. विविधता महिलाएं और अल्पसंख्यक समुदायों के प्रतिनिधि उद्योग और अकादमिक जगत दोनों में AI क्षेत्र में काफी कम प्रतिनिधित्व वाले हैं। CRA Taulbee Survey और अन्य स्रोतों के डेटा विविधता बढ़ाने में धीमी लेकिन स्थिर प्रगति दर्ज करते हैं[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ## अध्याय 8. सार्वजनिक राय रिपोर्ट का नया अध्याय अंतर्राष्ट्रीय सर्वेक्षणों और सोशल मीडिया विश्लेषण के आधार पर AI की सार्वजनिक धारणा का विश्लेषण करता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### वैश्विक सर्वेक्षण (IPSOS) 2022 के IPSOS सर्वेक्षण के अनुसार (28 देशों में 19,504 उत्तरदाता)[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IPSOS2022-7): - 60% उत्तरदाताओं का मानना है कि AI उत्पाद अगले 3–5 वर्षों में उनके जीवन को काफी बदल देंगे; - 60% मानते हैं कि AI उत्पाद उनके जीवन को आसान बनाते हैं; - 52% सहमत हैं कि AI उत्पाद नुकसान से अधिक लाभ पहुंचाते हैं; - 40% नोट करते हैं कि AI उत्पाद उनमें घबराहट पैदा करते हैं। **क्षेत्रीय अंतर।** AI के प्रति सबसे सकारात्मक दृष्टिकोण चीन के नागरिकों (78% AI के लाभ से सहमत), सऊदी अरब (76%) और भारत (71%) के नागरिकों का है। सबसे कम सकारात्मक — फ्रांस (31%), कनाडा (32%), अमेरिका (35%)[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IPSOS2022-7)। **जनसांख्यिकीय अंतर।** पुरुष सभी आयामों में महिलाओं की तुलना में AI उत्पादों का अधिक सकारात्मक मूल्यांकन करते हैं। उच्च आय और उच्च शिक्षा स्तर वाले घर भी अधिक आशावादी हैं[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-IPSOS2022-7)। ### Lloyd's Register Foundation और Gallup का सर्वेक्षण 121 देशों में 125,911 लोगों का वैश्विक सर्वेक्षण (2021) दर्शाता है कि 39% AI को देश के लिए सामान्यतः उपयोगी मानते हैं, 28% — हानिकारक। पुरुष महिलाओं की तुलना में AI को उपयोगी मानने की अधिक प्रवृत्ति रखते हैं[\[20\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-LRF2022-20)। **स्वायत्त वाहन।** विश्व में केवल 27% उत्तरदाता स्वायत्त कार में स्वयं को सुरक्षित महसूस करते हैं। Pew Research के अनुसार, केवल 26% अमेरिकी यात्री स्वायत्त कारों को समाज के लिए एक अच्छा विचार मानते हैं[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Pew2022-21)। ### Pew Research का सर्वेक्षण (अमेरिका) AI से उत्साहित अमेरिकियों में, जीवन और समाज को बेहतर बनाने की क्षमता (31%) और समय की बचत (13%) मुख्य कारण हैं। चिंतित लोगों में — नौकरी का नुकसान (19%), निगरानी और डिजिटल गोपनीयता (16%), मानवीय संपर्क की हानि (12%)[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-Pew2022-21)। ### NLP शोधकर्ताओं की राय NLP शोधकर्ताओं के बीच सर्वेक्षण के अनुसार: 77% सहमत या आंशिक रूप से सहमत हैं कि निजी AI कंपनियों का अत्यधिक प्रभाव है; 41% मानते हैं कि NLP को विनियमित किया जाना चाहिए; 73% मानते हैं कि AI जल्द ही क्रांतिकारी सामाजिक परिवर्तन ला सकता है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ### सोशल मीडिया विश्लेषण NetBase Quid ने 2022 में सोशल मीडिया पर 70 लाख से अधिक पोस्टों का विश्लेषण किया। ChatGPT और Stable Diffusion मॉडलों ने सबसे अधिक ध्यान आकर्षित किया। चर्चाओं के मुख्य विषय — नैतिक समस्याएं, AI का सांस्कृतिक और आर्थिक प्रभाव[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ## पद्धति रिपोर्ट अनेक स्रोतों से डेटा का उपयोग करती है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1): - **प्रकाशन और पेटेंट:** Center for Security and Emerging Technology (CSET), Georgetown University; Epoch के डेटा। - **benchmark:** Papers With Code, CRFM (HELM), BIG-bench, विशेष लीडरबोर्ड। - **निवेश:** NetBase Quid (Capital IQ, Crunchbase)। - **श्रम बाजार:** Lightcast, LinkedIn। - **कॉर्पोरेट गतिविधि:** McKinsey & Company, Deloitte, NetBase Quid (earnings calls)। - **रोबोटिक्स:** International Federation of Robotics (IFR)। - **नियमन:** 127 देशों के विधायी डेटाबेस, 81 देशों की संसदीय सामग्री। - **सार्वजनिक राय:** IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (सोशल मीडिया)। - **शिक्षा:** CRA Taulbee Survey, Code.org। - **पर्यावरणीय प्रभाव:** Luccioni et al. (2022), GPU पर डेटा — Epoch। ## लेखक समूह रिपोर्ट सह-निदेशकों **रेमंड पेरो** (Raymond Perrault, SRI International) और **जैक क्लार्क** (Jack Clark, Anthropic / OECD) के नेतृत्व में तैयार की गई। अनुसंधान प्रमुख और मुख्य संपादक **नेस्टर मासलेई** (Nestor Maslej, Stanford University) थे। रिपोर्ट की तैयारी में एरिक ब्रिनजोल्फसन (Erik Brynjolfsson), जॉन एचेमेंडी (John Etchemendy), कैट्रीना लिगेट (Katrina Ligett), टेरा लायंस (Terah Lyons), जेम्स मैनिका (James Manyika), हेलेन न्गो (Helen Ngo), जुआन कार्लोस नीब्लेस (Juan Carlos Niebles), वेनेसा पार्ली (Vanessa Parli), योव शोहम (Yoav Shoham, AI Index के संस्थापक), रसेल वाल्ड (Russell Wald), तथा शोधकर्ताओं और भागीदार संगठनों का एक व्यापक समूह शामिल था। AI Index, स्टैनफोर्ड HAI (Human-Centered Artificial Intelligence) संस्थान की एक परियोजना है[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_note-AIIndex2023-1)। ## संदर्भ - Stanford HAI — AI Index Report 2023 (पूर्ण पाठ): https://aiindex.stanford.edu/report/ - Epoch — कंप्यूटिंग रुझानों और महत्वपूर्ण मॉडलों पर डेटा: https://epochai.org/ - Papers With Code — benchmark और लीडरबोर्ड: https://paperswithcode.com/ - CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/ - AIAAIC Repository — AI के नैतिक दुरुपयोग की घटनाओं का डेटाबेस: 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 — निवेश और सोशल मीडिया पर डेटा: https://quid.com/ - IPSOS — AI के प्रति दृष्टिकोण पर वैश्विक सर्वेक्षण: https://www.ipsos.com/ - Pew Research Center — जनमत सर्वेक्षण: https://www.pewresearch.org/ - CRA Taulbee Survey — CS शिक्षा पर डेटा: https://cra.org/resources/taulbee-survey/ - Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/ ## साहित्य - 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. ## टिप्पणियाँ 1. ↑ [1.00](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-0) [1.01](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-1) [1.02](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-2) [1.03](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-3) [1.04](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-4) [1.05](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-5) [1.06](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-6) [1.07](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-7) [1.08](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-8) [1.09](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-9) [1.10](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-10) [1.11](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-11) [1.12](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-12) [1.13](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-13) [1.14](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-14) [1.15](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-15) [1.16](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-16) [1.17](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-17) [1.18](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-18) [1.19](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-19) [1.20](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-20) [1.21](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-21) [1.22](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-22) [1.23](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-23) [1.24](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-24) [1.25](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-25) [1.26](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-26) [1.27](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-27) [1.28](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-28) [1.29](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-29) [1.30](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-30) [1.31](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-31) [1.32](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-32) [1.33](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-33) [1.34](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-34) [1.35](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-35) [1.36](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-36) [1.37](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIIndex2023_1-37) Maslej, N. et al. (2023). *The AI Index 2023 Annual Report*. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University. https://aiindex.stanford.edu/report/ 2. ↑ [2.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Luccioni2022_2-0) [2.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Luccioni2022_2-1) [2.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Luccioni2022_2-2) Luccioni, A. S. et al. (2022). *Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model*. https://arxiv.org/abs/2211.02001 3. ↑ [3.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-BCOOLER2022_3-0) [3.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-BCOOLER2022_3-1) Luo, J. et al. (2022). *Controlling Commercial Cooling Systems Using Reinforcement Learning*. DeepMind Research. 4. ↑ [4.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIAAIC2023_4-0) [4.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AIAAIC2023_4-1) AIAAIC Repository (2023). https://www.aiaaic.org/ 5. ↑ [5.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Quid2023_5-0) [5.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Quid2023_5-1) [5.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Quid2023_5-2) [5.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Quid2023_5-3) [5.4](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Quid2023_5-4) NetBase Quid (2023). *AI Investment Data*. https://quid.com/ 6. ↑ [6.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-McKinsey2023_6-0) [6.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-McKinsey2023_6-1) McKinsey & Company (2023). *The State of AI in 2023*. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai 7. ↑ [7.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IPSOS2022_7-0) [7.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IPSOS2022_7-1) [7.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IPSOS2022_7-2) [7.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IPSOS2022_7-3) IPSOS (2022). *Global Views on AI Survey 2022*. https://www.ipsos.com/ 8. ↑ [8.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CSET2022_8-0) [8.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CSET2022_8-1) Center for Security and Emerging Technology, Georgetown University (2022). *AI Publication Data*. https://cset.georgetown.edu/ 9. ↑ [9.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Epoch2022_9-0) [9.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Epoch2022_9-1) [9.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Epoch2022_9-2) Epoch (2022). *Trends in Machine Learning Systems*. https://epochai.org/ 10. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-MMLU2021_10-0) Hendrycks, D. et al. (2021). *Measuring Massive Multitask Language Understanding*. https://arxiv.org/abs/2009.03300 11. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-HELM2022_11-0) Liang, P. et al. (2022). *Holistic Evaluation of Language Models*. https://arxiv.org/abs/2211.09110 12. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Valmeekam2022_12-0) Valmeekam, K. et al. (2022). *Large Language Models Still Can't Plan*. https://arxiv.org/abs/2206.10498 13. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Whisper2022_13-0) Radford, A. et al. (2022). *Robust Speech Recognition via Large-Scale Weak Supervision*. https://arxiv.org/abs/2212.04356 14. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Degrave2022_14-0) Degrave, J. et al. (2022). *Magnetic Control of Tokamak Plasmas through Deep Reinforcement Learning*. *Nature*. https://doi.org/10.1038/s41586-021-04301-9 15. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-AlphaTensor2022_15-0) Fawzi, A. et al. (2022). *Discovering faster matrix multiplication algorithms with reinforcement learning*. *Nature*. https://doi.org/10.1038/s41586-022-05172-4 16. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Lightcast2022_16-0) Lightcast (2022). *AI Job Posting Data*. https://lightcast.io/ 17. ↑ [17.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CRA2022_17-0) [17.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CRA2022_17-1) [17.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CRA2022_17-2) [17.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-CRA2022_17-3) CRA Taulbee Survey (2022). *Computing Research Association*. https://cra.org/resources/taulbee-survey/ 18. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Deloitte2022_18-0) Deloitte (2022). *State of AI in the Enterprise Survey*. https://www2.deloitte.com/ 19. ↑ [19.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IFR2022_19-0) [19.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-IFR2022_19-1) International Federation of Robotics (2022). *World Robotics Report 2022*. https://ifr.org/worldrobotics/ 20. [↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-LRF2022_20-0) Lloyd's Register Foundation and Gallup (2022). *World Risk Poll: Perceptions of AI*. https://wrp.lrfoundation.org.uk/ 21. ↑ [21.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Pew2022_21-0) [21.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(HI)#cite_ref-Pew2022_21-1) Pew Research Center (2022). *Public Views on AI*. https://www.pewresearch.org/