--- title: "The 2023 AI Index Report (RO)" source: "https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)" wiki: "systems-analysis.info/int" article: "The_2023_AI_Index_Report_(RO)" language: "ro" categories: - "Category:Large language models" - "Category:Machine learning" - "Category:Romanian" revision_id: 8023 wiki_created_at: 2026-09-07T01:11:04Z wiki_modified_at: 2026-09-07T01:11:04Z downloaded_at: 2026-09-07T23:22:48Z --- # The 2023 AI Index Report (RO) **AI Index Report 2023** — cel de-al șaselea număr anual al raportului **AI Index**, elaborat de Institutul Stanford pentru Inteligență Artificială Centrată pe Om (Stanford HAI)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. Raportul din 2023 este cel mai amplu de la momentul publicării și include mai multe date originale decât oricare ediție anterioară: un capitol nou dedicat opiniei publice despre IA, o analiză extinsă a performanței tehnice, cercetări originale despre modele lingvistice mari și multimodale, tendințe detaliate în legislația globală privind IA, precum și un studiu al impactului ecologic al sistemelor IA. Raportul apare într-o perioadă în care IA intră în „era implementării": de-a lungul anului 2022 și începutului anului 2023, lunar erau lansate noi modele la scară largă — ChatGPT, Stable Diffusion, Whisper, DALL-E 2 — demonstrând capacități fără precedent în generarea de text, imagini și recunoașterea vorbirii. AI Index urmărește, sistematizează și vizualizează datele despre inteligența artificială, furnizând informații obiective și riguros verificate pentru factori de decizie, cercetători, manageri, jurnaliști și publicul larg. ## Structura raportului Raportul din 2023 este alcătuit din opt capitole tematice^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}: 1. **Cercetare și Dezvoltare (Research and Development)** — tendințe în publicații, brevete, modele semnificative de Machine Learning, modele lingvistice mari și multimodale. 2. **Performanță Tehnică (Technical Performance)** — benchmark-uri, computer vision, modele lingvistice, vorbire, Reinforcement Learning, hardware, impact ecologic, IA în știință. 3. **Etica Tehnică a IA (Technical AI Ethics)** — prejudecăți, toxicitate, echitate, confidențialitate, deepfake-uri. 4. **Economia (The Economy)** — investiții, piața muncii, adoptare corporativă, robotică. 5. **Educație (Education)** — pregătirea cadrelor, învățământul superior în informatică și IA. 6. **Politică și Guvernanță (Policy and Governance)** — legislație, reglementare, strategii naționale. 7. **Diversitate (Diversity)** — diversitate de gen și etnică în domeniul IA. 8. **Opinia Publică (Public Opinion)** — capitol nou: atitudinea populației față de IA pe baza sondajelor internaționale și a analizei rețelelor sociale. ## Concluziile principale ale raportului (Top 10 Takeaways) Autorii raportului au identificat zece teze principale^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}: ### 1. Industria devansează academia Până în 2014, majoritatea modelelor semnificative de Machine Learning erau produse de instituții academice. De atunci, leadershipul a trecut în industrie. În 2022, industria a creat 32 de modele semnificative de Machine Learning, în timp ce academia — doar 3. Crearea sistemelor IA de vârf necesită tot mai mult volume masive de date, resurse de calcul și finanțare, de care organizațiile industriale dispun în măsură mult mai mare^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### 2. Saturarea benchmark-urilor tradiționale IA continuă să stabilească noi recorduri pe benchmark-uri, însă creșterea performanței de la an la an devine tot mai marginală. Totodată, viteza de saturare a benchmark-urilor crește. Cu toate acestea, apar sisteme de evaluare noi, mai complexe — BIG-bench și HELM^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### 3. IA ajută și dăunează simultan mediului înconjurător Noi cercetări arată că sistemele IA au un impact ecologic semnificativ. Conform datelor Luccioni et al. (2022), antrenarea BLOOM a emis de 25 de ori mai mult dioxid de carbon decât un pasager aerian pe ruta New York — San Francisco. Totodată, modelele de Reinforcement Learning, precum BCOOLER (DeepMind), demonstrează posibilitatea utilizării IA pentru optimizarea consumului de energie^{[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Luccioni2022-2)[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-BCOOLER2022-3)}. ### 4. Cel mai bun nou om de știință — IA? Modelele IA încep să accelereze rapid progresul științific. În 2022, IA a fost utilizată pentru a contribui la controlul fuziunii hidrogenului, optimizarea algoritmilor de înmulțire a matricelor (AlphaTensor) și generarea de noi anticorpi^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### 5. Numărul incidentelor legate de utilizarea neetică a IA crește rapid Conform bazei de date AIAAIC, numărul incidentelor și situațiilor controversate legate de abuzul etic al IA a crescut de 26 de ori față de 2012. Printre incidentele notabile din 2022 se numără un videoclip deepfake cu „capitularea" președintelui ucrainean Volodimir Zelenski și utilizarea tehnologiilor de monitorizare a apelurilor în închisorile americane^{[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIAAIC2023-4)}. ### 6. Cererea de specialiști cu competențe în IA crește în aproape toate sectoarele În aproape toate sectoarele economiei SUA (cu excepția agriculturii, silviculturii, pescuitului și vânătorii), ponderea locurilor de muncă legate de IA a crescut în medie de la 1,7% în 2021 la 1,9% în 2022^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### 7. Pentru prima dată în deceniu, investițiile private în IA au scăzut Investițiile private globale în IA s-au ridicat la 91,9 miliarde de dolari în 2022, cu 26,7% mai puțin față de 2021. Au scăzut, de asemenea, numărul total al evenimentelor de investiții și numărul companiilor IA finanțate pentru prima dată. Cu toate acestea, volumul investițiilor a crescut de 18 ori față de 2013^{[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Quid2023-5)}. ### 8. Ponderea companiilor care adoptă IA s-a stabilizat, dar liderii continuă să se distanțeze Ponderea companiilor care utilizează IA s-a mai mult decât dublat față de 2017, însă în ultimii ani s-a stabilizat la nivelul de 50–60%, conform sondajului anual McKinsey. Organizațiile care au adoptat IA raportează reduceri reale ale costurilor și creșterea veniturilor^{[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-McKinsey2023-6)}. ### 9. Interesul factorilor de decizie față de IA crește Analiza documentelor legislative din 127 de țări arată că numărul proiectelor de lege care conțin termenul „inteligență artificială" și adoptate ca legi a crescut de la 1 în 2016 la 37 în 2022. Mențiunile IA în dezbaterile parlamentare din 81 de țări au crescut de aproape 6,5 ori față de 2016^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### 10. Cetățenii chinezi au cea mai pozitivă atitudine față de IA; americanii — semnificativ mai puțin Conform sondajului IPSOS din 2022, 78% dintre respondenții chinezi au fost de acord cu afirmația că produsele și serviciile bazate pe IA aduc mai mult beneficiu decât rău. Urmează Arabia Saudită (76%) și India (71%). Doar 35% dintre respondenții americani împărtășesc această opinie — unul dintre cele mai scăzute scoruri dintre cele 28 de țări chestionate^{[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IPSOS2022-7)}. ## Capitolul 1. Cercetare și Dezvoltare Capitolul analizează tendințele în publicații, brevete, modele semnificative de Machine Learning, modele lingvistice mari și multimodale, conferințe și cod open-source^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Publicații Numărul total al publicațiilor despre IA continuă să crească: s-a mai mult decât dublat față de 2010. Direcțiile dominante de cercetare sunt recunoașterea tiparelor (pattern recognition), Machine Learning și computer vision^{[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CSET2022-8)}. **Leadership regional.** China continuă să conducă în ceea ce privește numărul total de publicații despre IA în reviste, la conferințe și în depozite. Totuși, SUA rămân în frunte în privința numărului de citări ale publicațiilor de la conferințe și din depozite, deși această marjă se reduce treptat^{[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CSET2022-8)}. **Cooperare internațională.** Cel mai mare număr de colaborări inter-țări în publicațiile despre IA în perioada 2010–2021 revine perechii SUA — China: numărul lor a crescut de aproximativ 4 ori față de 2010 și îl depășește de 2,5 ori pe cel al perechii imediat următoare (Marea Britanie — China). Totuși, creșterea numărului de lucrări comune SUA–China a încetinit: în 2020–2021, creșterea a fost de doar 2,1% — minimul din întreaga perioadă de observație^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. **Depozite.** Numărul publicațiilor în depozite IA (arXiv, SSRN etc.) a crescut de aproape 27 de ori în ultimii 12 ani. America de Nord și-a menținut leadershipul în ceea ce privește ponderea publicațiilor în depozite din 2016^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Modele semnificative de Machine Learning **Dominanța industriei.** În 2022, 32 de modele semnificative au fost create de industrie față de doar 3 provenite din academie. Aceasta confirmă tendința conturată din 2014^{[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Epoch2022-9)}. **Scară și cost.** Modelele lingvistice mari devin tot mai mari și mai costisitoare. GPT-2, lansat în 2019 și considerat unul dintre primele modele lingvistice mari, conținea 1,5 miliarde de parametri; antrenarea sa a costat aproximativ 50.000 de dolari. PaLM (Google, 2022) conținea 540 de miliarde de parametri și a costat aproximativ 8 milioane de dolari — un model de 360 de ori mai mare decât GPT-2 și de 160 de ori mai scump^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. **Resurse de calcul.** Începând din 2010, modelele lingvistice necesită cele mai mari resurse de calcul dintre toate sistemele de Machine Learning. Datele Epoch înregistrează o creștere exponențială a calculelor (FLOP) utilizate la antrenare^{[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Epoch2022-9)}. ### Modele lingvistice mari și multimodale **Apartenența națională.** Majoritatea autorilor modelelor lingvistice mari și multimodale provin din instituții americane (54,2% în 2022). În 2022, pentru prima dată, cercetători din Canada, Germania și India au contribuit la dezvoltarea unor astfel de modele^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. **Modele cheie din 2022:** | Model | Dezvoltator | Dată | Semnificație | |------------------|------------------------|-----------------|-----------------------------------------------------------------------------------------------| | DALL-E 2 | OpenAI | Aprilie 2022 | Sistem de generare a imaginilor pe baza descrierii textuale; lansarea „boomului IA generativ" | | PaLM (540B) | Google | Aprilie 2022 | Unul dintre cele mai mari modele lingvistice din 2022; 540 de miliarde de parametri | | Gato | DeepMind | Mai 2022 | Agent multisarcină: manipulare robotică, jocuri, descrierea imaginilor, generarea de text | | Imagen | Google | Mai 2022 | Model de difuzie pentru generarea imaginilor cu fotorealism ridicat; benchmark DrawBench | | Stable Diffusion | Stability AI | August 2022 | Model open-source de generare a imaginilor; răspândire masivă | | Make-A-Video | Meta AI | Septembrie 2022 | Sistem de generare video pe baza descrierii textuale | | Whisper | OpenAI | Septembrie 2022 | Sistem universal de recunoaștere a vorbirii cu suport pentru multiple limbi | | ChatGPT | OpenAI | Noiembrie 2022 | Chatbot bazat pe LLM; creștere fără precedent a popularității IA generative | | GLM-130B | Universitatea Tsinghua | 2022 | Model bilingv (engl./chin.) open-source; singurul model chinezesc mare din 2022 | ## Capitolul 2. Performanță Tehnică Capitolul analizează progresul în sarcinile de computer vision, procesarea limbajului, vorbire, Reinforcement Learning, hardware, precum și impactul ecologic al IA și rolul IA în știință^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Starea benchmark-urilor IA continuă să demonstreze rezultate la nivelul sau peste recordul mondial pe majoritatea benchmark-urilor, însă îmbunătățirile devin marginale. Viteza de saturare a benchmark-urilor crește. Noile sisteme complexe de evaluare — BIG-bench și HELM — sunt menite să asigure o evaluare mai obiectivă și mai cuprinzătoare^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### IA generativă Anul 2022 a marcat intrarea IA generative în conștiința de masă. Au fost lansate modele de generare a imaginilor din text (DALL-E 2, Stable Diffusion), sisteme de generare video (Make-A-Video) și chatboți (ChatGPT). Cu toate acestea, aceste sisteme sunt predispuse la „halucinații" — generarea cu încredere a unor răspunsuri incorecte sau lipsite de sens —, ceea ce le limitează utilizarea în aplicații critice^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Modele lingvistice **MMLU.** Benchmark-ul Massive Multitask Language Understanding evaluează modelele pe 57 de domenii tematice. În 2022, cele mai bune modele au continuat să îmbunătățească scorurile, dar rămânea o diferență semnificativă față de nivelul expertului uman^{[\[10\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-MMLU2021-10)}. **HELM.** Benchmark-ul Stanford Holistic Evaluation of Language Models (HELM) oferă o evaluare complexă a modelelor lingvistice pe zece scenarii, inclusiv înțelegerea textului, matematică, raționament juridic, precum și măsurători ale prejudecăților și toxicității^{[\[11\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-HELM2022-11)}. **Planificare și raționament.** Modelele lingvistice continuă să-și îmbunătățească capacitățile generative, dar întâmpină dificultăți serioase cu sarcinile de planificare. Cercetarea Valmeekam et al. (2022) a arătat că GPT-3, Instruct-GPT3 și BLOOM se descurcă extrem de ineficient cu sarcinile de generare a planurilor, planificare optimală și reutilizarea planurilor în mediul Blocksworld^{[\[12\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Valmeekam2022-12)}. ### Recunoașterea vorbirii **Whisper (OpenAI).** În 2022, OpenAI a prezentat Whisper — un sistem de recunoaștere a vorbirii la scară largă, antrenat pe 680.000 de ore de date multilingve. Whisper a demonstrat progrese semnificative în acuratețea recunoașterii, apropiindu-se de nivelul uman pe unele benchmark-uri, și suportă traducerea din câteva zeci de limbi^{[\[13\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Whisper2022-13)}. ### IA îmbunătățește IA S-a conturat tendința auto-îmbunătățirii sistemelor IA. NVIDIA a folosit un agent de Reinforcement Learning pentru îmbunătățirea arhitecturii cipurilor care alimentează sistemele IA. Google a utilizat propriul model lingvistic PaLM pentru a căuta modalități de îmbunătățire a modelului PaLM însuși^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Hardware **Tendințe GPU.** Performanța de calcul mediană (FLOP/s) a noilor GPU s-a aproape triplat față de 2021 și a crescut de aproximativ 7.000 de ori față de 2003. Performanța mediană pe dolar SUA (FLOP/s per USD) în 2022 a depășit de 1,4 ori valoarea din 2021 și de 5.600 de ori valoarea din 2003, demonstrând o dublare a performanței la fiecare 1,5 ani^{[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Epoch2022-9)}. **MLPerf.** Benchmark-ul MLPerf continuă să înregistreze o reducere constantă a timpului de antrenare a modelelor pe sarcini standard, reflectând progresul în hardware și optimizare^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Impact ecologic Această secțiune este inclusă pentru prima dată în raport. Amprenta de carbon a modelelor IA diferă semnificativ în funcție de infrastructură: | Model | Parametri | Emisii CO₂ (tone) | PUE centru de date | |--------|-----------|-------------------|--------------------| | GPT-3 | 175 mld | 502 | 1,10 | | Gopher | 280 mld | 352 | 1,08 | | OPT | 175 mld | 70 | 1,09 | | BLOOM | 176 mld | 25 | 1,20 | GPT-3 a emis de 20 de ori mai mult dioxid de carbon decât BLOOM, la un număr comparabil de parametri. Factorii cheie sunt intensitatea carbonului rețelei electrice, eficiența centrului de date (PUE) și durata antrenării^{[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Luccioni2022-2)}. Pentru comparație: antrenarea BLOOM a emis de 25 de ori mai mult CO₂ decât un zbor al unui pasager din New York la San Francisco și de 1,4 ori mai mult decât emisiile anuale medii ale unui american. Energia consumată ar fi suficientă pentru a alimenta cu electricitate o gospodărie americană medie timp de 41 de ani^{[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Luccioni2022-2)}. **Optimizarea consumului de energie.** Sistemul BCOOLER (DeepMind) — un agent de Reinforcement Learning pentru optimizarea răcirii centrelor de date Google — a asigurat economii de energie de aproximativ 12,7% în decursul unui experiment de trei luni, menținând condiții confortabile^{[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-BCOOLER2022-3)}. ### IA în știință (2022) **Controlul plasmei în tokamak.** DeepMind a dezvoltat un algoritm de Reinforcement Learning pentru controlul optim al plasmei într-un tokamak — o realizare cheie pe drumul spre fuziunea termonucleară^{[\[14\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Degrave2022-14)}. **AlphaTensor.** DeepMind a folosit Reinforcement Learning pentru descoperirea algoritmilor de înmulțire a matricelor care depășesc soluțiile existente — inclusiv clasicul algoritm Strassen pentru matrice 4×4^{[\[15\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AlphaTensor2022-15)}. **AlphaCode.** Sistemul DeepMind care scrie programe informatice la nivel competitiv a atins rangul în primele 54% ale participanților la competiții de programare^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. **Generarea de anticorpi.** IA generativă a fost utilizată pentru designul de novo al anticorpilor, deschizând noi posibilități pentru biofarmaceutică^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ## Capitolul 3. Etica Tehnică a IA Capitolul este dedicat dimensiunilor cheie ale eticii IA: prejudecăți, toxicitate, echitate și incidente^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Metrici de echitate și prejudecăți În 2022 s-a observat o creștere constantă a numărului de metrici și benchmark-uri pentru evaluarea echității și a prejudecăților sistemelor IA. Metricile se extind și se rafinează: cercetătorii le adaptează la sarcini specifice (răspunsuri la întrebări, inferență în limbaj natural) și utilizează modele lingvistice pentru generarea de date de testare extinse. În 2022 au fost prezentate noi benchmark-uri, precum BBQ (Bias Benchmark for Question Answering), precum și evaluări suplimentare în cadrul proiectului amplu BIG-bench^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. Se disting două tipuri de metrici: **benchmark-uri** (seturi de date adnotate staționare, care evaluează prejudecata internă a modelului — StereoSet, Winogender) și **metrici de diagnostic** (care măsoară diferența de performanță a modelului pentru diverse grupuri demografice în utilizarea reală). Ambele abordări se completează reciproc^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Influența scării asupra prejudecăților Cercetările din 2022 au arătat că influența creșterii scării modelului asupra prejudecăților și toxicității este ambiguă și depinde de datele de antrenare și de metodele de reducere a prejudecăților aplicate^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Incidente în domeniul IA Conform bazei de date AIAAIC, numărul incidentelor și situațiilor controversate legate de abuzul etic al IA a crescut de 26 de ori față de 2012. Creșterea este determinată atât de extinderea utilizării IA, cât și de creșterea gradului de conștientizare a riscurilor^{[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIAAIC2023-4)}. ## Capitolul 4. Economia Capitolul examinează tendințele în ocuparea forței de muncă, investiții, adoptarea corporativă a IA și robotică^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Piața muncii Ponderea locurilor de muncă legate de IA în SUA a crescut în medie de la 1,7% în 2021 la 1,9% în 2022 în aproape toate sectoarele. Creșterea cererii se observă în tehnologie, finanțe, producție, asistență medicală și alte sectoare^{[\[16\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Lightcast2022-16)}. **Migrarea în industrie.** Un procent tot mai mare al noilor doctori în IA optează pentru munca în industrie: în 2021, 65,4% s-au îndreptat spre industrie (față de 40,9% în 2011), iar doar 28,2% — spre academie (față de 41,6% în 2011). Ponderea doctorilor care lucrează în sectorul public rămâne stabil scăzută — 0,7%^{[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CRA2022-17)}. ### Investiții **Tendințe generale.** Investițiile private globale în IA s-au ridicat la 91,9 miliarde de dolari — o scădere de 26,7% față de 2021. Numărul evenimentelor de investiții a scăzut la 3.538 (o scădere de 12% față de 2021). Numărul companiilor IA finanțate pentru prima dată a scăzut la 1.392 (față de 1.669 în 2021). Cu toate acestea, volumul investițiilor este de 18 ori mai mare față de nivelul din 2013^{[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Quid2023-5)}. **Distribuție regională.** SUA conduc cu investiții de 47,4 miliarde de dolari — de 3,5 ori mai mult decât China (13,4 miliarde) și de 11 ori mai mult decât Marea Britanie (4,4 miliarde). Totodată, investițiile în SUA au scăzut cu 35,5%, în China — cu 41,3%. Cumulativ, în perioada 2013–2022, în SUA s-au investit 248,9 miliarde, în China — 95,1 miliarde, în Marea Britanie — 18,2 miliarde^{[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Quid2023-5)}. **Domenii de interes.** Cele mai atractive pentru investitori au fost: medicină și asistență medicală (6,1 miliarde de dolari), gestionarea datelor, procesare și tehnologii cloud (5,9 miliarde), fintech (5,5 miliarde), securitate cibernetică (5,4 miliarde) și retail (4,2 miliarde). Majoritatea domeniilor de interes au înregistrat o scădere a investițiilor față de 2021^{[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Quid2023-5)}. **Cele mai mari evenimente de investiții din 2022:** - GAC Aion New Energy Automobile (China, vehicule electrice) — 2,54 miliarde de dolari; - Anduril Industries (SUA, tehnologii de apărare) — 1,5 miliarde; - Celonis (Germania, analiză de business) — 1,22 miliarde^{[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Quid2023-5)}. ### Adoptarea corporativă Conform datelor McKinsey, ponderea companiilor care utilizează IA s-a mai mult decât dublat față de 2017, stabilizându-se la nivelul de 50–60%. Organizațiile care au adoptat IA raportează reduceri reale ale costurilor și creșterea veniturilor^{[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-McKinsey2023-6)}. **Earnings calls.** În anul fiscal 2022, 268 de companii Fortune 500 au menționat IA în rapoartele de profit (o scădere față de 306 în 2021, dar o creștere față de 225 în 2018)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. **Provocări.** Principalele probleme la lansarea proiectelor IA: demonstrarea valorii de business (37%), lipsa angajamentului conducerii (34%), alegerea tehnologiilor IA corecte (33%). Principalele bariere în scalare: gestionarea riscurilor IA (50%), obținerea datelor de antrenare (44%), implementarea tehnologiilor (42%)^{[\[18\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Deloitte2022-18)}. ### Robotică În 2021 au fost instalați 517.000 de roboți industriali — o creștere de 31,3% față de 2020 și de peste 3 ori față de 2011. Parcul operațional de roboți industriali a atins 3.477.000 de unități (creștere de 14,6%)^{[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IFR2022-19)}. **Dominanța Chinei.** În 2021, China a instalat 268.200 de roboți industriali — de 5,7 ori mai mult decât Japonia (47.200) și de 7,7 ori mai mult decât SUA (35.000). Din 2013, când China a depășit Japonia, ponderea sa a crescut de la 20,8% la 51,8% din instalările mondiale. În 2021, China a instalat pentru prima dată mai mulți roboți industriali decât restul lumii la un loc^{[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IFR2022-19)}. ## Capitolul 5. Educație Capitolul examinează tendințele în educația din domeniul informaticii și IA^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Învățământul superior **Licență.** Numărul absolvenților de licență în informatică (CS) din America de Nord continuă să crească^{[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CRA2022-17)}. **Doctorat.** În 2021 au fost absolviți 1.893 de doctori în informatică — mai puțin decât în 2020 (1.997). Ponderea studenților internaționali printre doctorii în CS a crescut de la 45,8% în 2010 la 68,6% în 2021^{[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CRA2022-17)}. **Specializare în IA.** În 2021, 19,1% dintre noii doctoranzi în CS din America de Nord s-au specializat în IA — o creștere de 4,2 puncte procentuale față de 2020 și de 8,6 puncte procentuale față de 2012^{[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-CRA2022-17)}. ## Capitolul 6. Politică și Guvernanță Capitolul analizează activitatea legislativă și de reglementare în domeniul IA la nivel global, american și regional^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Tendințe globale Numărul proiectelor de lege care conțin termenul „inteligență artificială" și adoptate ca legi a crescut de la 1 în 2016 la 37 în 2022 (analiza a 127 de țări). Mențiunile IA în dezbaterile parlamentare din 81 de țări au crescut de aproape 6,5 ori față de 2016, deși în 2022 s-a observat o ușoară scădere față de 2021 (de la 1.547 la 1.340 de mențiuni)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. În 2022, liderii după numărul de mențiuni ale IA în sesiunile parlamentare au fost: Spania (273), Canada (211), Marea Britanie (146), SUA (138)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Reglementare în SUA La nivel federal, în 2022 au fost propuse 88 de proiecte de lege legate de IA, dintre care 9 au fost adoptate (o creștere față de 3 în anii anteriori). La nivelul statelor, conduc California (5 legi adoptate) și Maryland (3)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Strategii naționale O serie de țări au adoptat noi acte legislative acoperind o gamă largă de probleme: formarea personalului în competențe IA, controlul utilizării IA în organele de aplicare a legii, creșterea transparenței în luarea deciziilor algoritmice^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ## Capitolul 7. Diversitate Femeile și reprezentanții minorităților rămân semnificativ subreprezentați în domeniul IA, atât în industrie, cât și în academie. Datele din CRA Taulbee Survey și din alte surse înregistrează un progres lent, dar constant, în creșterea diversității^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ## Capitolul 8. Opinia Publică Noul capitol al raportului analizează percepția publică a IA pe baza sondajelor internaționale și a analizei rețelelor sociale^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Sondaje globale (IPSOS) Conform sondajului IPSOS din 2022 (19.504 de respondenți din 28 de țări)^{[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IPSOS2022-7)}: - 60% dintre respondenți consideră că produsele IA le vor schimba semnificativ viața în următorii 3–5 ani; - 60% consideră că produsele IA le fac viața mai ușoară; - 52% sunt de acord că produsele IA aduc mai mult beneficiu decât rău; - 40% menționează că produsele IA le provoacă neliniște. **Diferențe regionale.** Cel mai pozitiv față de IA sunt cetățenii Chinei (78% de acord cu beneficiile IA), Arabiei Saudite (76%) și Indiei (71%). Cel mai puțin pozitiv — Franța (31%), Canada (32%), SUA (35%)^{[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IPSOS2022-7)}. **Diferențe demografice.** Bărbații evaluează produsele IA mai pozitiv decât femeile pe toate dimensiunile. Gospodăriile cu venituri mai mari și cu un nivel mai ridicat de educație sunt, de asemenea, mai optimiste^{[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-IPSOS2022-7)}. ### Sondajul Lloyd's Register Foundation și Gallup Sondajul global efectuat pe 125.911 persoane din 121 de țări (2021) a arătat că 39% consideră IA în general benefică pentru țară, 28% — dăunătoare. Bărbații sunt mai predispuși să considere IA benefică decât femeile^{[\[20\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-LRF2022-20)}. **Vehicule autonome.** Doar 27% dintre respondenții din întreaga lume se simt în siguranță într-un vehicul autonom. Conform datelor Pew Research, doar 26% dintre americani consideră vehiculele de pasageri autonome o idee bună pentru societate^{[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Pew2022-21)}. ### Sondajul Pew Research (SUA) Dintre americanii care resimt entuziasm față de IA, principalele motive sunt — potențialul de a îmbunătăți viața și societatea (31%) și economisirea timpului (13%). Dintre cei îngrijorați — pierderea locurilor de muncă (19%), supravegherea și confidențialitatea digitală (16%), pierderea contactului uman (12%)^{[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-Pew2022-21)}. ### Opinia cercetătorilor NLP Conform sondajului efectuat în rândul cercetătorilor NLP: 77% sunt de acord sau parțial de acord că companiile private de IA au o influență excesivă; 41% consideră că NLP ar trebui reglementat; 73% cred că IA ar putea duce în curând la schimbări sociale revoluționare^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ### Analiza rețelelor sociale NetBase Quid a efectuat o analiză a peste 7 milioane de postări în rețelele sociale din 2022. Modelele ChatGPT și Stable Diffusion au atras cea mai mare atenție. Principalele subiecte de discuție — probleme etice, impactul cultural și economic al IA^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ## Metodologie Raportul utilizează date din multiple surse^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}: - **Publicații și brevete:** Center for Security and Emerging Technology (CSET), Georgetown University; date Epoch. - **Benchmark-uri:** Papers With Code, CRFM (HELM), BIG-bench, clasamente specializate. - **Investiții:** NetBase Quid (Capital IQ, Crunchbase). - **Piața muncii:** Lightcast, LinkedIn. - **Activitate corporativă:** McKinsey & Company, Deloitte, NetBase Quid (earnings calls). - **Robotică:** International Federation of Robotics (IFR). - **Reglementare:** baze legislative din 127 de țări, materiale parlamentare din 81 de țări. - **Opinie publică:** IPSOS, Lloyd's Register Foundation / Gallup, Pew Research Center, NetBase Quid (social media). - **Educație:** CRA Taulbee Survey, Code.org. - **Impact ecologic:** Luccioni et al. (2022), date GPU — Epoch. ## Colectivul de autori Raportul a fost elaborat sub conducerea co-directorilor **Ray Perrault** (Raymond Perrault, SRI International) și **Jack Clark** (Jack Clark, Anthropic / OECD). Conducătorul cercetării și redactorul-șef a fost **Nestor Maslej** (Nestor Maslej, Stanford University). La elaborarea raportului au participat Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav Shoham (fondatorul AI Index), Russell Wald, precum și o gamă largă de cercetători și organizații partenere. AI Index este un proiect al Institutului Stanford HAI (Human-Centered Artificial Intelligence)^{[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_note-AIIndex2023-1)}. ## Referințe - Stanford HAI — AI Index Report 2023 (text integral): https://aiindex.stanford.edu/report/ - Epoch — date privind tendințele de calcul și modelele semnificative: https://epochai.org/ - Papers With Code — benchmark-uri și clasamente: https://paperswithcode.com/ - CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/ - AIAAIC Repository — baza de date a incidentelor de abuz etic al IA: 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 — date despre investiții și social media: https://quid.com/ - IPSOS — sondaj global privind atitudinea față de IA: https://www.ipsos.com/ - Pew Research Center — sondaje de opinie publică: https://www.pewresearch.org/ - CRA Taulbee Survey — date despre educația în CS: https://cra.org/resources/taulbee-survey/ - Global AI Vibrancy Tool (Stanford HAI): https://aiindex.stanford.edu/vibrancy/ ## Bibliografie - 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. ## Note 1. ↑ ^{[1.00](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-0)} ^{[1.01](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-1)} ^{[1.02](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-2)} ^{[1.03](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-3)} ^{[1.04](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-4)} ^{[1.05](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-5)} ^{[1.06](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-6)} ^{[1.07](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-7)} ^{[1.08](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-8)} ^{[1.09](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-9)} ^{[1.10](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-10)} ^{[1.11](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-11)} ^{[1.12](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-12)} ^{[1.13](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-13)} ^{[1.14](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-14)} ^{[1.15](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-15)} ^{[1.16](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-16)} ^{[1.17](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-17)} ^{[1.18](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-18)} ^{[1.19](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-19)} ^{[1.20](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-20)} ^{[1.21](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-21)} ^{[1.22](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-22)} ^{[1.23](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-23)} ^{[1.24](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-24)} ^{[1.25](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-25)} ^{[1.26](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-26)} ^{[1.27](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-27)} ^{[1.28](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-28)} ^{[1.29](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-29)} ^{[1.30](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-30)} ^{[1.31](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-31)} ^{[1.32](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-32)} ^{[1.33](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-33)} ^{[1.34](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-34)} ^{[1.35](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-35)} ^{[1.36](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-AIIndex2023_1-36)} ^{[1.37](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-Luccioni2022_2-0)} ^{[2.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Luccioni2022_2-1)} ^{[2.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-BCOOLER2022_3-0)} ^{[3.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-AIAAIC2023_4-0)} ^{[4.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-Quid2023_5-0)} ^{[5.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Quid2023_5-1)} ^{[5.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Quid2023_5-2)} ^{[5.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Quid2023_5-3)} ^{[5.4](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-McKinsey2023_6-0)} ^{[6.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-IPSOS2022_7-0)} ^{[7.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-IPSOS2022_7-1)} ^{[7.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-IPSOS2022_7-2)} ^{[7.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-CSET2022_8-0)} ^{[8.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#cite_ref-Epoch2022_9-0)} ^{[9.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Epoch2022_9-1)} ^{[9.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#cite_ref-CRA2022_17-0)} ^{[17.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-CRA2022_17-1)} ^{[17.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-CRA2022_17-2)} ^{[17.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#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_(RO)#cite_ref-IFR2022_19-0)} ^{[19.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#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_(RO)#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_(RO)#cite_ref-Pew2022_21-0)} ^{[21.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(RO)#cite_ref-Pew2022_21-1)} Pew Research Center (2022). *Public Views on AI*. https://www.pewresearch.org/