---
title: "The 2023 AI Index Report (UR)"
source: "https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)"
wiki: "systems-analysis.info/int"
article: "The_2023_AI_Index_Report_(UR)"
language: "ur"
categories:
  - "Category:Large language models"
  - "Category:Machine learning"
  - "Category:Urdu"
revision_id: 8028
wiki_created_at: 2026-09-07T01:11:09Z
wiki_modified_at: 2026-09-07T01:11:09Z
downloaded_at: 2026-09-07T23:22:52Z
---

# The 2023 AI Index Report (UR)

**AI Index Report 2023** — AI Index کی چھٹی سالانہ اشاعت ہے، جسے اسٹینفورڈ انسٹی ٹیوٹ برائے انسان محور مصنوعی ذہانت (Stanford HAI) نے تیار کیا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔ 2023 کی رپورٹ اپنی اشاعت کے وقت سب سے جامع رپورٹ ہے اور اس میں کسی بھی پچھلی اشاعت سے زیادہ اصل ڈیٹا شامل ہے: ایک نیا باب جو AI کے بارے میں عوامی رائے کو وقف ہے، تکنیکی کارکردگی کا وسیع تجزیہ، بڑے زبانی اور ملٹی موڈل ماڈلز کی اصل تحقیق، عالمی AI قانون سازی میں تفصیلی رجحانات، نیز AI سسٹمز کے ماحولیاتی اثرات کا مطالعہ۔ یہ رپورٹ ایسے وقت میں سامنے آئی جب AI ایک *تعیناتی کے دور* میں داخل ہو رہی ہے: 2022 اور 2023 کے اوائل میں ہر ماہ نئے بڑے پیمانے کے ماڈل — ChatGPT، Stable Diffusion، Whisper، DALL-E 2 — جاری کیے گئے، جنہوں نے متن، تصاویر اور تقریر کی شناخت میں بے مثال صلاحیتیں ظاہر کیں۔ AI Index مصنوعی ذہانت کے بارے میں ڈیٹا کو ٹریک، منظم اور بصری شکل دیتا ہے، اور پالیسی سازوں، محققین، انتظامی افسران، صحافیوں اور عام عوام کو معروضی اور محتاط طریقے سے تصدیق شدہ معلومات فراہم کرتا ہے۔

## رپورٹ کی ساخت

2023 کی رپورٹ آٹھ موضوعاتی ابواب پر مشتمل ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>:

1.  **تحقیق اور ترقی (Research and Development)** — اشاعتوں، پیٹنٹس، Machine Learning کے اہم ماڈلز، بڑے زبانی اور ملٹی موڈل ماڈلز میں رجحانات۔
2.  **تکنیکی کارکردگی (Technical Performance)** — benchmark، کمپیوٹر ویژن، زبانی ماڈل، تقریر، Reinforcement Learning، ہارڈ ویئر، ماحولیاتی اثرات، سائنس میں AI۔
3.  **AI کی تکنیکی윤리 (Technical AI Ethics)** — تعصب، سمیت، انصاف، رازداری، ڈیپ فیک۔
4.  **معیشت (The Economy)** — سرمایہ کاری، لیبر مارکیٹ، کارپوریٹ انضمام، روبوٹکس۔
5.  **تعلیم (Education)** — افرادی قوت کی تربیت، کمپیوٹر سائنس اور AI میں اعلیٰ تعلیم۔
6.  **پالیسی اور گورننس (Policy and Governance)** — قانون سازی، ضابطہ، قومی حکمت عملیاں۔
7.  **تنوع (Diversity)** — AI کے شعبے میں صنفی اور نسلی تنوع۔
8.  **عوامی رائے (Public Opinion)** — نیا باب: بین الاقوامی سروے اور سوشل میڈیا تجزیے کی بنیاد پر AI کے بارے میں عوام کا نقطہ نظر۔

## رپورٹ کے اہم نتائج (Top 10 Takeaways)

رپورٹ کے مصنفین نے دس مرکزی نکات اجاگر کیے ہیں<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>:

### 1. صنعت اکیڈمیا سے آگے

2014 سے پہلے Machine Learning کے زیادہ تر اہم ماڈل علمی اداروں سے جاری ہوتے تھے۔ اس کے بعد سے صنعت نے قیادت سنبھال لی۔ 2022 میں صنعت نے 32 اہم Machine Learning ماڈل بنائے، جبکہ اکیڈمیا نے صرف 3۔ جدید AI سسٹمز کی تخلیق کے لیے اب بڑے پیمانے پر ڈیٹا، کمپیوٹنگ وسائل اور مالی اعانت کی ضرورت ہوتی ہے، جو صنعتی اداروں کے پاس بہت زیادہ مقدار میں ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### 2. روایتی benchmark کی سیری

AI مختلف benchmark پر نئے ریکارڈ قائم کرتا رہتا ہے، لیکن سال بہ سال کارکردگی میں اضافہ تیزی سے معمولی ہوتا جا رہا ہے۔ ساتھ ہی benchmark کے سیر ہونے کی رفتار بڑھ رہی ہے۔ تاہم نئے، زیادہ جامع تشخیصی نظام — BIG-bench اور HELM — سامنے آ رہے ہیں<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### 3. AI بیک وقت ماحول کی مدد بھی کرتا ہے اور نقصان بھی

نئی تحقیقات سے پتہ چلتا ہے کہ AI سسٹمز ماحول پر سنگین اثرات مرتب کرتے ہیں۔ Luccioni et al. (2022) کے مطابق BLOOM کی تربیت نے نیویارک سے سان فرانسسکو کے ہوائی سفر کے دوران ایک مسافر کے مقابلے میں 25 گنا زیادہ کاربن ڈائی آکسائیڈ خارج کی۔ ساتھ ہی Reinforcement Learning ماڈل جیسے BCOOLER (DeepMind) توانائی کی کھپت کو بہتر بنانے کے لیے AI کے استعمال کا امکان ظاہر کرتے ہیں<sup>[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Luccioni2022-2)[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-BCOOLER2022-3)</sup>۔

### 4. سب سے بہترین نیا سائنسدان — AI؟

AI ماڈل تیزی سے سائنسی پیش رفت کو تیز کرنا شروع کر رہے ہیں۔ 2022 میں AI کا استعمال ہائیڈروجن فیوژن کنٹرول میں مدد، میٹرکس ضرب الگورتھم کی اصلاح (AlphaTensor) اور نئی اینٹی باڈیز کی تخلیق میں کیا گیا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### 5. AI کے غیر اخلاقی استعمال سے متعلق واقعات میں تیزی سے اضافہ

AIAAIC ڈیٹا بیس کے مطابق 2012 سے AI کے اخلاقی غلط استعمال سے متعلق واقعات اور متنازع حالات کی تعداد 26 گنا بڑھ گئی ہے۔ 2022 کے قابل ذکر واقعات میں یوکرین کے صدر ولادیمیر زیلنسکی کی *ہتھیار ڈالنے* کی ڈیپ فیک ویڈیو اور امریکی جیلوں میں فون نگرانی ٹیکنالوجی کا استعمال شامل ہیں<sup>[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIAAIC2023-4)</sup>۔

### 6. تقریباً تمام صنعتوں میں AI مہارت کے حامل ماہرین کی مانگ بڑھ رہی ہے

امریکی معیشت کی تقریباً تمام صنعتوں (زراعت، جنگلات، ماہی گیری اور شکار کو چھوڑ کر) میں AI سے متعلق آسامیوں کا حصہ اوسطاً 2021 کے 1.7% سے بڑھ کر 2022 میں 1.9% ہو گیا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### 7. ایک دہائی میں پہلی بار AI میں نجی سرمایہ کاری میں کمی

AI میں عالمی نجی سرمایہ کاری 2022 میں 91.9 ارب ڈالر رہی، جو 2021 کے مقابلے میں 26.7% کم ہے۔ سرمایہ کاری کے واقعات کی کل تعداد اور پہلی بار مالی اعانت حاصل کرنے والی AI کمپنیوں کی تعداد میں بھی کمی آئی۔ تاہم ایک دہائی میں سرمایہ کاری کا حجم 2013 کے مقابلے میں 18 گنا بڑھ چکا ہے<sup>[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Quid2023-5)</sup>۔

### 8. AI اپنانے والی کمپنیوں کا تناسب مستحکم ہے، لیکن قائدین آگے بڑھتے رہتے ہیں

AI استعمال کرنے والی کمپنیوں کا تناسب 2017 سے دوگنا سے زیادہ ہو گیا ہے، لیکن حالیہ برسوں میں McKinsey کے سالانہ سروے کے مطابق 50–60% کی سطح پر مستحکم ہو گیا ہے۔ AI اپنانے والی تنظیمیں لاگت میں حقیقی کمی اور آمدنی میں اضافے کی اطلاع دیتی ہیں<sup>[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-McKinsey2023-6)</sup>۔

### 9. پالیسی سازوں کی AI میں دلچسپی بڑھ رہی ہے

127 ممالک کے قانون سازی دستاویزات کے تجزیے سے پتہ چلتا ہے کہ *مصنوعی ذہانت* کی اصطلاح پر مشتمل اور بطور قانون منظور ہونے والے بلوں کی تعداد 2016 میں 1 سے بڑھ کر 2022 میں 37 ہو گئی۔ 81 ممالک کی پارلیمانی بحثوں میں AI کا ذکر 2016 سے تقریباً 6.5 گنا بڑھ گیا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### 10. چینی شہری AI کے بارے میں سب سے زیادہ مثبت؛ امریکی — نمایاں طور پر کم

IPSOS کے 2022 کے سروے کے مطابق، 78% چینی جواب دہندگان اس بات سے متفق تھے کہ AI پر مبنی مصنوعات اور خدمات نقصان سے زیادہ فائدہ پہنچاتی ہیں۔ ان کے بعد سعودی عرب (76%) اور بھارت (71%) آتے ہیں۔ صرف 35% امریکی جواب دہندگان اس رائے سے اتفاق کرتے ہیں — 28 ممالک میں سے یہ سب سے کم شرح میں سے ایک ہے<sup>[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IPSOS2022-7)</sup>۔

## باب 1۔ تحقیق اور ترقی

یہ باب اشاعتوں، پیٹنٹس، Machine Learning کے اہم ماڈلز، بڑے زبانی اور ملٹی موڈل ماڈلز، کانفرنسوں اور اوپن سورس کوڈ میں رجحانات کا تجزیہ کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### اشاعتیں

AI پر اشاعتوں کی کل تعداد میں اضافہ جاری ہے: 2010 سے یہ دوگنی سے زیادہ ہو چکی ہے۔ تحقیق کی غالب سمتیں pattern recognition، Machine Learning اور کمپیوٹر ویژن ہیں<sup>[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CSET2022-8)</sup>۔

**علاقائی قیادت۔** چین AI اشاعتوں کی کل تعداد میں جرائد، کانفرنسوں اور ریپوزٹریز میں سرفہرست ہے۔ تاہم امریکہ کانفرنس اور ریپوزٹری اشاعتوں کے حوالوں کی تعداد میں اب بھی آگے ہے، حالانکہ یہ فرق آہستہ آہستہ کم ہو رہا ہے<sup>[\[8\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CSET2022-8)</sup>۔

**بین الاقوامی تعاون۔** 2010–2021 کے دوران AI اشاعتوں میں بین الاقوامی تعاون کی سب سے زیادہ تعداد امریکہ–چین جوڑے کی ہے: یہ تعداد 2010 سے تقریباً 4 گنا بڑھ چکی ہے اور اگلے قریبی جوڑے (برطانیہ–چین) کے تعاون سے 2.5 گنا زیادہ ہے۔ تاہم امریکہ–چین مشترکہ کاموں کی نمو سست پڑ گئی ہے: 2020–2021 میں صرف 2.1% اضافہ ہوا — پوری مشاہداتی مدت میں سب سے کم<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

**ریپوزٹریز۔** AI ریپوزٹریز (arXiv، SSRN وغیرہ) میں اشاعتوں کی تعداد پچھلے 12 سالوں میں تقریباً 27 گنا بڑھ گئی ہے۔ شمالی امریکہ 2016 سے ریپوزٹری اشاعتوں کے حصے میں قیادت برقرار رکھے ہوئے ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### Machine Learning کے اہم ماڈلز

**صنعت کا غلبہ۔** 2022 میں صنعت نے 32 اہم ماڈل بنائے جبکہ اکیڈمیا نے صرف 3۔ یہ 2014 سے واضح ہونے والے رجحان کی تصدیق کرتا ہے<sup>[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Epoch2022-9)</sup>۔

**پیمانہ اور لاگت۔** بڑے زبانی ماڈل تیزی سے بڑے اور مہنگے ہوتے جا رہے ہیں۔ GPT-2، جو 2019 میں جاری ہوا اور پہلے بڑے زبانی ماڈلز میں سے ایک سمجھا جاتا ہے، میں 1.5 ارب پیرامیٹرز تھے؛ اس کی تربیت کی لاگت تقریباً 50,000 ڈالر تھی۔ PaLM (Google، 2022) میں 540 ارب پیرامیٹرز تھے اور اس کی لاگت تقریباً 80 لاکھ ڈالر تھی — یہ ماڈل GPT-2 سے 360 گنا بڑا اور 160 گنا مہنگا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

**کمپیوٹنگ وسائل۔** 2010 سے زبانی ماڈلز تمام Machine Learning سسٹمز میں سب سے زیادہ کمپیوٹنگ وسائل استعمال کرتے ہیں۔ Epoch کے ڈیٹا سے تربیت میں استعمال ہونے والی کمپیوٹنگ (FLOP) کی تیز رفتار نمو ظاہر ہوتی ہے<sup>[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Epoch2022-9)</sup>۔

### بڑے زبانی اور ملٹی موڈل ماڈلز

**قومی تعلق۔** بڑے زبانی اور ملٹی موڈل ماڈلز کے زیادہ تر مصنفین امریکی اداروں سے ہیں (2022 میں 54.2%)۔ 2022 میں پہلی بار کینیڈا، جرمنی اور بھارت کے محققین نے ایسے ماڈلز کی تیاری میں حصہ ڈالا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

**2022 کے اہم ماڈلز:**

| ماڈل             | ڈویلپر           | تاریخ      | اہمیت                                                                       |
|------------------|------------------|------------|-----------------------------------------------------------------------------|
| DALL-E 2         | OpenAI           | اپریل 2022 | متنی وضاحت سے تصویر بنانے کا سسٹم؛ *جنریٹو AI بوم* کا آغاز                  |
| PaLM (540B)      | Google           | اپریل 2022 | 2022 کے سب سے بڑے زبانی ماڈلز میں سے ایک؛ 540 ارب پیرامیٹرز                 |
| Gato             | DeepMind         | مئی 2022   | ملٹی ٹاسک ایجنٹ: روبوٹ کنٹرول، گیمز، تصویر کی وضاحت، متن کی تخلیق           |
| Imagen           | Google           | مئی 2022   | اعلیٰ فوٹو ریئلزم کے ساتھ تصویر بنانے کا diffusion ماڈل؛ DrawBench benchmark |
| Stable Diffusion | Stability AI     | اگست 2022  | تصویر بنانے کا اوپن سورس ماڈل؛ عوامی سطح پر پھیلاؤ                          |
| Make-A-Video     | Meta AI          | ستمبر 2022 | متنی وضاحت سے ویڈیو بنانے کا سسٹم                                           |
| Whisper          | OpenAI           | ستمبر 2022 | متعدد زبانوں کی سپورٹ کے ساتھ آفاقی تقریر شناخت سسٹم                        |
| ChatGPT          | OpenAI           | نومبر 2022 | LLM پر مبنی چیٹ بوٹ؛ جنریٹو AI کی مقبولیت میں بے مثال اضافہ                 |
| GLM-130B         | سنگھوا یونیورسٹی | 2022       | دو لسانی (انگریزی/چینی) اوپن سورس ماڈل؛ 2022 کا واحد بڑا چینی ماڈل          |

## باب 2۔ تکنیکی کارکردگی

یہ باب کمپیوٹر ویژن، زبان کی پروسیسنگ، تقریر، Reinforcement Learning، ہارڈ ویئر کے کاموں میں پیش رفت، نیز AI کے ماحولیاتی اثرات اور سائنس میں AI کے کردار کا تجزیہ کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### benchmark کی صورتحال

AI زیادہ تر benchmark پر عالمی ریکارڈ کی سطح پر یا اس سے بہتر نتائج ظاہر کرتا رہتا ہے، لیکن بہتری معمولی ہوتی جا رہی ہے۔ benchmark کے سیر ہونے کی رفتار بڑھ رہی ہے۔ نئے جامع تشخیصی نظام — BIG-bench اور HELM — زیادہ معروضی اور جامع تشخیص فراہم کرنے کے لیے متعارف کرائے گئے ہیں<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### جنریٹو AI

2022 کا سال جنریٹو AI کے عوامی شعور میں داخل ہونے کے لحاظ سے تاریخ ساز رہا۔ متن سے تصویر بنانے کے ماڈل (DALL-E 2، Stable Diffusion)، ویڈیو بنانے کے سسٹم (Make-A-Video) اور چیٹ بوٹس (ChatGPT) جاری کیے گئے۔ تاہم یہ سسٹم *ہیلوسینیشن* کا شکار ہوتے ہیں — غلط یا بے معنی جوابات پراعتماد انداز میں دینا — جو انہیں اہم ایپلی کیشنز میں استعمال کے لیے محدود کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### زبانی ماڈلز

**MMLU۔** Massive Multitask Language Understanding benchmark ماڈلز کو 57 مضامین میں جانچتا ہے۔ 2022 میں بہترین ماڈلز نے نتائج بہتر کرنا جاری رکھا، لیکن انسانی ماہر کی سطح تک ابھی بھی نمایاں فرق تھا<sup>[\[10\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-MMLU2021-10)</sup>۔

**HELM۔** اسٹینفورڈ benchmark Holistic Evaluation of Language Models (HELM) زبانی ماڈلز کی دس منظرناموں پر جامع تشخیص فراہم کرتا ہے، جن میں متن کی سمجھ، ریاضی، قانونی استدلال کے ساتھ ساتھ تعصب اور سمیت کی پیمائش شامل ہے<sup>[\[11\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-HELM2022-11)</sup>۔

**منصوبہ بندی اور استدلال۔** زبانی ماڈلز جنریٹو صلاحیتوں میں بہتری لاتے رہتے ہیں، لیکن منصوبہ بندی کے کاموں میں سنگین مشکلات کا سامنا کرتے ہیں۔ Valmeekam et al. (2022) کی تحقیق سے ظاہر ہوا کہ GPT-3، Instruct-GPT3 اور BLOOM Blocksworld ماحول میں منصوبہ بندی، بہترین منصوبہ بندی اور منصوبوں کے دوبارہ استعمال کے کاموں میں انتہائی غیر مؤثر ہیں<sup>[\[12\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Valmeekam2022-12)</sup>۔

### تقریر شناخت

**Whisper (OpenAI)۔** 2022 میں OpenAI نے Whisper متعارف کرایا — 680,000 گھنٹے کے کثیر لسانی ڈیٹا پر تربیت یافتہ ایک بڑے پیمانے کا تقریر شناخت سسٹم۔ Whisper نے کئی benchmark پر انسانی سطح کے قریب پہنچتے ہوئے شناخت کی درستگی میں نمایاں پیش رفت دکھائی، اور کئی درجن زبانوں سے ترجمہ کی سہولت دیتا ہے<sup>[\[13\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Whisper2022-13)</sup>۔

### AI سے AI بہتر بنانا

AI سسٹمز کی خود بہتری کا رجحان ابھرا ہے۔ NVIDIA نے AI سسٹمز کو طاقت دینے والے چپس کے فن تعمیر کو بہتر بنانے کے لیے ایک Reinforcement Learning ایجنٹ استعمال کیا۔ Google نے اپنا زبانی ماڈل PaLM خود PaLM ماڈل کو بہتر بنانے کے طریقے تلاش کرنے کے لیے استعمال کیا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### ہارڈ ویئر

**GPU رجحانات۔** نئے GPU کی اوسط کمپیوٹنگ کارکردگی (FLOP/s) 2021 کے مقابلے میں تقریباً تین گنا اور 2003 کے مقابلے میں تقریباً 7,000 گنا بڑھ گئی ہے۔ فی امریکی ڈالر اوسط کارکردگی (FLOP/s per USD) 2022 میں 2021 کے مقابلے میں 1.4 گنا اور 2003 کے مقابلے میں 5,600 گنا زیادہ تھی، جو ہر 1.5 سال میں دگنی ہونے کی رفتار ظاہر کرتی ہے<sup>[\[9\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Epoch2022-9)</sup>۔

**MLPerf۔** MLPerf benchmark معیاری کاموں پر ماڈل تربیت کے وقت میں مسلسل کمی ریکارڈ کرتا رہتا ہے، جو ہارڈ ویئر اور اصلاح میں پیش رفت کی عکاسی کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### ماحولیاتی اثرات

یہ سیکشن پہلی بار رپورٹ میں شامل کیا گیا ہے۔ AI ماڈلز کے کاربن فٹ پرنٹ میں بنیادی ڈھانچے کے لحاظ سے نمایاں فرق ہوتا ہے:

| ماڈل   | پیرامیٹرز | CO₂ کا اخراج (ٹن) | ڈیٹا سینٹر PUE |
|--------|-----------|-------------------|----------------|
| GPT-3  | 175 ارب   | 502               | 1.10           |
| Gopher | 280 ارب   | 352               | 1.08           |
| OPT    | 175 ارب   | 70                | 1.09           |
| BLOOM  | 176 ارب   | 25                | 1.20           |

GPT-3 نے ملتی جلتی پیرامیٹر تعداد کے باوجود BLOOM سے 20 گنا زیادہ کاربن ڈائی آکسائیڈ خارج کیا۔ اہم عوامل انرجی گرڈ کی کاربن گنجائش، ڈیٹا سینٹر کی کارکردگی (PUE) اور تربیت کا دورانیہ ہیں<sup>[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Luccioni2022-2)</sup>۔

موازنے کے طور پر: BLOOM کی تربیت نے نیویارک سے سان فرانسسکو کے ہوائی سفر میں ایک مسافر کے مقابلے میں 25 گنا زیادہ CO₂ خارج کیا، اور ایک اوسط امریکی کے سالانہ اخراج سے 1.4 گنا زیادہ۔ استعمال ہونے والی توانائی ایک اوسط امریکی گھرانے کو 41 سال تک بجلی فراہم کرنے کے لیے کافی ہوتی<sup>[\[2\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Luccioni2022-2)</sup>۔

**توانائی کی کھپت میں اصلاح۔** BCOOLER سسٹم (DeepMind) — Google کے ڈیٹا سینٹرز کی کولنگ کو بہتر بنانے کے لیے ایک Reinforcement Learning ایجنٹ — نے تجربے کے تین ماہ کے دوران آرامدہ حالات برقرار رکھتے ہوئے تقریباً 12.7% توانائی کی بچت فراہم کی<sup>[\[3\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-BCOOLER2022-3)</sup>۔

### سائنس میں AI (2022)

**Tokamak میں پلازمہ کنٹرول۔** DeepMind نے Tokamak میں پلازمہ کے بہترین کنٹرول کے لیے ایک Reinforcement Learning الگورتھم تیار کیا — جو تھرمو نیوکلیئر فیوژن کی جانب ایک اہم پیش رفت ہے<sup>[\[14\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Degrave2022-14)</sup>۔

**AlphaTensor۔** DeepMind نے Reinforcement Learning استعمال کرتے ہوئے میٹرکس ضرب کے الگورتھم دریافت کیے جو موجودہ حلوں سے بہتر ہیں — بشمول 4×4 میٹرکس کے لیے کلاسیکی Strassen الگورتھم<sup>[\[15\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AlphaTensor2022-15)</sup>۔

**AlphaCode۔** DeepMind کا کمپیوٹر پروگرام لکھنے کا سسٹم، جو مسابقتی سطح پر کام کرتا ہے، پروگرامنگ مقابلوں میں اوپری 54% شرکاء کا درجہ حاصل کیا<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

**اینٹی باڈیز کی تخلیق۔** جنریٹو AI کو de novo اینٹی باڈی ڈیزائن کے لیے استعمال کیا گیا، جو بایو فارماسیوٹکس کے لیے نئے امکانات کھولتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

## باب 3۔ AI کی تکنیکی اخلاقیات

یہ باب AI اخلاقیات کے اہم پہلوؤں کو وقف ہے: تعصب، سمیت، انصاف اور واقعات<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### انصاف اور تعصب کے پیمانے

2022 میں AI سسٹمز کے انصاف اور تعصب کی تشخیص کے لیے پیمانوں اور benchmark کی تعداد میں مسلسل اضافہ ہوا۔ پیمانے وسیع اور زیادہ مخصوص ہوتے جا رہے ہیں: محققین انہیں مخصوص کاموں (سوال جوابات، قدرتی زبان کا منطقی استنتاج) کے مطابق ڈھالتے ہیں اور وسیع ٹیسٹ ڈیٹا تیار کرنے کے لیے زبانی ماڈلز استعمال کرتے ہیں۔ 2022 میں نئے benchmark متعارف کرائے گئے، جیسے BBQ (Bias Benchmark for Question Answering)، اور BIG-bench کے بڑے پروجیکٹ میں اضافی تشخیصات<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

دو قسم کے پیمانے ہیں: **benchmark** (لیبل شدہ ڈیٹا کے ثابت سیٹ جو ماڈل کے اندرونی تعصب کا جائزہ لیتے ہیں — StereoSet، Winogender) اور **تشخیصی پیمانے** (جو حقیقی استعمال میں مختلف آبادیاتی گروہوں کے لیے ماڈل کی کارکردگی میں فرق ناپتے ہیں)۔ دونوں طریقے ایک دوسرے کے تکمیل کار ہیں<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### ماڈل کے پیمانے کا تعصب پر اثر

2022 کی تحقیقات سے ظاہر ہوا کہ ماڈل کے پیمانے میں اضافے کا تعصب اور سمیت پر اثر غیر یکساں ہوتا ہے اور تربیتی ڈیٹا اور استعمال شدہ تعصب کم کرنے کے طریقوں پر منحصر ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### AI واقعات

AIAAIC ڈیٹا بیس کے مطابق 2012 سے AI کے اخلاقی غلط استعمال سے متعلق واقعات اور متنازع حالات کی تعداد 26 گنا بڑھ گئی ہے۔ یہ اضافہ AI کے استعمال کے پھیلاؤ اور خطرات کے بارے میں آگاہی میں اضافے دونوں کی وجہ سے ہے<sup>[\[4\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIAAIC2023-4)</sup>۔

## باب 4۔ معیشت

یہ باب روزگار، سرمایہ کاری، AI کے کارپوریٹ انضمام اور روبوٹکس میں رجحانات کا جائزہ لیتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### لیبر مارکیٹ

امریکہ میں AI سے متعلق آسامیوں کا تناسب تقریباً تمام صنعتوں میں اوسطاً 2021 کے 1.7% سے بڑھ کر 2022 میں 1.9% ہو گیا۔ ٹیکنالوجی، مالیات، مینوفیکچرنگ، صحت کی دیکھ بھال اور دیگر شعبوں میں مانگ میں اضافہ دیکھا گیا<sup>[\[16\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Lightcast2022-16)</sup>۔

**صنعت کی طرف ہجرت۔** AI میں نئے ڈاکٹریٹ کے حاملین کا بڑھتا ہوا فیصد صنعت میں کام کرنا پسند کر رہا ہے: 2021 میں 65.4% صنعت چلے گئے (2011 کے 40.9% کے مقابلے میں)، اور صرف 28.2% اکیڈمیا گئے (2011 کے 41.6% کے مقابلے میں)۔ سرکاری شعبے میں کام کرنے والے PhD کا تناسب مستحکم طور پر کم — 0.7% — رہا<sup>[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CRA2022-17)</sup>۔

### سرمایہ کاری

**عمومی رجحانات۔** AI میں عالمی نجی سرمایہ کاری 91.9 ارب ڈالر رہی — 2021 کے مقابلے میں 26.7% کمی۔ سرمایہ کاری کے واقعات کی تعداد 3,538 تک گر گئی (2021 کے مقابلے میں 12% کمی)۔ پہلی بار مالی اعانت حاصل کرنے والی AI کمپنیوں کی تعداد 1,392 تک گئی (2021 میں 1,669 سے)۔ تاہم سرمایہ کاری کا حجم 2013 کی سطح سے 18 گنا زیادہ ہے<sup>[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Quid2023-5)</sup>۔

**علاقائی تقسیم۔** امریکہ 47.4 ارب ڈالر کی سرمایہ کاری کے ساتھ سرفہرست ہے — چین (13.4 ارب) سے 3.5 گنا اور برطانیہ (4.4 ارب) سے 11 گنا زیادہ۔ امریکہ میں سرمایہ کاری 35.5% اور چین میں 41.3% کم ہوئی۔ 2013–2022 کے مجموعی طور پر امریکہ میں 248.9 ارب، چین میں 95.1 ارب اور برطانیہ میں 18.2 ارب ڈالر سرمایہ کاری کی گئی<sup>[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Quid2023-5)</sup>۔

**توجہ کے شعبے۔** سرمایہ کاروں کے لیے سب سے پرکشش شعبے: طب اور صحت کی دیکھ بھال (6.1 ارب ڈالر)، ڈیٹا مینجمنٹ، پروسیسنگ اور کلاؤڈ ٹیکنالوجیز (5.9 ارب)، فن ٹیک (5.5 ارب)، سائبر سیکیورٹی (5.4 ارب) اور ریٹیل (4.2 ارب)۔ زیادہ تر توجہ کے شعبوں میں 2021 کے مقابلے میں سرمایہ کاری میں کمی ریکارڈ ہوئی<sup>[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Quid2023-5)</sup>۔

**2022 کے سب سے بڑے سرمایہ کاری واقعات:**

- GAC Aion New Energy Automobile (چین، الیکٹرک گاڑیاں) — 2.54 ارب ڈالر;
- Anduril Industries (امریکہ، دفاعی ٹیکنالوجیز) — 1.5 ارب;
- Celonis (جرمنی، کاروباری تجزیات) — 1.22 ارب<sup>[\[5\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Quid2023-5)</sup>۔

### کارپوریٹ انضمام

McKinsey کے مطابق AI استعمال کرنے والی کمپنیوں کا تناسب 2017 سے دوگنا سے زیادہ ہو گیا ہے، جو 50–60% پر مستحکم ہے۔ AI اپنانے والی تنظیمیں لاگت میں حقیقی کمی اور آمدنی میں اضافے کی اطلاع دیتی ہیں<sup>[\[6\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-McKinsey2023-6)</sup>۔

**Earnings calls۔** 2022 کے مالی سال میں Fortune 500 کی 268 کمپنیوں نے منافع رپورٹس میں AI کا ذکر کیا (2021 میں 306 سے کم، لیکن 2018 میں 225 سے زیادہ)<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

**چیلنجز۔** AI منصوبوں کو شروع کرنے میں اہم مسائل: کاروباری قدر ثابت کرنا (37%)، قیادت کی وابستگی کی کمی (34%)، درست AI ٹیکنالوجیز کا انتخاب (33%)۔ پیمانے کی توسیع کی اہم رکاوٹیں: AI خطرات کا انتظام (50%)، تربیتی ڈیٹا حاصل کرنا (44%)، ٹیکنالوجی کا نفاذ (42%)<sup>[\[18\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Deloitte2022-18)</sup>۔

### روبوٹکس

2021 میں 517,000 صنعتی روبوٹ نصب کیے گئے — 2020 کے مقابلے میں 31.3% اضافہ اور 2011 کے مقابلے میں تین گنا سے زیادہ۔ صنعتی روبوٹس کا آپریشنل ذخیرہ 3,477,000 یونٹ تک پہنچا (14.6% اضافہ)<sup>[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IFR2022-19)</sup>۔

**چین کا غلبہ۔** 2021 میں چین نے 268,200 صنعتی روبوٹ نصب کیے — جاپان (47,200) سے 5.7 گنا اور امریکہ (35,000) سے 7.7 گنا زیادہ۔ 2013 سے، جب چین نے جاپان کو پیچھے چھوڑا، اس کا حصہ عالمی تنصیبات کے 20.8% سے بڑھ کر 51.8% ہو گیا۔ 2021 میں چین نے پہلی بار باقی تمام دنیا سے زیادہ صنعتی روبوٹ نصب کیے<sup>[\[19\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IFR2022-19)</sup>۔

## باب 5۔ تعلیم

یہ باب کمپیوٹر سائنس اور AI تعلیم میں رجحانات کا جائزہ لیتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### اعلیٰ تعلیم

**انڈر گریجویٹ۔** شمالی امریکہ میں کمپیوٹر سائنس (CS) سے بیچلر گریجویٹس کی تعداد میں اضافہ جاری ہے<sup>[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CRA2022-17)</sup>۔

**ڈاکٹریٹ۔** 2021 میں CS میں 1,893 ڈاکٹریٹ جاری کیے گئے — 2020 (1,997) سے کم۔ CS کے PhD میں بین الاقوامی طلبہ کا تناسب 2010 کے 45.8% سے بڑھ کر 2021 میں 68.6% ہو گیا<sup>[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CRA2022-17)</sup>۔

**AI میں تخصص۔** 2021 میں شمالی امریکہ میں نئے CS ڈاکٹریٹ کے 19.1% نے AI میں تخصص کیا — 2020 کے مقابلے میں 4.2 فیصد پوائنٹس اور 2012 کے مقابلے میں 8.6 فیصد پوائنٹس اضافہ<sup>[\[17\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-CRA2022-17)</sup>۔

## باب 6۔ پالیسی اور گورننس

یہ باب عالمی، امریکی اور علاقائی سطحوں پر AI کے شعبے میں قانون سازی اور ضابطہ کاری کی سرگرمی کا تجزیہ کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### عالمی رجحانات

*مصنوعی ذہانت* کی اصطلاح پر مشتمل اور بطور قانون منظور ہونے والے بلوں کی تعداد 2016 میں 1 سے بڑھ کر 2022 میں 37 ہو گئی (127 ممالک کا تجزیہ)۔ 81 ممالک کی پارلیمانی بحثوں میں AI کا ذکر 2016 سے تقریباً 6.5 گنا بڑھا، حالانکہ 2022 میں 2021 کے مقابلے میں معمولی کمی دیکھی گئی (1,547 سے 1,340 ذکر)<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

2022 میں پارلیمانی اجلاسوں میں AI کے ذکر کی تعداد میں سرفہرست ممالک: اسپین (273)، کینیڈا (211)، برطانیہ (146)، امریکہ (138)<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### امریکہ میں ضابطہ

وفاقی سطح پر 2022 میں AI سے متعلق 88 بل پیش کیے گئے، جن میں سے 9 منظور ہوئے (پچھلے سالوں میں 3 سے اضافہ)۔ ریاستی سطح پر کیلیفورنیا (5 منظور شدہ قوانین) اور میری لینڈ (3) سرفہرست ہیں<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### قومی حکمت عملیاں

کئی ممالک نے نئی قانون سازی اپنائی جو وسیع موضوعات کو احاطہ کرتی ہے: AI مہارتوں میں عملے کی تربیت، قانون نافذ کرنے والے اداروں میں AI کے استعمال پر نظارت، الگورتھمی فیصلہ سازی میں شفافیت میں اضافہ<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

## باب 7۔ تنوع

خواتین اور اقلیتوں کے نمائندے AI کے شعبے میں صنعت اور اکیڈمیا دونوں میں اب بھی نمایاں طور پر کم تعداد میں ہیں۔ CRA Taulbee Survey اور دیگر ذرائع کے ڈیٹا سے تنوع میں سست لیکن مستحکم پیش رفت درج ہوتی ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

## باب 8۔ عوامی رائے

رپورٹ کا نیا باب بین الاقوامی سروے اور سوشل میڈیا تجزیے کی بنیاد پر AI کے بارے میں عوامی تاثر کا تجزیہ کرتا ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### عالمی سروے (IPSOS)

IPSOS 2022 کے سروے کے مطابق (28 ممالک میں 19,504 جواب دہندگان)<sup>[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IPSOS2022-7)</sup>:

- 60% جواب دہندگان سمجھتے ہیں کہ AI مصنوعات اگلے 3–5 سالوں میں ان کی زندگی کو نمایاں طور پر تبدیل کریں گی؛
- 60% سمجھتے ہیں کہ AI مصنوعات ان کی زندگی آسان بناتی ہیں؛
- 52% اس بات سے اتفاق کرتے ہیں کہ AI مصنوعات نقصان سے زیادہ فائدہ پہنچاتی ہیں؛
- 40% نے نوٹ کیا کہ AI مصنوعات انہیں بے چینی کا احساس دلاتی ہیں۔

**علاقائی فرق۔** AI کے بارے میں سب سے زیادہ مثبت رویہ چین کے شہریوں کا ہے (78% AI کے فائدے سے متفق)، سعودی عرب (76%) اور بھارت (71%)۔ سب سے کم مثبت — فرانس (31%)، کینیڈا (32%)، امریکہ (35%)<sup>[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IPSOS2022-7)</sup>۔

**آبادیاتی فرق۔** مرد تمام پیمانوں پر خواتین سے زیادہ مثبت انداز میں AI مصنوعات کو دیکھتے ہیں۔ زیادہ آمدنی اور اعلیٰ تعلیم والے گھرانے بھی زیادہ پر امید ہیں<sup>[\[7\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-IPSOS2022-7)</sup>۔

### Lloyd's Register Foundation اور Gallup کا سروے

121 ممالک میں 125,911 افراد کا عالمی سروے (2021) سے ظاہر ہوا کہ 39% AI کو ملک کے لیے مجموعی طور پر مفید سمجھتے ہیں، 28% نقصاندہ۔ مرد خواتین کے مقابلے میں AI کو زیادہ مفید سمجھتے ہیں<sup>[\[20\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-LRF2022-20)</sup>۔

**بغیر ڈرائیور گاڑیاں۔** دنیا بھر میں صرف 27% جواب دہندگان بغیر ڈرائیور گاڑی میں محفوظ محسوس کرتے ہیں۔ Pew Research کے مطابق صرف 26% امریکی مسافر بغیر ڈرائیور گاڑیوں کو معاشرے کے لیے اچھا خیال سمجھتے ہیں<sup>[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Pew2022-21)</sup>۔

### Pew Research کا سروے (امریکہ)

AI سے حوصلہ افزائی محسوس کرنے والے امریکیوں میں، اہم وجوہات — زندگی اور معاشرے کو بہتر بنانے کی صلاحیت (31%) اور وقت کی بچت (13%)۔ فکرمند افراد میں — ملازمتوں کا نقصان (19%)، نگرانی اور ڈیجیٹل پرائیویسی (16%)، انسانی تعلق کا خاتمہ (12%)<sup>[\[21\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-Pew2022-21)</sup>۔

### NLP محققین کی رائے

NLP محققین کے سروے کے مطابق: 77% اس بات سے متفق یا جزوی طور پر متفق ہیں کہ نجی AI کمپنیوں کا اثر و رسوخ ضرورت سے زیادہ ہے؛ 41% سمجھتے ہیں کہ NLP کو ضابطے میں لانا چاہیے؛ 73% کا خیال ہے کہ AI جلد ہی انقلابی سماجی تبدیلیاں لا سکتی ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

### سوشل میڈیا تجزیہ

NetBase Quid نے 2022 کے دوران سوشل میڈیا پر 70 لاکھ سے زیادہ پوسٹس کا تجزیہ کیا۔ ChatGPT اور Stable Diffusion ماڈلز نے سب سے زیادہ توجہ حاصل کی۔ بحث کے اہم موضوعات — اخلاقی مسائل، AI کے ثقافتی اور معاشی اثرات<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

## طریقہ کار

رپورٹ متعدد ذرائع سے ڈیٹا استعمال کرتی ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>:

- **اشاعتیں اور پیٹنٹس:** Center for Security and Emerging Technology (CSET)، Georgetown University؛ Epoch کا ڈیٹا۔
- **benchmark:** Papers With Code، CRFM (HELM)، BIG-bench، مخصوص لیڈر بورڈز۔
- **سرمایہ کاری:** NetBase Quid (Capital IQ، Crunchbase)۔
- **لیبر مارکیٹ:** Lightcast، LinkedIn۔
- **کارپوریٹ سرگرمی:** McKinsey & Company، Deloitte، NetBase Quid (earnings calls)۔
- **روبوٹکس:** International Federation of Robotics (IFR)۔
- **ضابطہ:** 127 ممالک کی قانون سازی کی بنیادیں، 81 ممالک کے پارلیمانی مواد۔
- **عوامی رائے:** IPSOS، Lloyd's Register Foundation / Gallup، Pew Research Center، NetBase Quid (سوشل میڈیا)۔
- **تعلیم:** CRA Taulbee Survey، Code.org۔
- **ماحولیاتی اثرات:** Luccioni et al. (2022)، GPU ڈیٹا — Epoch۔

## مصنفین کی ٹیم

رپورٹ کو شریک ڈائریکٹرز **ریمنڈ پیرو** (Raymond Perrault، SRI International) اور **جیک کلارک** (Jack Clark، Anthropic / OECD) کی قیادت میں تیار کیا گیا۔ تحقیق کے سربراہ اور چیف ایڈیٹر **نیسٹر ماسلے** (Nestor Maslej، Stanford University) رہے۔ رپورٹ کی تیاری میں Erik Brynjolfsson، John Etchemendy، Katrina Ligett، Terah Lyons، James Manyika، Helen Ngo، Juan Carlos Niebles، Vanessa Parli، Yoav Shoham (AI Index کے بانی)، Russell Wald، نیز محققین اور شراکت دار تنظیموں کا وسیع حلقہ شامل تھا۔ AI Index اسٹینفورڈ HAI (Human-Centered Artificial Intelligence) انسٹی ٹیوٹ کا منصوبہ ہے<sup>[\[1\]](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_note-AIIndex2023-1)</sup>۔

## حوالہ جات

- Stanford HAI — AI Index Report 2023 (مکمل متن): <a href="https://aiindex.stanford.edu/report/" class="external free" rel="nofollow">https://aiindex.stanford.edu/report/</a>
- Epoch — کمپیوٹنگ رجحانات اور اہم ماڈلز کا ڈیٹا: <a href="https://epochai.org/" class="external free" rel="nofollow">https://epochai.org/</a>
- Papers With Code — benchmark اور لیڈر بورڈز: <a href="https://paperswithcode.com/" class="external free" rel="nofollow">https://paperswithcode.com/</a>
- CRFM HELM — Holistic Evaluation of Language Models: <a href="https://crfm.stanford.edu/helm/" class="external free" rel="nofollow">https://crfm.stanford.edu/helm/</a>
- AIAAIC Repository — AI اخلاقی غلط استعمال کے واقعات کا ڈیٹا بیس: <a href="https://www.aiaaic.org/" class="external free" rel="nofollow">https://www.aiaaic.org/</a>
- International Federation of Robotics: <a href="https://ifr.org/" class="external free" rel="nofollow">https://ifr.org/</a>
- McKinsey Global Survey on AI: <a href="https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai" class="external free" rel="nofollow">https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai</a>
- NetBase Quid — سرمایہ کاری اور سوشل میڈیا ڈیٹا: <a href="https://quid.com/" class="external free" rel="nofollow">https://quid.com/</a>
- IPSOS — AI کے بارے میں رویے پر عالمی سروے: <a href="https://www.ipsos.com/" class="external free" rel="nofollow">https://www.ipsos.com/</a>
- Pew Research Center — عوامی رائے کے سروے: <a href="https://www.pewresearch.org/" class="external free" rel="nofollow">https://www.pewresearch.org/</a>
- CRA Taulbee Survey — CS تعلیم کا ڈیٹا: <a href="https://cra.org/resources/taulbee-survey/" class="external free" rel="nofollow">https://cra.org/resources/taulbee-survey/</a>
- Global AI Vibrancy Tool (Stanford HAI): <a href="https://aiindex.stanford.edu/vibrancy/" class="external free" rel="nofollow">https://aiindex.stanford.edu/vibrancy/</a>

## کتابیات

- 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. <a href="https://aiindex.stanford.edu/report/" class="external free" rel="nofollow">https://aiindex.stanford.edu/report/</a>
- Luccioni, A. S. et al. (2022). *Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model*. <a href="https://arxiv.org/abs/2211.02001" class="external free" rel="nofollow">https://arxiv.org/abs/2211.02001</a>
- Liang, P. et al. (2022). *Holistic Evaluation of Language Models*. <a href="https://arxiv.org/abs/2211.09110" class="external free" rel="nofollow">https://arxiv.org/abs/2211.09110</a>
- Hendrycks, D. et al. (2021). *Measuring Massive Multitask Language Understanding*. <a href="https://arxiv.org/abs/2009.03300" class="external free" rel="nofollow">https://arxiv.org/abs/2009.03300</a>
- Radford, A. et al. (2022). *Robust Speech Recognition via Large-Scale Weak Supervision*. <a href="https://arxiv.org/abs/2212.04356" class="external free" rel="nofollow">https://arxiv.org/abs/2212.04356</a>
- Valmeekam, K. et al. (2022). *Large Language Models Still Can't Plan*. <a href="https://arxiv.org/abs/2206.10498" class="external free" rel="nofollow">https://arxiv.org/abs/2206.10498</a>
- Fawzi, A. et al. (2022). *Discovering faster matrix multiplication algorithms with reinforcement learning*. *Nature*. <a href="https://doi.org/10.1038/s41586-022-05172-4" class="external free" rel="nofollow">https://doi.org/10.1038/s41586-022-05172-4</a>
- Degrave, J. et al. (2022). *Magnetic Control of Tokamak Plasmas through Deep Reinforcement Learning*. *Nature*. <a href="https://doi.org/10.1038/s41586-021-04301-9" class="external free" rel="nofollow">https://doi.org/10.1038/s41586-021-04301-9</a>
- McKinsey & Company (2023). *The State of AI in 2023*. <a href="https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai" class="external free" rel="nofollow">https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai</a>
- International Federation of Robotics (2022). *World Robotics Report 2022*. <a href="https://ifr.org/worldrobotics/" class="external free" rel="nofollow">https://ifr.org/worldrobotics/</a>
- IPSOS (2022). *Global Views on AI Survey 2022*. <a href="https://www.ipsos.com/" class="external free" rel="nofollow">https://www.ipsos.com/</a>
- Pew Research Center (2022). *Public Views on AI*. <a href="https://www.pewresearch.org/" class="external free" rel="nofollow">https://www.pewresearch.org/</a>
- Lloyd's Register Foundation and Gallup (2022). *World Risk Poll: Perceptions of AI*. <a href="https://wrp.lrfoundation.org.uk/" class="external free" rel="nofollow">https://wrp.lrfoundation.org.uk/</a>
- Deloitte (2022). *State of AI in the Enterprise Survey*. <a href="https://www2.deloitte.com/" class="external free" rel="nofollow">https://www2.deloitte.com/</a>
- Luo, J. et al. (2022). *Controlling Commercial Cooling Systems Using Reinforcement Learning*. DeepMind Research.

## حواشی

1.  <span id="cite_note-AIIndex2023-1">↑ <sup>[1.00](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-0)</sup> <sup>[1.01](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-1)</sup> <sup>[1.02](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-2)</sup> <sup>[1.03](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-3)</sup> <sup>[1.04](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-4)</sup> <sup>[1.05](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-5)</sup> <sup>[1.06](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-6)</sup> <sup>[1.07](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-7)</sup> <sup>[1.08](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-8)</sup> <sup>[1.09](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-9)</sup> <sup>[1.10](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-10)</sup> <sup>[1.11](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-11)</sup> <sup>[1.12](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-12)</sup> <sup>[1.13](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-13)</sup> <sup>[1.14](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-14)</sup> <sup>[1.15](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-15)</sup> <sup>[1.16](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-16)</sup> <sup>[1.17](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-17)</sup> <sup>[1.18](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-18)</sup> <sup>[1.19](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-19)</sup> <sup>[1.20](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-20)</sup> <sup>[1.21](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-21)</sup> <sup>[1.22](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-22)</sup> <sup>[1.23](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-23)</sup> <sup>[1.24](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-24)</sup> <sup>[1.25](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-25)</sup> <sup>[1.26](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-26)</sup> <sup>[1.27](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-27)</sup> <sup>[1.28](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-28)</sup> <sup>[1.29](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-29)</sup> <sup>[1.30](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-30)</sup> <sup>[1.31](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-31)</sup> <sup>[1.32](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-32)</sup> <sup>[1.33](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-33)</sup> <sup>[1.34](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-34)</sup> <sup>[1.35](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-35)</sup> <sup>[1.36](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-36)</sup> <sup>[1.37](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIIndex2023_1-37)</sup> Maslej, N. et al. (2023). *The AI Index 2023 Annual Report*. AI Index Steering Committee, Institute for Human-Centered AI, Stanford University. <a href="https://aiindex.stanford.edu/report/" class="external free" rel="nofollow">https://aiindex.stanford.edu/report/</a></span>
2.  <span id="cite_note-Luccioni2022-2">↑ <sup>[2.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Luccioni2022_2-0)</sup> <sup>[2.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Luccioni2022_2-1)</sup> <sup>[2.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Luccioni2022_2-2)</sup> Luccioni, A. S. et al. (2022). *Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model*. <a href="https://arxiv.org/abs/2211.02001" class="external free" rel="nofollow">https://arxiv.org/abs/2211.02001</a></span>
3.  <span id="cite_note-BCOOLER2022-3">↑ <sup>[3.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-BCOOLER2022_3-0)</sup> <sup>[3.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-BCOOLER2022_3-1)</sup> Luo, J. et al. (2022). *Controlling Commercial Cooling Systems Using Reinforcement Learning*. DeepMind Research.</span>
4.  <span id="cite_note-AIAAIC2023-4">↑ <sup>[4.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIAAIC2023_4-0)</sup> <sup>[4.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AIAAIC2023_4-1)</sup> AIAAIC Repository (2023). <a href="https://www.aiaaic.org/" class="external free" rel="nofollow">https://www.aiaaic.org/</a></span>
5.  <span id="cite_note-Quid2023-5">↑ <sup>[5.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Quid2023_5-0)</sup> <sup>[5.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Quid2023_5-1)</sup> <sup>[5.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Quid2023_5-2)</sup> <sup>[5.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Quid2023_5-3)</sup> <sup>[5.4](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Quid2023_5-4)</sup> NetBase Quid (2023). *AI Investment Data*. <a href="https://quid.com/" class="external free" rel="nofollow">https://quid.com/</a></span>
6.  <span id="cite_note-McKinsey2023-6">↑ <sup>[6.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-McKinsey2023_6-0)</sup> <sup>[6.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-McKinsey2023_6-1)</sup> McKinsey & Company (2023). *The State of AI in 2023*. <a href="https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai" class="external free" rel="nofollow">https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai</a></span>
7.  <span id="cite_note-IPSOS2022-7">↑ <sup>[7.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IPSOS2022_7-0)</sup> <sup>[7.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IPSOS2022_7-1)</sup> <sup>[7.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IPSOS2022_7-2)</sup> <sup>[7.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IPSOS2022_7-3)</sup> IPSOS (2022). *Global Views on AI Survey 2022*. <a href="https://www.ipsos.com/" class="external free" rel="nofollow">https://www.ipsos.com/</a></span>
8.  <span id="cite_note-CSET2022-8">↑ <sup>[8.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CSET2022_8-0)</sup> <sup>[8.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CSET2022_8-1)</sup> Center for Security and Emerging Technology, Georgetown University (2022). *AI Publication Data*. <a href="https://cset.georgetown.edu/" class="external free" rel="nofollow">https://cset.georgetown.edu/</a></span>
9.  <span id="cite_note-Epoch2022-9">↑ <sup>[9.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Epoch2022_9-0)</sup> <sup>[9.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Epoch2022_9-1)</sup> <sup>[9.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Epoch2022_9-2)</sup> Epoch (2022). *Trends in Machine Learning Systems*. <a href="https://epochai.org/" class="external free" rel="nofollow">https://epochai.org/</a></span>
10. <span id="cite_note-MMLU2021-10">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-MMLU2021_10-0) Hendrycks, D. et al. (2021). *Measuring Massive Multitask Language Understanding*. <a href="https://arxiv.org/abs/2009.03300" class="external free" rel="nofollow">https://arxiv.org/abs/2009.03300</a></span>
11. <span id="cite_note-HELM2022-11">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-HELM2022_11-0) Liang, P. et al. (2022). *Holistic Evaluation of Language Models*. <a href="https://arxiv.org/abs/2211.09110" class="external free" rel="nofollow">https://arxiv.org/abs/2211.09110</a></span>
12. <span id="cite_note-Valmeekam2022-12">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Valmeekam2022_12-0) Valmeekam, K. et al. (2022). *Large Language Models Still Can't Plan*. <a href="https://arxiv.org/abs/2206.10498" class="external free" rel="nofollow">https://arxiv.org/abs/2206.10498</a></span>
13. <span id="cite_note-Whisper2022-13">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Whisper2022_13-0) Radford, A. et al. (2022). *Robust Speech Recognition via Large-Scale Weak Supervision*. <a href="https://arxiv.org/abs/2212.04356" class="external free" rel="nofollow">https://arxiv.org/abs/2212.04356</a></span>
14. <span id="cite_note-Degrave2022-14">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Degrave2022_14-0) Degrave, J. et al. (2022). *Magnetic Control of Tokamak Plasmas through Deep Reinforcement Learning*. *Nature*. <a href="https://doi.org/10.1038/s41586-021-04301-9" class="external free" rel="nofollow">https://doi.org/10.1038/s41586-021-04301-9</a></span>
15. <span id="cite_note-AlphaTensor2022-15">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-AlphaTensor2022_15-0) Fawzi, A. et al. (2022). *Discovering faster matrix multiplication algorithms with reinforcement learning*. *Nature*. <a href="https://doi.org/10.1038/s41586-022-05172-4" class="external free" rel="nofollow">https://doi.org/10.1038/s41586-022-05172-4</a></span>
16. <span id="cite_note-Lightcast2022-16">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Lightcast2022_16-0) Lightcast (2022). *AI Job Posting Data*. <a href="https://lightcast.io/" class="external free" rel="nofollow">https://lightcast.io/</a></span>
17. <span id="cite_note-CRA2022-17">↑ <sup>[17.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CRA2022_17-0)</sup> <sup>[17.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CRA2022_17-1)</sup> <sup>[17.2](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CRA2022_17-2)</sup> <sup>[17.3](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-CRA2022_17-3)</sup> CRA Taulbee Survey (2022). *Computing Research Association*. <a href="https://cra.org/resources/taulbee-survey/" class="external free" rel="nofollow">https://cra.org/resources/taulbee-survey/</a></span>
18. <span id="cite_note-Deloitte2022-18">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Deloitte2022_18-0) Deloitte (2022). *State of AI in the Enterprise Survey*. <a href="https://www2.deloitte.com/" class="external free" rel="nofollow">https://www2.deloitte.com/</a></span>
19. <span id="cite_note-IFR2022-19">↑ <sup>[19.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IFR2022_19-0)</sup> <sup>[19.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-IFR2022_19-1)</sup> International Federation of Robotics (2022). *World Robotics Report 2022*. <a href="https://ifr.org/worldrobotics/" class="external free" rel="nofollow">https://ifr.org/worldrobotics/</a></span>
20. <span id="cite_note-LRF2022-20">[↑](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-LRF2022_20-0) Lloyd's Register Foundation and Gallup (2022). *World Risk Poll: Perceptions of AI*. <a href="https://wrp.lrfoundation.org.uk/" class="external free" rel="nofollow">https://wrp.lrfoundation.org.uk/</a></span>
21. <span id="cite_note-Pew2022-21">↑ <sup>[21.0](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Pew2022_21-0)</sup> <sup>[21.1](https://systems-analysis.info/int/The_2023_AI_Index_Report_(UR)#cite_ref-Pew2022_21-1)</sup> Pew Research Center (2022). *Public Views on AI*. <a href="https://www.pewresearch.org/" class="external free" rel="nofollow">https://www.pewresearch.org/</a></span>