--- title: "The 2024 AI Index Report (HI)" source: "https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)" wiki: "systems-analysis.info/int" article: "The_2024_AI_Index_Report_(HI)" language: "hi" categories: - "Category:Hindi" - "Category:Large language models" - "Category:Machine learning" revision_id: 8036 wiki_created_at: 2026-09-07T01:11:20Z wiki_modified_at: 2026-09-07T01:11:20Z downloaded_at: 2026-09-07T23:22:58Z --- # The 2024 AI Index Report (HI) **AI Index Report 2024** — **AI Index** की सातवीं वार्षिक रिपोर्ट है, जिसे स्टैनफ़ोर्ड इंस्टीट्यूट फ़ॉर ह्यूमन-सेंटर्ड आर्टिफ़िशियल इंटेलिजेंस (Stanford HAI) द्वारा तैयार किया गया है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। 2024 की रिपोर्ट प्रकाशन के पूरे इतिहास में सबसे व्यापक है और ऐसे समय में प्रकाशित हो रही है जब समाज पर AI का प्रभाव अभूतपूर्व रूप से स्पष्ट होता जा रहा है। इस संस्करण में मॉडल प्रशिक्षण लागत के नए आकलन, उत्तरदायी AI का विस्तृत विश्लेषण शामिल है, और पहली बार विज्ञान एवं चिकित्सा पर AI के प्रभाव को समर्पित एक अलग अध्याय भी है। रिपोर्ट कृत्रिम बुद्धिमत्ता से संबंधित डेटा को ट्रैक करती है, व्यवस्थित करती है और दृश्यात्मक रूप में प्रस्तुत करती है, जिससे नीति-निर्माताओं, शोधकर्ताओं, अधिकारियों, पत्रकारों और आम जनता को वस्तुनिष्ठ एवं सावधानीपूर्वक सत्यापित जानकारी मिलती है। ## रिपोर्ट की संरचना 2024 की रिपोर्ट में नौ विषयगत अध्याय हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}: 1. **अनुसंधान और विकास (Research and Development)** — प्रकाशनों, पेटेंट, foundation models और खुले प्रोजेक्टों में रुझान। 2. **तकनीकी प्रदर्शन (Technical Performance)** — benchmark, मानव स्तर से तुलना, मल्टीमोडलिटी। 3. **उत्तरदायी AI (Responsible AI)** — घटनाएँ, सुरक्षा, पूर्वाग्रह, गोपनीयता। 4. **अर्थव्यवस्था (Economy)** — निवेश, श्रम बाज़ार, कॉर्पोरेट अपनाना, रोबोटीकरण। 5. **विज्ञान और चिकित्सा (Science and Medicine)** — नया अध्याय: विज्ञान और चिकित्सा अनुप्रयोगों में AI की सफलताएँ। 6. **शिक्षा (Education)** — मानव संसाधन तैयारी, शैक्षिक कार्यक्रम, शिक्षा में ChatGPT। 7. **नीति और शासन (Policy and Governance)** — कानून, विनियमन, राष्ट्रीय रणनीतियाँ। 8. **विविधता (Diversity)** — AI के क्षेत्र में लैंगिक और जातीय विविधता। 9. **जन मत (Public Opinion)** — अंतर्राष्ट्रीय सर्वेक्षणों के आधार पर AI के प्रति जनता का दृष्टिकोण। ## रिपोर्ट के प्रमुख निष्कर्ष (Top 10) रिपोर्ट के लेखकों ने 2024 के दस मुख्य निष्कर्ष प्रस्तुत किए हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}: ### 1. AI कुछ कार्यों में मनुष्यों से आगे है, लेकिन सभी में नहीं कृत्रिम बुद्धिमत्ता प्रणालियाँ कई benchmark पर मानव स्तर को पार कर चुकी हैं, जिनमें छवि वर्गीकरण (ImageNet), दृश्य तर्क (VQA) और अंग्रेज़ी भाषा समझ (SuperGLUE) शामिल हैं। हालाँकि AI अभी भी अधिक जटिल कार्यों में मनुष्यों से पीछे है: ओलंपियाड स्तर की गणित (MATH), दृश्य सामान्य तर्क और योजना निर्माण^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 2. उद्योग अग्रणी AI अनुसंधान में प्रभुत्व रखता है 2023 में उद्योग ने Machine Learning के 51 महत्वपूर्ण मॉडल बनाए, जबकि अकादमिक जगत ने केवल 15। इसके अतिरिक्त, 21 मॉडल उद्योग और अकादमिक जगत के संयुक्त प्रयास का परिणाम थे — जो एक रिकॉर्ड संख्या है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 3. अग्रणी मॉडलों के प्रशिक्षण की लागत तेज़ी से बढ़ रही है AI Index और Epoch AI के अनुमानों के अनुसार, GPT-4 के प्रशिक्षण की लागत लगभग 7.8 करोड़ डॉलर थी, और Google के Gemini Ultra की लागत लगभग 19.1 करोड़ डॉलर थी^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Epoch2023-2)}। तुलना के लिए: 2017 में मूल Transformer मॉडल के प्रशिक्षण की लागत लगभग 900 डॉलर थी, और 2019 में RoBERTa Large की लगभग 1.6 लाख डॉलर^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 4. अग्रणी AI मॉडलों के स्रोत के रूप में अमेरिका अग्रणी है 2023 में अमेरिकी संगठनों में 61 महत्वपूर्ण AI मॉडल बनाए गए, जो EU (21 मॉडल) और चीन (15 मॉडल) से काफ़ी आगे है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 5. LLM की जवाबदेही के मानकीकृत मूल्यांकन गंभीर रूप से पीछे हैं AI Index के अध्ययन ने उत्तरदायी AI रिपोर्टिंग में मानकीकरण की भारी कमी उजागर की। प्रमुख डेवलपर — OpenAI, Google और Anthropic — अपने मॉडलों का परीक्षण विभिन्न उत्तरदायी AI benchmark पर करते हैं, जिससे जोखिमों की व्यवस्थित तुलना कठिन हो जाती है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 6. जेनरेटिव AI में निवेश तेज़ी से बढ़ रहा है AI में कुल निजी निवेश में समग्र गिरावट के बावजूद, जेनरेटिव AI का वित्तपोषण 2022 की तुलना में लगभग आठ गुना बढ़कर 25.2 अरब डॉलर तक पहुँच गया। OpenAI, Anthropic, Hugging Face और Inflection ने बड़े फंडिंग राउंड आयोजित किए^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Quid2023-3)}। ### 7. AI श्रम उत्पादकता और कार्य गुणवत्ता में सुधार करता है 2023 के अनेक अध्ययनों से पता चला कि AI कर्मचारियों को कार्य तेज़ी से और बेहतर गुणवत्ता के साथ करने में मदद करता है, और कम-कुशल व अधिक-कुशल विशेषज्ञों के बीच के अंतर को कम करता है। साथ ही, कुछ अध्ययन चेतावनी देते हैं कि उचित निगरानी के बिना AI का उपयोग उत्पादकता में कमी ला सकता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 8. AI की बदौलत वैज्ञानिक प्रगति तेज़ हो रही है 2023 में AI के महत्वपूर्ण वैज्ञानिक अनुप्रयोग सामने आए: AlphaDev (सॉर्टिंग एल्गोरिदम में तेज़ी), GNoME (नई सामग्रियों की खोज), GraphCast (मौसम पूर्वानुमान) और अन्य^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 9. अमेरिका में AI से संबंधित नियामक अधिनियमों की संख्या में तेज़ वृद्धि 2023 में AI से संबंधित 25 नियामक अधिनियम पारित हुए — पिछले वर्ष की तुलना में 56.3% की वृद्धि। तुलना के लिए: 2016 में ऐसा केवल एक अधिनियम पारित हुआ था^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 10. लोग AI के प्रभाव के बारे में अधिक जागरूक हो रहे हैं — और अधिक चिंतित भी Ipsos के अनुसार, यह मानने वाले उत्तरदाताओं का अनुपात कि AI अगले 3-5 वर्षों में उनके जीवन को महत्वपूर्ण रूप से प्रभावित करेगा, 60% से बढ़कर 66% हो गया। इसके अलावा, 52% AI उत्पादों और सेवाओं के बारे में घबराहट व्यक्त करते हैं — 2022 से 13 प्रतिशत अंकों की वृद्धि। अमेरिका में, Pew Research के अनुसार, 52% अमेरिकी AI को लेकर उत्साह से अधिक चिंता महसूस करते हैं (2022 में यह 37% था)^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Ipsos2023-4)[\[5\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Pew2023-5)}। ## अध्याय 1. अनुसंधान और विकास यह अध्याय प्रकाशनों, पेटेंट, अग्रणी AI प्रणालियों, foundation models, सम्मेलनों और खुले सॉफ़्टवेयर प्रोजेक्टों में रुझानों का विश्लेषण करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### प्रकाशन AI पर प्रकाशनों की कुल संख्या बढ़ती जा रही है: 2010 में लगभग 88,000 से 2022 में 2,40,000 से अधिक (लगभग तीन गुना वृद्धि)। पिछले वर्ष की तुलना में वृद्धि 1.1% रही^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### पेटेंट दुनिया भर में AI क्षेत्र में दिए गए पेटेंट की संख्या में तेज़ी से वृद्धि हुई है: 2021 से 2022 के बीच 62.7% की वृद्धि, और 2010 से अब तक 31 गुना से अधिक। चीन AI पेटेंटिंग में प्रभुत्व रखता है: 2022 में उसकी पेटेंट आवेदनों में 61.1% हिस्सेदारी थी, जबकि अमेरिका की 20.9% (2010 में 54.1% से घटकर)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### अग्रणी मॉडल 2023 में उद्योग ने अग्रणी मॉडल बनाने में प्रभुत्व जारी रखा। 149 foundation models जारी किए गए — 2022 की तुलना में दोगुने। इनमें से 65.7% ओपन-सोर्स थे (2022 में 44.4% और 2021 में 33.3% की तुलना में)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। **प्रशिक्षण लागत।** AI Index और Epoch AI के सहयोग से मॉडल प्रशिक्षण लागत के अधिक सटीक अनुमान प्राप्त हुए। व्यय में वृद्धि को निम्नलिखित आँकड़ों से स्पष्ट रूप से समझा जा सकता है^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Epoch2023-2)}: | मॉडल | वर्ष | प्रशिक्षण लागत का अनुमान (USD) | |---------------|------|-----------------------------| | Transformer | 2017 | ~930 | | BERT-Large | 2018 | ~3 300 | | RoBERTa Large | 2019 | ~160 000 | | GPT-3 175B | 2020 | ~4.3 मिलियन | | PaLM 540B | 2022 | ~12.4 मिलियन | | Llama 2 70B | 2023 | ~3.9 मिलियन | | GPT-4 | 2023 | ~78 मिलियन | | Gemini Ultra | 2023 | ~191 मिलियन | **राष्ट्रीय संबद्धता।** 2023 में 61 महत्वपूर्ण मॉडल अमेरिकी संगठनों ने, 21 EU ने और 15 चीन ने बनाए। यह AI की अग्रणी प्रणालियों के विकास में अमेरिका की अग्रणी भूमिका की पुष्टि करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### खुला सॉफ़्टवेयर GitHub पर AI प्रोजेक्टों की संख्या लगातार बढ़ रही है: 2011 में 845 से 2023 में लगभग 18 लाख तक। 2023 में 59.3% की वृद्धि दर्ज की गई। AI प्रोजेक्टों की कुल स्टार संख्या तीन गुना हो गई: 2022 में 40 लाख से 2023 में 1.22 करोड़^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### सम्मेलन प्रमुख AI सम्मेलनों (NeurIPS, ICML, ICLR आदि) की उपस्थिति बढ़ती रही, जो इस क्षेत्र में बढ़ती रुचि को दर्शाती है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## अध्याय 2. तकनीकी प्रदर्शन यह अध्याय भाषा प्रसंस्करण, छवि निर्माण, तर्क, कोडिंग और एजेंट व्यवहार के कार्यों में AI प्रणालियों की प्रगति का विश्लेषण करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### AI प्रदर्शन की स्थिति 2023 तक AI कई कार्य श्रेणियों में मानव स्तर को पार कर चुका है: छवि वर्गीकरण (2015 से), बुनियादी पाठ समझ (2017 से), दृश्य तर्क (2020 से), प्राकृतिक भाषा में तार्किक अनुमान (2021 से)। हालाँकि ओलंपियाड स्तर की गणित (MATH) और योजना निर्माण जैसे कार्यों में AI अभी भी मनुष्यों से पीछे है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### भाषा मॉडल **HELM।** स्टैनफ़ोर्ड में विकसित Holistic Evaluation of Language Models (HELM) benchmark LLM का दस परिदृश्यों पर मूल्यांकन करता है, जिनमें पाठ समझ, गणित और कानूनी तर्क शामिल हैं। जनवरी 2024 तक GPT-4 mean win rate 0.96 के साथ अग्रणी है^{[\[6\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-HELM2022-6)}। **MMLU।** Massive Multitask Language Understanding (MMLU) benchmark 57 विषय क्षेत्रों में मॉडलों का मूल्यांकन करता है। Google के Gemini Ultra ने पहली बार मानव आधार स्तर (89.8%) को पार किया, 90.0% अंक प्राप्त किए — 2022 की तुलना में 14.8 प्रतिशत अंकों और 2019 में benchmark बनने के बाद से 57.6 प्रतिशत अंकों का सुधार^{[\[7\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-MMLU2021-7)}। **Chatbot Arena।** 2023 में लॉन्च किए गए इस प्लेटफ़ॉर्म पर उपयोगकर्ता गुमनाम मॉडलों की पीढ़ियों की तुलना कर सकते हैं। 2024 की शुरुआत तक GPT-4 Turbo को 2,00,000 से अधिक मतों के आधार पर सबसे पसंदीदा मॉडल माना गया है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### मल्टीमोडलिटी परंपरागत रूप से AI प्रणालियाँ एक ही modality तक सीमित थीं। हालाँकि 2023 में शक्तिशाली मल्टीमोडल मॉडल सामने आए — Google Gemini और OpenAI GPT-4, जो टेक्स्ट, छवियाँ और कुछ मामलों में ऑडियो भी प्रोसेस कर सकते हैं। MMMU (Massive Multi-discipline Multimodal Understanding) benchmark से पता चला कि Gemini Ultra 59.4% के साथ आगे है, लेकिन यह मानव विशेषज्ञ स्तर (82.6%) से काफ़ी नीचे है^{[\[8\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-MMMU2023-8)}। ### तर्क **GPQA।** Graduate-Level Google-Proof Q&A benchmark में जीव विज्ञान, भौतिकी और रसायन विज्ञान के 448 जटिल प्रश्न शामिल हैं, जिनका उत्तर Google पर सामान्य खोज से नहीं मिल सकता। GPT-4 ने खोज के साथ 41.0% अंक प्राप्त किए, जो विशेषज्ञों के स्तर (72.5%) से कम है लेकिन गैर-विशेषज्ञों (30.5%) से अधिक है^{[\[9\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-GPQA2023-9)}। **चेतना का सिद्धांत (BigToM)।** LLM की अन्य लोगों की मान्यताओं को मॉडल करने की क्षमता के परीक्षण से पता चला कि GPT-4 प्रत्यक्ष विश्वास और क्रिया अनुमान कार्यों में मानव स्तर के करीब पहुँच रहा है, हालाँकि विपरीत विश्वास अनुमान कार्यों में अभी भी पीछे है^{[\[10\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-BigToM2023-10)}। ### कोडिंग HumanEval benchmark कोड निर्माण का मूल्यांकन करता है। 2023 में मॉडलों ने अपने प्रदर्शन में सुधार जारी रखा, और SWE-bench — वास्तविक सॉफ़्टवेयर इंजीनियरिंग समस्याओं को हल करने के मूल्यांकन के लिए नया benchmark — से पता चला कि यहाँ तक कि सर्वश्रेष्ठ मॉडल भी कार्यों का केवल एक छोटा हिस्सा ही हल कर पाते हैं, जो आगे की प्रगति की महत्वपूर्ण संभावना दर्शाता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### एजेंट व्यवहार AI प्रणालियों का परीक्षण तेज़ी से एजेंट परिदृश्यों में किया जा रहा है। Voyager (Microsoft) ने Minecraft के गतिशील वातावरण में स्वायत्त शिक्षण की क्षमता प्रदर्शित की — पिछले मॉडलों की तुलना में 3.3 गुना अधिक अनूठी वस्तुएँ एकत्र कीं, 2.3 गुना अधिक दूरी तय की और प्रमुख चरणों तक 15.3 गुना तेज़ी से पहुँची^{[\[11\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Voyager2023-11)}। MLAgentBench ने दिखाया कि वैज्ञानिक अनुसंधान के लिए AI एजेंट संभावना दर्शाते हैं, लेकिन परिणाम कार्यों के बीच काफ़ी भिन्न होते हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### LLM के गुण **उभरता व्यवहार।** 2023 के एक अध्ययन ने मॉडलों के स्केलिंग के साथ अप्रत्याशित "उभरती" क्षमताओं की अनिवार्यता की धारणा पर प्रश्नचिह्न लगाया। रैखिक और निरंतर मेट्रिक्स के उपयोग से ऐसी क्षमताएँ काफ़ी हद तक गायब हो जाती हैं^{[\[12\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Schaeffer2023-12)}। **प्रदर्शन में गिरावट।** स्टैनफ़ोर्ड और Berkeley के एक अध्ययन से पता चला कि GPT-4 का प्रदर्शन अपडेट के बीच काफ़ी बदल सकता है: जून 2023 के संस्करण ने कोड निर्माण में मार्च के संस्करण की तुलना में 42 प्रतिशत अंक और गणित कार्यों में 33 प्रतिशत अंक कम अंक प्राप्त किए^{[\[13\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Chen2023LLMDrift-13)}। **स्व-सुधार।** DeepMind और इलिनोइस विश्वविद्यालय के शोधकर्ताओं ने दिखाया कि LLM बाहरी मार्गदर्शन के बिना अपने तर्क में स्वतंत्र रूप से सुधार करने में कमज़ोर हैं: स्व-सुधार के प्रयास पर परीक्षण किए गए सभी benchmark पर GPT-4 का प्रदर्शन घट गया^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## अध्याय 3. उत्तरदायी AI यह अध्याय उत्तरदायी AI के प्रमुख आयामों को समर्पित है: गोपनीयता, पारदर्शिता, सुरक्षा और निष्पक्षता^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### AI घटनाएँ AI Incident Database ने 2023 में 123 घटनाएँ दर्ज कीं — 2022 की तुलना में 32.3% की वृद्धि। 2013 से घटनाओं की संख्या बीस गुना से अधिक बढ़ गई है। यह वृद्धि AI के उपयोग के विस्तार और इसके नैतिक जोखिमों के बारे में बढ़ती जागरूकता दोनों के कारण है^{[\[14\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIID2023-14)}। ### उत्तरदायी AI benchmark का मानकीकरण पाँच प्रमुख डेवलपर (OpenAI, Meta, Anthropic, Google, Mistral AI) के विश्लेषण से उत्तरदायी AI के मूल्यांकन के लिए एकीकृत benchmark सेट की अनुपस्थिति सामने आई। हालाँकि सामान्य क्षमता benchmark (MMLU, HellaSwag, ARC Challenge, HumanEval, GSM8K) व्यापक रूप से उपयोग किए जाते हैं, उत्तरदायी AI benchmark (TruthfulQA, RealToxicityPrompts, ToxiGen, BOLD, BBQ) बिखरे हुए तरीके से अपनाए जाते हैं: TruthfulQA का उपयोग पाँच में से तीन से अधिक डेवलपर नहीं करते, और एक डेवलपर तो उत्तरदायी AI benchmark पर परीक्षण की कोई जानकारी नहीं देता^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### AI और चुनाव 2023 के अध्ययनों से पता चला कि लोग ऑडियो deepfake को केवल 73% मामलों में सही पहचान पाते हैं। ध्वनि निर्माण तकनीक के विकास के साथ पहचान की सटीकता घटने की उम्मीद है। यह राजनीतिक अभियानों में हेरफेर के जोखिम पैदा करता है और राजनेताओं को समझौता करने वाली ऑडियो रिकॉर्डिंग को नकली बताने का अवसर देता है (तथाकथित "झूठे का लाभांश")^{[\[15\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Mai2023-15)}। LLM में राजनीतिक पूर्वाग्रह पर अध्ययनों ने ChatGPT के डिफ़ॉल्ट उत्तरों और डेमोक्रेटिक पार्टी की स्थितियों के बीच सहसंबंध और रिपब्लिकन पार्टी की स्थितियों के साथ नकारात्मक सहसंबंध पाया^{[\[16\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Motoki2023-16)}। ## अध्याय 4. अर्थव्यवस्था यह अध्याय निवेश, रोज़गार, AI के कॉर्पोरेट अपनाने और रोबोटीकरण में रुझानों की जाँच करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### निवेश **सामान्य रुझान।** AI में कुल कॉर्पोरेट निवेश 2023 में घटकर 189.2 अरब डॉलर हो गया (2022 की तुलना में लगभग 20% की गिरावट)। हालाँकि एक दशक में निवेश की मात्रा तेरह गुना बढ़ी है। निजी निवेश लगातार दूसरे वर्ष गिरा, हालाँकि गिरावट 2021-2022 की तुलना में कम तीव्र थी^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Quid2023-3)}। **जेनरेटिव AI।** जेनरेटिव AI में निवेश 25.2 अरब डॉलर रहा — 2022 की तुलना में लगभग नौ गुना और 2019 की तुलना में तीस गुना वृद्धि। जेनरेटिव AI ने AI में सभी निजी निवेश का एक चौथाई से अधिक हिस्सा ले लिया^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Quid2023-3)}। **क्षेत्रीय वितरण।** 67.2 अरब डॉलर के निवेश के साथ अमेरिका ने चीन (7.8 अरब) को 8.7 गुना और यूके (3.8 अरब) को 17.8 गुना पीछे छोड़ दिया। वहीं चीन में निजी निवेश 44.2% घटा, EU और UK में 14.1%, जबकि अमेरिका में 22.1% बढ़ा^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Quid2023-3)}। **स्टार्टअप।** वित्तपोषण पाने वाली नई AI कंपनियों की संख्या 1,812 तक पहुँची (40.6% की वृद्धि)। जेनरेटिव AI के क्षेत्र में 99 नए स्टार्टअप को वित्तपोषण मिला (2022 में 56 की तुलना में)^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Quid2023-3)}। ### श्रम बाज़ार अमेरिका में AI से संबंधित नौकरी के अवसरों की हिस्सेदारी 2022 में 2.0% से घटकर 2023 में 1.6% हो गई। यही प्रवृत्ति वैश्विक स्तर पर देखी जा रही है। यह गिरावट बड़ी AI कंपनियों द्वारा कम भर्ती और तकनीकी पदों की हिस्सेदारी में कमी के कारण है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। AI विशेषज्ञों का अकादमिक जगत से उद्योग में पलायन तेज़ होता जा रहा है: 2022 में 70.7% नए AI PhD धारकों ने उद्योग में नौकरी ली (2011 में 40.9% की तुलना में), और केवल 20.0% अकादमिक जगत में गए (2011 में 41.6% की तुलना में)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### कॉर्पोरेट अपनाना McKinsey के अनुसार, 55% संगठन कम से कम एक व्यावसायिक इकाई में AI (जेनरेटिव AI सहित) का उपयोग कर रहे हैं — 2022 में 50% और 2017 में 20% से वृद्धि। इनमें से 42% संगठनों ने लागत में कमी और 59% ने AI के कारण राजस्व में वृद्धि की जानकारी दी^{[\[17\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-McKinsey2023-17)}। Fortune 500 कंपनियों की आय रिपोर्ट में AI का उल्लेख 394 तक पहुँचा (लगभग 80% सभी कंपनियों का) — 2022 में 266 से उल्लेखनीय वृद्धि। सबसे अधिक उल्लेखित विषय (सभी कॉल का 19.7%) जेनरेटिव AI रहा^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### रोबोटिक्स 2022 में 5,53,000 औद्योगिक रोबोट स्थापित हुए — 2021 की तुलना में 5.1% और 2012 से तीन गुने से अधिक की वृद्धि। चीन का प्रभुत्व है: 2013 में जापान को पछाड़ने के बाद से चीन की हिस्सेदारी 20.8% से बढ़कर 2022 में विश्व स्थापनाओं में 52.4% हो गई। सहयोगी रोबोट (collaborative robots) की हिस्सेदारी 2017 में 2.8% से बढ़कर 2022 में 9.9% हो गई^{[\[18\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-IFR2023-18)}। ## अध्याय 5. विज्ञान और चिकित्सा पहली बार रिपोर्ट में शामिल यह अध्याय वैज्ञानिक खोजों और चिकित्सा नवाचारों में AI की भूमिका पर प्रकाश डालता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### 2023 की वैज्ञानिक उपलब्धियाँ **AlphaDev** (DeepMind) — Reinforcement Learning पर आधारित प्रणाली जिसने मौजूदा मानव मानकों से कम निर्देशों वाले सॉर्टिंग एल्गोरिदम खोजे। खोजे गए कुछ एल्गोरिदम को C++ (LLVM) की मानक सॉर्टिंग लाइब्रेरी में शामिल किया गया — दस से अधिक वर्षों में लाइब्रेरी के इस भाग का पहला अपडेट^{[\[19\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AlphaDev2023-19)}। **GraphCast** (DeepMind) — ग्राफ़ Neural Network पर आधारित मौसम पूर्वानुमान प्रणाली जो एक मिनट से कम समय में 10-दिवसीय पूर्वानुमान प्रदान करती है, जिसकी सटीकता प्रमुख मॉडलिंग प्रणाली HRES (यूरोपीय मध्यम-श्रेणी मौसम पूर्वानुमान केंद्र) से अधिक है^{[\[20\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-GraphCast2023-20)}। **GNoME** (Google DeepMind) — नए कार्यात्मक सामग्रियों की त्वरित खोज के लिए ग्राफ़ नेटवर्क का उपयोग करने वाला मॉडल, जो रोबोटिक्स और सेमीकंडक्टर उद्योग में प्रगति के लिए अत्यंत महत्वपूर्ण है^{[\[21\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-GNoME2023-21)}। **Synbot** — जैविक अणुओं के स्वायत्त संश्लेषण के लिए AI-संचालित रोबोटिक रसायनशास्त्री, जो संदर्भ मूल्यों के समान या उससे अधिक प्रतिक्रिया उत्पाद प्राप्त करता है^{[\[22\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Synbot2023-22)}। **FlexiCubes** (NVIDIA) — कंप्यूटर ग्राफ़िक्स में 3D ऑब्जेक्ट निर्माण की गुणवत्ता सुधारने के लिए AI का उपयोग करते हुए 3D मेश अनुकूलन की विधि^{[\[23\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-FlexiCubes2023-23)}। ### चिकित्सा में AI **क्लिनिकल ज्ञान।** MedQA benchmark (AI के क्लिनिकल ज्ञान का मूल्यांकन) पर GPT-4 Medprompt ने 90.2% सटीकता हासिल की — 2022 के सर्वश्रेष्ठ परिणाम से 22.6 प्रतिशत अंकों की वृद्धि। 2019 में benchmark बनने के बाद से MedQA पर AI का प्रदर्शन लगभग तीन गुना हो गया। उल्लेखनीय है कि GPT-4 Medprompt ने fine-tuning की बजाय prompt engineering का उपयोग किया और विशेष चिकित्सा मॉडलों को भी पीछे छोड़ दिया^{[\[24\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Medprompt2023-24)}। **MediTron-70B** — एक ओपन-सोर्स मेडिकल LLM जिसने MedQA पर 70.2% अंक प्राप्त किए — ओपन-सोर्स मॉडलों में सर्वश्रेष्ठ परिणाम, हालाँकि यह बंद मॉडलों GPT-4 Medprompt और Med-PaLM 2 से नीचे है^{[\[25\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Meditron2023-25)}। **चिकित्सा नवाचार।** 2023 की महत्वपूर्ण प्रणालियों में शामिल हैं: SynthSR (निम्न-गुणवत्ता MRI स्कैन से मस्तिष्क संरचनाओं की इमेजिंग में सुधार), ImmunoSEIRA (न्यूरोडीजेनेरेटिव रोगों के निदान के लिए AI इन्फ्रारेड सेंसर), EVEscape (महामारी रोकथाम के लिए वायरस विकास का पूर्वानुमान), AlphaMissense (मिसेंस म्यूटेशन का वर्गीकरण)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। **FDA की मंज़ूरी।** 2022 में FDA ने AI आधारित 139 चिकित्सा उपकरणों को मंज़ूरी दी — 2021 की तुलना में 12.1% की वृद्धि। 2012 से ऐसी मंज़ूरियों की संख्या 45 गुने से अधिक बढ़ गई है^{[\[26\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-FDA2023-26)}। ## अध्याय 6. शिक्षा यह अध्याय कंप्यूटर विज्ञान और AI के क्षेत्र में शिक्षा के रुझानों पर विचार करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### उच्च शिक्षा अमेरिका और कनाडा में कंप्यूटर विज्ञान में स्नातक स्तर के पासआउट की संख्या बढ़ती जा रही है। मास्टर्स स्तर पर संख्या अपेक्षाकृत स्थिर है, जबकि PhD स्तर पर मामूली वृद्धि हो रही है। 2018 से कंप्यूटर विज्ञान में मास्टर्स और PhD की संख्या में कुछ गिरावट आई है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। सभी शिक्षा स्तरों पर अंतर्राष्ट्रीय छात्रों की हिस्सेदारी घटी है, विशेष रूप से मास्टर्स स्तर पर यह स्पष्ट है। वैश्विक स्तर पर AI से संबंधित अंग्रेज़ी भाषा के शैक्षिक कार्यक्रमों की संख्या 2017 से तीन गुनी हो गई है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### शिक्षा में ChatGPT Walton Foundation के सर्वेक्षण के अनुसार, 88% शिक्षकों और 79% छात्रों का मानना है कि ChatGPT शैक्षिक प्रक्रिया पर सकारात्मक प्रभाव डालता है। 76% शिक्षकों और 65% छात्रों का विचार है कि ChatGPT को शिक्षा में एकीकृत करना महत्वपूर्ण है^{[\[27\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-WaltonFoundation2023-27)}। ## अध्याय 7. नीति और शासन यह अध्याय वैश्विक, अमेरिकी और यूरोपीय स्तरों पर AI के क्षेत्र में विधायी और नियामक गतिविधि का विश्लेषण करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### वैश्विक रुझान दुनिया भर में विधायी प्रक्रियाओं में AI का उल्लेख रिकॉर्ड स्तर पर पहुँच गया। विशुद्ध प्रोत्साहन उपायों से प्रतिबंधात्मक कानून की ओर एक बदलाव देखा जा रहा है, जो AI के संभावित जोखिमों पर नियामकों का बढ़ता ध्यान दर्शाता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। 2023 में पारित कानूनों का विषयगत दायरा काफ़ी विस्तृत हुआ, जिसमें सशस्त्र बल और राष्ट्रीय सुरक्षा, नागरिक अधिकार, वाणिज्य, शिक्षा, श्रम संबंध, विज्ञान और प्रौद्योगिकी शामिल हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### अमेरिका में विनियमन AI से संबंधित नियामक अधिनियमों की संख्या 2023 में 25 (2022 की तुलना में 56.3% की वृद्धि) तक पहुँची। सबसे सामान्य विषय विदेश व्यापार और अंतर्राष्ट्रीय वित्त रहे। पिछले वर्षों की तुलना में उच्च और मध्यम AI प्रासंगिकता वाले नियामक अधिनियमों की हिस्सेदारी बढ़ी है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। 2023 की एक महत्वपूर्ण घटना राष्ट्रपति बाइडन का AI पर कार्यकारी आदेश (Executive Order on AI) था, जिसका उद्देश्य विशेष रूप से उद्योग और अकादमिक जगत के बीच समान अवसर सुनिश्चित करने के लिए राष्ट्रीय AI अनुसंधान संसाधन (National AI Research Resource) की स्थापना करना था^{[\[28\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-BidenEO2023-28)}। ### EU में विनियमन यूरोपीय संघ में भी AI से संबंधित नियामक अधिनियमों की संख्या बढ़ाने की समान प्रवृत्ति देखी जा रही है। 2023 की एक महत्वपूर्ण उपलब्धि *AI Act* का आगे बढ़ना था — दुनिया का पहला व्यापक AI कानून^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## अध्याय 8. विविधता यह अध्याय AI विशेषज्ञों के बीच लैंगिक और जातीय विविधता की जाँच करता है। कुछ प्रगति के बावजूद, महिलाएँ और अल्पसंख्यक समुदाय के प्रतिनिधि उद्योग और अकादमिक जगत दोनों में AI के क्षेत्र में अभी भी काफ़ी कम प्रतिनिधित्व रखते हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## अध्याय 9. जन मत यह अध्याय अंतर्राष्ट्रीय सर्वेक्षणों और सोशल मीडिया डेटा के आधार पर AI के प्रति जन धारणा का विश्लेषण करता है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ### अंतर्राष्ट्रीय सर्वेक्षण **जागरूकता और चिंता।** Ipsos के अनुसार, 66% उत्तरदाता (60% से वृद्धि) मानते हैं कि AI अगले 3-5 वर्षों में उनके जीवन को महत्वपूर्ण रूप से प्रभावित करेगा। इनमें से 52% AI उत्पादों के बारे में घबराहट व्यक्त करते हैं (2022 से 13 प्रतिशत अंकों की वृद्धि)^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Ipsos2023-4)}। **आर्थिक अपेक्षाएँ।** केवल 37% उत्तरदाता मानते हैं कि AI उनकी नौकरी में सुधार करेगा, 34% मानते हैं कि यह अर्थव्यवस्था में सुधार करेगा, और 32% मानते हैं कि यह श्रम बाज़ार पर सकारात्मक प्रभाव डालेगा^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Ipsos2023-4)}। **जनसांख्यिकीय अंतर।** युवा पीढ़ियाँ काफ़ी अधिक आशावादी हैं: जनरेशन Z के 59% प्रतिनिधि मानते हैं कि AI मनोरंजन को बेहतर बनाएगा, जबकि बेबी बूमर में यह 40% है। उच्च आय और शिक्षा स्तर वाले लोग भी अधिक आशावादी हैं^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। **ChatGPT की पहचान।** टोरंटो विश्वविद्यालय के अंतर्राष्ट्रीय सर्वेक्षण के अनुसार, 63% उत्तरदाता ChatGPT के बारे में जानते हैं, जिनमें से लगभग आधे इसे सप्ताह में कम से कम एक बार उपयोग करते हैं^{[\[29\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-GPO-AI2023-29)}। ### सोशल मीडिया डेटा 2023 में सोशल मीडिया पर 70 लाख से अधिक पोस्टों के Quid विश्लेषण से पता चला कि GraphCast और Claude 2.1 मॉडलों को सबसे अधिक सकारात्मक भावना स्कोर (net sentiment score) मिला। GPT-4 ने पहली तिमाही में सबसे अधिक ध्यान आकर्षित किया, जबकि वर्ष के अंत तक फ़ोकस Gemini और Grok पर स्थानांतरित हो गया^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## 2023 के महत्वपूर्ण AI मॉडल रिपोर्ट कई प्रमुख मॉडलों के उभरने को दर्ज करती है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}: | मॉडल | डेवलपर | प्रकार | तारीख | महत्व | |-----------------------|------------|----------------|------------------|----------------------------------------| | GPT-4 | OpenAI | LLM, मल्टीमोडल | मार्च 2023 | सबसे शक्तिशाली LLM में से एक; HELM में अग्रणी | | PaLM 2 | Google | LLM | मई 2023 | विस्तारित बहुभाषीय क्षमताएँ | | Llama 2 | Meta | LLM (खुली) | जुलाई 2023 | अग्रणी खुला मॉडल; 7B/13B/70B संस्करण | | Claude 2 / 2.1 | Anthropic | LLM | जुलाई / नवंबर 2023 | 200K token तक का संदर्भ विंडो | | Mistral 7B | Mistral AI | LLM (खुली) | सितंबर 2023 | कॉम्पैक्ट उच्च-प्रदर्शन मॉडल | | DALL-E 3 | OpenAI | छवि निर्माण | अक्टूबर 2023 | बेहतर गुणवत्ता और prompt अनुसरण | | Gemini / Gemini Ultra | Google | LLM, मल्टीमोडल | दिसंबर 2023 | MMLU पर मानव को पीछे छोड़ने वाला पहला LLM | | Mixtral 8×7B | Mistral AI | LLM (MoE, खुली) | दिसंबर 2023 | Mixture-of-Experts आर्किटेक्चर | | Midjourney v6 | Midjourney | छवि निर्माण | दिसंबर 2023 | बेहतर गुणवत्ता और सहज prompt | | Whisper v3 | OpenAI | वाणी पहचान | नवंबर 2023 | बेहतर सटीकता, विस्तारित भाषा समर्थन | ## कार्यप्रणाली रिपोर्ट में कई स्रोतों का डेटा उपयोग किया गया है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}: - **प्रकाशन और पेटेंट:** OpenAlex, WIPO, USPTO, Epoch AI का डेटा। - **Benchmark:** Papers With Code, CRFM (HELM), विशेष लीडरबोर्ड। - **निवेश:** Quid (Capital IQ, Crunchbase), 80 लाख से अधिक कंपनियों का डेटा। - **श्रम बाज़ार:** Lightcast, LinkedIn, Stack Overflow। - **कॉर्पोरेट गतिविधि:** McKinsey & Company, Seeking Alpha (earnings calls)। - **रोबोटिक्स:** International Federation of Robotics (IFR)। - **विनियमन:** Federal Register (अमेरिका), EUR-Lex (EU), Govini। - **जन मत:** Ipsos, Pew Research Center, University of Toronto (GPO-AI), Quid (सोशल मीडिया)। - **शिक्षा:** CRA Taulbee Survey, Informatics Europe, Studyportals, Code.org, Walton Foundation। - **चिकित्सा:** FDA, Papers With Code (MedQA)। मॉडल प्रशिक्षण लागत के अनुमान Epoch AI के साथ संयुक्त रूप से हार्डवेयर के प्रकार और मात्रा, प्रशिक्षण की अवधि और क्लाउड किराया मूल्यों के विश्लेषण के आधार पर तैयार किए गए^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-Epoch2023-2)}। ## लेखक मंडल रिपोर्ट को सह-निदेशकों **रे पेरॉ** (Ray Perrault) और **जैक क्लार्क** (Jack Clark) के नेतृत्व में शोधकर्ताओं और भागीदार संगठनों की एक विस्तृत टीम ने तैयार किया है। AI Index, Stanford HAI (Human-Centered Artificial Intelligence) संस्थान का एक प्रोजेक्ट है^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_note-AIIndex2024-1)}। ## सन्दर्भ - Stanford HAI — AI Index Report 2024 (पूर्ण पाठ): https://aiindex.stanford.edu/report/ - Epoch AI — प्रशिक्षण लागत और कम्प्यूटेशनल रुझानों का डेटा: https://epochai.org/ - Papers With Code — benchmark और लीडरबोर्ड: https://paperswithcode.com/ - CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/ - AI Incident Database: https://incidentdatabase.ai/ - International Federation of Robotics: https://ifr.org/ - McKinsey Global Survey on AI: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ## साहित्य - Stanford HAI (2024). *Artificial Intelligence Index Report 2024*. https://aiindex.stanford.edu/report/ - Epoch AI (2023). *AI Training Cost Estimates and Compute Trends*. https://epochai.org/ - 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 - Yue, X. et al. (2023). *MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark*. https://arxiv.org/abs/2311.16502 - Rein, D. et al. (2023). *GPQA: A Graduate-Level Google-Proof Q&A Benchmark*. https://arxiv.org/abs/2311.12022 - Gandhi, K. et al. (2023). *Understanding Social Reasoning in Language Models with Language Models*. https://arxiv.org/abs/2306.15448 - Schaeffer, R. et al. (2023). *Are Emergent Abilities of Large Language Models a Mirage?* https://arxiv.org/abs/2304.15004 - Chen, L. et al. (2023). *How Is ChatGPT's Behavior Changing over Time?* https://arxiv.org/abs/2307.09009 - Wang, G. et al. (2023). *Voyager: An Open-Ended Embodied Agent with Large Language Models*. https://arxiv.org/abs/2305.16291 - Mankowitz, D. J. et al. (2023). *Faster sorting algorithms discovered using deep reinforcement learning*. *Nature*. https://doi.org/10.1038/s41586-023-06004-9 - Lam, R. et al. (2023). *Learning skillful medium-range global weather forecasting*. *Science*. https://doi.org/10.1126/science.adi2336 - Merchant, A. et al. (2023). *Scaling deep learning for materials discovery*. *Nature*. https://doi.org/10.1038/s41586-023-06735-9 - Ha, T. et al. (2023). *AI-driven robotic chemist for autonomous synthesis of organic molecules*. *Science Advances*. https://doi.org/10.1126/sciadv.adj0461 - Shen, T. et al. (2023). *Flexible Isosurface Extraction for Gradient-Based Mesh Optimization*. *ACM Transactions on Graphics*. https://doi.org/10.1145/3592430 - Nori, H. et al. (2023). *Can Generalist Foundation Models Outcompete Special-Purpose Tuning? Case Study in Medicine*. https://arxiv.org/abs/2311.16452 - Chen, Z. et al. (2023). *MEDITRON-70B: Scaling Medical Pretraining for Large Language Models*. https://arxiv.org/abs/2311.16079 - Mai, K. T. et al. (2023). *Warning: Humans Cannot Reliably Detect Speech Deepfakes*. https://arxiv.org/abs/2301.07829 - Motoki, F. et al. (2023). *More Human than Human: Measuring ChatGPT Political Bias*. https://doi.org/10.1007/s11127-023-01097-2 - McKinsey & Company (2023). *The State of AI in 2023: Generative AI's Breakout Year*. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai - International Federation of Robotics (2023). *World Robotics Report 2023*. https://ifr.org/worldrobotics/ - The White House (2023). *Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence*. https://www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-of-artificial-intelligence/ - Fleming, S. L. et al. (2023). *MedAlign: A Clinician-Generated Dataset for Instruction Following With Electronic Medical Records*. https://arxiv.org/abs/2308.14089 - Iglesias, J. E. et al. (2023). *SynthSR: A public AI tool to turn heterogeneous clinical brain scans into high-resolution T1-weighted images for 3D morphometry*. *Science Advances*. https://doi.org/10.1126/sciadv.add3607 - Cheng, J. et al. (2023). *Accurate Proteome-Wide Missense Variant Effect Prediction With AlphaMissense*. *Science*. https://doi.org/10.1126/science.adg7492 ## टिप्पणियाँ 1. ↑ ^{[1.00](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-0)} ^{[1.01](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-1)} ^{[1.02](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-2)} ^{[1.03](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-3)} ^{[1.04](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-4)} ^{[1.05](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-5)} ^{[1.06](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-6)} ^{[1.07](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-7)} ^{[1.08](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-8)} ^{[1.09](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-9)} ^{[1.10](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-10)} ^{[1.11](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-11)} ^{[1.12](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-12)} ^{[1.13](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-13)} ^{[1.14](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-14)} ^{[1.15](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-15)} ^{[1.16](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-16)} ^{[1.17](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-17)} ^{[1.18](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-18)} ^{[1.19](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-19)} ^{[1.20](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-20)} ^{[1.21](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-21)} ^{[1.22](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-22)} ^{[1.23](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-23)} ^{[1.24](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-24)} ^{[1.25](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-25)} ^{[1.26](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-26)} ^{[1.27](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-27)} ^{[1.28](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-28)} ^{[1.29](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-29)} ^{[1.30](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-30)} ^{[1.31](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-31)} ^{[1.32](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-32)} ^{[1.33](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-33)} ^{[1.34](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-34)} ^{[1.35](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-35)} ^{[1.36](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-36)} ^{[1.37](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-37)} ^{[1.38](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-38)} ^{[1.39](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-39)} ^{[1.40](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-40)} ^{[1.41](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-41)} ^{[1.42](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-42)} ^{[1.43](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-43)} ^{[1.44](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-44)} ^{[1.45](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-45)} ^{[1.46](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIIndex2024_1-46)} Stanford HAI (2024). *Artificial Intelligence Index Report 2024*. https://aiindex.stanford.edu/report/ 2. ↑ ^{[2.0](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Epoch2023_2-0)} ^{[2.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Epoch2023_2-1)} ^{[2.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Epoch2023_2-2)} Epoch AI (2023). *AI Training Cost Estimates*. https://epochai.org/ 3. ↑ ^{[3.0](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Quid2023_3-0)} ^{[3.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Quid2023_3-1)} ^{[3.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Quid2023_3-2)} ^{[3.3](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Quid2023_3-3)} ^{[3.4](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Quid2023_3-4)} Quid (2023). *AI Investment Data*. https://quid.com/ 4. ↑ ^{[4.0](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Ipsos2023_4-0)} ^{[4.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Ipsos2023_4-1)} ^{[4.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Ipsos2023_4-2)} Ipsos (2023). *Global Perceptions of AI Survey*. https://www.ipsos.com/ 5. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Pew2023_5-0) Pew Research Center (2023). *Public Views on AI*. https://www.pewresearch.org/ 6. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-HELM2022_6-0) Liang, P. et al. (2022). *Holistic Evaluation of Language Models*. https://arxiv.org/abs/2211.09110 7. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-MMLU2021_7-0) Hendrycks, D. et al. (2021). *Measuring Massive Multitask Language Understanding*. https://arxiv.org/abs/2009.03300 8. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-MMMU2023_8-0) Yue, X. et al. (2023). *MMMU: A Massive Multi-discipline Multimodal Understanding and Reasoning Benchmark*. https://arxiv.org/abs/2311.16502 9. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-GPQA2023_9-0) Rein, D. et al. (2023). *GPQA: A Graduate-Level Google-Proof Q&A Benchmark*. https://arxiv.org/abs/2311.12022 10. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-BigToM2023_10-0) Gandhi, K. et al. (2023). *Understanding Social Reasoning in Language Models with Language Models*. https://arxiv.org/abs/2306.15448 11. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Voyager2023_11-0) Wang, G. et al. (2023). *Voyager: An Open-Ended Embodied Agent with Large Language Models*. https://arxiv.org/abs/2305.16291 12. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Schaeffer2023_12-0) Schaeffer, R. et al. (2023). *Are Emergent Abilities of Large Language Models a Mirage?* https://arxiv.org/abs/2304.15004 13. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Chen2023LLMDrift_13-0) Chen, L. et al. (2023). *How Is ChatGPT's Behavior Changing over Time?* https://arxiv.org/abs/2307.09009 14. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AIID2023_14-0) AI Incident Database (2023). https://incidentdatabase.ai/ 15. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Mai2023_15-0) Mai, K. T. et al. (2023). *Warning: Humans Cannot Reliably Detect Speech Deepfakes*. https://arxiv.org/abs/2301.07829 16. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Motoki2023_16-0) Motoki, F. et al. (2023). *More Human than Human: Measuring ChatGPT Political Bias*. https://doi.org/10.1007/s11127-023-01097-2 17. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-McKinsey2023_17-0) McKinsey & Company (2023). *The State of AI in 2023: Generative AI's Breakout Year*. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai 18. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-IFR2023_18-0) International Federation of Robotics (2023). *World Robotics Report 2023*. https://ifr.org/worldrobotics/ 19. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-AlphaDev2023_19-0) Mankowitz, D. J. et al. (2023). *Faster sorting algorithms discovered using deep reinforcement learning*. *Nature*. https://doi.org/10.1038/s41586-023-06004-9 20. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-GraphCast2023_20-0) Lam, R. et al. (2023). *Learning skillful medium-range global weather forecasting*. *Science*. https://doi.org/10.1126/science.adi2336 21. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-GNoME2023_21-0) Merchant, A. et al. (2023). *Scaling deep learning for materials discovery*. *Nature*. https://doi.org/10.1038/s41586-023-06735-9 22. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Synbot2023_22-0) Ha, T. et al. (2023). *AI-driven robotic chemist for autonomous synthesis of organic molecules*. *Science Advances*. https://doi.org/10.1126/sciadv.adj0461 23. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-FlexiCubes2023_23-0) Shen, T. et al. (2023). *Flexible Isosurface Extraction for Gradient-Based Mesh Optimization*. *ACM Transactions on Graphics*. https://doi.org/10.1145/3592430 24. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Medprompt2023_24-0) Nori, H. et al. (2023). *Can Generalist Foundation Models Outcompete Special-Purpose Tuning? Case Study in Medicine*. https://arxiv.org/abs/2311.16452 25. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-Meditron2023_25-0) Chen, Z. et al. (2023). *MEDITRON-70B: Scaling Medical Pretraining for Large Language Models*. https://arxiv.org/abs/2311.16079 26. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-FDA2023_26-0) U.S. Food and Drug Administration (2023). *Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices*. https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-and-machine-learning-aiml-enabled-medical-devices 27. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-WaltonFoundation2023_27-0) Impact Research / Walton Family Foundation (2023). *ChatGPT and Education Survey*. https://www.waltonfamilyfoundation.org/ 28. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-BidenEO2023_28-0) The White House (2023). *Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence*. https://www.whitehouse.gov/briefing-room/presidential-actions/2023/10/30/executive-order-on-the-safe-secure-and-trustworthy-development-and-use-of-artificial-intelligence/ 29. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(HI)#cite_ref-GPO-AI2023_29-0) Global Public Opinion on AI Survey, University of Toronto (2023). https://www.mediatechdemocracy.com/