--- title: "The 2024 AI Index Report (RO)" source: "https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)" wiki: "systems-analysis.info/int" article: "The_2024_AI_Index_Report_(RO)" language: "ro" categories: - "Category:Large language models" - "Category:Machine learning" - "Category:Romanian" revision_id: 8043 wiki_created_at: 2026-09-07T01:11:29Z wiki_modified_at: 2026-09-07T01:11:29Z downloaded_at: 2026-09-07T23:23:02Z --- # The 2024 AI Index Report (RO) **AI Index Report 2024** — a șaptea ediție anuală a raportului **AI Index**, elaborată de Institutul Stanford pentru Inteligență Artificială Centrată pe Om (Stanford HAI)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. Raportul din 2024 este cel mai amplu din întreaga istorie a publicației și apare într-un moment în care influența AI asupra societății devine fără precedent de vizibilă. Ediția include noi estimări ale costurilor de antrenare a modelelor, o analiză detaliată a AI responsabil și conține, pentru prima dată, un capitol dedicat impactului AI asupra științei și medicinei. Raportul urmărește, sistematizează și vizualizează date legate de inteligența artificială, furnizând informații obiective și riguros verificate pentru factori de decizie politică, cercetători, manageri, jurnaliști și publicul larg. ## Structura raportului Raportul din 2024 este structurat în nouă capitole tematice^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}: 1. **Cercetare și Dezvoltare (Research and Development)** — tendințe în publicații, brevete, modele de bază și proiecte open-source. 2. **Performanță Tehnică (Technical Performance)** — benchmark-uri, comparație cu nivelul uman, multimodalitate. 3. **AI Responsabil (Responsible AI)** — incidente, securitate, prejudecăți, confidențialitate. 4. **Economie (Economy)** — investiții, piața muncii, adoptare corporativă, robotizare. 5. **Știință și Medicină (Science and Medicine)** — capitol nou: descoperiri în aplicațiile AI din știință și medicină. 6. **Educație (Education)** — formare profesională, programe educaționale, ChatGPT în procesul de învățare. 7. **Politică și Guvernanță (Policy and Governance)** — legislație, reglementare, strategii naționale. 8. **Diversitate (Diversity)** — diversitate de gen și etnică în domeniul AI. 9. **Opinia Publică (Public Opinion)** — atitudinea populației față de AI pe baza sondajelor internaționale. ## Principalele concluzii ale raportului (Top 10) Autorii raportului au identificat zece teze principale pentru 2024^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}: ### 1. AI depășește oamenii în unele sarcini, dar nu în toate Sistemele de inteligență artificială au depășit nivelul uman pe mai multe benchmark-uri, inclusiv clasificarea imaginilor (ImageNet), raționamentul vizual (VQA) și înțelegerea limbii engleze (SuperGLUE). Totodată, AI rămâne în continuare inferior oamenilor în sarcini mai complexe: matematică de nivel olimpic (MATH), raționament vizual de bun simț și planificare^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 2. Industria domină în cercetarea de vârf în domeniul AI În 2023, industria a creat 51 de modele semnificative de machine learning, în timp ce academia a produs doar 15. Totodată, 21 de modele au rezultat din colaborarea dintre industrie și academie — un record absolut^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 3. Costul antrenării modelelor de vârf crește abrupt Conform estimărilor AI Index și Epoch AI, costurile de antrenare a GPT-4 s-au ridicat la aproximativ 78 de milioane de dolari, iar ale Gemini Ultra de la Google — la aproximativ 191 de milioane de dolari^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Epoch2023-2)}. Prin comparație, antrenarea modelului original Transformer în 2017 costa aproximativ 900 de dolari, iar RoBERTa Large în 2019 — aproximativ 160 de mii de dolari^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 4. SUA conduc ca sursă a modelelor AI de vârf În 2023, 61 de modele AI semnificative au fost create în organizații din SUA, depășind cu mult UE (21 de modele) și China (15 modele)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 5. Evaluările standardizate ale responsabilității LLM rămân semnificativ în urmă Studiul AI Index a identificat un deficit semnificativ de standardizare în raportarea privind AI responsabil. Principalii dezvoltatori — OpenAI, Google și Anthropic — își testează modelele pe benchmark-uri diferite de AI responsabil, ceea ce îngreunează compararea sistematică a riscurilor^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 6. Investițiile în AI generativ cresc rapid În ciuda scăderii generale a investițiilor private în AI, finanțarea AI generativ a crescut de aproape opt ori față de 2022, atingând 25,2 miliarde de dolari. Runde mari de finanțare au atras OpenAI, Anthropic, Hugging Face și Inflection^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Quid2023-3)}. ### 7. AI îmbunătățește productivitatea și calitatea muncii Numeroase studii din 2023 au arătat că AI îi ajută pe lucrători să execute sarcinile mai rapid și cu o calitate mai ridicată, reducând totodată decalajul dintre specialiștii slab și înalt calificați. Cu toate acestea, unele lucrări avertizează că utilizarea AI fără supraveghere adecvată poate conduce la scăderea productivității^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 8. Progresul științific se accelerează datorită AI În 2023 au fost prezentate aplicații științifice semnificative ale AI: AlphaDev (accelerarea algoritmilor de sortare), GNoME (descoperirea de noi materiale), GraphCast (prognoza vremii) și altele^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 9. Numărul actelor normative privind AI în SUA a crescut abrupt În 2023 au fost adoptate 25 de acte normative legate de AI — o creștere de 56,3% față de anul precedent. Prin comparație, în 2016 a fost adoptat un singur astfel de act^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### 10. Oamenii sunt tot mai conștienți de impactul AI — și tot mai îngrijorați Conform datelor Ipsos, ponderea respondenților care consideră că AI le va influența semnificativ viața în următorii 3–5 ani a crescut de la 60% la 66%. Mai mult, 52% își exprimă neliniștea față de produsele și serviciile AI — o creștere de 13 puncte procentuale față de 2022. În SUA, conform Pew Research, 52% dintre americani declară că sunt mai îngrijorați decât entuziasmați în legătură cu AI (față de 37% în 2022)^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Ipsos2023-4)[\[5\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Pew2023-5)}. ## Capitolul 1. Cercetare și Dezvoltare Capitolul analizează tendințele în publicații, brevete, sisteme AI de vârf, modele de bază (foundation models), conferințe și proiecte software open-source^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Publicații Numărul total de publicații pe teme de AI continuă să crească: de la aproximativ 88.000 în 2010 la peste 240.000 în 2022 (o creștere de aproape trei ori). Creșterea față de ultimul an a fost de 1,1%^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Brevete Numărul brevetelor acordate în domeniul AI la nivel mondial a crescut abrupt: între 2021 și 2022 creșterea a fost de 62,7%, iar față de 2010 — de peste 31 de ori. China domină în brevetarea AI: în 2022 îi reveneau 61,1% din cererile de brevet, în timp ce ponderea SUA era de 20,9% (în scădere de la 54,1% în 2010)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Modele de vârf În 2023, industria a continuat să domine în crearea modelelor de vârf. Au fost lansate 149 de modele de bază — de două ori mai multe decât în 2022. Dintre acestea, 65,7% au fost cu cod sursă deschis (față de 44,4% în 2022 și 33,3% în 2021)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. **Costul antrenării.** Colaborarea AI Index cu Epoch AI a permis obținerea unor estimări mai precise ale costurilor de antrenare a modelelor. Creșterea cheltuielilor este ilustrată elocvent de următoarea dinamică^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Epoch2023-2)}: | Model | An | Estimare cost antrenare (USD) | |---------------|------|-------------------------------| | Transformer | 2017 | ~930 | | BERT-Large | 2018 | ~3.300 | | RoBERTa Large | 2019 | ~160.000 | | GPT-3 175B | 2020 | ~4,3 mil. | | PaLM 540B | 2022 | ~12,4 mil. | | Llama 2 70B | 2023 | ~3,9 mil. | | GPT-4 | 2023 | ~78 mil. | | Gemini Ultra | 2023 | ~191 mil. | **Apartenența națională.** În 2023, 61 de modele semnificative au fost create de organizații din SUA, 21 — din UE, 15 — din China. Aceasta confirmă rolul de lider al SUA în dezvoltarea sistemelor AI de vârf^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Software open-source Numărul proiectelor AI pe GitHub crește constant: de la 845 în 2011 la aproximativ 1,8 milioane în 2023. În 2023 s-a înregistrat o creștere de 59,3%. Numărul total de stele pentru proiectele AI s-a triplat: de la 4,0 milioane în 2022 la 12,2 milioane în 2023^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Conferințe Participarea la principalele conferințe AI (NeurIPS, ICML, ICLR ș.a.) a continuat să crească, reflectând interesul tot mai mare față de domeniu^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Capitolul 2. Performanță Tehnică Capitolul analizează progresul sistemelor AI în sarcini de procesare a limbajului, generare de imagini, raționament, codare și comportament agentiv^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Starea performanței AI La nivelul anului 2023, AI depășește nivelul uman în mai multe categorii de sarcini: clasificarea imaginilor (din 2015), înțelegerea de bază a textului (din 2017), raționamentul vizual (din 2020), inferența în limbaj natural (din 2021). Cu toate acestea, în sarcini precum matematica olimpică (MATH) și planificarea, AI rămâne deocamdată inferior oamenilor^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Modele de limbaj **HELM.** Benchmark-ul Holistic Evaluation of Language Models (HELM), dezvoltat la Stanford, evaluează LLM-urile pe zece scenarii, inclusiv înțelegerea textului, matematică și raționament juridic. La nivelul lunii ianuarie 2024, GPT-4 conduce cu un mean win rate de 0,96^{[\[6\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-HELM2022-6)}. **MMLU.** Benchmark-ul Massive Multitask Language Understanding (MMLU) evaluează modelele pe 57 de domenii tematice. Gemini Ultra de la Google a fost primul care a depășit nivelul de referință uman (89,8%), obținând 90,0% — o îmbunătățire de 14,8 puncte procentuale față de 2022 și de 57,6 puncte procentuale față de momentul creării benchmark-ului în 2019^{[\[7\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-MMLU2021-7)}. **Chatbot Arena.** Platforma lansată în 2023 le permite utilizatorilor să compare generările unor modele anonime. La începutul lui 2024, GPT-4 Turbo a fost desemnat cel mai preferat model în urma a peste 200.000 de voturi^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Multimodalitate În mod tradițional, sistemele AI erau limitate la o singură modalitate. Însă în 2023 au apărut modele multimodale puternice — Google Gemini și OpenAI GPT-4 — capabile să proceseze text, imagini și, în unele cazuri, audio. Benchmark-ul MMMU (Massive Multi-discipline Multimodal Understanding) a arătat că Gemini Ultra conduce cu 59,4%, dar aceasta este semnificativ sub nivelul expertului uman (82,6%)^{[\[8\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-MMMU2023-8)}. ### Raționament **GPQA.** Benchmark-ul Graduate-Level Google-Proof Q&A include 448 de întrebări dificile de biologie, fizică și chimie, la care nu se poate răspunde printr-o simplă căutare pe Google. GPT-4 cu căutare a obținut 41,0%, sub nivelul experților (72,5%), dar peste cel al non-experților (30,5%)^{[\[9\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-GPQA2023-9)}. **Teoria minții (BigToM).** Testarea capacității LLM-urilor de a modela credințele altor persoane a arătat că GPT-4 se apropie de nivelul uman în sarcinile de inferență directă a credințelor și acțiunilor, deși rămâne în continuare inferior în sarcinile de inferență inversă a credințelor^{[\[10\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-BigToM2023-10)}. ### Codare Benchmark-ul HumanEval evaluează generarea de cod. În 2023, modelele au continuat să-și îmbunătățească scorurile, iar SWE-bench — un nou benchmark pentru evaluarea rezolvării sarcinilor reale de inginerie software — a arătat că până și cele mai bune modele rezolvă doar o mică parte din sarcini, demonstrând un potențial semnificativ pentru progrese ulterioare^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Comportament agentiv Sistemele AI sunt tot mai frecvent testate în scenarii agentive. Voyager (Microsoft) a demonstrat capacitatea de învățare autonomă într-un mediu dinamic în Minecraft, colectând de 3,3 ori mai multe obiecte unice, deplasându-se de 2,3 ori mai departe și atingând etapele cheie de 15,3 ori mai rapid față de modelele anterioare^{[\[11\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Voyager2023-11)}. MLAgentBench a arătat că agenții AI pentru cercetare științifică promit un potențial real, însă rezultatele variază semnificativ între sarcini^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Proprietățile LLM **Comportament emergent.** Un studiu din 2023 a pus sub semnul întrebării concepția conform căreia apariția unor capacități „emergente" imprevizibile la scalarea modelelor este inevitabilă. Atunci când se utilizează metrici liniare și continue, astfel de capacități dispar în mare măsură^{[\[12\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Schaeffer2023-12)}. **Degradarea performanței.** Un studiu realizat de Stanford și Berkeley a arătat că performanța GPT-4 poate varia semnificativ între actualizări: versiunea din iunie 2023 s-a dovedit cu 42 de puncte procentuale mai slabă decât versiunea din martie în generarea de cod și cu 33 de puncte procentuale mai slabă în sarcinile matematice^{[\[13\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Chen2023LLMDrift-13)}. **Autocorectarea.** Cercetători de la DeepMind și Universitatea Illinois au demonstrat că LLM-urile se descurcă slab cu autocorectarea propriilor raționamente fără ghidare externă: performanța GPT-4 scădea pe toate benchmark-urile testate atunci când încerca să se autocorecteze^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Capitolul 3. AI Responsabil Capitolul este dedicat dimensiunilor cheie ale AI responsabil: confidențialitate, transparență, securitate și echitate^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Incidente în domeniul AI Baza de date AI Incident Database a înregistrat 123 de incidente în 2023 — o creștere de 32,3% față de 2022. Din 2013, numărul incidentelor a crescut de peste douăzeci de ori. Creșterea este determinată atât de extinderea utilizării AI, cât și de creșterea gradului de conștientizare a riscurilor etice ale acestuia^{[\[14\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIID2023-14)}. ### Standardizarea benchmark-urilor de AI responsabil Analiza celor cinci principali dezvoltatori (OpenAI, Meta, Anthropic, Google, Mistral AI) a evidențiat absența unui set unitar de benchmark-uri pentru evaluarea AI responsabil. Deși benchmark-urile generale de capacități (MMLU, HellaSwag, ARC Challenge, HumanEval, GSM8K) sunt utilizate pe scară largă, benchmark-urile de AI responsabil (TruthfulQA, RealToxicityPrompts, ToxiGen, BOLD, BBQ) sunt aplicate fragmentat: TruthfulQA este utilizat de cel mult trei din cinci dezvoltatori, iar un dezvoltator nu raportează deloc testarea pe benchmark-uri de AI responsabil^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### AI și alegerile Studii din 2023 au arătat că oamenii identifică corect deepfake-urile audio doar în 73% din cazuri. Se estimează că, odată cu dezvoltarea tehnologiilor de generare a sunetului, precizia recunoașterii va scădea. Aceasta creează riscuri de manipulare a campaniilor politice și le oferă politicienilor posibilitatea de a respinge înregistrările audio comprometătoare ca falsuri (așa-numitul „dividend al minciunii")^{[\[15\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Mai2023-15)}. Studiile LLM-urilor privind prejudecata politică au evidențiat o corelație între răspunsurile implicite ale ChatGPT și pozițiile Partidului Democrat și o corelație negativă cu pozițiile Partidului Republican^{[\[16\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Motoki2023-16)}. ## Capitolul 4. Economie Capitolul cercetează tendințele în investiții, ocuparea forței de muncă, adoptarea corporativă a AI și robotizare^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Investiții **Tendințe generale.** Investițiile corporative totale în AI au scăzut la 189,2 miliarde de dolari în 2023 (o scădere de ~20% față de 2022). Cu toate acestea, în decurs de un deceniu, volumul investițiilor a crescut de treisprezece ori. Investițiile private au scăzut pentru al doilea an consecutiv, deși scăderea a fost mai puțin pronunțată decât în 2021–2022^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Quid2023-3)}. **AI generativ.** Investițiile în AI generativ s-au ridicat la 25,2 miliarde de dolari — o creștere de aproape nouă ori față de 2022 și de treizeci de ori față de 2019. AI generativul a reprezentat mai mult de un sfert din totalul investițiilor private în AI^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Quid2023-3)}. **Distribuție regională.** SUA, cu investiții de 67,2 miliarde de dolari, au depășit China (7,8 mld.) de 8,7 ori și Marea Britanie (3,8 mld.) de 17,8 ori. Totodată, investițiile private în China au scăzut cu 44,2%, în UE și Marea Britanie — cu 14,1%, în timp ce în SUA au crescut cu 22,1%^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Quid2023-3)}. **Startup-uri.** Numărul noilor companii AI care au primit finanțare a crescut la 1.812 (o creștere de 40,6%). În domeniul AI generativ, 99 de noi startup-uri au obținut finanțare (față de 56 în 2022)^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Quid2023-3)}. ### Piața muncii Ponderea posturilor vacante legate de AI în SUA a scăzut de la 2,0% în 2022 la 1,6% în 2023. O tendință similară se observă la nivel global. Scăderea este explicată prin reducerea angajărilor din partea marilor companii AI și diminuarea ponderii posturilor tehnice^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. Migrația specialiștilor AI din academie în industrie continuă să se accelereze: în 2022, 70,7% dintre noii absolvenți de doctorat în AI s-au angajat în industrie (față de 40,9% în 2011), iar doar 20,0% — în academie (față de 41,6%)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Adoptarea corporativă Conform datelor McKinsey, 55% dintre organizații utilizează AI (inclusiv AI generativ) în cel puțin o unitate de afaceri — o creștere față de 50% în 2022 și 20% în 2017. Totodată, 42% dintre organizații raportează o reducere a costurilor, iar 59% — o creștere a veniturilor datorită AI^{[\[17\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-McKinsey2023-17)}. Mențiunile AI în rapoartele de câștiguri ale companiilor Fortune 500 au atins 394 (aproape 80% din totalul companiilor) — o creștere notabilă față de 266 în 2022. Cel mai frecvent subiect menționat (19,7% din totalul apelurilor) a fost AI generativul^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Robotică În 2022 au fost instalați 553.000 de roboți industriali — o creștere de 5,1% față de 2021 și de peste trei ori față de 2012. China domină: din 2013, când a depășit Japonia, ponderea Chinei a crescut de la 20,8% la 52,4% din instalările mondiale în 2022. Ponderea roboților colaborativi a crescut de la 2,8% în 2017 la 9,9% în 2022^{[\[18\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-IFR2023-18)}. ## Capitolul 5. Știință și Medicină Capitolul inclus pentru prima dată în raport evidențiază rolul AI în descoperirile științifice și inovațiile medicale^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Realizări științifice din 2023 **AlphaDev** (DeepMind) — un sistem de reinforcement learning care a descoperit algoritmi de sortare cu mai puține instrucțiuni decât referințele umane existente. Unii dintre algoritmii găsiți au fost incluși în biblioteca standard de sortare C++ (LLVM) — prima actualizare a acestei părți a bibliotecii în mai mult de zece ani^{[\[19\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AlphaDev2023-19)}. **GraphCast** (DeepMind) — un sistem de prognoză meteorologică bazat pe rețele neurale de tip graf, care asigură o prognoză de 10 zile în mai puțin de un minut, cu o precizie superioară sistemului de modelare de vârf HRES (Centrul European pentru Prognoze Meteorologice pe Termen Mediu)^{[\[20\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-GraphCast2023-20)}. **GNoME** (Google DeepMind) — un model care utilizează rețele de tip graf pentru căutarea accelerată de noi materiale funcționale, esențial pentru progresul în robotică și industria semiconductorilor^{[\[21\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-GNoME2023-21)}. **Synbot** — un robot chimist controlat prin AI pentru sinteza autonomă a moleculelor organice, care a atins randamente de reacție comparabile cu valorile de referință sau superioare acestora^{[\[22\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Synbot2023-22)}. **FlexiCubes** (NVIDIA) — o metodă de optimizare a mesh-urilor 3D cu ajutorul AI pentru îmbunătățirea calității generării obiectelor 3D în grafica pe calculator^{[\[23\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-FlexiCubes2023-23)}. ### AI în medicină **Cunoștințe clinice.** Pe benchmark-ul MedQA (evaluarea cunoștințelor clinice AI), modelul GPT-4 Medprompt a atins o precizie de 90,2% — o creștere de 22,6 puncte procentuale față de cel mai bun rezultat din 2022. De la crearea benchmark-ului în 2019, performanța AI pe MedQA s-a triplat aproape. Este de remarcat că GPT-4 Medprompt a utilizat ingineria prompt-urilor în loc de fine-tuning, depășind modelele medicale specializate^{[\[24\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Medprompt2023-24)}. **MediTron-70B** — un LLM medical cu cod deschis, care a obținut 70,2% pe MedQA — cel mai bun rezultat dintre modelele open-source, deși sub scorurile modelelor închise GPT-4 Medprompt și Med-PaLM 2^{[\[25\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Meditron2023-25)}. **Inovații medicale.** Printre sistemele semnificative din 2023 se numără: SynthSR (îmbunătățirea vizualizării structurilor cerebrale din scanări RMN de calitate scăzută), ImmunoSEIRA (senzori AI în infraroșu pentru diagnosticarea bolilor neurodegenerative), EVEscape (prognozarea evoluției virusurilor pentru prevenirea pandemiilor), AlphaMissense (clasificarea mutațiilor missense)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. **Aprobări FDA.** În 2022, FDA a aprobat 139 de dispozitive medicale bazate pe AI — o creștere de 12,1% față de 2021. Din 2012, numărul acestor aprobări a crescut de peste 45 de ori^{[\[26\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-FDA2023-26)}. ## Capitolul 6. Educație Capitolul examinează tendințele în educația din domeniul informaticii și AI^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Învățământ superior Numărul absolvenților de licență în informatică din SUA și Canada continuă să crească. Numărul masteranzilor rămâne relativ stabil, iar numărul doctoranzilor crește modest. Din 2018, numărul masteranzilor și doctoranzilor în informatică a înregistrat o ușoară scădere^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. Ponderea studenților internaționali a scăzut la toate nivelurile de educație, cel mai vizibil la nivel de master. La scară mondială, numărul programelor educaționale în limba engleză legate de AI s-a triplat față de 2017^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### ChatGPT în educație Conform unui sondaj al Walton Foundation, 88% dintre profesori și 79% dintre studenți consideră că ChatGPT are un impact pozitiv asupra procesului educațional. 76% dintre profesori și 65% dintre studenți apreciază că este important să se integreze ChatGPT în procesul de învățare^{[\[27\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-WaltonFoundation2023-27)}. ## Capitolul 7. Politică și Guvernanță Capitolul analizează activitatea legislativă și de reglementare în domeniul AI la nivel global, american și european^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Tendințe globale Mențiunile AI în procesele legislative din întreaga lume au atins un nivel record. Se observă o schimbare de la măsuri pur stimulative spre legislație restrictivă, ceea ce indică o atenție crescândă a autorităților de reglementare față de riscurile potențiale ale AI^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. Tematica legilor adoptate în 2023 s-a extins semnificativ, acoperind forțele armate și securitatea națională, drepturile civile, comerțul, educația, relațiile de muncă, știința și tehnologia^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Reglementare în SUA Numărul actelor normative legate de AI a atins 25 în 2023 (o creștere de 56,3% față de 2022). Cea mai frecventă tematică a vizat comerțul exterior și finanțele internaționale. Ponderea actelor normative cu relevanță ridicată și medie pentru AI a crescut față de anii anteriori^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. Evenimentul de referință al anului 2023 a fost Ordinul Executiv al Președintelui Biden privind AI (Executive Order on AI), orientat, printre altele, spre crearea Resursei Naționale de Cercetare AI (National AI Research Resource) pentru asigurarea egalității de șanse între industrie și academie^{[\[28\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-BidenEO2023-28)}. ### Reglementare în UE În Uniunea Europeană se observă o tendință similară de creștere a numărului actelor normative legate de AI. O realizare semnificativă a anului 2023 a fost avansarea *AI Act* — prima lege cuprinzătoare privind AI din lume^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Capitolul 8. Diversitate Capitolul cercetează diversitatea de gen și etnică în rândul specialiștilor AI. În ciuda unor progrese, femeile și reprezentanții minorităților rămân semnificativ subreprezentați în domeniul AI, atât în industrie, cât și în academie^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Capitolul 9. Opinia Publică Capitolul analizează percepția publică a AI pe baza sondajelor internaționale și a datelor din rețelele sociale^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ### Sondaje internaționale **Conștientizare și îngrijorare.** Conform datelor Ipsos, 66% dintre respondenți (în creștere de la 60%) consideră că AI le va influența semnificativ viața în următorii 3–5 ani. Totodată, 52% își exprimă neliniștea față de produsele AI (o creștere de 13 puncte procentuale față de 2022)^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Ipsos2023-4)}. **Așteptări economice.** Doar 37% dintre respondenți cred că AI le va îmbunătăți munca, 34% — că va îmbunătăți economia, și 32% — că va influența pozitiv piața muncii^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Ipsos2023-4)}. **Diferențe demografice.** Generațiile tinere sunt semnificativ mai optimiste: 59% dintre reprezentanții Generației Z consideră că AI va îmbunătăți divertismentul, față de 40% dintre baby boomers. Persoanele cu venituri și nivel de educație mai ridicate sunt, de asemenea, mai optimiste^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. **Recunoașterea ChatGPT.** Conform unui sondaj internațional al Universității din Toronto, 63% dintre respondenți cunosc ChatGPT, dintre care aproximativ jumătate îl folosesc cel puțin o dată pe săptămână^{[\[29\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-GPO-AI2023-29)}. ### Date din rețelele sociale Analiza Quid a peste 7 milioane de postări în rețelele sociale din 2023 a evidențiat că modelele GraphCast și Claude 2.1 au obținut cel mai ridicat scor de sentiment pozitiv (net sentiment score). GPT-4 a atras cea mai mare parte a atenției în primul trimestru, în timp ce spre sfârșitul anului accentul s-a deplasat spre Gemini și Grok^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Modele AI semnificative din 2023 Raportul consemnează apariția unor modele cheie^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}: | Model | Dezvoltator | Tip | Dată | Semnificație | |-----------------------|-------------|------------------------|------------------------|------------------------------------------------------------| | GPT-4 | OpenAI | LLM, multimodal | Martie 2023 | Unul dintre cele mai puternice LLM-uri; lider HELM | | PaLM 2 | Google | LLM | Mai 2023 | Capacități multilingvistice extinse | | Llama 2 | Meta | LLM (open-source) | Iulie 2023 | Model open-source de vârf; versiuni 7B/13B/70B | | Claude 2 / 2.1 | Anthropic | LLM | Iulie / Noiembrie 2023 | Fereastră de context de până la 200K token-uri | | Mistral 7B | Mistral AI | LLM (open-source) | Septembrie 2023 | Model compact cu performanță ridicată | | DALL-E 3 | OpenAI | Generare de imagini | Octombrie 2023 | Calitate îmbunătățită și urmărire mai bună a prompt-urilor | | Gemini / Gemini Ultra | Google | LLM, multimodal | Decembrie 2023 | Primul LLM care a depășit omul pe MMLU | | Mixtral 8×7B | Mistral AI | LLM (MoE, open-source) | Decembrie 2023 | Arhitectură Mixture-of-Experts | | Midjourney v6 | Midjourney | Generare de imagini | Decembrie 2023 | Calitate îmbunătățită și prompt-uri intuitive | | Whisper v3 | OpenAI | Recunoaștere vocală | Noiembrie 2023 | Precizie sporită, suport lingvistic extins | ## Metodologie Raportul utilizează date din multiple surse^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}: - **Publicații și brevete:** OpenAlex, WIPO, USPTO, date Epoch AI. - **Benchmark-uri:** Papers With Code, CRFM (HELM), clasamente specializate. - **Investiții:** Quid (Capital IQ, Crunchbase), date pentru peste 8 milioane de companii. - **Piața muncii:** Lightcast, LinkedIn, Stack Overflow. - **Activitate corporativă:** McKinsey & Company, Seeking Alpha (earnings calls). - **Robotică:** International Federation of Robotics (IFR). - **Reglementare:** Federal Register (SUA), EUR-Lex (UE), Govini. - **Opinie publică:** Ipsos, Pew Research Center, University of Toronto (GPO-AI), Quid (social media). - **Educație:** CRA Taulbee Survey, Informatics Europe, Studyportals, Code.org, Walton Foundation. - **Medicină:** FDA, Papers With Code (MedQA). Estimările costurilor de antrenare a modelelor au fost elaborate în colaborare cu Epoch AI, pe baza analizei tipului și numărului de echipamente hardware, duratei antrenării și prețurilor de închiriere în cloud^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-Epoch2023-2)}. ## Colectivul de autori Raportul a fost elaborat sub coordonarea co-directorilor **Ray Perrault** și **Jack Clark**, cu participarea unui cerc larg de cercetători și organizații partenere. AI Index este un proiect al Institutului Stanford HAI (Human-Centered Artificial Intelligence)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_note-AIIndex2024-1)}. ## Referințe - Stanford HAI — AI Index Report 2024 (text integral): https://aiindex.stanford.edu/report/ - Epoch AI — date privind costurile de antrenare și tendințele de calcul: https://epochai.org/ - Papers With Code — benchmark-uri și clasamente: https://paperswithcode.com/ - CRFM HELM — Holistic Evaluation of Language Models: https://crfm.stanford.edu/helm/ - 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 ## Bibliografie - 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 ## Note 1. ↑ ^{[1.00](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-0)} ^{[1.01](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-1)} ^{[1.02](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-2)} ^{[1.03](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-3)} ^{[1.04](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-4)} ^{[1.05](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-5)} ^{[1.06](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-6)} ^{[1.07](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-7)} ^{[1.08](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-8)} ^{[1.09](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-9)} ^{[1.10](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-10)} ^{[1.11](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-11)} ^{[1.12](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-12)} ^{[1.13](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-13)} ^{[1.14](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-14)} ^{[1.15](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-15)} ^{[1.16](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-16)} ^{[1.17](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-17)} ^{[1.18](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-18)} ^{[1.19](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-19)} ^{[1.20](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-20)} ^{[1.21](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-21)} ^{[1.22](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-22)} ^{[1.23](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-23)} ^{[1.24](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-24)} ^{[1.25](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-25)} ^{[1.26](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-26)} ^{[1.27](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-27)} ^{[1.28](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-28)} ^{[1.29](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-29)} ^{[1.30](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-30)} ^{[1.31](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-31)} ^{[1.32](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-32)} ^{[1.33](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-33)} ^{[1.34](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-34)} ^{[1.35](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-35)} ^{[1.36](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-36)} ^{[1.37](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-37)} ^{[1.38](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-38)} ^{[1.39](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-39)} ^{[1.40](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-40)} ^{[1.41](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-41)} ^{[1.42](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-42)} ^{[1.43](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-43)} ^{[1.44](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-44)} ^{[1.45](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-AIIndex2024_1-45)} ^{[1.46](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#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_(RO)#cite_ref-Epoch2023_2-0)} ^{[2.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-Epoch2023_2-1)} ^{[2.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#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_(RO)#cite_ref-Quid2023_3-0)} ^{[3.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-Quid2023_3-1)} ^{[3.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-Quid2023_3-2)} ^{[3.3](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-Quid2023_3-3)} ^{[3.4](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#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_(RO)#cite_ref-Ipsos2023_4-0)} ^{[4.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#cite_ref-Ipsos2023_4-1)} ^{[4.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#cite_ref-AIID2023_14-0) AI Incident Database (2023). https://incidentdatabase.ai/ 15. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#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_(RO)#cite_ref-GPO-AI2023_29-0) Global Public Opinion on AI Survey, University of Toronto (2023). https://www.mediatechdemocracy.com/