--- title: "The 2024 AI Index Report (UR)" source: "https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)" wiki: "systems-analysis.info/int" article: "The_2024_AI_Index_Report_(UR)" language: "ur" categories: - "Category:Large language models" - "Category:Machine learning" - "Category:Urdu" revision_id: 8048 wiki_created_at: 2026-09-07T01:11:35Z wiki_modified_at: 2026-09-07T01:11:35Z downloaded_at: 2026-09-07T23:23:06Z --- # The 2024 AI Index Report (UR) **AI Index Report 2024** — AI Index کی ساتویں سالانہ اشاعت ہے، جسے سٹینفورڈ انسانی مرکوز مصنوعی ذہانت کے ادارے (Stanford HAI) نے تیار کیا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ 2024 کی رپورٹ اپنی پوری تاریخ میں سب سے زیادہ جامع ہے اور ایسے وقت میں شائع ہو رہی ہے جب معاشرے پر AI کا اثر بے مثال حد تک نمایاں ہو چکا ہے۔ اس اشاعت میں ماڈلز کی تربیتی لاگت کے نئے تخمینے، ذمہ دار AI کا تفصیلی تجزیہ، اور پہلی بار ایک الگ باب شامل ہے جو سائنس اور طب پر AI کے اثرات کو بیان کرتا ہے۔ رپورٹ مصنوعی ذہانت سے متعلق ڈیٹا کو ٹریک، منظم اور بصری شکل میں پیش کرتی ہے، اور پالیسی سازوں، محققین، انتظامی افراد، صحافیوں اور عام عوام کو معروضی اور قابلِ اعتماد معلومات فراہم کرتی ہے۔ ## رپورٹ کی ساخت 2024 کی رپورٹ نو موضوعاتی ابواب پر مشتمل ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}: 1. **تحقیق و ترقی (Research and Development)** — اشاعتوں، پیٹنٹوں، بنیادی ماڈلز اور اوپن سورس منصوبوں میں رجحانات۔ 2. **تکنیکی کارکردگی (Technical Performance)** — benchmark، انسانی سطح سے موازنہ، multimodality۔ 3. **ذمہ دار AI (Responsible AI)** — واقعات، حفاظت، تعصب، رازداری۔ 4. **معیشت (Economy)** — سرمایہ کاری، مزدور منڈی، کارپوریٹ اطلاق، روبوٹائزیشن۔ 5. **سائنس اور طب (Science and Medicine)** — نیا باب: سائنس اور طبی اطلاقات میں AI کی پیش رفت۔ 6. **تعلیم (Education)** — افرادی قوت کی تیاری، تعلیمی پروگرام، تعلیم میں ChatGPT۔ 7. **پالیسی اور حکمرانی (Policy and Governance)** — قانون سازی، ضابطہ کاری، قومی حکمت عملیاں۔ 8. **تنوع (Diversity)** — AI کے شعبے میں صنفی اور نسلی تنوع۔ 9. **عوامی رائے (Public Opinion)** — بین الاقوامی سروے کے مطابق AI کے بارے میں عوامی رویہ۔ ## رپورٹ کے اہم نتائج (Top 10) رپورٹ کے مصنفین نے 2024 کے دس اہم ترین نکات بیان کیے ہیں^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}: ### 1. AI کچھ کاموں میں انسانوں سے آگے ہے، لیکن سب میں نہیں مصنوعی ذہانت کے نظاموں نے کئی benchmark میں انسانی سطح کو پیچھے چھوڑ دیا ہے، جن میں تصویر کی درجہ بندی (ImageNet)، بصری استدلال (VQA) اور انگریزی زبان کی سمجھ (SuperGLUE) شامل ہیں۔ تاہم AI ابھی بھی زیادہ پیچیدہ کاموں میں انسانوں سے پیچھے ہے، جیسے اولمپک سطح کی ریاضی (MATH)، بصری عام فہم استدلال اور منصوبہ بندی^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 2. صنعت جدید AI تحقیق پر غلبہ رکھتی ہے 2023 میں صنعت نے Machine Learning کے 51 اہم ماڈل تخلیق کیے، جبکہ علمی اداروں نے صرف 15۔ اس کے علاوہ 21 ماڈل صنعت اور علمی اداروں کے مشترکہ تعاون کا نتیجہ تھے — جو ایک ریکارڈ تعداد ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 3. جدید ماڈلز کی تربیتی لاگت تیزی سے بڑھ رہی ہے AI Index اور Epoch AI کے تخمینوں کے مطابق، GPT-4 کی تربیت پر تقریباً 78 ملین ڈالر اور Google کے Gemini Ultra پر تقریباً 191 ملین ڈالر کی لاگت آئی^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Epoch2023-2)}۔ موازنے کے لیے: 2017 میں اصل Transformer ماڈل کی تربیت پر تقریباً 900 ڈالر اور 2019 میں RoBERTa Large پر تقریباً 160 ہزار ڈالر لاگت آئی تھی^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 4. امریکہ معروف AI ماڈلز کے ماخذ کے طور پر سرفہرست ہے 2023 میں 61 اہم AI ماڈل امریکی اداروں میں تخلیق ہوئے، جو یورپی یونین (21 ماڈل) اور چین (15 ماڈل) سے نمایاں طور پر آگے ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 5. LLM کی ذمہ داری کے معیاری جائزے بہت پیچھے ہیں AI Index کی تحقیق نے ذمہ دار AI کی رپورٹنگ میں معیاری کاری کی بڑی کمی ظاہر کی۔ معروف ڈویلپرز — OpenAI، Google اور Anthropic — اپنے ماڈلز کو مختلف ذمہ دار AI benchmark پر آزماتے ہیں، جس سے خطرات کا منظم موازنہ مشکل ہو جاتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 6. Generative AI میں سرمایہ کاری تیزی سے بڑھ رہی ہے AI میں نجی سرمایہ کاری میں مجموعی کمی کے باوجود، Generative AI کی فنڈنگ 2022 کے مقابلے میں تقریباً آٹھ گنا بڑھ کر 25.2 ارب ڈالر تک پہنچ گئی۔ OpenAI، Anthropic، Hugging Face اور Inflection نے بڑے فنڈنگ راؤنڈ مکمل کیے^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Quid2023-3)}۔ ### 7. AI کام کی پیداواریت اور معیار بہتر کرتا ہے 2023 کی متعدد تحقیقات سے ظاہر ہوا کہ AI کارکنوں کو کام تیز تر اور اعلیٰ معیار سے انجام دینے میں مدد کرتا ہے اور کم و زیادہ ہنر مند ملازمین کے درمیان فرق کو کم کرتا ہے۔ تاہم کچھ مطالعات خبردار کرتے ہیں کہ مناسب نگرانی کے بغیر AI کا استعمال پیداواریت میں کمی کا باعث بن سکتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 8. سائنسی پیش رفت AI کی بدولت تیز ہو رہی ہے 2023 میں AI کے اہم سائنسی اطلاقات سامنے آئے: AlphaDev (ترتیب کے الگورتھم کو تیز کرنا)، GNoME (نئے مواد کی دریافت)، GraphCast (موسم کی پیش گوئی) اور دیگر^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 9. امریکہ میں AI سے متعلق ضوابط کی تعداد میں تیز اضافہ 2023 میں AI سے متعلق 25 ضوابط منظور ہوئے — پچھلے سال کے مقابلے میں 56.3 فیصد اضافہ۔ موازنے کے لیے: 2016 میں صرف ایک ایسا ضابطہ منظور ہوا تھا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 10. لوگ AI کے اثرات سے زیادہ آگاہ — اور زیادہ فکرمند ہو رہے ہیں Ipsos کے مطابق، جواب دہندگان کا وہ حصہ جو سمجھتا ہے کہ AI اگلے 3–5 سالوں میں ان کی زندگی پر نمایاں اثر ڈالے گا، 60 فیصد سے بڑھ کر 66 فیصد ہو گیا۔ 52 فیصد AI مصنوعات اور خدمات کے حوالے سے تشویش ظاہر کرتے ہیں — جو 2022 سے 13 فیصد پوائنٹس کا اضافہ ہے۔ امریکہ میں Pew Research کے مطابق 52 فیصد امریکی AI کے بارے میں جوش و خروش (37 فیصد، 2022) سے زیادہ تشویش محسوس کرتے ہیں^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Ipsos2023-4)[\[5\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Pew2023-5)}۔ ## باب 1۔ تحقیق و ترقی یہ باب اشاعتوں، پیٹنٹوں، جدید AI نظاموں، بنیادی ماڈلز (foundation models)، کانفرنسوں اور اوپن سورس سافٹ ویئر منصوبوں میں رجحانات کا تجزیہ کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### اشاعتیں AI سے متعلق اشاعتوں کی کل تعداد میں اضافہ جاری ہے: 2010 میں تقریباً 88,000 سے بڑھ کر 2022 میں 240,000 سے زیادہ (تقریباً تین گنا اضافہ)۔ گزشتہ سال میں 1.1 فیصد اضافہ ریکارڈ کیا گیا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### پیٹنٹ دنیا بھر میں AI کے شعبے میں دیے گئے پیٹنٹوں کی تعداد میں تیز اضافہ ہوا: 2021 سے 2022 کے درمیان 62.7 فیصد، اور 2010 سے 31 گنا سے زیادہ۔ چین AI پیٹنٹنگ میں غالب ہے: 2022 میں 61.1 فیصد پیٹنٹ درخواستیں چین کی تھیں، جبکہ امریکہ کا حصہ 20.9 فیصد رہا (2010 میں 54.1 فیصد سے کمی)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### جدید ماڈلز 2023 میں صنعت نے جدید ماڈلز کی تخلیق میں غلبہ جاری رکھا۔ 149 بنیادی ماڈل جاری کیے گئے — 2022 کے مقابلے میں دو گنا۔ ان میں سے 65.7 فیصد اوپن سورس تھے (2022 میں 44.4 فیصد اور 2021 میں 33.3 فیصد کے مقابلے میں)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ **تربیتی لاگت۔** AI Index کے Epoch AI کے ساتھ تعاون سے ماڈلز کی تربیتی لاگت کے بہتر تخمینے حاصل ہوئے۔ اخراجات میں اضافے کو درج ذیل رجحان واضح طور پر بیان کرتا ہے^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Epoch2023-2)}: | ماڈل | سال | تربیتی لاگت کا تخمینہ (USD) | |---------------|------|-----------------------------| | Transformer | 2017 | ~930 | | BERT-Large | 2018 | ~3,300 | | RoBERTa Large | 2019 | ~160,000 | | GPT-3 175B | 2020 | ~4.3 ملین | | PaLM 540B | 2022 | ~12.4 ملین | | Llama 2 70B | 2023 | ~3.9 ملین | | GPT-4 | 2023 | ~78 ملین | | Gemini Ultra | 2023 | ~191 ملین | **قومی تعلق۔** 2023 میں 61 اہم ماڈل امریکی اداروں نے تخلیق کیے، 21 یورپی یونین نے، اور 15 چین نے۔ یہ جدید AI نظاموں کی ترقی میں امریکہ کے سرفہرست کردار کی تصدیق کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### اوپن سورس سافٹ ویئر GitHub پر AI منصوبوں کی تعداد مسلسل بڑھ رہی ہے: 2011 میں 845 سے بڑھ کر 2023 میں تقریباً 18 لاکھ۔ 2023 میں 59.3 فیصد اضافہ ریکارڈ کیا گیا۔ AI منصوبوں کے ستاروں (stars) کی کل تعداد تین گنا ہوئی: 2022 میں 4.0 ملین سے 2023 میں 12.2 ملین^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### کانفرنسیں معروف AI کانفرنسوں (NeurIPS، ICML، ICLR وغیرہ) میں شرکت بڑھتی رہی، جو اس شعبے میں بڑھتی ہوئی دلچسپی کی عکاسی کرتی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## باب 2۔ تکنیکی کارکردگی یہ باب زبان کی پروسیسنگ، تصویر سازی، استدلال، کوڈنگ اور ایجنٹک رویے کے کاموں میں AI نظاموں کی پیش رفت کا تجزیہ کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### AI کارکردگی کی موجودہ صورت حال 2023 تک AI کئی قسم کے کاموں میں انسانی سطح سے آگے نکل چکا ہے: تصویر کی درجہ بندی (2015 سے)، بنیادی متن کی سمجھ (2017 سے)، بصری استدلال (2020 سے)، قدرتی زبان میں منطقی نتیجہ اخذ کرنا (2021 سے)۔ تاہم اولمپک سطح کی ریاضی (MATH) اور منصوبہ بندی جیسے کاموں میں AI ابھی انسانوں سے پیچھے ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### زبانی ماڈلز **HELM۔** سٹینفورڈ میں تیار کردہ Holistic Evaluation of Language Models (HELM) benchmark، LLM کو دس منظرناموں پر جانچتا ہے، جن میں متن کی سمجھ، ریاضی اور قانونی استدلال شامل ہیں۔ جنوری 2024 تک GPT-4 کا mean win rate 0.96 کے ساتھ سرفہرست ہے^{[\[6\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-HELM2022-6)}۔ **MMLU۔** Massive Multitask Language Understanding (MMLU) benchmark ماڈلز کو 57 موضوعی شعبوں میں جانچتا ہے۔ Google کے Gemini Ultra نے پہلی بار انسانی بنیادی سطح (89.8 فیصد) کو عبور کیا، 90.0 فیصد حاصل کرتے ہوئے — 2022 کے مقابلے میں 14.8 فیصد پوائنٹس اور 2019 میں benchmark کی تخلیق سے 57.6 فیصد پوائنٹس کا اضافہ^{[\[7\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-MMLU2021-7)}۔ **Chatbot Arena۔** 2023 میں شروع کیا گیا یہ پلیٹ فارم صارفین کو گمنام ماڈلز کی تخلیقات کا موازنہ کرنے دیتا ہے۔ 2024 کے اوائل تک 200,000 سے زیادہ ووٹوں کی بنیاد پر GPT-4 Turbo کو سب سے پسندیدہ ماڈل قرار دیا گیا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### کثیر الجہتی صلاحیت (Multimodality) روایتی طور پر AI نظام ایک ہی طریقہ تک محدود تھے۔ تاہم 2023 میں طاقتور multimodal ماڈلز — Google Gemini اور OpenAI GPT-4 — سامنے آئے جو متن، تصاویر اور بعض صورتوں میں آڈیو کو بھی پروسیس کر سکتے ہیں۔ MMMU (Massive Multi-discipline Multimodal Understanding) benchmark نے ظاہر کیا کہ Gemini Ultra 59.4 فیصد کے ساتھ سرفہرست ہے، لیکن یہ ماہر انسانی سطح (82.6 فیصد) سے کافی کم ہے^{[\[8\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-MMMU2023-8)}۔ ### استدلال **GPQA۔** Graduate-Level Google-Proof Q&A benchmark میں حیاتیات، طبیعیات اور کیمیا سے متعلق 448 مشکل سوالات ہیں جن کا جواب گوگل سے سادہ تلاش سے نہیں ملتا۔ GPT-4 نے تلاش کے ساتھ 41.0 فیصد حاصل کیا، جو ماہرین کی سطح (72.5 فیصد) سے کم لیکن غیر ماہرین (30.5 فیصد) سے زیادہ ہے^{[\[9\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-GPQA2023-9)}۔ **نظریہ شعور (BigToM)۔** دوسرے لوگوں کے عقائد کو سمجھنے کی LLM کی صلاحیت کے ٹیسٹ نے ظاہر کیا کہ GPT-4 براہ راست عقائد اور اعمال کے نتیجہ اخذ کرنے کے کاموں میں انسانی سطح کے قریب ہے، اگرچہ الٹے استدلال کے کاموں میں ابھی پیچھے ہے^{[\[10\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-BigToM2023-10)}۔ ### کوڈنگ HumanEval benchmark کوڈ کی تخلیق کا جائزہ لیتا ہے۔ 2023 میں ماڈلز نے اپنے اسکور بہتر کرنا جاری رکھا، اور SWE-bench — سافٹ ویئر انجینئرنگ کے حقیقی کاموں کو حل کرنے کی تشخیص کا نیا benchmark — نے ظاہر کیا کہ بہترین ماڈلز بھی کاموں کا صرف ایک چھوٹا حصہ حل کرتے ہیں، جو مزید ترقی کی اہم گنجائش ظاہر کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### ایجنٹک رویہ AI نظاموں کو ایجنٹک منظرناموں میں تیزی سے آزمایا جا رہا ہے۔ Voyager (Microsoft) نے Minecraft کے متحرک ماحول میں خودمختار سیکھنے کی صلاحیت ظاہر کی، پچھلے ماڈلز کے مقابلے میں 3.3 گنا زیادہ منفرد اشیاء جمع کرتے، 2.3 گنا زیادہ دور سفر کرتے اور اہم مراحل 15.3 گنا تیز حاصل کرتے ہوئے^{[\[11\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Voyager2023-11)}۔ MLAgentBench نے ظاہر کیا کہ سائنسی تحقیق کے لیے AI ایجنٹ امکانات رکھتے ہیں، لیکن نتائج کاموں کے درمیان نمایاں طور پر مختلف ہوتے ہیں^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### LLM کی خصوصیات **ابھرتا ہوا رویہ (Emergent Behavior)۔** 2023 کی ایک تحقیق نے اس خیال پر سوال اٹھایا کہ ماڈلز کی اسکیلنگ کے ساتھ ناقابل پیش گوئی *ابھرتی* صلاحیتوں کا ظاہر ہونا لازمی ہے۔ لکیری اور مسلسل میٹرکس استعمال کرنے پر ایسی صلاحیتیں بڑی حد تک ختم ہو جاتی ہیں^{[\[12\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Schaeffer2023-12)}۔ **کارکردگی میں تنزلی۔** سٹینفورڈ اور برکلے کی تحقیق نے ظاہر کیا کہ GPT-4 کی کارکردگی اپ ڈیٹس کے درمیان نمایاں طور پر بدل سکتی ہے: جون 2023 کا ورژن کوڈ کی تخلیق میں مارچ کے ورژن سے 42 فیصد پوائنٹس اور ریاضی کے کاموں میں 33 فیصد پوائنٹس کمزور نکلا^{[\[13\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Chen2023LLMDrift-13)}۔ **خود اصلاح۔** DeepMind اور یونیورسٹی آف الینوائے کے محققین نے ظاہر کیا کہ LLM بیرونی رہنمائی کے بغیر اپنے استدلال کو خود درست کرنے میں کمزور ہیں: خود اصلاح کی کوشش پر GPT-4 کی کارکردگی تمام آزمائے گئے benchmark پر گر گئی^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## باب 3۔ ذمہ دار AI یہ باب ذمہ دار AI کے اہم پہلوؤں کو بیان کرتا ہے: رازداری، شفافیت، حفاظت اور انصاف^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### AI واقعات AI Incident Database نے 2023 میں 123 واقعات درج کیے — 2022 کے مقابلے میں 32.3 فیصد اضافہ۔ 2013 سے واقعات کی تعداد بیس گنا سے زیادہ بڑھ گئی ہے۔ یہ اضافہ AI کے استعمال میں وسعت اور اس کے اخلاقی خطرات سے آگاہی میں اضافے دونوں کی وجہ سے ہے^{[\[14\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIID2023-14)}۔ ### ذمہ دار AI benchmark کی معیاری کاری پانچ معروف ڈویلپرز (OpenAI، Meta، Anthropic، Google، Mistral AI) کے تجزیے نے ذمہ دار AI کی تشخیص کے لیے ایک مشترکہ benchmark سیٹ کی غیر موجودگی ظاہر کی۔ اگرچہ عام صلاحیتوں کے benchmark (MMLU، HellaSwag، ARC Challenge، HumanEval، GSM8K) بڑے پیمانے پر استعمال ہوتے ہیں، ذمہ دار AI کے benchmark (TruthfulQA، RealToxicityPrompts، ToxiGen، BOLD، BBQ) بکھرے ہوئے انداز میں استعمال ہوتے ہیں: TruthfulQA پانچ میں سے تین سے زیادہ ڈویلپرز استعمال نہیں کرتے، اور ایک ڈویلپر ذمہ دار AI benchmark پر ٹیسٹنگ کی اطلاع بالکل نہیں دیتا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### AI اور انتخابات 2023 کی تحقیقات سے ظاہر ہوا کہ لوگ آڈیو ڈیپ فیک کو صرف 73 فیصد حالات میں درست شناخت کرتے ہیں۔ آواز کی تخلیق کی ٹیکنالوجی کی ترقی کے ساتھ شناخت کی درستگی کم ہونے کی توقع ہے۔ اس سے سیاسی مہمات میں ہیرا پھیری کے خطرات پیدا ہوتے ہیں اور سیاستدانوں کو قابل اعتراض آڈیو ریکارڈنگز کو جعلی قرار دینے کا موقع ملتا ہے (جسے *جھوٹے کا منافع* کہا جاتا ہے)^{[\[15\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Mai2023-15)}۔ LLM میں سیاسی تعصب کی تحقیقات نے ChatGPT کے بطور ڈیفالٹ جوابات اور ڈیموکریٹک پارٹی کے مواقف کے درمیان ارتباط، اور ریپبلکن پارٹی کے مواقف کے ساتھ منفی ارتباط ظاہر کیا^{[\[16\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Motoki2023-16)}۔ ## باب 4۔ معیشت یہ باب سرمایہ کاری، روزگار، AI کے کارپوریٹ اطلاق اور روبوٹائزیشن میں رجحانات کا جائزہ لیتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### سرمایہ کاری **مجموعی رجحانات۔** AI میں کل کارپوریٹ سرمایہ کاری 2023 میں 189.2 ارب ڈالر تک گر گئی (2022 کے مقابلے میں تقریباً 20 فیصد کمی)۔ تاہم ایک دہائی میں سرمایہ کاری کا حجم تیرہ گنا بڑھا۔ نجی سرمایہ کاری مسلسل دوسرے سال کم ہوئی، اگرچہ کمی 2021–2022 کے مقابلے میں کم واضح تھی^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Quid2023-3)}۔ **Generative AI۔** Generative AI میں سرمایہ کاری 25.2 ارب ڈالر رہی — 2022 کے مقابلے میں تقریباً نو گنا اور 2019 کے مقابلے میں تیس گنا اضافہ۔ Generative AI نے AI میں تمام نجی سرمایہ کاری کا ایک چوتھائی سے زیادہ حصہ لیا^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Quid2023-3)}۔ **علاقائی تقسیم۔** امریکہ نے 67.2 ارب ڈالر کی سرمایہ کاری کے ساتھ چین (7.8 ارب) کو 8.7 گنا اور برطانیہ (3.8 ارب) کو 17.8 گنا پیچھے چھوڑا۔ چین میں نجی سرمایہ کاری 44.2 فیصد، یورپی یونین اور برطانیہ میں 14.1 فیصد کم ہوئی، جبکہ امریکہ میں 22.1 فیصد بڑھی^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Quid2023-3)}۔ **نئی کمپنیاں۔** فنڈنگ پانے والی نئی AI کمپنیوں کی تعداد 1,812 تک بڑھی (40.6 فیصد اضافہ)۔ Generative AI کے شعبے میں 99 نئی کمپنیوں کو فنڈنگ ملی (2022 میں 56 کے مقابلے میں)^{[\[3\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Quid2023-3)}۔ ### مزدور منڈی امریکہ میں AI سے متعلق آسامیوں کا حصہ 2022 میں 2.0 فیصد سے کم ہو کر 2023 میں 1.6 فیصد ہو گیا۔ یہی رجحان عالمی سطح پر بھی نظر آتا ہے۔ کمی کی وجہ بڑی AI کمپنیوں کی جانب سے بھرتی میں کٹوتی اور تکنیکی آسامیوں کے حصے میں کمی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ علمی اداروں سے صنعت کی طرف AI ماہرین کی نقل مکانی تیز ہوتی رہی: 2022 میں AI میں نئے ڈاکٹریٹ کے 70.7 فیصد حاملین نے صنعت میں ملازمت لی (2011 میں 40.9 فیصد کے مقابلے میں)، اور صرف 20.0 فیصد نے علمی اداروں میں (2011 میں 41.6 فیصد کے مقابلے میں)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### کارپوریٹ اطلاق McKinsey کے مطابق، 55 فیصد تنظیمیں کم از کم ایک کاروباری شعبے میں AI (بشمول Generative AI) استعمال کرتی ہیں — 2022 میں 50 فیصد اور 2017 میں 20 فیصد سے اضافہ۔ 42 فیصد تنظیمیں AI کی بدولت لاگت میں کمی اور 59 فیصد آمدنی میں اضافہ رپورٹ کرتی ہیں^{[\[17\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-McKinsey2023-17)}۔ Fortune 500 کمپنیوں کے منافع کی رپورٹوں میں AI کا ذکر 394 بار ہوا (تقریباً 80 فیصد کمپنیاں) — 2022 میں 266 سے نمایاں اضافہ۔ سب سے زیادہ ذکر کیا جانے والا موضوع (تمام کالوں کا 19.7 فیصد) Generative AI بنا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### روبوٹکس 2022 میں 553,000 صنعتی روبوٹ نصب کیے گئے — 2021 کے مقابلے میں 5.1 فیصد اور 2012 سے تین گنا سے زیادہ اضافہ۔ چین کا غلبہ ہے: 2013 سے جب اس نے جاپان کو پیچھے چھوڑا، چین کا حصہ 20.8 فیصد سے بڑھ کر 2022 میں عالمی نصب کاری کا 52.4 فیصد ہو گیا۔ تعاونی روبوٹوں کا حصہ 2017 میں 2.8 فیصد سے بڑھ کر 2022 میں 9.9 فیصد ہو گیا^{[\[18\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-IFR2023-18)}۔ ## باب 5۔ سائنس اور طب پہلی بار رپورٹ میں شامل یہ باب سائنسی دریافتوں اور طبی اختراعات میں AI کے کردار کو بیان کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### 2023 کے سائنسی کارنامے **AlphaDev** (DeepMind) — Reinforcement Learning کا نظام جس نے موجودہ انسانی معیارات سے کم ہدایات کے ساتھ ترتیب کے الگورتھم دریافت کیے۔ دریافت کردہ کچھ الگورتھم C++ کی معیاری ترتیب لائبریری (LLVM) میں شامل کیے گئے — دس سے زیادہ سالوں میں لائبریری کے اس حصے کی پہلی تازہ کاری^{[\[19\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AlphaDev2023-19)}۔ **GraphCast** (DeepMind) — گراف Neural Networks پر مبنی موسم کی پیش گوئی کا نظام جو ایک منٹ سے کم میں 10 دن کی پیش گوئی فراہم کرتا ہے اور درستگی میں معروف HRES ماڈلنگ نظام (یورپی مرکز برائے درمیانی مدت کی موسمی پیش گوئیاں) سے بہتر ہے^{[\[20\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-GraphCast2023-20)}۔ **GNoME** (Google DeepMind) — ایک ماڈل جو نئے فعال مواد کی تیز رفتار تلاش کے لیے گراف نیٹ ورکس استعمال کرتا ہے، جو روبوٹکس اور سیمی کنڈکٹر صنعت میں پیش رفت کے لیے انتہائی اہم ہے^{[\[21\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-GNoME2023-21)}۔ **Synbot** — نامیاتی مالیکیولز کی خودمختار ترکیب کے لیے AI سے چلنے والا روبوٹ کیمسٹ، جس نے حوالہ اقدار کے مساوی یا ان سے زیادہ ردعمل کی پیداوار حاصل کی^{[\[22\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Synbot2023-22)}۔ **FlexiCubes** (NVIDIA) — کمپیوٹر گرافکس میں 3D اشیاء کی تخلیق کے معیار کو بہتر بنانے کے لیے AI کا استعمال کرتے ہوئے 3D mesh کو بہتر بنانے کا طریقہ^{[\[23\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-FlexiCubes2023-23)}۔ ### طب میں AI **طبی علم۔** MedQA benchmark (AI کے طبی علم کی تشخیص) پر GPT-4 Medprompt نے 90.2 فیصد درستگی حاصل کی — 2022 کے بہترین نتیجے سے 22.6 فیصد پوائنٹس بہتر۔ 2019 میں benchmark کی تخلیق سے AI کی MedQA پر کارکردگی تقریباً تین گنا ہو گئی ہے۔ قابل ذکر یہ ہے کہ GPT-4 Medprompt نے fine-tuning کے بجائے prompt engineering استعمال کیا اور خصوصی طبی ماڈلز کو پیچھے چھوڑ دیا^{[\[24\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Medprompt2023-24)}۔ **MediTron-70B** — ایک اوپن سورس طبی LLM جس نے MedQA پر 70.2 فیصد حاصل کیا — اوپن سورس ماڈلز میں بہترین نتیجہ، اگرچہ بند ماڈلز GPT-4 Medprompt اور Med-PaLM 2 سے کم^{[\[25\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Meditron2023-25)}۔ **طبی اختراعات۔** 2023 کے اہم نظاموں میں شامل ہیں: SynthSR (کم معیار کے MRI اسکین سے دماغ کی ساختوں کی بہتر تصویر کشی)، ImmunoSEIRA (اعصابی تخریبی امراض کی تشخیص کے لیے AI انفراریڈ سینسر)، EVEscape (وبا سے بچاؤ کے لیے وائرسوں کے ارتقاء کی پیش گوئی)، AlphaMissense (missense تبدیلیوں کی درجہ بندی)^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ **FDA کی منظوری۔** 2022 میں FDA نے AI پر مبنی 139 طبی آلات منظور کیے — 2021 کے مقابلے میں 12.1 فیصد اضافہ۔ 2012 سے ایسی منظوریوں کی تعداد 45 گنا سے زیادہ بڑھ گئی ہے^{[\[26\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-FDA2023-26)}۔ ## باب 6۔ تعلیم یہ باب کمپیوٹر سائنس اور AI کی تعلیم میں رجحانات کا جائزہ لیتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### اعلیٰ تعلیم امریکہ اور کینیڈا میں کمپیوٹر سائنس میں انڈرگریجویٹ فارغ التحصیل طلباء کی تعداد بڑھتی رہی۔ ماسٹرز کی تعداد نسبتاً مستحکم ہے اور ڈاکٹریٹ میں معمولی اضافہ ہو رہا ہے۔ 2018 سے کمپیوٹر سائنس میں ماسٹرز اور ڈاکٹریٹ کی تعداد میں کچھ کمی ہوئی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ تمام تعلیمی سطحوں پر بین الاقوامی طلباء کا حصہ کم ہوا، خاص طور پر ماسٹرز میں۔ عالمی سطح پر AI سے متعلق انگریزی تعلیمی پروگراموں کی تعداد 2017 سے تین گنا ہو گئی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### تعلیم میں ChatGPT Walton Foundation کے سروے کے مطابق، 88 فیصد اساتذہ اور 79 فیصد طلباء کا خیال ہے کہ ChatGPT تعلیمی عمل پر مثبت اثر ڈالتا ہے۔ 76 فیصد اساتذہ اور 65 فیصد طلباء سمجھتے ہیں کہ ChatGPT کو تعلیم میں ضم کرنا ضروری ہے^{[\[27\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-WaltonFoundation2023-27)}۔ ## باب 7۔ پالیسی اور حکمرانی یہ باب عالمی، امریکی اور یورپی سطح پر AI کے شعبے میں قانونی اور ضابطہ کاری سرگرمی کا تجزیہ کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### عالمی رجحانات دنیا بھر میں قانون سازی کے عمل میں AI کا ذکر ریکارڈ سطح پر پہنچ گیا۔ خالص حوصلہ افزا اقدامات سے ہٹ کر پابندیاں عائد کرنے والی قانون سازی کی طرف ایک تبدیلی نظر آتی ہے، جو AI کے ممکنہ خطرات پر ضابطہ کاروں کی بڑھتی ہوئی توجہ کی عکاسی کرتی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ 2023 میں منظور شدہ قوانین کا موضوعاتی دائرہ نمایاں طور پر وسیع ہوا، جس میں مسلح افواج اور قومی سلامتی، شہری حقوق، تجارت، تعلیم، مزدور تعلقات، سائنس اور ٹیکنالوجی شامل ہیں^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### امریکہ میں ضابطہ کاری AI سے متعلق ضوابط کی تعداد 2023 میں 25 تک پہنچی (2022 کے مقابلے میں 56.3 فیصد اضافہ)۔ سب سے عام موضوع بیرونی تجارت اور بین الاقوامی مالیات بنا۔ AI سے زیادہ اور درمیانی تعلق رکھنے والے ضوابط کا حصہ پچھلے سالوں کے مقابلے میں بڑھا^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ 2023 کا ایک اہم واقعہ صدر بائیڈن کا AI سے متعلق ایگزیکٹو آرڈر (Executive Order on AI) تھا، جس کا مقصد دیگر امور کے علاوہ صنعت اور علمی اداروں کے درمیان مساوی مواقع یقینی بنانے کے لیے قومی AI تحقیقی وسیلہ (National AI Research Resource) قائم کرنا تھا^{[\[28\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-BidenEO2023-28)}۔ ### یورپی یونین میں ضابطہ کاری یورپی یونین میں بھی AI سے متعلق ضوابط کی تعداد میں اسی طرح کا اضافہ ہو رہا ہے۔ 2023 کی ایک اہم کامیابی *AI Act* کی پیش رفت تھی — دنیا کا پہلا جامع AI قانون^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## باب 8۔ تنوع یہ باب AI ماہرین میں صنفی اور نسلی تنوع کا جائزہ لیتا ہے۔ کچھ پیش رفت کے باوجود خواتین اور اقلیتی نمائندے AI کے شعبے میں صنعت اور علمی اداروں دونوں میں نمایاں طور پر کم نمائندگی کرتے ہیں^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## باب 9۔ عوامی رائے یہ باب بین الاقوامی سروے اور سوشل میڈیا ڈیٹا کی بنیاد پر AI کے بارے میں عوامی تاثر کا تجزیہ کرتا ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ### بین الاقوامی سروے **آگاہی اور تشویش۔** Ipsos کے مطابق، 66 فیصد جواب دہندگان (60 فیصد سے اضافہ) کا خیال ہے کہ AI اگلے 3–5 سالوں میں ان کی زندگی پر نمایاں اثر ڈالے گا۔ 52 فیصد AI مصنوعات کے حوالے سے تشویش ظاہر کرتے ہیں (2022 سے 13 فیصد پوائنٹس اضافہ)^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Ipsos2023-4)}۔ **معاشی توقعات۔** صرف 37 فیصد جواب دہندگان سمجھتے ہیں کہ AI ان کا کام بہتر کرے گا، 34 فیصد کہ یہ معیشت بہتر کرے گا، اور 32 فیصد کہ یہ مزدور منڈی پر مثبت اثر ڈالے گا^{[\[4\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Ipsos2023-4)}۔ **نسلی فرق۔** نوجوان نسلیں کہیں زیادہ پر امید ہیں: نسل Z کے 59 فیصد سمجھتے ہیں کہ AI تفریح کو بہتر بنائے گا، جبکہ بیبی بومرز میں یہ تناسب 40 فیصد ہے۔ اعلیٰ آمدنی اور تعلیم کے حامل لوگ بھی زیادہ پر امید ہیں^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ **ChatGPT کی پہچان۔** یونیورسٹی آف ٹورنٹو کے بین الاقوامی سروے کے مطابق، 63 فیصد جواب دہندگان ChatGPT کے بارے میں جانتے ہیں، جن میں سے تقریباً نصف اسے ہفتے میں کم از کم ایک بار استعمال کرتے ہیں^{[\[29\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-GPO-AI2023-29)}۔ ### سوشل میڈیا ڈیٹا 2023 میں 70 لاکھ سے زیادہ سوشل میڈیا پوسٹوں کے Quid تجزیے نے ظاہر کیا کہ GraphCast اور Claude 2.1 ماڈلز کو سب سے زیادہ مثبت جذبات کا اسکور (net sentiment score) ملا۔ GPT-4 نے پہلی سہ ماہی میں سب سے زیادہ توجہ اپنی طرف مبذول کرائی، جبکہ سال کے آخر تک توجہ Gemini اور Grok کی طرف منتقل ہو گئی^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## 2023 کے اہم AI ماڈلز رپورٹ کچھ اہم ماڈلز کے ظہور کو درج کرتی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}: | ماڈل | ڈویلپر | قسم | تاریخ | اہمیت | |-----------------------|------------|----------------------|---------------------|-----------------------------------------------| | GPT-4 | OpenAI | LLM، multimodal | مارچ 2023 | سب سے طاقتور LLM میں سے ایک؛ HELM میں سرفہرست | | PaLM 2 | Google | LLM | مئی 2023 | توسیع شدہ کثیر لسانی صلاحیتیں | | Llama 2 | Meta | LLM (اوپن سورس) | جولائی 2023 | سرفہرست اوپن ماڈل؛ 7B/13B/70B ورژنز | | Claude 2 / 2.1 | Anthropic | LLM | جولائی / نومبر 2023 | 200K token تک context window | | Mistral 7B | Mistral AI | LLM (اوپن سورس) | ستمبر 2023 | چھوٹا لیکن اعلیٰ کارکردگی والا ماڈل | | DALL-E 3 | OpenAI | تصویر سازی | اکتوبر 2023 | بہتر معیار اور prompt کی پیروی | | Gemini / Gemini Ultra | Google | LLM، multimodal | دسمبر 2023 | پہلا LLM جس نے MMLU پر انسان کو پیچھے چھوڑا | | Mixtral 8×7B | Mistral AI | LLM (MoE، اوپن سورس) | دسمبر 2023 | Mixture-of-Experts آرکیٹیکچر | | Midjourney v6 | Midjourney | تصویر سازی | دسمبر 2023 | بہتر معیار اور آسان prompt | | Whisper v3 | OpenAI | تقریر کی شناخت | نومبر 2023 | بہتر درستگی، وسیع تر زبانی معاونت | ## طریقہ کار رپورٹ متعدد ذرائع سے ڈیٹا استعمال کرتی ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}: - **اشاعتیں اور پیٹنٹ:** OpenAlex، WIPO، USPTO، Epoch AI کا ڈیٹا۔ - **Benchmark:** Papers With Code، CRFM (HELM)، خصوصی لیڈربورڈز۔ - **سرمایہ کاری:** Quid (Capital IQ، Crunchbase)، 80 لاکھ سے زیادہ کمپنیوں کا ڈیٹا۔ - **مزدور منڈی:** Lightcast، LinkedIn، Stack Overflow۔ - **کارپوریٹ سرگرمی:** McKinsey & Company، Seeking Alpha (earnings calls)۔ - **روبوٹکس:** International Federation of Robotics (IFR)۔ - **ضابطہ کاری:** Federal Register (امریکہ)، EUR-Lex (یورپی یونین)، Govini۔ - **عوامی رائے:** Ipsos، Pew Research Center، University of Toronto (GPO-AI)، Quid (سوشل میڈیا)۔ - **تعلیم:** CRA Taulbee Survey، Informatics Europe، Studyportals، Code.org، Walton Foundation۔ - **طب:** FDA، Papers With Code (MedQA)۔ ماڈلز کی تربیتی لاگت کے تخمینے Epoch AI کے ساتھ مل کر ہارڈ ویئر کی قسم اور مقدار، تربیت کی مدت اور کلاؤڈ کرائے کی قیمتوں کے تجزیے کی بنیاد پر تیار کیے گئے^{[\[2\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-Epoch2023-2)}۔ ## مصنفین رپورٹ شریک ڈائریکٹرز **رے پیرو** (Ray Perrault) اور **جیک کلارک** (Jack Clark) کی رہنمائی میں محققین اور شراکت دار تنظیموں کے وسیع حلقے کی شرکت سے تیار کی گئی۔ AI Index سٹینفورڈ HAI (Human-Centered Artificial Intelligence) کے ادارے کا منصوبہ ہے^{[\[1\]](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_note-AIIndex2024-1)}۔ ## حوالہ جات - Stanford HAI — AI Index Report 2024 (مکمل متن): https://aiindex.stanford.edu/report/ - Epoch AI — تربیتی لاگت اور کمپیوٹیشنل رجحانات کا ڈیٹا: https://epochai.org/ - Papers With Code — benchmark اور لیڈربورڈز: 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 ## ماخذ - 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 ## نوٹس 1. ↑ ^{[1.00](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-0)} ^{[1.01](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-1)} ^{[1.02](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-2)} ^{[1.03](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-3)} ^{[1.04](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-4)} ^{[1.05](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-5)} ^{[1.06](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-6)} ^{[1.07](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-7)} ^{[1.08](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-8)} ^{[1.09](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-9)} ^{[1.10](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-10)} ^{[1.11](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-11)} ^{[1.12](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-12)} ^{[1.13](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-13)} ^{[1.14](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-14)} ^{[1.15](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-15)} ^{[1.16](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-16)} ^{[1.17](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-17)} ^{[1.18](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-18)} ^{[1.19](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-19)} ^{[1.20](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-20)} ^{[1.21](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-21)} ^{[1.22](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-22)} ^{[1.23](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-23)} ^{[1.24](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-24)} ^{[1.25](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-25)} ^{[1.26](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-26)} ^{[1.27](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-27)} ^{[1.28](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-28)} ^{[1.29](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-29)} ^{[1.30](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-30)} ^{[1.31](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-31)} ^{[1.32](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-32)} ^{[1.33](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-33)} ^{[1.34](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-34)} ^{[1.35](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-35)} ^{[1.36](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-36)} ^{[1.37](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-37)} ^{[1.38](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-38)} ^{[1.39](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-39)} ^{[1.40](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-40)} ^{[1.41](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-41)} ^{[1.42](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-42)} ^{[1.43](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-43)} ^{[1.44](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-44)} ^{[1.45](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-AIIndex2024_1-45)} ^{[1.46](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#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_(UR)#cite_ref-Epoch2023_2-0)} ^{[2.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-Epoch2023_2-1)} ^{[2.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#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_(UR)#cite_ref-Quid2023_3-0)} ^{[3.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-Quid2023_3-1)} ^{[3.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-Quid2023_3-2)} ^{[3.3](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-Quid2023_3-3)} ^{[3.4](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#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_(UR)#cite_ref-Ipsos2023_4-0)} ^{[4.1](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#cite_ref-Ipsos2023_4-1)} ^{[4.2](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#cite_ref-AIID2023_14-0) AI Incident Database (2023). https://incidentdatabase.ai/ 15. [↑](https://systems-analysis.info/int/The_2024_AI_Index_Report_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#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_(UR)#cite_ref-GPO-AI2023_29-0) Global Public Opinion on AI Survey, University of Toronto (2023). https://www.mediatechdemocracy.com/