--- title: "The 2024 AI Index Report" source: "https://systems-analysis.info/wiki/The_2024_AI_Index_Report" wiki: "systems-analysis.info/wiki" article: "The_2024_AI_Index_Report" language: "ru" categories: - "Категория:Russian" - "Категория:Большие языковые модели" - "Категория:Машинное обучение" revision_id: 194 wiki_created_at: 2026-09-06T22:05:12Z wiki_modified_at: 2026-09-06T22:05:12Z downloaded_at: 2026-09-07T22:18:14Z --- # The 2024 AI Index Report **AI Index Report 2024** — седьмое ежегодное издание отчёта **AI Index**, подготовленное Стэнфордским институтом искусственного интеллекта, ориентированного на человека (Stanford HAI)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. Отчёт 2024 года является наиболее масштабным за всю историю публикации и выходит в момент, когда влияние ИИ на общество становится беспрецедентно заметным. Издание включает новые оценки стоимости обучения моделей, детальный анализ ответственного ИИ и впервые содержит отдельную главу, посвящённую влиянию ИИ на науку и медицину. Отчёт отслеживает, систематизирует и визуализирует данные, связанные с искусственным интеллектом, предоставляя объективную и тщательно верифицированную информацию для политиков, исследователей, руководителей, журналистов и широкой общественности. ## Структура отчёта Отчёт 2024 года состоит из девяти тематических глав^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}: 1. **Исследования и разработки (Research and Development)** — тренды в публикациях, патентах, базовых моделях и открытых проектах. 2. **Техническая производительность (Technical Performance)** — бенчмарки, сравнение с человеческим уровнем, мультимодальность. 3. **Ответственный ИИ (Responsible AI)** — инциденты, безопасность, предвзятость, конфиденциальность. 4. **Экономика (Economy)** — инвестиции, рынок труда, корпоративное внедрение, роботизация. 5. **Наука и медицина (Science and Medicine)** — новая глава: прорывы в науке и медицинских приложениях ИИ. 6. **Образование (Education)** — подготовка кадров, образовательные программы, ChatGPT в обучении. 7. **Политика и управление (Policy and Governance)** — законодательство, регулирование, национальные стратегии. 8. **Разнообразие (Diversity)** — гендерное и этническое разнообразие в сфере ИИ. 9. **Общественное мнение (Public Opinion)** — отношение населения к ИИ по данным международных опросов. ## Ключевые выводы отчёта (Top 10) Авторы отчёта выделили десять главных тезисов 2024 года^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}: ### 1. ИИ превосходит людей в ряде задач, но не во всех Системы искусственного интеллекта превзошли человеческий уровень на нескольких бенчмарках, включая классификацию изображений (ImageNet), визуальное рассуждение (VQA) и понимание английского языка (SuperGLUE). При этом ИИ по-прежнему уступает людям в более сложных задачах: математике олимпиадного уровня (MATH), визуальном обыденном рассуждении и планировании^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 2. Индустрия доминирует в передовых ИИ-исследованиях В 2023 году индустрия создала 51 значимую модель машинного обучения, тогда как академия — лишь 15. При этом 21 модель стала результатом совместной работы индустрии и академии — рекордный показатель^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 3. Стоимость обучения передовых моделей резко растёт По оценкам AI Index и Epoch AI, затраты на обучение GPT-4 составили около 78 млн долларов, а Gemini Ultra от Google — порядка 191 млн долларов^{[\[2\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Epoch2023-2)}. Для сравнения: обучение исходной модели Transformer в 2017 году стоило около 900 долларов, а RoBERTa Large в 2019 году — около 160 тысяч^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 4. США лидируют как источник ведущих моделей ИИ В 2023 году 61 значимая модель ИИ была создана в организациях США, значительно опережая ЕС (21 модель) и Китай (15 моделей)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 5. Стандартизированные оценки ответственности LLM серьёзно отстают Исследование AI Index выявило значительный дефицит стандартизации в отчётности по ответственному ИИ. Ведущие разработчики — OpenAI, Google и Anthropic — тестируют свои модели на различных бенчмарках ответственного ИИ, что затрудняет систематическое сравнение рисков^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 6. Инвестиции в генеративный ИИ стремительно растут Несмотря на общее снижение частных инвестиций в ИИ, финансирование генеративного ИИ увеличилось почти в восемь раз по сравнению с 2022 годом, достигнув 25,2 млрд долларов. Крупные раунды привлечения средств провели OpenAI, Anthropic, Hugging Face и Inflection^{[\[3\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Quid2023-3)}. ### 7. ИИ повышает производительность и качество труда Многочисленные исследования 2023 года показали, что ИИ помогает работникам выполнять задачи быстрее и с более высоким качеством, а также сокращает разрыв между низко- и высококвалифицированными специалистами. Вместе с тем ряд работ предупреждает, что использование ИИ без надлежащего контроля может привести к снижению производительности^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 8. Научный прогресс ускоряется благодаря ИИ В 2023 году были представлены значительные научные приложения ИИ: AlphaDev (ускорение алгоритмов сортировки), GNoME (открытие новых материалов), GraphCast (прогнозирование погоды) и другие^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 9. Число нормативных актов об ИИ в США резко возросло В 2023 году было принято 25 нормативных актов, связанных с ИИ, — рост на 56,3% по сравнению с предыдущим годом. Для сравнения: в 2016 году был принят лишь один такой акт^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### 10. Люди всё больше осведомлены о влиянии ИИ — и всё больше обеспокоены По данным Ipsos, доля респондентов, считающих, что ИИ существенно повлияет на их жизнь в ближайшие 3–5 лет, выросла с 60% до 66%. Причём 52% выражают нервозность в отношении продуктов и сервисов ИИ — рост на 13 п.п. с 2022 года. В США, по данным Pew Research, 52% американцев сообщают о большей обеспокоенности, чем воодушевлении в связи с ИИ (37% в 2022 году)^{[\[4\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Ipsos2023-4)[\[5\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Pew2023-5)}. ## Глава 1. Исследования и разработки Глава анализирует тренды в публикациях, патентах, передовых ИИ-системах, базовых моделях (foundation models), конференциях и открытых программных проектах^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Публикации Общее число публикаций по ИИ продолжает расти: с примерно 88 000 в 2010 году до более чем 240 000 в 2022 году (рост почти втрое). Прирост за последний год составил 1,1%^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Патенты Число предоставленных патентов в сфере ИИ в мире резко увеличилось: с 2021 по 2022 год рост составил 62,7%, а с 2010 года — более чем в 31 раз. Китай доминирует в патентовании ИИ: в 2022 году на его долю пришлось 61,1% патентных заявок, тогда как доля США составила 20,9% (снижение с 54,1% в 2010 году)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Передовые модели В 2023 году индустрия продолжила доминировать в создании передовых моделей. Было выпущено 149 базовых моделей — вдвое больше, чем в 2022 году. Из них 65,7% были с открытым исходным кодом (по сравнению с 44,4% в 2022 году и 33,3% в 2021 году)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. **Стоимость обучения.** Сотрудничество AI Index с Epoch AI позволило получить уточнённые оценки стоимости обучения моделей. Рост расходов наглядно иллюстрирует следующая динамика^{[\[2\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Epoch2023-2)}: | Модель | Год | Оценка стоимости обучения (USD) | |---------------|------|---------------------------------| | Transformer | 2017 | ~930 | | BERT-Large | 2018 | ~3 300 | | RoBERTa Large | 2019 | ~160 000 | | GPT-3 175B | 2020 | ~4,3 млн | | PaLM 540B | 2022 | ~12,4 млн | | Llama 2 70B | 2023 | ~3,9 млн | | GPT-4 | 2023 | ~78 млн | | Gemini Ultra | 2023 | ~191 млн | **Национальная принадлежность.** В 2023 году 61 значимая модель была создана организациями США, 21 — ЕС, 15 — Китая. Это подтверждает ведущую роль США в разработке передовых систем ИИ^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Открытое программное обеспечение Число ИИ-проектов на GitHub неуклонно растёт: с 845 в 2011 году до примерно 1,8 млн в 2023 году. В 2023 году был зафиксирован рост на 59,3%. Общее число звёзд для ИИ-проектов утроилось: с 4,0 млн в 2022 году до 12,2 млн в 2023 году^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Конференции Посещаемость ведущих ИИ-конференций (NeurIPS, ICML, ICLR и др.) продолжала расти, отражая растущий интерес к области^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## Глава 2. Техническая производительность Глава анализирует прогресс систем ИИ в задачах обработки языка, генерации изображений, рассуждения, кодирования и агентного поведения^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Состояние производительности ИИ По состоянию на 2023 год ИИ превосходит человеческий уровень в нескольких категориях задач: классификация изображений (с 2015 года), базовое понимание текста (с 2017 года), визуальное рассуждение (с 2020 года), логический вывод на естественном языке (с 2021 года). Однако в таких задачах, как олимпиадная математика (MATH) и планирование, ИИ пока уступает людям^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Языковые модели **HELM.** Бенчмарк Holistic Evaluation of Language Models (HELM), разработанный в Стэнфорде, оценивает LLM по десяти сценариям, включая понимание текста, математику и юридические рассуждения. По состоянию на январь 2024 года GPT-4 лидирует с показателем mean win rate 0,96^{[\[6\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-HELM2022-6)}. **MMLU.** Бенчмарк Massive Multitask Language Understanding (MMLU) оценивает модели по 57 предметным областям. [Gemini](https://systems-analysis.info/wiki/Gemini "Gemini") Ultra от Google первым превысил человеческий базовый уровень (89,8%), набрав 90,0% — улучшение на 14,8 п.п. по сравнению с 2022 годом и на 57,6 п.п. с момента создания бенчмарка в 2019 году^{[\[7\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-MMLU2021-7)}. **Chatbot Arena.** Запущенная в 2023 году платформа позволяет пользователям сравнивать генерации анонимных моделей. По состоянию на начало 2024 года GPT-4 Turbo признан наиболее предпочтительной моделью по итогам более 200 000 голосов^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Мультимодальность Традиционно системы ИИ были ограничены одной модальностью. Однако в 2023 году появились мощные мультимодальные модели — Google Gemini и OpenAI GPT-4, способные обрабатывать текст, изображения, а в ряде случаев и аудио. Бенчмарк MMMU (Massive Multi-discipline Multimodal Understanding) показал, что Gemini Ultra лидирует с 59,4%, но это существенно ниже уровня человека-эксперта (82,6%)^{[\[8\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-MMMU2023-8)}. ### Рассуждение **GPQA.** Бенчмарк Graduate-Level Google-Proof Q&A включает 448 сложных вопросов по биологии, физике и химии, на которые нельзя ответить простым поиском в Google. GPT-4 с поиском набрал 41,0%, что ниже уровня экспертов (72,5%), но выше не-экспертов (30,5%)^{[\[9\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-GPQA2023-9)}. **Теория сознания (BigToM).** Тестирование способности LLM к моделированию убеждений других людей показало, что GPT-4 приближается к человеческому уровню в задачах прямого вывода убеждений и действий, хотя всё ещё уступает в задачах обратного вывода убеждений^{[\[10\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-BigToM2023-10)}. ### Кодирование Бенчмарк HumanEval оценивает генерацию кода. В 2023 году модели продолжили улучшать показатели, а [SWE-bench](https://systems-analysis.info/wiki/SWE-bench "SWE-bench") — новый бенчмарк для оценки решения реальных задач программной инженерии — показал, что даже лучшие модели решают лишь малую долю задач, демонстрируя значительный потенциал для дальнейшего прогресса^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Агентное поведение Системы ИИ всё чаще тестируются в агентных сценариях. Voyager (Microsoft) продемонстрировал способность к автономному обучению в динамичной среде Minecraft, собирая в 3,3 раза больше уникальных предметов, перемещаясь в 2,3 раза дальше и достигая ключевых этапов в 15,3 раза быстрее по сравнению с предшествующими моделями^{[\[11\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Voyager2023-11)}. MLAgentBench показал, что ИИ-агенты для научных исследований обещают потенциал, но результаты существенно варьируются между задачами^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Свойства LLM **Эмерджентное поведение.** Исследование 2023 года поставило под сомнение представление о неизбежности появления непредсказуемых «эмерджентных» способностей при масштабировании моделей. При использовании линейных и непрерывных метрик такие способности в значительной мере исчезают^{[\[12\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Schaeffer2023-12)}. **Деградация производительности.** Исследование Стэнфорда и Беркли показало, что производительность GPT-4 может существенно изменяться между обновлениями: версия от июня 2023 года оказалась на 42 п.п. хуже версии от марта в генерации кода и на 33 п.п. хуже в математических задачах^{[\[13\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Chen2023LLMDrift-13)}. **Самокоррекция.** Исследователи из DeepMind и Университета Иллинойса показали, что LLM плохо справляются с самостоятельной коррекцией своих рассуждений без внешнего руководства: производительность GPT-4 снижалась на всех протестированных бенчмарках при попытке самокоррекции^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## Глава 3. Ответственный ИИ Глава посвящена ключевым измерениям ответственного ИИ: конфиденциальности, прозрачности, безопасности и справедливости^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Инциденты в сфере ИИ База данных AI Incident Database зафиксировала 123 инцидента в 2023 году — рост на 32,3% по сравнению с 2022 годом. С 2013 года число инцидентов увеличилось более чем в двадцать раз. Рост обусловлен как расширением применения ИИ, так и повышением осведомлённости о его этических рисках^{[\[14\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIID2023-14)}. ### Стандартизация бенчмарков ответственного ИИ Анализ пяти ведущих разработчиков (OpenAI, Meta, Anthropic, Google, [Mistral](https://systems-analysis.info/wiki/Mistral "Mistral") AI) выявил отсутствие единого набора бенчмарков для оценки ответственного ИИ. Хотя общие бенчмарки возможностей (MMLU, HellaSwag, ARC Challenge, HumanEval, [GSM8K](https://systems-analysis.info/wiki/GSM8K "GSM8K")) используются широко, бенчмарки ответственного ИИ (TruthfulQA, [RealToxicityPrompts](https://systems-analysis.info/wiki/RealToxicityPrompts "RealToxicityPrompts"), ToxiGen, [BOLD](https://systems-analysis.info/wiki/BOLD "BOLD"), [BBQ](https://systems-analysis.info/wiki/BBQ "BBQ")) применяются разрозненно: TruthfulQA используют не более трёх из пяти разработчиков, а один разработчик вообще не сообщает о тестировании по бенчмаркам ответственного ИИ^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### ИИ и выборы Исследования 2023 года показали, что люди правильно идентифицируют аудиодипфейки лишь в 73% случаев. Ожидается, что с развитием технологий генерации звука точность распознавания будет снижаться. Это создаёт риски манипулирования политическими кампаниями и даёт политикам возможность отвергать компрометирующие аудиозаписи как подделки (так называемый «дивиденд лжеца»)^{[\[15\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Mai2023-15)}. Исследования LLM на предмет политической предвзятости выявили корреляцию между ответами ChatGPT по умолчанию и позициями Демократической партии и отрицательную корреляцию с позициями Республиканской партии^{[\[16\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Motoki2023-16)}. ## Глава 4. Экономика Глава исследует тренды в инвестициях, занятости, корпоративном внедрении ИИ и роботизации^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Инвестиции **Общие тренды.** Совокупные корпоративные инвестиции в ИИ снизились до 189,2 млрд долларов в 2023 году (падение ~20% к 2022 году). Однако за десятилетие объём инвестиций увеличился в тринадцать раз. Частные инвестиции снижались второй год подряд, хотя падение было менее выраженным, чем в 2021–2022 годах^{[\[3\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Quid2023-3)}. **Генеративный ИИ.** Инвестиции в генеративный ИИ составили 25,2 млрд долларов — почти девятикратный рост по сравнению с 2022 годом и тридцатикратный по сравнению с 2019 годом. Генеративный ИИ обеспечил более четверти всех частных инвестиций в ИИ^{[\[3\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Quid2023-3)}. **Региональное распределение.** США с инвестициями в 67,2 млрд долларов опередили Китай (7,8 млрд) в 8,7 раза и Великобританию (3,8 млрд) в 17,8 раза. При этом частные инвестиции в Китае сократились на 44,2%, в ЕС и Великобритании — на 14,1%, тогда как в США выросли на 22,1%^{[\[3\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Quid2023-3)}. **Стартапы.** Число новых ИИ-компаний, получивших финансирование, выросло до 1 812 (рост на 40,6%). В сфере генеративного ИИ финансирование получили 99 новых стартапов (против 56 в 2022 году)^{[\[3\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Quid2023-3)}. ### Рынок труда Доля вакансий, связанных с ИИ, в США снизилась с 2,0% в 2022 году до 1,6% в 2023 году. Аналогичная тенденция наблюдается глобально. Снижение объясняется сокращением найма со стороны крупных ИИ-компаний и уменьшением доли технических вакансий^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. Миграция ИИ-специалистов из академии в индустрию продолжает ускоряться: в 2022 году 70,7% новых обладателей докторских степеней в ИИ устроились в промышленность (против 40,9% в 2011 году), и лишь 20,0% — в академию (против 41,6%)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Корпоративное внедрение По данным McKinsey, 55% организаций используют ИИ (включая генеративный ИИ) хотя бы в одном бизнес-подразделении — рост с 50% в 2022 году и 20% в 2017 году. При этом 42% организаций сообщают о снижении затрат, а 59% — о росте выручки благодаря ИИ^{[\[17\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-McKinsey2023-17)}. Упоминания ИИ в отчётах о прибылях компаний Fortune 500 достигли 394 (почти 80% всех компаний) — заметный рост с 266 в 2022 году. Наиболее часто упоминаемой темой (19,7% всех звонков) стал генеративный ИИ^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Робототехника В 2022 году было установлено 553 000 промышленных роботов — рост на 5,1% к 2021 году и более чем втрое с 2012 года. Китай доминирует: с 2013 года, когда он обогнал Японию, доля Китая выросла с 20,8% до 52,4% мировых установок в 2022 году. Доля коллаборативных роботов увеличилась с 2,8% в 2017 году до 9,9% в 2022 году^{[\[18\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-IFR2023-18)}. ## Глава 5. Наука и медицина Впервые включённая в отчёт глава освещает роль ИИ в научных открытиях и медицинских инновациях^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Научные достижения 2023 года **AlphaDev** (DeepMind) — система обучения с подкреплением, обнаружившая алгоритмы сортировки с меньшим числом инструкций, чем у существующих человеческих эталонов. Некоторые из найденных алгоритмов были включены в стандартную библиотеку сортировки C++ (LLVM) — первое обновление этой части библиотеки за более чем десять лет^{[\[19\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AlphaDev2023-19)}. **GraphCast** (DeepMind) — система прогнозирования погоды на основе графовых нейронных сетей, обеспечивающая 10-дневный прогноз менее чем за минуту с точностью, превышающей ведущую систему моделирования HRES (Европейский центр среднесрочных прогнозов погоды)^{[\[20\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-GraphCast2023-20)}. **GNoME** (Google DeepMind) — модель, использующая графовые сети для ускоренного поиска новых функциональных материалов, что критически важно для прогресса в робототехнике и полупроводниковой индустрии^{[\[21\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-GNoME2023-21)}. **Synbot** — ИИ-управляемый робот-химик для автономного синтеза органических молекул, достигший выхода реакции, сопоставимого с референсными значениями или превышающего их^{[\[22\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Synbot2023-22)}. **FlexiCubes** (NVIDIA) — метод оптимизации 3D-мешей с использованием ИИ для улучшения качества генерации 3D-объектов в компьютерной графике^{[\[23\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-FlexiCubes2023-23)}. ### ИИ в медицине **Клинические знания.** На бенчмарке MedQA (оценка клинических знаний ИИ) модель GPT-4 Medprompt достигла точности 90,2% — рост на 22,6 п.п. по сравнению с лучшим результатом 2022 года. С момента создания бенчмарка в 2019 году производительность ИИ на MedQA почти утроилась. Примечательно, что GPT-4 Medprompt использовал инженерию промптов вместо тонкой настройки, превзойдя специализированные медицинские модели^{[\[24\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Medprompt2023-24)}. **MediTron-70B** — открытая медицинская LLM, показавшая 70,2% на MedQA — лучший результат среди моделей с открытым кодом, хотя и ниже показателей закрытых моделей GPT-4 Medprompt и Med-PaLM 2^{[\[25\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Meditron2023-25)}. **Медицинские инновации.** Среди значимых систем 2023 года: SynthSR (улучшение визуализации структур мозга из низкокачественных МРТ-сканов), ImmunoSEIRA (ИИ-инфракрасные сенсоры для диагностики нейродегенеративных заболеваний), EVEscape (прогнозирование эволюции вирусов для предотвращения пандемий), AlphaMissense (классификация миссенс-мутаций)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. **Одобрение FDA.** В 2022 году FDA одобрило 139 медицинских устройств на базе ИИ — рост на 12,1% к 2021 году. С 2012 года число таких одобрений увеличилось более чем в 45 раз^{[\[26\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-FDA2023-26)}. ## Глава 6. Образование Глава рассматривает тенденции в образовании в области информатики и ИИ^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Высшее образование Число выпускников бакалавриата по информатике в США и Канаде продолжает расти. Число магистров остаётся относительно стабильным, а число докторов скромно увеличивается. С 2018 года число магистров и докторов информатики несколько снизилось^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. Доля международных студентов уменьшилась на всех уровнях образования, особенно заметно — в магистратуре. В мировом масштабе число англоязычных образовательных программ, связанных с ИИ, утроилось с 2017 года^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### ChatGPT в образовании По данным опроса Walton Foundation, 88% учителей и 79% студентов считают, что ChatGPT оказывает положительное влияние на образовательный процесс. 76% учителей и 65% студентов полагают, что ChatGPT важно интегрировать в обучение^{[\[27\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-WaltonFoundation2023-27)}. ## Глава 7. Политика и управление Глава анализирует законодательную и регуляторную активность в сфере ИИ на глобальном, американском и европейском уровнях^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Глобальные тенденции Упоминания ИИ в законодательных процессах по всему миру достигли рекордного уровня. Наблюдается сдвиг от чисто стимулирующих мер к ограничительному законодательству, что свидетельствует о растущем внимании регуляторов к потенциальным рискам ИИ^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. Тематика принятых законов в 2023 году значительно расширилась, охватив вооружённые силы и национальную безопасность, гражданские права, торговлю, образование, трудовые отношения, науку и технологии^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Регулирование в США Число нормативных актов, связанных с ИИ, достигло 25 в 2023 году (рост на 56,3% к 2022 году). Наиболее распространённой тематикой стали внешняя торговля и международные финансы. Доля нормативных актов с высокой и средней степенью релевантности к ИИ выросла по сравнению с предыдущими годами^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. Знаковым событием 2023 года стал Указ Президента Байдена об ИИ (Executive Order on AI), направленный, в частности, на создание Национального ресурса исследований ИИ (National AI Research Resource) для обеспечения равных возможностей между индустрией и академией^{[\[28\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-BidenEO2023-28)}. ### Регулирование в ЕС В Европейском Союзе наблюдается аналогичная тенденция к увеличению числа нормативных актов, связанных с ИИ. Значимым достижением 2023 года стало продвижение *AI Act* — первого комплексного закона об ИИ в мире^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## Глава 8. Разнообразие Глава исследует гендерное и этническое разнообразие среди ИИ-специалистов. Несмотря на некоторый прогресс, женщины и представители меньшинств по-прежнему значительно недопредставлены в сфере ИИ как в индустрии, так и в академии^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## Глава 9. Общественное мнение Глава анализирует общественное восприятие ИИ на основе международных опросов и данных социальных сетей^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ### Международные опросы **Осведомлённость и обеспокоенность.** По данным Ipsos, 66% респондентов (рост с 60%) считают, что ИИ существенно повлияет на их жизнь в ближайшие 3–5 лет. При этом 52% выражают нервозность по отношению к продуктам ИИ (рост на 13 п.п. с 2022 года)^{[\[4\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Ipsos2023-4)}. **Экономические ожидания.** Лишь 37% респондентов считают, что ИИ улучшит их работу, 34% — что он улучшит экономику, и 32% — что он положительно повлияет на рынок труда^{[\[4\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Ipsos2023-4)}. **Демографические различия.** Молодые поколения значительно более оптимистичны: 59% представителей поколения Z считают, что ИИ улучшит развлечения, против 40% бэби-бумеров. Люди с более высоким уровнем дохода и образования также более оптимистичны^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. **Узнаваемость ChatGPT.** По данным международного опроса Университета Торонто, 63% респондентов знают о ChatGPT, из них примерно половина пользуется им не реже раза в неделю^{[\[29\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-GPO-AI2023-29)}. ### Данные социальных сетей Анализ Quid более 7 млн постов в социальных сетях за 2023 год выявил, что модели GraphCast и [Claude](https://systems-analysis.info/wiki/Claude "Claude") 2.1 получили наиболее высокий показатель положительного настроения (net sentiment score). GPT-4 привлёк наибольшую долю внимания в первом квартале, тогда как к концу года фокус сместился на Gemini и [Grok](https://systems-analysis.info/wiki/Grok "Grok")^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## Значимые модели ИИ 2023 года Отчёт фиксирует появление ряда ключевых моделей^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}: | Модель | Разработчик | Тип | Дата | Значимость | |-----------------------|-------------|-----------------------|--------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------| | GPT-4 | OpenAI | LLM, мультимодальная | Март 2023 | Одна из наиболее мощных LLM; лидер HELM | | PaLM 2 | Google | LLM | Май 2023 | Расширенные мультиязычные возможности | | Llama 2 | Meta | LLM (открытая) | Июль 2023 | Ведущая открытая модель; версии 7B/13B/70B | | Claude 2 / 2.1 | Anthropic | LLM | Июль / Ноябрь 2023 | [Контекстное окно](https://systems-analysis.info/wiki/%D0%9A%D0%BE%D0%BD%D1%82%D0%B5%D0%BA%D1%81%D1%82%D0%BD%D0%BE%D0%B5_%D0%BE%D0%BA%D0%BD%D0%BE "Контекстное окно") до 200K токенов | | Mistral 7B | Mistral AI | LLM (открытая) | Сентябрь 2023 | Компактная высокопроизводительная модель | | DALL-E 3 | OpenAI | Генерация изображений | Октябрь 2023 | Улучшенное качество и следование промптам | | Gemini / Gemini Ultra | Google | LLM, мультимодальная | Декабрь 2023 | Первая LLM, превзошедшая человека на MMLU | | Mixtral 8×7B | Mistral AI | LLM (MoE, открытая) | Декабрь 2023 | Архитектура Mixture-of-Experts | | Midjourney v6 | Midjourney | Генерация изображений | Декабрь 2023 | Улучшенное качество и интуитивные промпты | | Whisper v3 | OpenAI | Распознавание речи | Ноябрь 2023 | Повышенная точность, расширенная языковая поддержка | ## Методология Отчёт использует данные из множества источников^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}: - **Публикации и патенты:** OpenAlex, WIPO, USPTO, данные Epoch AI. - **Бенчмарки:** Papers With Code, CRFM (HELM), специализированные лидерборды. - **Инвестиции:** Quid (Capital IQ, Crunchbase), данные по более чем 8 млн компаний. - **Рынок труда:** Lightcast, LinkedIn, Stack Overflow. - **Корпоративная активность:** McKinsey & Company, Seeking Alpha (earnings calls). - **Робототехника:** International Federation of Robotics (IFR). - **Регулирование:** Federal Register (США), EUR-Lex (ЕС), Govini. - **Общественное мнение:** Ipsos, Pew Research Center, University of Toronto (GPO-AI), Quid (социальные медиа). - **Образование:** CRA Taulbee Survey, Informatics Europe, Studyportals, Code.org, Walton Foundation. - **Медицина:** FDA, Papers With Code (MedQA). Оценки стоимости обучения моделей были подготовлены совместно с Epoch AI на основе анализа типа и количества аппаратного обеспечения, продолжительности обучения и облачных цен аренды^{[\[2\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-Epoch2023-2)}. ## Авторский коллектив Отчёт подготовлен под руководством содиректоров **Рэя Перро** (Ray Perrault) и **Джека Кларка** (Jack Clark) при участии широкого круга исследователей и организаций-партнёров. AI Index является проектом Стэнфордского института HAI (Human-Centered Artificial Intelligence)^{[\[1\]](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_note-AIIndex2024-1)}. ## См. также - [The 2017 AI Index Report](https://systems-analysis.info/wiki/The_2017_AI_Index_Report "The 2017 AI Index Report") - [The 2018 AI Index Report](https://systems-analysis.info/wiki/The_2018_AI_Index_Report "The 2018 AI Index Report") - [The 2019 AI Index Report](https://systems-analysis.info/wiki/The_2019_AI_Index_Report "The 2019 AI Index Report") - [The 2021 AI Index Report](https://systems-analysis.info/wiki/The_2021_AI_Index_Report "The 2021 AI Index Report") - [The 2022 AI Index Report](https://systems-analysis.info/wiki/The_2022_AI_Index_Report "The 2022 AI Index Report") ## Ссылки - Stanford HAI — AI Index Report 2024 (полный текст): https://aiindex.stanford.edu/report/ - Epoch AI — данные о стоимости обучения и вычислительных трендах: https://epochai.org/ - Papers With Code — бенчмарки и лидерборды: 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 ## Литература - 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 ## Примечания 1. ↑ ^{[1,00](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-0)} ^{[1,01](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-1)} ^{[1,02](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-2)} ^{[1,03](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-3)} ^{[1,04](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-4)} ^{[1,05](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-5)} ^{[1,06](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-6)} ^{[1,07](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-7)} ^{[1,08](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-8)} ^{[1,09](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-9)} ^{[1,10](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-10)} ^{[1,11](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-11)} ^{[1,12](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-12)} ^{[1,13](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-13)} ^{[1,14](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-14)} ^{[1,15](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-15)} ^{[1,16](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-16)} ^{[1,17](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-17)} ^{[1,18](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-18)} ^{[1,19](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-19)} ^{[1,20](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-20)} ^{[1,21](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-21)} ^{[1,22](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-22)} ^{[1,23](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-23)} ^{[1,24](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-24)} ^{[1,25](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-25)} ^{[1,26](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-26)} ^{[1,27](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-27)} ^{[1,28](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-28)} ^{[1,29](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-29)} ^{[1,30](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-30)} ^{[1,31](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-31)} ^{[1,32](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-32)} ^{[1,33](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-33)} ^{[1,34](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-34)} ^{[1,35](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-35)} ^{[1,36](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-36)} ^{[1,37](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-37)} ^{[1,38](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-38)} ^{[1,39](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-39)} ^{[1,40](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-40)} ^{[1,41](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-41)} ^{[1,42](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-42)} ^{[1,43](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-43)} ^{[1,44](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-44)} ^{[1,45](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-AIIndex2024_1-45)} ^{[1,46](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#cite_ref-Epoch2023_2-0)} ^{[2,1](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Epoch2023_2-1)} ^{[2,2](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Epoch2023_2-2)} Epoch AI (2023). *AI Training Cost Estimates*. https://epochai.org/ 3. ↑ ^{[3,0](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Quid2023_3-0)} ^{[3,1](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Quid2023_3-1)} ^{[3,2](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Quid2023_3-2)} ^{[3,3](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Quid2023_3-3)} ^{[3,4](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Quid2023_3-4)} Quid (2023). *AI Investment Data*. https://quid.com/ 4. ↑ ^{[4,0](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Ipsos2023_4-0)} ^{[4,1](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Ipsos2023_4-1)} ^{[4,2](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Ipsos2023_4-2)} Ipsos (2023). *Global Perceptions of AI Survey*. https://www.ipsos.com/ 5. [↑](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#cite_ref-Pew2023_5-0) Pew Research Center (2023). *Public Views on AI*. https://www.pewresearch.org/ 6. [↑](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#cite_ref-AIID2023_14-0) AI Incident Database (2023). https://incidentdatabase.ai/ 15. [↑](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#cite_ref-IFR2023_18-0) International Federation of Robotics (2023). *World Robotics Report 2023*. https://ifr.org/worldrobotics/ 19. [↑](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#cite_ref-WaltonFoundation2023_27-0) Impact Research / Walton Family Foundation (2023). *ChatGPT and Education Survey*. https://www.waltonfamilyfoundation.org/ 28. [↑](https://systems-analysis.info/wiki/The_2024_AI_Index_Report#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/wiki/The_2024_AI_Index_Report#cite_ref-GPO-AI2023_29-0) Global Public Opinion on AI Survey, University of Toronto (2023). https://www.mediatechdemocracy.com/