2024人工智能指數報告

AI的出現為各行業帶來了更多的創新和機會,提高了工作效率。最近,美國出了一份AI指數報告,很值得我們參考。

人工智能(AI)是一種革命性的技術,它已經在世界各個領域帶來了影響。通過機器學習和深度學習,AI可以幫助我們更有效地處理大量的數據,從而提高生產力和效率。在教育、交通、製造、醫療等領域,AI的出現為各行業帶來了更多的創新和機會,提高了工作效率。最近,美國出了一份AI指數報告,很值得我們參考。

史丹福大學人工智能指數報告

2024年史丹福大學人工智能研究院發布了《AI指數報告》,詳細分析了全球AI發展的現狀與趨勢。報告指出,AI技術在醫療、教育、金融、製造業等領域的應用日益廣泛,對解決社會問題和推動經濟增長具有重要意義。

報告強調了政府、企業和學術界間加強合作與創新,以及培養跨界人才的重要性。此外,報告還關注了AI技術的倫理和安全問題,並呼籲建立相關法規和標準。報告還特別提到了AI在各領域的應用,及其對就業市場和社會結構的影響,強調平衡經濟效益和社會責任的重要性。它揭示了AI模型數量、訓練成本以及全球AI專利和發表文獻數量的增長趨勢,並指出在某些領域AI已超越人類表現,但在複雜任務中仍須追趕。

史丹福大學人工智能研究院早前發布了《AI指數報告》。(作者提供)
史丹福大學人工智能研究院早前發布了《AI指數報告》。(作者提供)

AI的發展趨勢及科研投入

該報告深入剖析了2023年全球AI的發展動向,重點關注了新程式AI投資激增、性能評價標準革新、全球輿論變化及新法規頒布等關鍵議題。報告顯示,2023年發布的AI模型數量是前一年的兩倍多,尤以開放式模型為主,但閉合模型經測試後在效率與功能上表現更佳。Google、Meta、OpenAI和Microsoft等巨頭在模型發放上領先,而Google的Gemini ultra和GPT4訓練成本最高,Gemini ultra更是高達近2億美元,相對於2017年開創性的Transformer模型成本只需要900美元,Gemini ultra的成本增加了接近22萬倍。但企業如何通過這些模型創造盈利,報告就沒有提及,所以筆者認為行業依然是處於燒錢階段。

封閉型大語言模型性能優於開放型模型,於10項主要AI測試中,普遍高出24.2%,對AI政策討論具重要意義。數據顯示,AI顯著提升工人生產力及工作質量,並有效縮小技能差距。然而,若缺乏適當監督,AI使用可能導致工作效果下降。另一方面,財富500強公司日益重視AI,尤其是生成式AI,在2023年財報電話會議中提及AI達394次,涵蓋近八成公司,增長顯著。生成式AI成為熱門討論焦點,佔企業的電話會議近兩成內容。

國際間的人工智能競賽愈發激烈,2023年美國發布了61個模型領跑,中國緊隨其後擁有15個模型,法國則位列第三。但是,中國在AI專利領域佔據主導地位,其全球佔比高達61.1%,遠超美國的20.9%,而以AI為題的文獻數量亦逐年上升,最近12年來增長接近3倍。

中國在AI專利領域佔據主導地位,其全球佔比高達61.1%,遠超美國的20.9%。(作者提供)
中國在AI專利領域佔據主導地位,其全球佔比高達61.1%,遠超美國的20.9%。(作者提供)

教育方面的發展

筆者簡單地講解一下有關報告提及教育的範疇。該報告深入剖析了人工智能與計算機科學教育的發展趨勢,聚焦於參與學習的人群、學習地點以及這些趨勢如何隨着時間演進。面對AI在教育領域影響日益增大的擔憂,報告亦研究了教師與學生如何運用ChatGPT等新興AI工具。首先,報告概述了美國與加拿大大學及其後教育階段中計算機科學與AI課程的現狀,數據源自計算研究協會的年度Taulbee調查。隨後,回顧了Informatics Europe提供的歐洲計算機科學教育最新數據。

報告總結了美國K12教育階段計算機科學課程的洞察,並介紹了Walton Foundation的調查結果,該調查探討了ChatGPT在學校中的應用情況。值得注意的是,在高等學府,AI博士向工業界的遷移速度正在加快,從2011年近半數選擇工業界或學術界,到2022年逾七成選擇工業界,現在僅兩成畢業生選擇學術界,顯示出大學和研究機構向工業界的人才流失現象日益嚴重。

AI技術性能與人類性能對比。(作者提供)
AI技術性能與人類性能對比。(作者提供)

另一方面,2022年AP CS課程的考試人數已達201000人,自2007年起參考人數增長超過10倍。全球範圍內,AI相關學位課程數量亦持續增加,自2017年起提供英語教學的AI相關高等教育課程已增至3倍,並持續保持年增長趨勢,世界各地大學正積極增設更多以AI為核心的學位課程,證明AI課程正不斷受到大眾重視。

這份長達500多頁的報告為理解和推動AI技術的發展提供了重要參考。以上只是2024年或以前人工智能領域的一些創新研究方向,隨着科技的不斷發展和應用的不斷拓展,未來可能還會出現更多的創新點和突破。同時,人工智能的發展也面臨一些挑戰和風險,如資料隱私和安全、系統的可控性等問題,需要在技術創新和應用中加以考慮和解決。

何劍輝