AI大家说｜斯坦福大学报告：一些领域AI已领先于人类

近日，斯坦福大学发布了《2024年AI指数报告》。这份报告深入分析了当前AI领域的发展趋势和面临的挑战，揭示了AI技术如何影响我们的日常生活。我们截取了报告部分精华内容，与大家分享。

AI行业发展趋势概述

AI 在某些任务上已超越人类，但仍有不足

在图像分类、视觉推理和英语理解等基准测试中，AI已领先于人类，但在更复杂的任务如数学竞赛、视觉常识推理和规划方面，仍显劣势。

前沿AI研究依旧以产业为主

2023年，产业界推出了51个值得关注的机器学习模型，而学术界仅有15个。此外，产业与学术联合推出了21个重要模型，创下新高。

AI不仅提高了生产力，还提升了工作质量

2023年的多项研究表明，AI帮助员工更高效地完成任务，并显著提升了工作成果质量，同时缩小了不同技能水平员工之间的工作差距。

AI加速科学进步

AI在科学研究中的应用从2022年的初显端倪，而到了2023年，更是一举推出了多款重磅的科学相关AI应用。从大幅提升算法排序效率的AlphaDev，到加速材料发现进程的GNoME，这些AI工具极大地提高了科学发现的速度与效率。

全球对AI影响的关注与日俱增

益普索（Ipsos）的一项调查显示，在过去一年中，认为AI会在未来3至5年内对生活产生重大影响的人从60%增至66%。然而，与此同时，表达对AI产品和服务担忧的受访者比例也从2022年的39%飙升至52%。

研究与开发

前沿AI研究依旧以产业为主外，基础模型数量倍增，开源比例显著提升。2023年共发布了149个基础模型，是2022年的两倍多。其中，65.7%是开源模型，而这一比例在2022年为44.4%，2021年仅为33.3%。

前沿模型变得更加昂贵。根据估算，最先进的AI模型的训练成本已经达到了前所未有的水平。例如，OpenAI的GPT-4估计使用了价值7800万美元的计算资源进行训练，而谷歌的Gemini Ultra的计算成本则高达1.91亿美元。

AI专利数量激增。2021年至2022年，全球AI专利授权量大幅增长62.7%。自2010年以来，AI专利授权量增长了31倍多。

开源AI研究蓬勃发展。自2011年以来，GitHub上与AI相关的项目数量稳步增长，从2011年的845个跃升至2023年的约180万个，仅2023年就增长了59.3%。2023年，GitHub上AI相关项目的星标总数也显著增加，从2022年的40万个增至1220万个，增加了两倍多。

AI论文发表量也持续增加。2010至2022年间，AI相关论文总量从约88000篇增加至超过240000篇。

技术表现

除了前文提到的，AI在某些任务上已超越人类，但仍有不足外，多模态AI也是一个重要趋势。过去，AI系统往往局限于单一能力，例如语言模型擅长文本理解但在图像处理上表现不佳。然而，诸如Google的Gemini和OpenAI的GPT-4等多模态模型展示了强大的灵活性，不仅能够处理文本与图像，部分情况下还可以处理音频。

在ImageNet、SQuAD和SuperGLUE等经典基准测试上，AI表现已趋于饱和。2023年，研究者开发了更多具有挑战性的基准测试，包括SWE-bench（编程）、HEIM（图像生成）、MMMU（通用推理）、MoCa（道德推理）、AgentBench（代理行为）和 HaluEval（幻觉评估）等。

从模型表现来看，更好的AI依赖更好的数据。新一代AI模型如SegmentAnything和Skoltech开始被用于生成特定任务的专门数据，例如图像分割和3D重建。数据对于AI的技术改进至关重要。利用AI创建更多的数据可以增强当前模型的能力，并为未来的算法改进铺平道路，尤其是在难度较大的任务上。

此外，人类评估成为新趋势。随着生成式模型的文本和图像质量不断提高，基准测试逐渐向纳入人类评估的方向转变，例如Hugging Face上加入了人类偏好的对比排行Chatbot Arena Leaderboard，取代了过去以ImageNet或SQuAD为代表的机器评判排名。公众对AI的看法正日益成为追踪AI进展的重要考虑因素。

而得益于语言模型，机器人技术变得更加灵活。语言建模与机器人技术的结合，催生了像PaLM-E和RT-2这样更具灵活性的机器人系统。这些模型不仅在机器人能力上有所提升，还能够主动提出问题，标志着机器人与现实世界交互能力的重大进步。

智能代理AI研究迎来更多突破。创建能够在特定环境中自主运行的AI代理系统，一直是计算机科学家面临的难题。然而，新兴研究表明，这些自主AI代理的表现越来越好。如今的代理AI已经能够精通Minecraft等复杂游戏，并高效完成在线购物、研究辅助等现实任务。

报告还指出，封闭式大语言模型显著优于开源模型。在10项选定的AI基准测试中，封闭模型的表现全面领先，表现中位数高出24.2%。这一性能差异对AI政策的讨论具有重要影响。

AI相关的经济趋势

AI 对经济的深度影响引发了诸多发人深省的问题。有人预测AI将推动生产力提升，但其影响到底有多深仍是个未知数。本章通过分析Lightcast、LinkedIn、Quid、麦肯锡、Stack Overflow和国际机器人联合会（IFR）等来源的数据，深入探讨了AI相关的经济趋势。

首先，AI相关岗位缩减，全球趋势同步。2022年，AI相关职位占美国总职位发布的2.0%，而这一比例在2023年下降至1.6%。AI职位发布数量减少的主要原因包括顶尖AI公司发布的职位数量下降，以及这些公司在技术岗位中的比例减少等。

其次，AI有效降低成本并提升收入。根据麦肯锡最新调查，42%的受访企业表示，通过应用AI（包括生成式 AI）有效降低了成本，同时有59%的企业表示收入实现了增长。与前一年相比，报告成本下降的企业比例增加了10个百分点，显示出AI正在显著推动业务效率的提升。

企业对AI的采用率有所上升。麦肯锡2023年的一份报告显示，目前有55%的企业在一个或多个业务单元或职能部门中应用了AI（包括生成式 AI）。这一比例高于2022年的50%，更是远超2017年的20%。

中国在工业机器人领域占据主导地位。自2013年超越日本成为工业机器人安装量最大的国家以来，中国与最接近的竞争国家之间的差距大幅扩大。2013年，中国的安装量占全球总量的20.8%，而到2022年，这一比例已上升至52.4%。

同时，机器人应用场景更加多元化。2017年，协作机器人仅占当年新增工业机器人安装量的2.8%，而到2022年，这一比例已攀升至9.9%。与此同时，2022年各类服务机器人的安装量也普遍增长，唯有医疗机器人领域例外。这一趋势不仅显示出机器人安装总量的整体上升，也反映出机器人正在更多地被部署到面向人类的服务角色中。

财富500强企业掀起了一股讨论AI的热潮，尤其是生成式AI。2023年，AI在394场财报电话会议中被提及，覆盖了近80%的财富500强企业，这一数字较2022年的266次显著增加。自2018年以来，AI在财富500强财报电话会议中的提及次数几乎翻了一番。其中，生成式AI是最热门的细分主题，在19.7%的电话会议中被提到。

（声明：本文仅代表作者观点，不代表新浪网立场。）