Stanford-rapport om AI finner blomstrende industri ved et veiskille

Stanford Institute for Human-Centered Artificial Intelligence (HAI) har gitt ut sin syvende årlige AI Index Report, som rapporterer en blomstrende industri som står overfor økende kostnader, reguleringer og offentlig bekymring.

502-siden rapporterer [PDF] kommer fra akademia og industri – HAI-styringskomiteen ledes av Antropisk medgründer Jack Clark, og Ray Perrault, en informatiker ved SRI Internationals Artificial Intelligence Center – og dveler derfor ikke for mye ved burn-it- med ild-argumenter.

Til det punktet definerer rapporten personvern slik at enkeltpersoner har rett til å samtykke til at store språkmodeller (LLM) bruker dataene deres. Likevel foreslår det ikke at AI-firmaer skal forlate eksisterende modeller fordi de ble bygget uten tillatelse. Det antyder åpenhet, snarere enn bot.

"Å skaffe ekte og informert samtykke for innsamling av treningsdata er spesielt utfordrende med LLM-er, som er avhengige av enorme mengder data," heter det i rapporten. "I mange tilfeller er brukere uvitende om hvordan dataene deres brukes eller omfanget av innsamlingen. Derfor er det viktig å sikre åpenhet rundt datainnsamlingspraksis.»

Utfallet av flere verserende rettssaker, som Ved mot GitHubs Copilot, kan bety at åpenhet ikke er nok, at AI-treningsdata krever eksplisitt tillatelse og kanskje uoverkommelige betalinger.

Men forutsatt at AI er kommet for å bli og må regne med i sin nåværende form, lykkes rapporten med å fremheve løftet og faren ved automatisert beslutningstaking.

"Vårt oppdrag er å gi objektive, strengt undersøkte, bredt hentede data for at beslutningstakere, forskere, ledere, journalister og allmennheten skal kunne utvikle en mer grundig og nyansert forståelse av det komplekse feltet AI," forklarer rapporten.

Noen av rapportens toppfunn er ikke spesielt overraskende, som "AI slår mennesker på noen oppgaver, men ikke alle," og "Industrien fortsetter å dominere grenseoverskridende AI-forskning."

Mot det siste punktet sier rapporten at industrien produserte 51 bemerkelsesverdige maskinlæringsmodeller, sammenlignet med 15 fra akademia og 21 fra industri-akademiske samarbeid.

Mens lukkede modeller (f.eks. GPT-4, Gemini) utkonkurrerte åpen kildekode-modeller på et sett med 10 AI-benchmarks, blir åpen kildekode-modeller mer vanlig. Av 149 grunnmodeller utgitt i 2023, var 65.7 prosent åpen kildekode, sammenlignet med 44.4 prosent i 2022 og 33.3 prosent i 2021.

Hvorvidt denne trenden fortsetter, kan være relatert til et annet toppfunn: "Frontier-modeller blir mye dyrere." Det vil si at åpen kildekode-modeller neppe ser ut til å bli mer konkurransedyktige med sine lukkede kildekoder hvis kostnadene for å trene en banebrytende AI-modell blir noe bare de velfinansierte kan tenke på.

"I følge AI Index estimater ble mediankostnadene ved å trene frontier AI-modeller nesten doblet det siste året," heter det i rapporten. "Opplæringskostnadene til toppmoderne modeller har spesielt nådd enestående nivåer. For eksempel brukte OpenAIs GPT-4 anslagsvis 78 millioner dollar i beregning for å trene, mens Googles Gemini Ultra kostet 191 millioner dollar for beregning.»

Det er allerede tvil om at AI er verdt pengene. En januarstudie fra MIT CSAIL, MIT Sloan, The Productivity Institute og IBMs Institute for Business Value funnet at "det er bare økonomisk fornuftig å erstatte menneskelig arbeidskraft med AI i omtrent en fjerdedel av jobbene der syn er en nøkkelkomponent i arbeidet." Og en fersk Wall Street Journal rapporterer indikerer at teknologifirmaer ikke nødvendigvis har funnet en måte å få AI-investeringer til å lønne seg.

Derfor alle ekstra avgifter for tjenester utvidet med AI.

Når de vurderes sammen med andre HAI-rapportfunn som "I USA øker AI-regelverket kraftig," ser det ut til at AI-modelltrening vil bli enda mer kapitalintensiv. I USA i fjor, sier rapporten, var det 25 AI-relaterte forskrifter – opp fra én i 2016 – og disse vil medføre ekstra kostnader.

Et annet funn som kan føre til flere reguleringer, og dermed overholdelseskostnader, er måten folk føler om AI. "Folk over hele verden er mer klar over AIs potensielle innvirkning - og mer nervøse," heter det i rapporten. Den siterer en økning i antall mennesker som tror AI vil påvirke livene deres i løpet av de neste tre til fem årene (66 prosent, opp seks prosentpoeng) og i antall personer som er nervøse for AI (52 prosent, opp 13 prosent) poeng).

En ytterligere potensiell kilde til problemer for AI-firmaer kommer fra mangelen på evalueringsstandarder for LLM-er, en situasjon som lar AI-firmaer velge sine egne benchmarks for testing. "Denne praksisen kompliserer arbeidet med å systematisk sammenligne risikoene og begrensningene til topp AI-modeller," heter det i rapporten.

HAI-rapporten antyder at AI øker arbeidernes produktivitet og akselererer vitenskapelig fremgang, og siterer DeepMinds GNoME, "som letter prosessen med materialoppdagelse."

Mens AI-automatisering har vist seg å øke produktiviteten i spesifikke oppgaver, er nytten som en kilde til ideer fortsatt et spørsmål om debatt. Som vi rapportert nylig er det fortsatt en viss skepsis til verdien av AI-støttede spådommer for levedyktige nye materialer, for eksempel.

Uansett, store innsatser blir gjort på AI. Generative AI-investeringer ble åttedoblet, fra 3 milliarder dollar i 2022 til 25.2 milliarder dollar i 2023. Og USA er for tiden den beste kilden til AI-systemer, med 61 bemerkelsesverdige AI-modeller i 2023, sammenlignet med 21 fra EU og 15 fra Kina.

"AI står overfor to sammenhengende fremtider," skriver Clark og Perrault. «For det første fortsetter teknologien å forbedre seg og brukes i økende grad, noe som har store konsekvenser for produktivitet og sysselsetting. Det kan brukes til både god og dårlig bruk. I den andre fremtiden er bruken av kunstig intelligens begrenset av teknologiens begrensninger."

I løpet av de neste årene bør vi se hvilken av disse to fremtidene som vil dominere. ®

• SEO-drevet innhold og PR-distribusjon. Bli forsterket i dag.
• PlatoData.Network Vertical Generative Ai. Styrk deg selv. Tilgang her.
• PlatoAiStream. Web3 Intelligence. Kunnskap forsterket. Tilgang her.
• PlatoESG. Karbon, CleanTech, Energi, Miljø, Solenergi, Avfallshåndtering. Tilgang her.
• PlatoHelse. Bioteknologisk og klinisk etterretning. Tilgang her.
• kilde: https://go.theregister.com/feed/www.theregister.com/2024/04/15/stanford_report_ai/