斯坦福大学关于人工智能的报告发现蓬勃发展的行业正处于十字路口

由柏拉图重新发布

关注： 0

斯坦福大学关于人工智能的报告发现，蓬勃发展的行业正处于十字路口柏拉图区块链数据智能。垂直搜索。人工智能。

斯坦福以人为中心的人工智能研究所 (HAI) 发布了第七份年度人工智能指数报告，该报告报告了一个蓬勃发展的行业面临着不断增长的成本、监管和公众关注的问题。

502页面报告 [PDF] 来自学术界和工业界 - HAI 指导委员会由 Anthropic 联合创始人 Jack Clark 和 SRI International 人工智能中心的计算机科学家 Ray Perrault 领导 - 因此不会过多关注burn-it- with-fire 参数。

就这一点而言，该报告定义了隐私，以便个人有权同意大型语言模型（LLM）使用其数据。但它并不建议人工智能公司放弃现有模型，因为它们是未经许可构建的。它意味着透明，而不是苦行。

报告称：“对于依赖大量数据的法学硕士来说，获得培训数据收集的真实和知情同意尤其具有挑战性。” “在许多情况下，用户不知道他们的数据如何被使用或其收集的范围。因此，确保数据收集实践的透明度非常重要。”

几起未决诉讼的结果，例如的情况下针对 GitHub 的 Copilot，可能意味着透明度还不够，人工智能训练数据需要明确的许可，甚至可能需要高昂的费用。

但假设人工智能将继续存在，并且必须以其当前的形式得到重视，那么该报告成功地强调了自动化决策的前景和危险。

报告解释道：“我们的使命是提供公正、经过严格审查、来源广泛的数据，以便政策制定者、研究人员、高管、记者和公众对复杂的人工智能领域有更全面、更细致的了解。”

该报告的一些重要发现并不特别令人惊讶，例如“人工智能在某些任务上击败了人类，但不是全部”，以及“工业界继续主导前沿人工智能研究”。

对于后一点，报告称，工业界产生了 51 个值得注意的机器学习模型，而学术界产生了 15 个模型，产学合作产生了 21 个模型。

虽然封闭模型（例如 GPT-4、Gemini）在 10 个 AI 基准测试中的表现优于开源模型，但开源模型正变得越来越普遍。在 149 年发布的 2023 个基础模型中，65.7% 是开源的，而 44.4 年为 2022%，33.3 年为 2021%。

这种趋势是否持续下去可能与另一个重要发现有关：“前沿型号变得更加昂贵。”也就是说，如果训练尖端人工智能模型的成本变成只有资金充足的人才能考虑的事情，开源模型看起来不太可能比闭源竞争对手更具竞争力。

报告称：“根据人工智能指数的估计，去年训练前沿人工智能模型的中位成本几乎翻了一番。” “最先进模型的训练成本尤其达到了前所未有的水平。例如，OpenAI 的 GPT-4 估计使用了价值 78 万美元的计算来进行训练，而 Google 的 Gemini Ultra 的计算成本为 191 亿美元。”

已经有人怀疑人工智能是否物有所值。麻省理工学院 CSAIL、麻省理工斯隆管理学院、生产力研究所和 IBM 商业价值研究所 1 月份的一项研究发现 “只有在视觉是工作关键组成部分的大约四分之一的工作中，用人工智能取代人类劳动力才在经济上是明智的。”还有最近的《华尔街日报》报告表明科技公司不一定找到让人工智能投资获得回报的方法。

因此所有的附加费用用于通过人工智能增强的服务。

当与 HAI 报告的其他发现（例如“在美国，人工智能法规急剧增加”）一起考虑时，人工智能模型训练看起来可能会变得更加资本密集型。报告称，去年美国有 25 项与人工智能相关的法规（2016 年只有 XNUMX 项），这些法规将带来额外成本。

另一个可能导致更多监管以及合规成本的发现是人们对人工智能的看法。报告称：“全球各地的人们更加认识到人工智能的潜在影响，也更加紧张。”报告指出，认为人工智能将在未来三到五年内影响他们生活的人数有所增加（66%，上升了 52 个百分点），对人工智能感到紧张的人数也有所增加（13%，上升了 XNUMX 个百分点）。点）。

人工智能公司的另一个潜在麻烦来源是缺乏法学硕士的评估标准，这种情况允许人工智能公司选择自己的测试基准。报告称：“这种做法使得系统地比较顶级人工智能模型的风险和局限性的工作变得更加复杂。”

HAI 报告指出，人工智能提高了工人的生产力并加速了科学进步，并引用了 DeepMind 的 GNoME，“这促进了材料发现的过程。”

尽管人工智能自动化已被证明可以提高特定任务的生产力，但其作为思想来源的有用性仍然存在争议。和我们一样报道例如，最近，人们对人工智能辅助预测可行新材料的价值仍然存在一些怀疑。

尽管如此，人工智能还是被下了很大的赌注。生成式人工智能投资增长了八倍，从 3 年的 2022 亿美元增加到 25.2 年的 2023 亿美元。美国目前是人工智能系统的最大来源，到 61 年将有 2023 个著名的人工智能模型，而欧盟有 21 个，中国有 15 个。

“人工智能面临着两个相互关联的未来，”克拉克和佩罗写道。 “首先，技术不断改进并得到越来越多的使用，对生产力和就业产生重大影响。它可以有好的用途，也可以有坏的用途。在第二个未来，人工智能的采用受到技术局限性的限制。”

在接下来的几年里，我们应该看看这两种未来中哪一种将占据主导地位。 ®