4月15日，全球著名华人人工智能学者李飞飞联合领导的斯坦福大学以人为本人工智能研究所（Stanford HAI）发布了《2024 年人工智能指数报告》（Artificial Intelligence Index Report 2024）。
这份长达 502 页的报告是 Stanford HAI 发布的第 7 份 AI Index 研究，追踪了 2023 年全球人工智能的发展趋势。
Stanford HAI 官方介绍道，
“这是我们迄今为止最全面的报告，而且是在人工智能对社会的影响从未如此明显的重要时刻发布的。”
Stanford HAI 研究项目主任 Vanessa Parli 表示，“我认为最令人兴奋的人工智能研究优势是将这些大型语言模型与机器人或智能体（agent）相结合，这标志着机器人在现实世界中更有效地工作迈出了重要一步。”
《人工智能指数报告》是一份年度报告，跟踪、 整理、 提取并可视化与人工智能相关的数据，它被全球公认为人工智能数据和见解最可信、最权威的来源之一。
人工智能指数被全球公认为人工智能数据和见解最可信、最权威的来源之一。
先前版本已被《纽约时报》、彭博社和《卫报》等主要报纸引用，已积累了数百次学术引用，并被美国、英国和欧盟的高层政策制定者引用等地方。
李飞飞团队《2024年人工智能指数报告》中，总结的2023人工智能发展10大趋势是：
1. 人工智能在某些任务上胜过人类，但并非在所有任务上。
报告指出，人工智能已在多项基准测试中超越人类，包括在图像分类、视觉推理和英语理解方面。
然而，它在竞赛级数学、视觉常识推理和规划等更复杂的任务上依然落后于人类。
2. 产业界继续主导人工智能前沿研究。
报告指出，2023 年，产业界产生了 51 个著名的机器学习模型，而学术界只贡献了 15 个。
2023 年，产学合作还产生了 21 个著名模型，创下新高。
此外，108 个新发布的基础模型来自工业界，28 个来自学术界。
3. 前沿模型变得更加昂贵。
根据 AI Index 的估算，最先进的人工智能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 Google 的 Gemini Ultra 的计算成本则高达 1.91 亿美元。
4. 美国成为顶级人工智能模型的主要来源国。
2023 年，61 个著名的人工智能模型源自美国的机构，超过欧盟的 21 个和中国的 15 个。
美国也仍然是人工智能投资的首选之地。2023 年，美国在人工智能领域的私人投资总额为 672 亿美元，是中国的近 9 倍。
然而，中国依然是美国最大的竞争对手，中国的机器人安装量居世界首位；同样，世界上大多数人工智能专利（61%）都来自中国。
5. 严重缺乏对 LLM 责任的可靠和标准化评估。
AI Index 的最新研究显示，负责任的人工智能严重缺乏标准化。
包括 OpenAI、 Google 和 Anthropic 在内的领先开发商主要根据不同的负责任人工智能基准测试他们的模型。
这种做法使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。
6. 生成式人工智能投资激增。
尽管去年人工智能私人投资整体下降，但对生成式人工智能的投资激增，比 2022 年（约 30 亿美元）增长了近八倍，达到 252 亿美元。
生成式人工智能领域的主要参与者，包括 OpenAI、Anthropic、Hugging Face 和 Inflection，都获得了一轮可观的融资。
7. 数据显示，人工智能让打工人更有生产力，工作质量更高。
2023 年，多项研究评估了人工智能对劳动力的影响，表明人工智能可以让打工人更快地完成任务，并提高他们的产出质量。
这些研究还表明，人工智能有可能缩小低技能和高技能工人之间的技能差距。
还有一些研究警告说，在没有适当监督的情况下使用人工智能可能会起到负面作用。
8. 得益于人工智能，科学进步进一步加速。
2022 年，人工智能开始推动科学发现。
然而，2023 年，与科学相关的更重要的人工智能应用启动——使算法排序更高效的 AlphaDev、促进材料发现过程的 GNoME、可在一分钟内提供极其准确的 10 天天气预报的 GraphCast、成功对 7100 万种可能的错义突变中的约 89% 进行分类的 AlphaMissence。
如今，人工智能现在可以完成人类难以完成的、但对解决一些最复杂的科学问题至关重要的粗暴计算。
在医疗方面，新的研究表明，医生可以利用人工智能更好地诊断乳腺癌、解读 X 射线和检测致命的癌症。
9. 美国的人工智能法规数量急剧增加。
2023 年，全球立法程序中有 2175 次提及人工智能，几乎是上一年的两倍。
美国人工智能相关法规的数量在过去一年大幅增加。2023 年，与人工智能相关的法规有 25 项，而 2016 年只有 1 项。
仅去年一年，人工智能相关法规的总数就增长了 56.3%。其中一些法规包括生成式人工智能材料的版权指南和网络安全风险管理框架。
10. 人们对人工智能的潜在影响有了更深刻的认识，同时也更焦虑。
来自市场研究公司 Ipsos 的一项调查显示，在过去一年中，认为人工智能将在未来 3-5 年内极大地影响他们生活的人，比例从 60%上升到 66%。
此外，52% 的人对人工智能产品和服务表示焦虑，比 2022 年上升了 13 个百分点。
在美国，来自皮尤研究中心（Pew）的数据显示，52% 的美国人表示对人工智能的担忧多于兴奋，这一比例比 2022 年的 38% 有所上升。
特别值得提及的是《2024年人工智能指数报告》的第六章。
第六章重点探讨了人工智能和计算机科学教育的趋势，重点关注谁在学习、他们在哪里学习以及这些趋势如何随着时间的推移而演变。
随着人们越来越担心人工智能对教育的影响，报告还调查了教师和学生对 ChatGPT 等新一代人工智能工具的使用情况。
该分析首先根据计算研究协会的年度 Taulbee 调查，概述了美国和加拿大的中学后计算机科学和人工智能教育状况。
然后，它回顾了欧洲信息学有关欧洲计算机科学教育的数据。
与往年的报告相比，今年的报告引入了一个新部分，其中包含来自 Studyportals 的全球人工智能相关英语学习项目数量的数据。
最后，这一章还介绍了 Code.org 对美国 K-12 计算机科学教育的见解以及沃尔顿基金会关于 ChatGPT 在学校使用情况的调查结果。
《2024年人工智能指数报告》第六章指出：
1、美国和加拿大计算机科学本科毕业生数量持续增长，新增计算机科学硕士毕业生数量相对持平，博士毕业生数量小幅增长。
尽管十多年来美国和加拿大的应届本科毕业生人数持续上升，但选择攻读计算机科学以及选择接受计算机科学研究生教育的学生人数却趋于平缓。自 2018 年以来，计算机科学专业硕士和博士毕业生人数略有下降。
2.人工智能博士向产业转移的步伐持续加快。
2011 年，新晋人工智能博士在工业界（40.9%）和学术界（41.6%）就业的比例大致相当。
然而，到 2022 年 ，毕业后进入产业界工作的比例（70.7%）将明显高于进入学术界工作的比例（20.0%）。
仅在过去一年中，进入产业界的人工智能博士所占比例就上升了 5.3 个百分点，这表明从大学到产业界的人才流失正在加剧。
3. 学术人才从工业界到学术界的转移较少。
2019 年，美国和加拿大 13% 的新人工智能教师来自工业界。
到 2021 年，这一数字下降到 11%，2022 年进一步下降到 7%。
这一趋势表明，从产业界向学术界迁移的高水平人工智能人才在逐渐减少。
4. 美国和加拿大的计算机科学教育国际化程度降低。
与 2021 年相比，2022 年毕业的国际计算机科学本科生、硕士生和博士生人数比例下降。硕士生中国籍学生的减少尤为明显。
5. 越来越多的美国高中生参加计算机科学课程，但入学问题仍然存在。
2022 年，共举办了 201,000 次 AP CS 考试。
自 2007 年以来，参加这些考试的学生人数增加了十倍以上。
然而，最近的证据表明，规模较大的高中和郊区的学生更有可能接触到计算机科学课程。
6. 人工智能相关学位课程在国际上呈上升趋势。
自 2017 年以来，与人工智能相关的英语中学后学位课程数量增加了两倍，在过去五年中呈现出每年稳步增长的趋势。
世界各地的大学正在开设更多的以人工智能为重点的学位课程。
7. 英国和德国在欧洲信息学、CS、CE 和 IT 毕业生产出方面处于领先地位。
英国和德国是欧洲培养信息学、计算机科学、计算机工程和信息学学士、硕士和博士毕业生人数最多的国家。
按人均计算，芬兰在培养学士和博士毕业生方面遥遥领先。在培养硕士毕业生方面，爱尔兰遥遥领先。
Nestor Maslej, Loredana Fattorini, Raymond Perrault, Vanessa Parli, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald, and Jack Clark, “The AI Index 2024 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2024.
The AI Index 2024 Annual Report by Stanford University is licensed under Attribution-NoDerivatives 4.0 International.