斯坦福大学人工智能研究院发布《2024 年人工智能指数报告》

2024年的人工智能指数报告是迄今为止最全面的一次，涵盖了AI技术进步、公众对AI的看法以及AI发展的地缘政治动态等关键趋势。今年的报告从研究与开发、技术性能与伦理、经济与教育、人工智能政策与治理、多样性、公众舆论等方面衡量和评估了人工智能的快速发展。与以往任何版本相比，最新版本包括来自学术、私营和非营利组织的广泛数据，以及更多的自收集数据和原创分析。 这 份 报 告 全 面 分 析 了 2 0 2 3 年 人 工 智 能 ( A I ) 领 域 的 进 展 ， 涵 盖 了 技 术 进 步 、 经 济 影 响 、 政 策 制 定 和 公 众 舆 论 等 方 面 。 以 下 是 报 告 的 要 点 ：

技 术 进 步 ：

行 业 引 领 前 沿 A I 研 究 ： 2 0 2 3 年 ， 行 业 贡 献 了 5 1 个 重 要 的 机 器 学 习 模 型 ， 而 学 术 界 仅 贡 献 了 1 5 个 。

基 础 模 型 崛 起 ： 2 0 2 3 年 发 布 了 1 4 9 个 基 础 模 型 ， 是 2 0 2 2 年 的 两 倍 多 ， 其 中 6 5 . 7 % 是 开 源 的 。

前 沿 模 型 训 练 成 本 飙 升 ： 例 如 ， O p e n A I 的 G P T - 4 和 G o o g l e 的 G e m i n i U l t r a 的 训 练 成 本 分 别 估 计 为 7 8 0 0 万 美 元 和 1 . 9 1 亿 美 元 。

多 模 态 A I 兴 起 ： 新 模 型 如 G o o g l e 的 G e m i n i 和 O p e n A I 的 G P T - 4 能 处 理 图 像 、 文 本 甚 至 音 频 。

新 的 、 更 难 的 基 准 出 现 ： 研 究 人 员 开 发 了 更 具 挑 战 性 的 基 准 来 评 估 A I 模 型 在 更 复 杂 任 务 上 的 能 力 。

经 济 影 响 ：

生 成 式 A I 投 资 激 增 ： 尽 管 整 体 A I 私 人 投 资 下 降 ， 但 生 成 式 A I 领 域 的 投 资 飙 升 至 2 5 2 亿 美 元 。

美 国 在 A I 私 人 投 资 方 面 领 先 ： 2 0 2 3 年 ， 美 国 A I 投 资 达 到 6 7 2 亿 美 元 ， 几 乎 是 中 国 投 资 额 的 8 . 7 倍 。

A I 职 位 减 少 ： 美 国 和 全 球 范 围 内 对 A I 相 关 职 位 的 需 求 均 有 所 下 降 。

A I 提 高 效 率 ： 研 究 表 明 A I 提 高 了 员 工 的 工 作 效 率 和 工 作 质 量 。

财 富 5 0 0 强 公 司 谈 论 A I ： 2 0 2 3 年 ， 近 8 0 % 的 财 富 5 0 0 强 公 司 在 财 报 电 话 会 议 中 提 到 了 A I 。

政 策 制 定 ：

美 国 A I 法 规 数 量 大 幅 增 加 ： 2 0 2 3 年 ， 美 国 通 过 了 2 5 项 与 A I 相 关 的 法 规 ， 比 2 0 1 6 年 增 加 了 一 倍 多 。

美 国 和 欧 盟 推 进 A I 政 策 ： 欧 盟 就 A I 法 案 达 成 协 议 ， 美 国 总 统 拜 登 签 署 了 关 于 A I 的 行 政 命 令 。

全 球 政 策 制 定 者 关 注 A I ： 2 0 2 3 年 ， 全 球 立 法 程 序 中 对 A I 的 提 及 数 量 几 乎 翻 了 一 番 。

公 众 舆 论 ：

公 众 对 A I 的 影 响 更 加 了 解 ， 也 更 加 担 忧 ： 6 6 % 的 受 访 者 认 为 A I 将 在 未 来 三 到 五 年 内 极 大 地 影 响 他 们 的 生 活 。

西 方 国 家 对 A I 的 看 法 有 所 改 善 ： 尽 管 仍 存 在 担 忧 ， 但 对 A I 产 品 和 服 务 的 积 极 态 度 有 所 上 升 。

对 A I 经 济 影 响 的 悲 观 看 法 ： 只 有 3 7 % 的 受 访 者 认 为 A I 会 改 善 他 们 的 工 作 。

不 同 人 群 对 A I 的 乐 观 程 度 存 在 差 异 ： 年 轻 一 代 对 A I 改 善 生 活 的 潜 力 更 为 乐 观 。

C h a t G P T 广 为 人 知 ： 6 3 % 的 受 访 者 知 道 C h a t G P T ， 其 中 约 一 半 的 人 每 周 至 少 使 用 一 次 。

其 他 重 要 发 现 ：

A I 在 科 学 和 医 学 领 域 取 得 重 大 进 展 ： A I 模 型 被 用 于 加 速 药 物 发 现 、 改 进 天 气 预 报 和 创 建 更 准 确 的 人 类 基 因 组 图 谱 。

负 责 任 A I 评 估 缺 乏 标 准 化 ： 领 先 的 A I 开 发 人 员 使 用 不 同 的 基 准 来 评 估 其 模 型 的 责 任 风 险 ， 这 使 得 比 较 变 得 困 难 。

政 治 深 度 伪 造 易 于 生 成 且 难 以 检 测 ： 这 引 发 了 人 们 对 A I 对 选 举 和 政 治 进 程 的 潜 在 影 响 的 担 忧 。

A I 模 型 的 训 练 会 产 生 大 量 的 碳 排 放 ： 这 引 发 了 人 们 对 A I 可 持 续 性 的 担 忧 。

人工智能指数报告2024 - 十大要点总结 AI在某些任务上超越人类 ：AI在多项基准测试中已超过人类表现，如图像分类、视觉推理和语言理解，但在更复杂的任务如竞技级数学和视觉常识推理上仍落后。 行业继续主导前沿AI研究 ：2023年，工业界发布了51个重要的机器学习模型，而学术界只发布了15个。产业和学术界的合作也创下了21个模型的新高。 前沿模型成本大增 ：根据AI Index估计，最先进的AI模型的训练成本达到了前所未有的水平，例如OpenAI的GPT-4和谷歌的Gemini Ultra的训练成本分别为7800万美元和1.91亿美元。 美国领先于中国、欧盟和英国 ：2023年，美国发布的重要AI模型数量远超其他地区，中国和欧盟分别位列其后。 对LLM负责任的标准化评估严重缺乏 ：主要开发者针对不同的负责任AI基准测试其模型，这使得系统地比较顶级AI模型的风险和限制变得复杂。 生成型AI投资飙升 ：尽管AI的私人投资总体下降，但生成型AI的投资激增，资金几乎翻了八倍，达到252亿美元。 AI促进科学进步 ：AI在科学研究中的应用持续增加，2023年推出的AI应用显著推动了科学研究。 教育和多样性 ：AI相关的教育项目在国际上呈上升趋势，同时在提供CS教育方面存在的获取问题仍然显著。 政策和治理 ：美国和欧盟在AI政策行动上取得重大进展，美国通过了重要的执行令，欧盟则达成了AI法案的协议。 公众意见 ：全球对AI潜在影响的认知度在上升，但这种认知伴随着普遍的紧张情绪。同时，人们对AI在经济上的潜在积极影响持保留态度。 第1章：研究与开发 概览 本章主要研究人工智能（AI）研究与开发的趋势，包括AI出版物和专利的趋势，以及引人注目的AI系统和基础模型的趋势。章节还分析了AI会议的出席情况和开源AI软件项目。 主要要点 行业主导前沿AI研究 ：2023年，工业界生产了51个引人注目的机器学习模型，而学术界仅贡献了15个。此外，有21个来自行业与学术界合作的重要模型，这是一个新高。 基础模型数量增加且更开放 ：2023年，共发布了149个基础模型，比2022年翻倍多。其中65.7%为开源模型，较2022年的44.4%和2021年的33.3%有所增加。 前沿模型成本大幅上升 ：根据AI Index估计，最先进的AI模型的训练成本达到了前所未有的水平。例如，OpenAI的GPT-4的估计训练成本为7800万美元，而谷歌的Gemini Ultra的计算成本为1.91亿美元。 美国领先于中国、欧盟和英国成为顶级AI模型的主要来源 ：2023年，来自美国的机构发起了61个引人注目的AI模型，远超过欧盟的21个和中国的15个。 AI专利数量激增 ：从2021年到2022年，全球AI专利授权数量急剧增加了62.7%。自2010年以来，授予的AI专利数量增加了超过31倍。 中国在AI专利上占主导地位 ：2022年，中国在全球AI专利来源中占比达到61.1%，明显超过美国的20.9%。自2010年以来，美国在AI专利上的份额已从54.1%降低。 开源AI研究激增 ：自2011年以来，GitHub上与AI相关的项目数量持续增长，从2011年的845个增加到2023年的约180万个。特别是在2023年，GitHub上AI相关项目的总数急剧增加了59.3%。AI相关项目在GitHub上的总星数在2023年也显著增加，从2022年的400万增加到1220万。 AI出版物数量持续上升 ：从2010年到2022年，全球AI出版物的总数几乎增加了三倍，从约88,000增加到超过240,000。去年的增长率为1.1%。 第2章：技术性能 概览 本章探讨了人工智能（AI）在多种标准基准测试中的表现，展示了AI系统在图像分类、视觉推理和语言理解等方面的进步，并讨论了AI在面对更复杂任务时的挑战。 主要要点 AI在某些任务上超越人类 ：AI已经在多个基准测试中超过人类表现，包括图像分类、视觉推理和英语理解等领域。然而，在更复杂的任务上，如竞赛级数学、视觉常识推理和规划，AI仍然落后。 多模态AI的兴起 ：传统的AI系统通常在某一领域表现出色，如语言模型在文本理解上表现突出，但在图像处理上则表现不佳。然而，最近的进展已经导致了强大的多模态模型的开发，如谷歌的Gemini和OpenAI的GPT-4，这些模型显示出在处理图像和文本方面的灵活性，有些甚至能够处理音频。 更难的基准测试出现 ：随着AI模型在既有基准测试上达到性能饱和，如ImageNet、SQuAD和SuperGLUE，研究人员开发了更具挑战性的新基准测试，如SWE-bench（针对编程）、HEIM（针对图像生成）、MMMU（针对一般推理）、MoCa（针对道德推理）、AgentBench（针对基于代理的行为）和HaluEval（针对幻觉）。 更好的AI意味着更好的数据 ：新的AI模型如SegmentAnything和Skoltech被用来生成专门的数据，用于任务如图像分割和3D重建。数据对于AI技术改进至关重要。利用AI生成更多数据可以增强当前能力，并为未来的算法改进铺平道路，尤其是在更困难的任务上。 人类评估的引入 ：随着生成模型产生高质量的文本、图像等内容，基准测试已经开始逐渐转向包括人类评估，如Chatbot Arena排行榜，而不仅仅是计算机化的排名如ImageNet或SQuAD。公众对AI的看法在跟踪AI进步中变得越来越重要。 得益于LLMs，机器人变得更灵活 ：语言模型与机器人学的融合产生了更灵活的机器人系统，如PaLM-E和RT-2。这些模型除了改进了机器人能力外，还可以提出问题，这标志着机器人向能够与现实世界更有效互动迈出了重要一步。 在人工智能代理方面开展更多技术研究。 长期以来，创建人工智能代理（能够在特定环境中自主运行的系统）一直是计算机科学家面临的挑战。然而，新兴研究表明自主人工智能代理的性能正在不断提高。当前的代理现在可以驾驭 Minecraft 等复杂游戏，并有效处理现实世界中的任务，如网上购物和研究协助。 封闭式LLMs 明显优于开放式。 在 10 项精选的人工智能基准测试中，封闭模型中位数为 24.2%。封闭模型和开放模型的性能差异对人工智能政策辩论具有重要影响。 第3章：负责任的AI 概览 本章探讨了在人工智能（AI）快速发展的背景下，如何保持AI的责任性使用。讨论了AI系统的透明度、公正性和安全性问题，以及政策制定者和开发者如何应对这些挑战。 主要要点 对LLM责任性的评估标准严重缺乏 ：AI Index的新研究揭示了在负责任的AI报告中存在显著的标准化缺乏。主要开发者，包括OpenAI、Google和Anthropic，主要针对不同的负责任AI基准测试其模型。这种做法使得系统地比较顶级AI模型的风险和局限变得复杂。 政治深伪难以生成也难以检测 ：政治深伪已经开始影响全球选举，最新研究表明，现有的AI深伪方法表现出不同水平的准确性。此外，如CounterCloud这样的新项目展示了AI如何容易地创建和传播虚假内容。 研究人员发现LLM的复杂漏洞 ：以前，测试AI模型的红队活动主要集中在测试对人类直觉上有意义的对抗性提示。今年，研究人员发现了一些不那么明显的策略，可以使LLM显示出有害行为，如让模型无限重复随机词汇。 AI的风险已成为全球企业的关注点 ：全球负责任AI的调查高亮显示，公司最关注的AI相关问题包括隐私、数据安全和可靠性。调查显示，各组织开始采取措施缓解这些风险。然而，全球范围内，大多数公司到目前为止只缓解了一小部分这些风险。 LLM可能输出受版权保护的材料 ：多项研究表明，流行的LLM的生成输出可能包含受版权保护的材料，如《纽约时报》的摘录或电影场景。这种输出是否构成版权侵权正成为一个中心法律问题。 AI开发者在透明度上得分低，对研究产生影响 ：新引入的基础模型透明度指数显示，AI开发者在透明度上尤其是在训练数据和方法论的披露方面缺乏开放性。这种不透明性阻碍了进一步理解AI系统的鲁棒性和安全性的努力。 极端AI风险难以分析 ：过去一年中，AI学者和从业者就立即模型风险，如算法歧视，与潜在的长期存在性威胁之间的关注点展开了大量讨论。在现有的短期风险具体可见的情况下，与理论上的存在性威胁相比，很难区分哪些声明是科学基础的，应该通知政策制定。这一难度由于短期风险的具体性与长期威胁的理论性加剧。 AI事件数量持续上升 ：根据跟踪与AI滥用相关的事件的AI事件数据库，2023年报告了123起事件，比2022年增加了32.3个百分点。自2013年以来，AI事件增长了20多倍。一个著名的例子包括广泛分享的泰勒·斯威夫特的AI生成的色情深伪。 ChatGPT在政治上存在偏见 ：研究人员发现ChatGPT对美国的民主党和英国的工党存在显著偏见。这一发现引发了对该工具可能影响用户政治观点的关注，特别是在一个全球重大选举的年份。 第4章：经济 概览 本章探讨了人工智能（AI）技术在经济领域的应用和影响，包括对就业、投资趋势和企业运营的影响。 主要要点 生成型AI投资飙升 ：尽管总体上AI的私人投资在过去一年有所下降，但生成型AI的投资大幅增加，从2022年的资金增加了近八倍，达到252亿美元。主要参与者包括OpenAI、Anthropic、Hugging Face和Inflection，它们报告了大量的融资轮。 美国在AI私人投资方面进一步领先 ：2023年，美国的AI投资达到672亿美元，是中国（排名第二的投资者）的8.7倍。与此同时，中国和欧盟（包括英国）的私人AI投资分别下降了44.2%和14.1%，而美国的投资同比增长了22.1%。 美国和全球AI职位数量减少 ：2022年，AI相关职位占美国所有职位发布的2.0%，到了2023年这一比例下降到了1.6%。AI职位列表的减少归因于领先的AI公司发布的职位减少以及这些公司内部技术角色的比例减少。 AI降低成本增加收入 ：根据麦肯锡的新调查，42%的受访组织报告说，实施AI（包括生成型AI）后成本有所下降，59%的组织报告收入增加。与去年相比，报告成本下降的受访者增加了10个百分点，表明AI正在推动显著的业务效率提升。 总体AI私人投资再次下降，新资助的AI公司数量增加 ：全球私人AI投资连续第二年下降，尽管下降幅度小于2021年至2022年间的急剧下降。新资助的AI公司数量激增到1812家，比前一年增长了40.6%。 AI在组织中的采用率上升 ：2023年麦肯锡报告显示，55%的组织现在至少在一个业务单元或职能中使用AI（包括生成型AI），高于2022年的50%和2017年的20%。 中国在工业机器人领域占主导地位 ：自2013年超过日本成为工业机器人的主要安装国以来，中国在与最近的竞争国家的差距上显著扩大。2013年，中国的安装量占全球总量的20.8%，到2022年这一份额上升到了52.4%。 机器人安装的多样性增加 ：2017年，协作机器人仅占所有新工业机器人安装的2.8%，到2022年这一数字上升到了9.9%。同样，2022年在所有应用类别中服务机器人的安装也有所增加，医疗机器人除外。这种趋势不仅表明机器人安装总体增加，还强调了将机器人部署于面向人类的角色的重要性。 数据显示人工智能让工人更有生产力，并带来更高质量的工作： 2023 年，多项研究评估了人工智能对劳动力的影响，认为人工智能使工人能够更快地完成任务，并提高产出质量。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。不过，其他研究也提醒说，在没有适当监督的情况下使用人工智能可能会导致绩效下降。 《 财富》500 强企业开始热议人工智能，尤其是生成式人工智能： 2023 年有 394 家公司（占《财富》500 强公司总数的近 80%）在财报电话会议中提到了人工智能，比去年同期显著增加。2022 年提及 266 次。自 2018 年以来，财富 500 强财报电话会议中提及人工智能的次数几乎翻了一番。最在所有财报电话会议中，有 19.7% 的电话会议经常提及的主题是生成式人工智能。 第5章：科学与医学 概览 本章探讨了人工智能（AI）在科学研究和医学领域的应用以及其所带来的影响，特别是在促进科学发现和提高医疗服务效率方面的作用。 主要要点 科学进展因AI而加速 ：自2022年以来，AI开始显著推动科学发现。2023年，更多重要的与科学相关的AI应用被推出——如AlphaDev，该应用通过算法优化效率，以及GNoME，它帮助材料发现过程。 AI在医学领域取得重大进步 ：2023年，推出了几个重要的医学系统，包括EVEscape，它增强了疫情预测功能，以及AlphaMissence，它协助进行AI驱动的突变分类。AI越来越多地被用于推动医学进展。 高度知识化的医学AI的到来 ：过去几年中，AI系统在MedQA基准测试中表现出显著的进步，该测试是评估AI临床知识的关键测试。2023年的杰出模型GPT-4 Medprompt在准确率上达到了90.2%，比2022年最高分高出22.6个百分点。自该基准测试于2019年引入以来，AI在MedQA上的表现几乎增加了三倍。 FDA批准的AI相关医疗设备数量增加 ：2022年，FDA批准了139种AI相关医疗设备，比2021年增加了12.1%。自2012年以来，FDA批准的AI相关医疗设备数量增加了超过45倍。AI越来越多地被用于实际医疗目的。 第6章：教育 概览 本章详细探讨了人工智能（AI）在教育领域的应用，包括AI教育的趋势、挑战和未来前景。特别强调了AI如何影响计算机科学（CS）教育的各个层面，从高中到高等教育的变化。 主要要点 美国和加拿大的计算机科学本科毕业生数量持续增加 ：新美国和加拿大的计算机科学本科毕业生数量持续增长超过十年，而研究生教育的选择自2018年以来略有下降。 AI博士向工业界的迁移加速 ：2011年，新的AI博士进入工业界（40.9%）和学术界（41.6%）的比例大致相等。然而，到了2022年，显著更多的比例（70.7%）选择加入工业界，相比之下进入学术界的只有20.0%。仅在过去一年内，进入工业界的AI博士比例就增加了5.3个百分点。 学术界人才从工业界的迁移减少 ：2019年，来自工业界的新AI教授在美国和加拿大占13%，到2021年这一数字下降到11%，2022年进一步下降到7%。这表明从工业界到学术界的高层次AI人才迁移趋势逐渐减少。 美国和加拿大的CS教育变得不那么国际化 ：相对较少的国际CS本科生、硕士生和博士生在2022年毕业，尤其是硕士类别的国际学生减少显著。 更多美国高中生参加CS课程，但存在获取问题 ：2022年，进行了201,000次AP CS考试。自2007年以来，参加这些考试的学生数量增加了十倍多。然而，最近的证据表明，规模较大的高中和郊区地区的学生更有可能接触到CS课程。 国际上AI相关学位课程的数量上升 ：自2017年以来，提供英语授课的AI相关的高等教育学位课程数量翻了三倍，过去五年每年稳定增长。全球的大学提供了更多以AI为焦点的学位课程。 英国和德国在欧洲信息学、CS、CE 和 IT 领域处于领先地位： 毕业生数量。英国和德国是欧洲培养信息学、CS、CE 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，而爱尔兰则在培养硕士毕业生方面遥遥领先。 第7章：政策与治理 概览 本章探讨了全球各国如何通过立法、政策制定和监管来应对人工智能（AI）技术的快速发展和普及，以及这些政策如何影响AI的创新和应用。 主要要点 美国的AI相关法规数量急剧增加 ：过去一年及过去五年中，美国的AI相关法规数量显著增加。2023年，AI相关法规总数达到25条，相较于2016年的仅1条大幅增长。仅去年一年，AI相关法规的总数就增长了56.3%。 美国和欧盟推进重大AI政策行动 ：2023年，美国和欧洲联盟两岸的决策者提出了推动AI法规的重大提议。欧盟达成了AI法案的条款协议，这是2024年颁布的一项里程碑式立法。与此同时，美国总统签署了关于AI的行政命令，这是当年美国最重要的AI政策举措。 美国的政策制定者对AI关注度增加 ：2023年，美国联邦层面的AI相关立法提案数量显著增加，共有181项提案，是2022年88项的两倍多。 全球范围内政策制定者持续讨论AI ：全球范围内提到AI的立法程序从2022年的1,247次增加到2023年的2,175次。2023年，全球49个国家的立法程序中提及了AI。此外，2023年，来自每个大洲的至少一个国家在立法中讨论了AI，凸显了AI政策讨论的全球性。 更多监管机构开始关注AI ：在美国，发布AI法规的监管机构数量从2022年的17个增加到2023年的21个，显示出对AI法规的关注在更广泛的美国监管机构中增加。2023年首次制定AI相关法规的新机构包括交通部、能源部和职业安全卫生管理局。 第8章：多样性 概览 本章探讨了人工智能（AI）领域在性别、种族和地理多样性方面的现状和挑战，以及如何通过政策和教育措施提高这些领域的包容性。 主要要点 美国和加拿大的计算机科学（CS）学生种族多样性增加 ：尽管白人学生在新毕业的本科生、硕士生和博士生中仍然占多数，其他种族群体的代表性持续增加。例如，从2011年起，亚裔CS本科生的比例增加了19.8个百分点，西班牙裔本科生增加了5.2个百分点。 欧洲信息学、CS、CE和IT领域的性别差距显著 ：调查显示，每个欧洲国家在信息学、计算机科学、计算机工程和信息技术的本科、硕士和博士项目中，男性毕业生数量均多于女性。虽然大多数国家在过去十年中性别差距有所缩小，但缩小速度较慢。 美国K-12 CS教育种族和性别多样性增加 ：从2007年到2022年，参加AP CS考试的女性学生比例从16.8%增加到30.5%。同时，亚裔、西班牙裔/拉丁裔和黑人/非洲裔美国人学生的参与度也逐年增加。 第9章：公众意见 概览 本章探讨了全球范围内对人工智能（AI）的公众意见，包括人们对AI可能带来的影响的认识以及对AI产品和服务的态度变化。 主要要点 全球对AI潜在影响的认识增强——但伴随着紧张情绪 ：一项来自Ipsos的调查显示，在过去一年中，认为AI将在未来三到五年内显著影响其生活的人数比例从60%增加到66%。此外，52%的人对AI产品和服务表示紧张，较2022年增加了13个百分点。在美国，Pew的数据表明，52%的美国人表示对AI感到比较担忧而不是兴奋，较2022年的38%上升。 西方国家对AI的态度持续低迷，但正在慢慢改善 ：在2022年，德国、荷兰、澳大利亚、比利时、加拿大和美国等发达西方国家对AI产品和服务的看法最不积极。自那以后，这些国家中每个国家对AI的认可度都有所上升，其中荷兰的变化最为显著。 公众对AI的经济影响持悲观态度 ：在Ipsos的调查中，只有37%的受访者认为AI会改善他们的工作，只有34%的人预计AI会促进经济增长，32%的人认为AI会改善就业市场。 对AI优化生活的看法存在显著的人口统计差异 ：不同人口统计组别对AI改善生活潜力的看法存在显著差异，年轻一代通常更乐观。例如，59%的Z世代受访者认为AI将改善娱乐选项，而只有40%的婴儿潮一代持相同看法。此外，收入和教育水平较高的个体对AI在娱乐、健康和经济上的积极影响持更乐观态度。 ChatGPT知名度高，使用广泛 ：来自多伦多大学的国际调查显示，63%的受访者知道ChatGPT，其中约一半的人表示至少每周使用ChatGPT一次。 EAD THE 2024 REPORT 阅读 2024 年报告 报告下载 13 张图表展示人工智能现状 1. 基础模型的快速增长

过去一年，各组织共发布了 149 个基础模型，是 2022 年发布数量的两倍多。在这些新发布的模型中，有 65.7% 是开源模型（即任何人都可以自由使用和修改），而 2022 年和 2021 年分别只有 44.4% 和 33.3%。 2. 性能对比

闭源模型的性能仍然优于开源模型。在 10 个选定的基准测试中，封闭模型的性能优势中位数为 24.2%，在 GSM8K 等数学任务中的差异最小为 4.0%，在 AgentBench 等代理任务中的差异最大为 317.7%。

3. 行业领导

在基础模型的开发和发布方面，工业界占据主导地位。谷歌在2023年发布了最多的模型，累计发布了40个基础模型，其次是OpenAI的20个。

过去一年，谷歌在发布最多模型方面超越了其他行业参与者，包括 Gemini 和 RT-2。事实上，自 2019 年以来，谷歌一直是发布基础模型最多的公司，共发布了 40 个基础模型，其次是 OpenAI，发布了 20 个基础模型。学术界落后于工业界：过去一年，加州大学伯克利分校发布了 3 个模型，斯坦福大学发布了 2 个。

4. 模型训练成本的上升

学术界和政府在人工智能竞赛中被淘汰的原因之一是：训练这些巨型模型的成本呈指数级增长。谷歌的 "双子星超"（Gemini Ultra）估计花费了价值 1.91 亿美元的计算资源进行训练，而 OpenAI 的 GPT-4 估计花费了 7800 万美元。相比之下，2017 年，最初的 Transformer 模型（该模型引入了几乎所有现代LLM 的基础架构）的成本约为 900 美元。

5. 美国在AI发展中的领导地位

美国在2023年大大超过了其他国家，在2023年共开发了61个模型。自2019年以来，美国在大多数著名模型的起源方面一直处于领先地位，其次是中国和英国。

6. AI基准测试的人类水平性能

截至 2023 年，人工智能已在许多重要的人工智能基准测试中达到人类水平，从测试阅读理解能力到视觉推理。不过，在一些基准上，比如竞赛级数学，它的表现还差强人意。由于人工智能已经超越了许多标准基准，人工智能学者们不得不创造出新的、难度更大的挑战。今年的指数也追踪了其中几项新的基准，包括编码、高级推理和代理行为方面的任务。中达到或接近人类水平的表现，尤其是在阅读理解和视觉推理方面。

7. 私人投资的趋势变化

虽然人工智能私人投资自 2021 年以来持续下降，但生成式人工智能的发展势头却越来越猛。2023 年，该领域吸引了 252 亿美元的投资，是 2022 年的近 9 倍，是 2019 年的约 30 倍（称之为 ChatGPT 效应）。2023 年，生成式人工智能占所有人工智能相关私人投资的四分之一以上。

8. AI 投资竞赛

美国在 2023 年的人工智能私人投资中占据主导地位。2023 年，美国的投资额为 672 亿美元，是排名第二的中国的 8.7 倍，是英国的 17.8 倍。放大后，这一阵容看起来是一样的：自2013年以来，美国的累计投资额为3,352亿美元，居首位；其次是中国，投资额为1,037亿美元；再次是英国，投资额为223亿美元。

9. 企业的AI采纳率

越来越多的公司正在其业务的某些部分实施人工智能：在调查中，55% 的企业表示在 2023 年使用人工智能，高于 2022 年的 50%和 2017 年的 20%。企业报告称，他们正在使用人工智能来实现联络中心自动化、内容个性化以及获取新客户。

10. 监管机构的响应

越来越多的美国监管机构正在通过法规来保护公民并管理人工智能工具和数据的使用。例如，版权局和国会图书馆通过了有关包含人工智能生成材料的作品的版权登记指南，而证券交易委员会则制定了网络安全风险管理战略、治理和事件披露计划。通过法规最多的机构是总统行政办公室和商务部。 11. 人工智能对工作的影响， 更年轻、更富有的人担心就业问题

在全球范围内，大多数人预计人工智能将改变他们的工作，超过三分之一的人预计人工智能将取代他们的工作。与 X 代和婴儿潮一代等老一代人相比，Z 代和千禧一代等年轻一代人预计人工智能将带来更多实质性影响。具体来说，66% 的 Z 世代受访者认为人工智能将严重影响他们目前的工作，而在婴儿潮一代受访者中，这一比例仅为 46%。同时，收入更高、受教育更多和担任决策职务的人预计人工智能将对他们的就业产生巨大影响。