AI 2022：浪潮奔涌，百舸争流

编者按：2022 年已接近尾声，但技术的发展永不落幕。许多人说，2022 是生成式 AI 的一年。这一年里，我们见证了 Stable Diffusion 和 DALL-E2 等 AI 图像编辑/绘画工具的爆发，也目睹了 ChatGPT 狂热席卷全球。

但 AI 技术和产业的发展，远不仅仅是聚光灯下的生成式 AI / AIGC 可以全权代表的。

我们为大家精选了三篇相对全面客观的深度回顾文章及报告（附报告全文下载），总结波涛翻涌的 2022，蓄力整装待发的 2023！

编辑 | 小白 

编译 | 岳扬 

Forbes 对 2022 年 AI 领域的预测，哪些真正实现了？

Forbes 每年都会对人工智能领域的发展趋势做一个预测。2021 年 12 月，Forbes 发布了一份关于 2022 年人工智能领域的 10 个预测清单。

一年过去了，是该预测最终答案揭晓的时刻了。

Forbes 在 2021 年底对 2022 年的 10 大展望预测包括：

1. 语言人工智能将占据首要位置，在 NLP 领域获得融资的初创公司比任何其他类别的人工智能都多

2. Databricks、DataRobot 和 Scale AI 都将上市

3. 至少三家气候 AI 初创企业有望成为独角兽

4. 将出现强大的视频人工智能工具

5. 将出现一个拥有超过 10 万亿个参数的 NLP 模型

6. 中美人工智能领域的合作和投资将几乎停止

7. 多个大型云/数据平台将宣布新的合成数据计划

8. 多伦多将成为硅谷和中国之外的世界上最重要的人工智能中心

9. “负责任的人工智能”将开始从一个模糊的、包罗万象的术语转变为一套可操作的企业实践

10. 强化学习将成为一种越来越重要和有影响力的人工智能范式

以上哪些预测真正照进现实了呢？

小编基于 Forbes 的回顾，整理了各项展望的“现实答案"及其原因，请查收！

https://s.caixuan.cc/LPOGquIq

斯坦福大学 2022 年 AI 指数报告

斯坦福大学近期发布了 2022 年 AI 指数报告（Artificial Intelligence Index Report 2022）。该包括跟踪、提炼、总结并可视化了 AI 相关的重要数据，以便为全球的 AI 相关政策制定者、研究人员、高管等提供客观、公正、权威的数据参考。报告内容覆盖研究进展、技术表现、AI 伦理、政策、AI 教育等方面，核心亮点总结如下：

1. 人工智能领域的私人投资飙升，投资集中度加剧：2021 年，人工智能的私人投资总额约为 935 亿美元，是 2020 年私人投资总额的两倍多。而新获得融资的人工智能公司数量继续下降，从 2019 年的 1051 家公司和 2020 年的 762 家公司降至 2021 年的 746 家公司。2020 年，有 4 轮价值 5 亿美元以上的融资，2021 年，有 15 轮。

2. 语言模型比以往能力更强，但也更容易产生偏见：大语言模型创造了技术基准的新记录。但新数据显示，大模型也更容易从训练数据中产生偏差。2021 年开发的一个 2800 亿参数的模型与 2018 年被认为是最先进的 1.17 亿参数的模型相比，其偏差增加了 29%。随着时间的推移，这些系统的能力明显增强，但随着它们能力的增强，其偏见的严重程度也在增加。

3. 对人工智能伦理的研究正在兴起：自 2014 年以来，关于人工智能的公平性和透明度的研究呈爆炸式增长，在与伦理学有关的会议上发表的相关文章增加了五倍。算法的公平性和偏见已经从单纯的学术追求转变成为一个具有广泛影响的主流研究课题。近年来，有相关行业背景的研究人员在以伦理学为重点的会议上发表的论文同比增加 71%。

4. 人工智能变得成本更低，性能更高：自 2018 年以来，训练一个图像分类系统的成本下降了 63.6%，而训练效率提高了 94.4%。其他任务也出现训练成本降低、但训练时间加快的趋势，如推荐系统，物体检测和语言处理，并有利于更广泛的人工智能商业应用。

5. Data, data, data：各项技术基准的模型技术结果越来越依赖于使用额外的训练数据来获取最先进的结果。截至 2021 年，斯坦福大学 AI 指标报告中的 10 个基准测试中有 9 个最先进的 AI 系统经过了更多的训练。这一趋势有利于能够获得大量数据集的私企。

6. 全球关于人工智能的立法越来越多：对 25 个国家人工智能立法记录的指数分析表明，包含 “人工智能”的提议被通过成为法律条文的数量从 2016 年的仅 1 个增长到 2021 年的 18 个。西班牙、英国和美国在 2021 年通过的人工智能相关法案数量最多，各通过了 3 项。

8. 机械臂变得越来越便宜：一项人工智能指数调查显示，在过去五年中，机器人手臂的中位数价格下降了 46.2%——从 2017 年的每只手臂 4.2 万美元下降到 2021 年的 2.26 万美元。关于机器人的研究变得更容易获得，且负担得起。

获取报告全文：

https://s.caixuan.cc/LJ5Ew4O0

麦肯锡-AI 2022 及过去 5 年发展回顾

麦肯锡的报告则从 AI 在企业中应用的角度，回顾了 2017-2022 年，AI 在企业中的应用渗透率、AI 对业务的影响和企业在 AI 领域的投入规模等系列变化。

这篇报告单结果基于对全球~1,500 名参与者的调研，核心结果总结如下：

1. 相较于 2017 年，人工智能的采用率增加了一倍多。与此同时，机构使用的自然语言生成和计算机视觉等人工智能技术，也翻了一番，从 2018 年的平均 1.9 个增加到 2022 年的平均 3.8 个。

2. 对人工智能的投资也在增加。例如，五年前，在使用人工智能的组织中，40%的受访者表示，超过 5%的数字化预算用于人工智能，而现在，超过一半的受访者表示投资水平已经很高了。展望未来，63%的受访者表示，投资将在未来三年内持续增加。

3. 人工智能价值发挥的具体领域已经发生了变化。2018 年，制造业和封控被受访者认为是人工智能发挥作用最大的两个领域。如今，受访者认为人工智能应用影响最大的是市场营销和销售、产品和服务开发、战略和企业财务，受访者表示人工智能在供应链管理方面的成本效益最高。

4. 虽然人工智能的使用有所增加，但从 2019 年麦肯锡首次获取这些数据到现在，任何与人工智能应用风险防范相关的投入并没有大幅增加。

5. 人工智能领域领导者正在扩大竞争优势，差距越来越大。高绩效企业比其他企业更有可能遵循某些高级扩展实践，例如使用标准化工具集创建可生产的数据管道，并使用端到端平台进行与人工智能相关的数据科学、数据工程和内部的应用程序开发。人工智能高绩效企业的受访者表示，他们企业将至少 20%的数字技术预算用于人工智能相关技术的可能性是同行的近八倍。这些数字预算占其企业支出的比例比其他企业要大得多：人工智能高绩效企业的受访者报告其企业将超过 20%的企业收入用于数字技术的可能性是其他受访者的五倍以上。

6. 人工智能数据科学家仍然特别稀缺，在麦肯锡调研中，认为科技人才短缺仍然没有得到缓解。培训和技能提升是招聘的常见替代方案，在寻找人工智能人才方面，所有受访者中最受欢迎的策略是对现有员工进行培训。麦肯锡还发现以人工智能为重点的团队内部的多样性水平都有很大的改进空间，这些团队中女性员工的平均比例仅为 27%，少数种族或族裔的平均比例来仅为 25%。

获取报告全文：

https://s.caixuan.cc/LQQh1llR