关于程序员:AI-2022浪潮奔涌百舸争流

47次阅读

共计 2843 个字符，预计需要花费 8 分钟才能阅读完成。

编者按：2022 年已靠近序幕，但技术的倒退永不闭幕。许多人说，2022 是生成式 AI 的一年。这一年里，咱们见证了 Stable Diffusion 和 DALL-E2 等 AI 图像编辑 / 绘画工具的暴发，也目击了 ChatGPT 狂热席卷寰球。
但 AI 技术和产业的倒退，远不仅仅是聚光灯下的生成式 AI / AIGC 能够全权代表的。
咱们为大家精选了三篇绝对全面主观的深度回顾文章及报告（附报告全文下载），总结波澜翻涌的 2022，蓄力整装待发的 2023！

编辑 | 小白

编译 | 岳扬

Forbes 每年都会对人工智能畛域的发展趋势做一个预测。2021 年 12 月，Forbes 公布了一份对于 2022 年人工智能畛域的 10 个预测清单。
一年过来了，是该预测最终答案揭晓的时刻了。
Forbes 在 2021 年底对 2022 年的 10 大瞻望预测包含：

语言人工智能将占据首要地位，在 NLP 畛域取得融资的初创公司比任何其余类别的人工智能都多
Databricks、DataRobot 和 Scale AI 都将上市
至多三家气象 AI 初创企业无望成为独角兽
将呈现弱小的视频人工智能工具
将呈现一个领有超过 10 万亿个参数的 NLP 模型
中美人工智能畛域的单干和投资将简直进行
多个大型云 / 数据平台将发表新的合成数据打算
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核心
“负责任的人工智能”将开始从一个含糊的、无所不包的术语转变为一套可操作的企业实际
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事实了呢？

小编基于 Forbes 的回顾，整顿了各项瞻望的“事实答案 ” 及其起因，请查收！

https://s.caixuan.cc/LPOGquIq

斯坦福大学近期公布了 2022 年 AI 指数报告（Artificial Intelligence Index Report 2022）。该包含跟踪、提炼、总结并可视化了 AI 相干的重要数据，以便为寰球的 AI 相干政策制定者、钻研人员、高管等提供主观、公正、权威的数据参考。报告内容笼罩研究进展、技术体现、AI 伦理、政策、AI 教育等方面，外围亮点总结如下：

人工智能畛域的私人投资飙升，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。而新取得融资的人工智能公司数量持续降落，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。
语言模型比以往能力更强，但也更容易产生偏见：大语言模型发明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，其偏差减少了 29%。随着工夫的推移，这些零碎的能力明显增强，但随着它们能力的加强，其偏见的重大水平也在减少。
对人工智能伦理的钻研正在衰亡：自 2014 年以来，对于人工智能的公平性和透明度的钻研呈爆炸式增长，在与伦理学无关的会议上发表的相干文章减少了五倍。算法的公平性和偏见曾经从单纯的学术谋求转变成为一个具备宽泛影响的支流研究课题。近年来，有相干行业背景的钻研人员在以伦理学为重点的会议上发表的论文同比增加 71%。
人工智能变得老本更低，性能更高：自 2018 年以来，训练一个图像分类零碎的老本降落了 63.6%，而训练效率进步了 94.4%。其余工作也呈现训练老本升高、但训练工夫放慢的趋势，如举荐零碎，物体检测和语言解决，并有利于更宽泛的人工智能商业利用。
Data, data, data：各项技术基准的模型技术后果越来越依赖于应用额定的训练数据来获取最先进的后果。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 零碎通过了更多的训练。这一趋势有利于可能取得大量数据集的私企。
寰球对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，蕴含“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干法案数量最多，各通过了 3 项。
机械臂变得越来越便宜：一项人工智能指数考察显示，在过来五年中，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 万美元降落到 2021 年的 2.26 万美元。对于机器人的钻研变得更容易取得，且负担得起。
获取报告全文：
https://s.caixuan.cc/LJ5Ew4O0

麦肯锡的报告则从 AI 在企业中利用的角度，回顾了 2017-2022 年，AI 在企业中的利用渗透率、AI 对业务的影响和企业在 AI 畛域的投入规模等系列变动。
这篇报告单后果基于对寰球~1,500 名参与者的调研，外围后果总结如下：

相较于 2017 年，人工智能的采用率减少了一倍多。与此同时，机构应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 年的均匀 1.9 个减少到 2022 年的均匀 3.8 个。
对人工智能的投资也在减少。例如，五年前，在应用人工智能的组织中，40% 的受访者示意，超过 5% 的数字化估算用于人工智能，而当初，超过一半的受访者示意投资程度曾经很高了。展望未来，63% 的受访者示意，投资将在将来三年内继续减少。
人工智能价值施展的具体畛域曾经产生了变动。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畛域。现在，受访者认为人工智能利用影响最大的是市场营销和销售、产品和服务开发、策略和企业财务，受访者示意人工智能在供应链治理方面的老本效益最高。
尽管人工智能的应用有所增加，但从 2019 年麦肯锡首次获取这些数据到当初，任何与人工智能利用危险防备相干的投入并没有大幅减少。
人工智能畛域领导者正在扩充竞争劣势，差距越来越大。高绩效企业比其余企业更有可能遵循某些高级扩大实际，例如应用标准化工具集创立可生产的数据管道，并应用端到端平台进行与人工智能相干的数据迷信、数据工程和外部的利用程序开发。人工智能高绩效企业的受访者示意，他们企业将至多 20% 的数字技术估算用于人工智能相干技术的可能性是同行的近八倍。这些数字估算占其企业收入的比例比其余企业要大得多：人工智能高绩效企业的受访者报告其企业将超过 20% 的企业支出用于数字技术的可能性是其余受访者的五倍以上。
人工智能数据科学家依然特地稀缺，在麦肯锡调研中，认为科技人才短缺依然没有失去缓解。培训和技能晋升是招聘的常见代替计划，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外部的多样性程度都有很大的改良空间，这些团队中女性员工的均匀比例仅为 27%，多数种族或族裔的均匀比例来仅为 25%。
获取报告全文：
https://s.caixuan.cc/LQQh1llR

正文完