来源：内容由半导体行业观察（ID：icbank）编译自IEEE，谢谢。

每年，斯坦福大学以人为中心的人工智能研究所(HAI) 都会发布其 AI 指数，这是一份试图总结人工智能现状的大量数据和图表汇编。本周出炉的2022 AI 指数一如既往地令人印象深刻，共有 190 页，涵盖研发、技术绩效、伦理、政策、教育和经济。我阅读了报告的每一页，并挑选了 最具代表性的12 个图表。

值得注意的是，我从去年的 2021 年指数中报告的许多趋势仍然存在。例如，我们仍然生活在一个AI 的黄金时代，出版物不断增加，AI 就业市场仍然是全球性的，企业对 AI 风险的认识与减轻上述风险的尝试之间仍然存在令人不安的差距。我们不在这里重复这些要点。

下面，我们来开始今年的总结报道：

涌入人工智能的资金数额依然令人难以置信。最值得注意的部份来自全球私人投资，这个数字从 2020 年的 460 亿美元飙升至 2021 年的 935 亿美元。增长来自于大型融资轮次的增加；2020 年有四轮融资超过 5 亿美元，2021 年有 15 轮。报告还指出，所有这些资金都流向了更少的公司，因为自 2018 年以来新融资的初创公司数量一直在下降。这是一个伟大的时刻加入一家人工智能初创公司，但也许不是自己找到一家。

这些天来，关于中美之间的人工智能竞赛 的讨论颇多。“当你看到所有关于地缘政治紧张局势的新闻时，你会认为这两个国家之间的合作数量会减少，”斯坦福大学 HAI 的政策研究员兼今年 AI Index 的主编Daniel Zhang说。相反，他告诉IEEE Spectrum，“过去 10 年，中美合作一直呈上升趋势。” 在出版物的跨国合作方面，中国和美国的产出是中国和英国合作的两倍多。

自然语言处理 (NLP) 领域比计算机视觉晚了几年才开始蓬勃发展，但它与计算机视觉的位置有点相似（图 4）。文本摘要和基本阅读理解等任务的基准显示出令人印象深刻的结果，人工智能系统通常超过人类的表现。但是当 NLP 系统必须对他们所读到的内容进行推理时，他们就会遇到麻烦。

此图表显示了由 LSAT 考试中用作法学院入学考试的逻辑推理问题组成的基准测试的表现。虽然 NLP 系统在该基准的一组较简单的问题上表现良好，但在一组较难的问题上表现最佳的模型的准确率仅为 69%。研究人员从要求 NLP 系统从不完整信息中得出结论的基准测试中得到了类似的结果。推理仍然是人工智能的前沿。

AI 的一大伦理问题涉及大型语言模型，例如 OpenAI 的GPT-3，它有一个非常糟糕的习惯，即生成文本，其中充满了从其训练数据（互联网）中学到的每一种偏见和偏见。多个研究小组（包括 OpenAI 本身) 正在研究这个toxic-language 问题，用新的基准来衡量偏见和detoxification计划。但上图显示了通过三种不同的detox方法运行语言模型 GPT-2 的结果。所有这三种方法都损害了模型在一个称为 perplexity 的指标上的性能（分数越低越好），对涉及非裔美国人对齐的英语和提及少数群体的文本的性能影响最差。正如专家所说，需要更多的研究。

人工智能管道从未如此充实。计算研究协会的年度调查收集了来自北美 200 多所大学的数据，其最新数据显示，2020 年有超过 31,000 名本科生完成了计算机科学学位。这比 2019 年的数字增加了 11.6%。

同一项调查着眼于人工智能领域的新博士，结果令人沮丧。在过去十年中，女性新的 AI 和 CS 博士的百分比仅增加了几个百分点，至少在北美是这样。这一点实际上是去年对 2021 年报告的报道的重复，但每个人都应该继续谈论它，直到事情发生变化。

人工智能指数跟踪美国 55 个公共政策团体发表与人工智能相关的论文，这张图表显示了这些团体去年关注的主题。我用这张图表作为借口来提出人工智能越来越大的能源足迹（训练大型模型需要大量计算）以及它对气候变化的潜在影响的话题。政策小组似乎并不认为这些是 2021 年的重要话题。我还问张，AI Index 是否会在明年的报告中讨论这些问题，他说他的团队正在与各个组织讨论如何衡量和收集有关计算效率和气候影响的数据。所以请继续关注。

★ 点击文末【阅读原文】，可查看本篇原文链接！

*免责声明：本文由作者原创。文章内容系作者个人观点，半导体行业观察转载仅为了传达一种不同的观点，不代表半导体行业观察对该观点赞同或支持，如果有任何异议，欢迎联系半导体行业观察。

今天是《半导体行业观察》为您分享的第2983内容，欢迎关注。

★德国半导体的实力

★何为磷化铟，它有未来吗？

★芯片巨头的必争之地

晶圆｜集成电路｜设备｜汽车芯片｜存储｜台积电｜AI｜封装

原文链接！