整理 | 于轩
出品 | 程序人生 （ID：coder _life）
从2017年开始，斯坦福大学的以人为本人工智能研究所(HAI)每年都会发布AI指数报告，试图全面追踪AI领域的最新发展动态和趋势。
上周，斯坦福大学发布了2022年的AI指数报告，报告长达190多页，涵盖了研发、技术绩效、伦理、政策、教育和经济等方面，旨在成为世界上最可信、最权威的AI数据和洞察来源。
为了方便大家更直观地了解行业发展状态，IEEE Spectrum阅读了报告全文，并选出了最具代表性的12张图表。下面一起来看看这份总结报告吧：
私人投资额飙升
全球企业对人工智能的投资（按投资活动分类）
涌入人工智能领域的投资资金大幅上升，从2020年的1195亿美元增长到了2021年的1764亿美元。其中最瞩目的增长来自全球私人投资，它从2020年的460亿美元飙升至2021年的935亿美元。这一增长来自于大规模融资的增加：2020年超过5亿美元的融资有4轮，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，新获资助的初创公司数量一直在下降。所以，现在是一个加入人工智能初创公司的好时机，但也许不是创业的好时机。
中美合作出版物数量最多
跨国合作的人工智能出版物
从2010年到2021年，中美在AI出版物方面的合作数量增长了5倍，居全球榜首。斯坦福大学HAI的政策研究员、2022 AI指数报告的主编Daniel Zhang说：“过去10年，两国合作一直呈上升趋势。”在跨国合作的出版物方面，中美两国的产出数量是第二名中英两国数量的两倍多。
中国在专利申请数量上居世界首位
按申请状态和地理区域划分的人工智能专利
报告指出，中国在2021年的AI专利申请量占全球总数的52%，专利申请数量居世界首位。美国在授权专利数量上占全球总数的40%，排名世界第一。Daniel Zhang表示，获得专利授权“证明你的专利实际上是可信并且有用的”，这种情况有点类似于出版物和引用的情况。虽然中国发表了最多的AI会议出版物，但美国的AI会议出版物引用次数最多，这表明美国研究人员的知名论文仍然具有巨大的影响力。
计算机视觉推理的停滞期
视觉常识推理（VCR）任务：Q→AR 得分
计算机视觉领域一直在快速发展，AI指数显示，计算机视觉系统非常擅长处理涉及静态图像的任务，例如对象分类和面部识别，在视频任务（例如活动分类）方面也越来越出色。
但是一个相对较新的基准显示了计算机视觉系统所能做的极限：它们擅长识别事物，但不太擅长对所看到的进行推理。视觉常识推理挑战于2018年推出，要求人工智能系统回答有关图像的问题，并解释它们的推理。例如，一张图片显示人们坐在餐厅的桌子旁，一个服务员端着盘子走过来，这个测试问为什么一个坐着的人指着桌子对面的人。该报告指出，近年来针对性能的改善越来越少，因此需要发明新技术来显著提高性能。
NLP逻辑推理领域需进一步探索
需要逻辑推理的阅读理解数据集（RECLOR）：准确性
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，但它的地位与计算机视觉有些相似。在文本摘要和基本阅读理解等任务的基准测试中，人工智能系统的表现经常超过人类，但在要求NLP系统对它们所读内容进行推理时，它们就遇到了麻烦。
这张图表显示了法学院入学考试（LSAT）中的逻辑推理题在基准测试中的表现。虽然NLP系统在一组较简单的问题上表现良好，但表现最佳的模型在一组较难问题上的准确率仅为69%。当研究人员要求NLP系统从不完整信息进行推理时，也得到了类似的结果，说明逻辑推理仍然是人工智能的一个前沿领域。
参与到AI伦理学研究的机构越来越多
按隶属关系分类的FAccT会议投稿被接受的数量
报告带来了一个好消息：从ACM公平、问责和透明度会议（FAccT）以及NeurIPS伦理学相关研讨会等会议的参与情况来看，现在人们对人工智能伦理学有很大的兴趣。
报告指出，FAccT是最早关注算法社会技术分析的主要会议之一，这张图表显示越来越多的行业参与到FAccT中，Daniel Zhang认为这是进一步的好消息。他说：“这个领域一直由学术研究人员主导，但现在我们看到更多的私营部门参与进来。”Daniel Zhang表示，很难猜测这种参与对人工智能系统在行业内的设计和部署意味着什么，但这是一个积极的信号。
AI生成“有毒”语言问题依旧棘手
Perplexity：少数民族群体英语“解毒”后的语言模型表现
大型语言模型是人工智能中一个重要的伦理问题，比如OpenAI的GPT-3。它有一个非常棘手的问题，就是把从训练数据（互联网）中学到的所有消极语言和有害偏见，都集中在生成的文本中。
多个研究小组(包括OpenAI本身)正致力于解决这一“有毒”的语言问题，并制定了衡量偏见的新基准和“解毒”方案。但在上图中，显示了通过三种不同“解毒”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名为Perplexity指标上的性能（得分越低越好），对涉及非裔美国人的英语和提到少数群体的文本，其表现影响最差。正如专家们喜欢说的那样，这还需要更多的研究。
CS领域迎来大量毕业生
北美博士生机构新毕业的CS本科生人数
人工智能领域的人才越来越多。计算研究协会的年度调查收集了北美200多所大学的数据，其最新数据显示，2020年，超过31,000名本科生完成了计算机科学学位，比2019年增加了11.6%。
女性AI从业者人数增加缓慢
北美地区新增女性AI和CS博士（占新增总数的百分比）
同一项调查研究了人工智能领域的新博士，结果让人十分沮丧。在过去的十年里，北美女性AI和CS博士的比例只增加了几个百分点。这一点在去年的报告里也提过，但我们应该一直谈论它，直到事情发生变化。
AI需要所有种族背景的人才
美国居民中新的计算机博士，按种族/族裔划分的（总数占比）
上表按照种族/族裔划分，统计了美国居民中新增计算机博士的比例。数据显示，新增人数中有57.5%的白人，亚洲人占24.8%。除此之外，不乏部分来自未知种族、西班牙裔、非洲裔、土著背景的计算机博士。这也说明，AI领域需要在多样性工作上做得更好，AI需要各种种族背景的人才。
AI相关的立法法案增多
25个选定国家中，AI相关法案通过为法律的数量
2021年，与人工智能相关的法案比以往任何时候都多，数量增加到了18项。AI指数报告对25个国家的立法记录进行了分析，发现西班牙、英国和美国处于领先地位，去年分别通过了三项法案。但报告中没有明确说明，这些法案主要是通过公共资金促进人工智能，还是制定法规来管理人工智能可能带来的风险。对此，Daniel Zhang表示，HAI将在来年发布一个更详细的全球立法分析。
AI未来将会关注气候变化
按主题列出的AI相关政策文件数量（总部设在美国的组织）
人工智能指数跟踪了美国55个发表人工智能相关论文的公共政策团体，并统计了这些团体去年关注的主题。从上图可以看出，AI对隐私安全、创新技术、伦理、行业法规等方面关注度最高，但对环境和气候变化方面却很少关注。
IEEE Spectrum就这张图表，提出了人工智能越来越大的能源足迹(训练大模型需要大量的计算时间)对气候变化的潜在影响，并就此问了Daniel Zhang：AI指数是否会在明年的报告中讨论这些问题。Daniel Zhang表示，自己和团队正在与各种组织讨论如何衡量以及收集计算效率和气候影响的数据。所以，请继续关注。
更多细节，详见报告原文：https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf
