在人工智能領域，由斯坦福大學發起的人工智能指數（AI Index）是一個追蹤 AI 動態和進展的非營利性項目，旨在全面研究 AI 行業狀況，旨在促進基于數據的 AI 廣泛交流和有效對話。

剛剛，AI Index 正式發布了 2022 年度報告。

報告下載地址：https://aiindex.stanford.edu/report/

2022 年度發布的報告要點可總結為以下八點：

1. AI 領域私人投資猛增，投資集中度加劇。

2021 年 AI 領域的私人投資總額約為 935 億美元，是 2020 年私人投資總額的兩倍多，但新投資的 AI 公司數量卻在繼續下降，從 2019 年的 1051 家和 2020 年的 762 家公司減少到 2021 年的 746 家。2020 年有 4 輪 5 億美元以上的融資，2021 年有 15 個。

2. 美國和中國主導了 AI 跨國合作。

盡管地緣政治緊張局勢加劇，但從 2010 年至 2021 年，美中兩國在 AI 出版物方面的跨國合作數量最多，自 2010 年以來增加了五倍。美中之間合作產生的出版物數量是英中之間合作數量（第二高）的 2.7 倍。

3. 語言模型比以往任何時候都更有能力，但也更有偏見。

大型語言模型在技術基準上創造了新的記錄，但新數據表明，更大的模型也更易于從訓練數據中反映出偏見。與 2018 年被認為是 SOTA 的 1.17 億參數模型相比，2021 年開發的 2800 億參數模型產生的「毒性」增加了 29%。隨著時間的推移，這些系統的能力顯著增強，既有性能增加也暴露出潛在愈加嚴重的偏見。

4. AI 倫理的興起無處不在。

自 2014 年以來，關于 AI 公平性和透明度的研究呈爆炸式增長，在倫理相關會議上的相關出版物增加了五倍。算法公平和偏見已經從主要的學術追求轉變為具有廣泛影響的主流研究課題。近年來，具有行業關系的研究人員在以倫理為中心的會議上發表的論文同比增加了 71%。

5. AI 變得更負擔得起，性能更高。

自 2018 年以來，訓練圖像分類系統的成本降低了 63.6%，而訓練時間提升了 94.4%。在其他 MLPerf 任務類別（如推薦、對象檢測和語言處理）中出現了訓練成本更低但訓練時間更快的趨勢，有利于 AI 技術更廣泛的商業應用。

6. 數據，數據，還是數據。

跨技術基準測試的頂級結果越來越依賴于使用額外訓練數據來實現新的 SOTA 結果。截止 2021 年，本報告中 10 個基準測試中有 9 個 SOTA AI 系統接受了額外數據的訓練。這種趨勢隱式地有利于私人機構參與者訪問大量數據集。

7. 關于 AI 的全球性立法比以往任何時候都多。

AI Index 對 25 個國家的 AI 立法記錄的分析顯示，被通過成為法令的包含 AI 的法案數量從 2016 年的 1 項增長到 2021 年的 18 項。2021 年，西班牙、英國和美國通過與 AI 相關的法案數量最多，平均通過了三項法案。

8. 機械臂越來越便宜

AI Index 調查顯示，在過去六年中，機械臂手臂的價格中位數下降了 4 倍，從 2016 年的每只手臂 50000 美元降至 2021 年的 12845 美元。機器人研究變得更易于獲得和負擔得起。

從結構上來看，2022 AI Index 報告共分為五章，具體如下：

• 第一章：研究與開發（Research and Development）
• 第二章：技術性能（Technical Performance）
• 第三章：技術 AI 倫理（Technical AI Ethics）
• 第四章：經濟與教育（Economy and Education）
• 第五章：AI 政策與管理（AI Policy and Governance）
• 附錄

以下是對報告前兩章內容的簡要解讀。

研究與開發

研發是推動人工智能快速發展不可或缺的力量。每年，廣泛的學術、行業、政府和民間社會專家和組織通過大量論文、期刊文章和其他與人工智能相關的出版物、人工智能會議或圖像識別等特定子主題的會議，為人工智能研發做出貢獻。

本報告第一章利用多個數據集分析 2021 年人工智能研發領域的主要趨勢。本章首先著眼于人工智能出版物，包括會議論文、期刊文章、專利和知識庫。然后，報告分析了 AI 會議出席情況。最后，報告檢查了研發過程中使用的 AI 開源軟件庫。

AI 出版物總體概覽

圖 1.1.1 為全球 AI 出版物數量。從 2010 年到 2021 年，AI 出版物的總數量翻了一番，從 2010 年的 162444 篇增加到 2021 年的 334497 篇。

按專業劃分：自 2015 年以來，模式識別和機器學習領域的出版物增長了一倍多。而受深度學習影響較大的其他領域，如計算機視覺、數據挖掘和自然語言處理方面，則增幅較小。

跨國合作：從 2010 年到 2021 年，中美在 AI 出版物方面的跨國合作數量最多，自 2010 年以來增加了五倍。兩國之間合作產生的出版物數量是中英合作產生出版物數量的 2.7 倍（排名第二）。

AI 期刊出版物

在從 2010 年到 2015 年僅略有增長之后，AI 期刊出版物的數量自 2015 年以來增長了近 2.5 倍（圖 1.1.7）。 

圖 1.1.10 按三大 AI 強國劃分了過去 12 年 AI 期刊出版物的份額。中國始終保持領先地位，2021 年為 31.0%，其次是歐盟和英國為 19.1%，美國為 13.7%。

引用次數：在 AI 期刊論文的引用次數上，中國的份額逐漸增加，而歐盟以及英國和美國的份額則在下降。這三個地理區域的總引用量占全球總引用量的 66% 以上。

AI 會議出版物

AI 會議出版物數量在 2019 年達到峰值，比 2021 年的峰值下降了約 19.4%（圖 1.1.12）。然而，盡管總數有所下降，但自 2010 年以來，人工智能會議出版物在全球會議出版物總數中的份額增加了超過 5 個百分點（圖 1.1.13）。

按地域劃分：2021 年，中國以 27.6% 的比例在全球 AI 會議出版物中所占份額最大，比 2020 年的領先優勢更大，而歐盟和英國以 19.0% 緊隨其后，美國以 19.0% 位居第三 16.9%（圖 1.1.15）。

引用次數：盡管中國在 2021 年發表了最多的 AI 會議出版物，圖 1.1.16 顯示，美國在 AI 會議引用次數方面領先于其他大國，2021 年為 29.5%，其次是歐盟 + 英國 (23.3%) 和中國(15.3%)。

AI 專利

圖 1.1.22 為 2010 年到 2021 年 AI 專利申請數量。2021 年 AI 專利申請量是 2015 年的 30 倍以上，復合年增長率為 76.9%。

按地理區域：中國現在申請了全球一半以上的人工智能專利，并獲得了約 6% 的授權，與歐盟和英國大致相同。美國在北美申請了幾乎所有專利。圖 1.1.24c 顯示，與不斷增長的人工智能專利申請和授權數量相比，中國的專利申請數量（2021 年為 87,343 件）遠高于授權數量（2021 年為 1,407 件）。

AI 開源軟件庫

圖 1.3.1 和 1.3.2 反映了 2015 年至 2021 年 GitHub 開源 AI 軟件庫的用戶數量。TensorFlow 仍然是 2021 年迄今為止最受歡迎的，GitHub 累計 star 量約為 161,000 ，比 2020 年略有增加。TensorFlow 在 2021 年，它的受歡迎程度大約是排名第二的 GitHub 開源 AI 軟件庫 OpenCV 的三倍，緊隨其后的是 Keras、PyTorch 和 Scikit-learn。圖 1.3.2 顯示了 GitHub star 量少于 40,000 的庫的受歡迎程度—— FaceSwap 位居榜首，其次是 100-Days-Of-ML-Code、AiLearning 和 BVLC/caffe。

技術性能

今年，在技術性能一章對人工智能各個子領域的技術進步進行了比以往更多的分析，包括計算機視覺、語言、語音、推薦、強化學習、硬件和機器人技術的趨勢。

計算機視覺：圖像

截至 2021 年底，頂級圖像分類系統 Top-1 準確率上平均每 10 次分類出現 1 個錯誤，而在 2012 年底，平均每 10 次分類出現 4 個錯誤。

圖 2.1.5 記錄了生成模型在 STL-10 數據集上取得的性能。由首爾大學等機構的研究人員開發的最先進的 STL-10 模型的 FID 得分為 7.7，明顯優于 2020 年 SOTA 結果。

人臉檢測：從 FRVT face-mask 測試中可以得出三個重要趨勢：（1）面部識別系統在 masked 上的表現仍然相對較好；(2) masked 的表現比 non-masked 差；(3) 2019 年以來差距縮小。盡管人臉識別技術已經存在了幾十年，但最近幾年的技術進步是顯著的。當今一些表現最好的面部識別算法在具有挑戰性的數據集上的成功率接近 100%。

?

計算機視覺：視頻

MTV 是 Google Research、密歇根州立大學和布朗大學的合作項目，于 2022 年 1 月發布，在 600 系列上實現了 89.6% 的 Top-1 準確率，在 400 系列上實現了 89.1% 的準確率，在 700 系列上實現了 82.20% 的準確率 （圖 2.2.2）。

對 2022 AI Index 更多細節內容感興趣的讀者，請閱讀原報告。