斯坦福大學以人類為中心的人工智能研究所（HAI）發布了2023年人工智能指數，該指數分析了人工智能的影響和進展。這份數據驅動的報告深入探討了人工智能相關的熱門主題，如研究、倫理、政策、輿論和經濟學。

這項研究的主要發現包括人工智能研究如何擴展到模式識別、機器學習和計算機視覺等專業領域。報告指出，自2010年以來，人工智能出版物的數量增加了一倍多。同時，人工智能行業應用超越學術界，并引用了32個由行業生產的重要機器學習模型，而學術界僅生產了3個。研究將此歸因于訓練這些大型模型所需的大量資源。

傳統的人工智能基準，如圖像分類基準ImageNet和閱讀理解測試SQuAD，不再足以衡量技術的高速進展，導致出現了新的基準，如BIG bench和HELM。HAI副主任兼人工智能指數指導委員會成員Vanessa Parli在斯坦福大學的一篇文章中解釋說，許多人工智能基準已經達到飽和點，幾乎沒有改進，研究人員必須根據社會希望如何與人工智能互動來開發新的基準。她給出了ChatGPT的例子，以及它如何通過許多基準測試，但仍然經常給出錯誤的信息。

偏見和錯誤信息等道德問題是該報告審查的人工智能的另一個方面。隨著流行的生成人工智能模型的興起，如DALL-E 2、Stable Diffusion，當然還有ChatGPT，對人工智能的道德濫用正在增加。報告指出，根據存儲人工智能濫用的獨立數據庫AIAAIC，自2012年以來，人工智能事件和爭議的數量增加了26倍。此外，對人工智能倫理的關注正在迅速增長，因為研究發現，自2021以來，提交給FAccT人工智能倫理會議的提交數量翻了一番多，而自2018年以來，提交數量增加了10倍。

大型語言模型的規模越來越大，費用也成為天價。該報告以2022年發布的谷歌PaLM模型為例，指出該模型的成本比2019年的OpenAI GPT-2高160倍，規模大360倍。總體而言，模型越大，培訓成本就越高。該研究估計，Deepmind的Chinchilla模型和HuggingFace的BLOOM的訓練成本分別為210萬美元和230萬美元。

在全球范圍內，目前AI的私人投資與2021-2022年相比下降了26.7%，初創公司的AI融資也有所放緩。然而，在過去十年中，人工智能投資大幅增加。報告顯示，與2013年相比，2022年人工智能的私人投資額增加了18倍。采用新人工智能舉措的公司數量也出現了平穩期。報告稱，2017年至2022年間，采用人工智能的公司比例翻了一番，但最近趨于平穩，約為50-60%。

另一個令人感興趣的話題是政府對人工智能的日益關注。人工智能指數分析了127個國家的立法記錄，發現2022年有37項包含“人工智能”的法案成為法律，而2016年只有一項。研究發現，自2017年以來，美國政府已將人工智能相關合同支出增加了2.5倍。法院也看到了人工智能相關法律案件的激增：2022年，有110起此類案件與民事、知識產權和合同法有關。

人工智能指數還深入研究了皮尤研究中心關于美國人對人工智能的看法的一項調查。在一項針對10000多名小組成員的調查中，45%的人表示對人工智能在日常生活中的使用感到喜憂參半，37%的人表示他們感到擔憂多于興奮。只有18%的人感到興奮而不是擔憂。在主要的猶豫中，74%的人表示非常或有點擔心人工智能被用來為人類做出重要決定，75%的人對人工智能被用于了解人們的想法和行為感到不安。