2022年人工智能指數(shù)報告

人工智能指數(shù)2022年度報告2022年人工智能指數(shù)報告簡介歡迎來到第五期《人工智能指數(shù)報告》！我們在2022年的報告中引入了來自廣泛的學(xué)術(shù)、私人和非營利組織的數(shù)據(jù)。同時，相較于前四期版本，本期增加了更多基于自行收集的數(shù)據(jù)以及原創(chuàng)分析。2022年人工智能指數(shù)報告中擴(kuò)展了技術(shù)性能章節(jié)，同時引入了對世界各地機(jī)器人研究人員的調(diào)查、25個國家的全球人工智能立法記錄數(shù)據(jù)，以及深入分析技術(shù)性人工智能倫理指標(biāo)的新章節(jié)。人工智能指數(shù)報告跟蹤、整理、提煉和可視化與人工智能相關(guān)的數(shù)據(jù)。其使命是為政策制定者、研究人員、高級管理人員、記者和公眾提供公正的、經(jīng)過嚴(yán)格審核的、來源于全球的數(shù)據(jù)，以形成對人工智能這一復(fù)雜領(lǐng)域的直觀感知。該報告旨在成為世界上最可信、最權(quán)威的人工智能數(shù)據(jù)和分析來源。聯(lián)合負(fù)責(zé)人的話今年的報告顯示，人工智能系統(tǒng)已經(jīng)開始廣泛部署到經(jīng)濟(jì)領(lǐng)域中，但在部署的同時，與人工智能相關(guān)的倫理問題也在不斷放大。其中一些是自然現(xiàn)象，畢竟，當(dāng)某項技術(shù)推廣到全世界時，人們往往更關(guān)心它的倫理問題。但是，也有一些是由人工智能的特殊性所導(dǎo)致的，即，更龐大、更復(fù)雜、更有能力的人工智能系統(tǒng)通常能在廣泛的任務(wù)中表現(xiàn)出很好的性能，同時也表現(xiàn)出更嚴(yán)重的潛在倫理問題。這一問題與人工智能的全面全球化和產(chǎn)業(yè)化息息相關(guān)。越來越多的國家正在開發(fā)、部署和監(jiān)管人工智能系統(tǒng)，這些活動的共同影響結(jié)果是形成了一套更廣泛的人工智能系統(tǒng)供人們使用，并降低了其價格。不過，人工智能的某些部分并不是非常全球化的，我們的倫理學(xué)分析顯示，盡管人工智能在全球范圍內(nèi)部署，但許多人工智能倫理學(xué)出版物往往集中在英語系統(tǒng)和數(shù)據(jù)集上。我們預(yù)計上述趨勢將會持續(xù)：2021年對人工智能創(chuàng)企及與人工智能相關(guān)初創(chuàng)公司的私人投資比2020年增加了JackClarkandRayPerrault人工智能指數(shù)2022年度報告3報告要點(diǎn)?2021年人工智能領(lǐng)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，而新獲得融資的年，有4起價值5億美元以上的融資輪次；2021年則有15起。?盡管地緣政治緊張局勢加劇，但從2010年到2021年，美國和中國在人工智能出版物方面的跨國合作數(shù)量最多，自2010年以來增加了5倍。中美合作產(chǎn)生的出版物是中英合作合作產(chǎn)出的2.7倍（跨國合作出版物數(shù)量榜單中排名第二位）。?大型語言模型正在不斷創(chuàng)造技術(shù)基準(zhǔn)的新記錄，但新數(shù)據(jù)顯示，大型模型也更能反映出訓(xùn)練數(shù)據(jù)的偏見。對比2018年最先進(jìn)的1.17億參數(shù)的模型，2021年開發(fā)的一個2800億參數(shù)的模型所引發(fā)的毒性（elicitedtoxicity）增加了29%。隨著時間的推移，這些系統(tǒng)的能力明顯增強(qiáng)，但是隨著它們能力的增強(qiáng)，其潛在的偏見的嚴(yán)重程度也在增加。章數(shù)量增加了五倍。算法的公平性和偏見問題已經(jīng)從主要的學(xué)術(shù)追求轉(zhuǎn)變?yōu)橐粋€具有廣泛影響的主流研究課題。近年來，與產(chǎn)業(yè)界有聯(lián)系的研究人員在以倫理學(xué)為重點(diǎn)的會議上發(fā)表的論文數(shù)量同比增加71%。?自2018年以來，訓(xùn)練一個圖像分類系統(tǒng)的成本下降了63.6%，而所需的訓(xùn)練時間則縮短了94.4%。訓(xùn)練成本更低但訓(xùn)練時間更快的趨勢也出現(xiàn)在其他MLPerf任務(wù)類別中，如推薦、物體檢測和語言處理，推動了AI技術(shù)更廣泛的商業(yè)應(yīng)用。?各項技術(shù)越來越依賴于使用額外的訓(xùn)練數(shù)據(jù)來創(chuàng)造新的最先進(jìn)的結(jié)果。截至2021年，本報告中的10個基準(zhǔn)中，有9個最先進(jìn)的人工智能系統(tǒng)是引入額外數(shù)據(jù)訓(xùn)練得到的。這種趨勢將會越來越有利于掌握大量數(shù)據(jù)的私營機(jī)構(gòu)。?本報告對25個國家的人工智能立法記錄的一項分析顯示，包含“人工智能“的法案被通過成為法律的數(shù)量從2016年的1個增長到2021年的18個。西班牙、英國和美國在2021年通過的人工智能相關(guān)法案數(shù)量最多，各通過了三項。?本報告的一項問卷調(diào)研顯示，在過去六年中，機(jī)械臂的中位價格下降了46.2%，從2017年的每只手臂42,000美元下降到2021年的22,600美元。機(jī)器人研究已經(jīng)變得更加容易實現(xiàn)，所需成本也越來越低。人工智能指數(shù)2022年度報告JackClark國際斯坦福研究所斯坦福大學(xué)斯坦福大學(xué)JohnEtchemendy斯坦福大學(xué)斯坦福大學(xué)，Salesforce斯坦福大學(xué)人工智能21實驗室斯坦福大學(xué)斯坦福大學(xué)世界銀行獨(dú)立咨詢師斯坦福大學(xué)人工智能指數(shù)2022年度報告授權(quán)許可。可通過下面的網(wǎng)址查看該許可的副本：2022年人工智能指數(shù)報告的附錄部分提供了原始數(shù)據(jù)和互動工具。我們邀請人工智能界的各位成員參與，您可以以與您工作和興趣最為相關(guān)的方式使用這些數(shù)據(jù)和工具。?原始數(shù)據(jù)和圖表。報告中所有圖表的公開數(shù)據(jù)和?全球人工智能活力工具。我們今年重新設(shè)計了全球人工智能活力工具，以更好的可視化方式對多達(dá)29個國家的23個指標(biāo)進(jìn)行比較。ArtificiaIntelligenceIndexstanforduniversityHuman-centeredArtificialIntelligence歡迎大家反饋針對本報告以及對明年報告的想法、建議。人工智能指數(shù)2022年度報告BloombergGovernment CENTERfirSECURITYandEMERGINGTECHNOLOGYMLMLwameninMachineLearning人工智能指數(shù)2022年度報告我們要感謝以下個人，他們在《2022年人工智能指數(shù)報告》中提供了數(shù)據(jù)、分析、建議和專家評論。人工智能指數(shù)2022年度報告我們感謝以下組織和個人為《2022年人工智能指數(shù)報告》提供數(shù)據(jù)。BloombergGovernmentCenterforSecurityandEmergingTechnology,GeorgetownUniversityJamesDunhamComputingResearchAssociationEmsiBurningGlassJuliaNitschke,BlediTaska,IntentoLinkedInMcKinseyGlobalInstituteMLCommonsNetBaseQuidJulieKim,TejasSirohiWomeninMachineLearning我們還要感謝JeaninaCasusi、NancyKing、ShanaLynch、JonathanMindes、StacyPe?a、MichiTurner和JustinSherman在編寫本報告時提供的幫助，以及Joe人工智能指數(shù)2022年度報告報告要點(diǎn)10章節(jié)一研發(fā)（R&D）13 技術(shù)性能47技術(shù)AI倫理100 經(jīng)濟(jì)和教育139 章節(jié)五人工智能政策和治理172 196訪問公開數(shù)據(jù)訪問公開數(shù)據(jù)人工智能指數(shù)2022年度報告報告要點(diǎn)?盡管地緣政治緊張局勢加劇，但從2010年到2021年，美國和中國在人工智能出版物方面的跨國合作數(shù)量最多，自2010年以來增加了5倍。中美合作產(chǎn)生的出版物是中英合作產(chǎn)出的2.7倍（跨國合作出版物數(shù)量榜單中排名第二位）。?2021年，中國在人工智能期刊、會議和文獻(xiàn)庫這三種類型的出版物的數(shù)量上繼續(xù)領(lǐng)先，比美國所有三種類型出版物的總和高出63.2%。同時，在主要的人工智能大國中，美國在人工智能會議和文獻(xiàn)庫的引用數(shù)量上保持著主導(dǎo)地位。?從2010年到2021年，教育和非營利組織之間的合作完成的人工智能出版物數(shù)量最多，其次是私營公司和教育機(jī)構(gòu)之間的合作以及教育和政府機(jī)構(gòu)之間的合作。?2021年申請的人工智能專利數(shù)量是2015年的30多倍，達(dá)到了76.9%的年復(fù)合增長率。章節(jié)二技術(shù)性能?數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)：各項技術(shù)越來越依賴于使用額外的訓(xùn)練數(shù)據(jù)來創(chuàng)造新的最先進(jìn)的結(jié)果。截至2021年，本報告中的10個基準(zhǔn)中，有9個最先進(jìn)的人工智能系統(tǒng)是引入額外數(shù)據(jù)訓(xùn)練得到的。這種趨勢將會越來越有利于掌握大量數(shù)據(jù)的私營機(jī)構(gòu)。?對特定計算機(jī)視覺子任務(wù)的興趣上升：2021年，研究界對更具體的計算機(jī)視覺子任務(wù)有了更大的興趣，如醫(yī)學(xué)圖像分割和遮擋人臉識別。例如，在2020年之前，只有3篇研究論文涉及Kvasir-SEG醫(yī)學(xué)成像基準(zhǔn)測試系統(tǒng)。在2021年，則有25篇研究論文。這樣的增長表明，人工智能研究正在朝著能夠有更直接的、現(xiàn)實世界的應(yīng)用的研究方向發(fā)展。?人工智能還無法應(yīng)對復(fù)雜的語言任務(wù)：在像SuperGLUE和SQuAD這樣的基本閱讀理解基準(zhǔn)上，人工智能的表現(xiàn)已經(jīng)超過了人類水平1%-5%。雖然人工智能系統(tǒng)在更復(fù)雜的語言任務(wù)上仍無法達(dá)到人類的表現(xiàn)，如歸納自然語言推理（aNLI），但差距正在縮小。2019年，人類在aNLI上的表現(xiàn)超過人工智能9個百分點(diǎn)。截至2021年，這一差距已經(jīng)縮小到1。?轉(zhuǎn)向更廣泛的強(qiáng)化學(xué)習(xí)：在過去的十年里，人工智能系統(tǒng)已經(jīng)能夠完成狹義的強(qiáng)化學(xué)習(xí)任務(wù)，在這些任務(wù)中，它們被要求最大限度地提高某一特定技能的表現(xiàn)，例如國際象棋。頂級國際象棋軟件引擎現(xiàn)在比MagnusCarlsen的TopELO分?jǐn)?shù)高出24%。然而，在過去的兩年里，人工智能系統(tǒng)在更普遍的強(qiáng)化學(xué)習(xí)任務(wù)（Procgen）上的性能也提高了129%，在這些任務(wù)中，它們必須在新的環(huán)境中運(yùn)行。這一趨勢說明，能夠?qū)W會更廣泛思考的人工智能系統(tǒng)正在不斷發(fā)展。人工智能指數(shù)2022年度報告?人工智能變得更經(jīng)濟(jì)，性能更高：自2018年以來，訓(xùn)練圖像分類系統(tǒng)的成本下降了63.6%，而訓(xùn)練時間縮短了94.4%。訓(xùn)練成本降低但訓(xùn)練時間加快的趨勢出現(xiàn)在其他MLPerf任務(wù)類別中，如推薦、對象檢測和語言處理，推動了AI技術(shù)更廣泛的商業(yè)應(yīng)用。?機(jī)械臂正在變得更便宜：本報告的一項問卷調(diào)研顯示，在過去六年中，機(jī)械臂的中位價格下降了46.2%--從2017年的每只手臂42,000美元到2021年的22,600美元。機(jī)器人研究已變得更容易實現(xiàn)，成本更低。章節(jié)三技術(shù)AI倫理?語言模型效果比以前更優(yōu)，但偏見也更嚴(yán)重：大型語言模型正在不斷創(chuàng)造技術(shù)基準(zhǔn)的新記錄，但新數(shù)據(jù)顯示，大型模型也更能反映出訓(xùn)練數(shù)據(jù)的偏見。相較于2018年最先進(jìn)的1.17億參數(shù)的模型相比，2021年開發(fā)的一個2800億參數(shù)的模型引發(fā)的毒性（elicitedtoxicity）增加了29%。隨著時間的推移，這些系統(tǒng)的能力明顯增強(qiáng)，但是隨著它們能力的增強(qiáng)，其潛在的偏見的嚴(yán)重程度也在增加。?人工智能倫理興起，無處不在：自2014年以來，關(guān)于人工智能的公平性和透明度的研究呈爆炸式增長，在倫理學(xué)相關(guān)會議上發(fā)表的相關(guān)文章數(shù)量增加了五倍。算法的公平性和偏見問題已經(jīng)從主要的學(xué)術(shù)追求轉(zhuǎn)變?yōu)橐粋€具有廣泛影響的主流研究課題。近年來，與產(chǎn)業(yè)界有聯(lián)系的研究人員在以倫理學(xué)為重點(diǎn)的會議上發(fā)表的論文數(shù)量同比增加71%。?多模態(tài)模型學(xué)習(xí)多模態(tài)偏見：在訓(xùn)練多模態(tài)語言-視覺模型方面已經(jīng)取得了快速進(jìn)展，這些模型在語言-視覺聯(lián)合任務(wù)上表現(xiàn)出了更高的能力水平。這些模型在圖像分類和從文本描述中創(chuàng)建圖像等任務(wù)上創(chuàng)造了新的記錄，但它們也在其輸出中反映了社會固有觀念和偏見--在CLIP上的實驗表明，黑人的圖像被錯誤地分類為非人類的比率是其他種族的兩倍以上。在計算機(jī)視覺和自然語言處理領(lǐng)域，已經(jīng)有大量的工作致力于開發(fā)測量偏見的指標(biāo)，這凸顯了對能夠深入了解多模態(tài)模型的偏差的指標(biāo)的需求。章節(jié)四經(jīng)濟(jì)與教育?新西蘭、香港、愛爾蘭、盧森堡和瑞典是2016年至2021年人工智能招聘增長最快的國家或地區(qū)。?2021年，加利福尼亞州、德克薩斯州、紐約州和弗吉尼亞州是美國人工智能職位發(fā)布數(shù)量最多的州，其中加利福尼亞州的職位發(fā)布數(shù)量是排名第二大州德克薩斯州的2.35倍以上。華盛頓特區(qū)的人工智能職位發(fā)布率與它的總體職位發(fā)布數(shù)量相比是最高的。?2021年人工智能領(lǐng)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。而新獲得融資的人工智能公司數(shù)量繼續(xù)下降，從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起價值5億美元以上的融資輪次；2021年，則有15起。?“數(shù)據(jù)管理、處理和云“在2021年獲得了最大的私人人工智能投資額--是2020年的2.6倍，其次是“醫(yī)療和保健“和“金融技術(shù)”。人工智能指數(shù)2022年度報告?2021年，美國在人工智能領(lǐng)域的私人投資總額和新資助的人工智能公司數(shù)量方面都處于全球領(lǐng)先地位，分別比排名第二的中國高出三倍和兩倍。?麥肯錫的一項調(diào)查顯示，專門應(yīng)對產(chǎn)業(yè)場景中使用人工智能相關(guān)的道德問題所做的努力仍然有限。雖然29%和41%的受訪者認(rèn)識到“公平和公正“以及“可解釋性“是采用人工智能時的風(fēng)險，但只有19%和27%的人正在采取措施減輕這些風(fēng)險。?2020年，每5個獲得博士學(xué)位的CS學(xué)生中就有1個專門從事人工智能/機(jī)器學(xué)習(xí)，這是過去十年中最受歡迎的專業(yè)。從2010年到2020年，美國的大多數(shù)人工智能博士都走向了產(chǎn)業(yè)界，而一小部分則在政府工章節(jié)五人工智能政策和治理數(shù)量從2016年的1個增長到2021年的18個。西班牙、英國和美國在2021年通過的人工智能相關(guān)法案數(shù)量最多，各通過了三項。?美國的聯(lián)邦立法記錄顯示，從2015年到2021年，與人工智能有關(guān)提案總數(shù)急劇增加，而通過的法案數(shù)量仍然很少，只有2%最終確定立法。?2021年，美國各州立法者通過了每50個包含人工智能條款的提案中的一個，而此類提案數(shù)量從2012年的2個增長到2021年的131個。?在美國，本屆國會會議（第117屆）有望創(chuàng)下自2001年以來與人工智能有關(guān)的最多提及次數(shù)，到2021年底，即本屆會議過半時，將有295次提及，而上屆（第116屆）則有506次。章節(jié)一人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D） 人工智能出版物總數(shù)17 按研究領(lǐng)域19 按行業(yè)劃分20 跨地區(qū)合作22 跨行業(yè)合作23人工智能期刊論文24 人工智能會議論文28 人工智能專利36 按區(qū)域和應(yīng)用狀態(tài)37 按地理區(qū)域和應(yīng)用狀態(tài)391.2會議41會議出席情況41 研討會參加者43 人口統(tǒng)計學(xué)分類441.3人工智能開源軟件庫45訪問公開數(shù)據(jù)訪問公開數(shù)據(jù)目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）界、政府和民間社會的專家和組織通過大量的論文、期的出版物、關(guān)于人工智能或圖像識別或自然語言處理等國際合作以及開源軟件庫的開發(fā)，為人工智能研發(fā)做出人工智能研發(fā)的另一個關(guān)鍵特征是其開放性，這使其在某開資源中發(fā)布的人工智能研究，開發(fā)人員會使用向公眾免費(fèi)提供的最先進(jìn)的人工智能應(yīng)用程序。這種開放性也促進(jìn)了現(xiàn)代人工智能研目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）章節(jié)要點(diǎn)?盡管地緣政治緊張局勢加劇，但從2010年到2021年，美國和中國在人工智能出版物方面的跨國合作數(shù)量最多，自2010年以來增加了5倍。中美合作產(chǎn)生的出版物是中英合作合作產(chǎn)出的2.7倍（跨國合作出版物數(shù)量榜單中排名第二位）。?2021年，中國在人工智能期刊、會議和文獻(xiàn)庫這三種類型的出版物的數(shù)量上繼續(xù)領(lǐng)先，比美國所有三種類型出版物的總和高出63.2%。同時，在主要的人工智能大國中，美國在人工智能會議和文獻(xiàn)庫的引用數(shù)量上保持著主導(dǎo)地位。?從2010年到2021年，教育和非營利組織之間的合作完成的人工智能出版物數(shù)量最多，其次是私營公司和教育機(jī)構(gòu)之間的合作以及教育和政府機(jī)構(gòu)之間的合作。?2021年申請的人工智能專利數(shù)量是2015年的30多倍，達(dá)到了76.9%的年復(fù)合增長率。人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）本節(jié)借鑒了喬治敦大學(xué)安全與新興技術(shù)中心（本節(jié)借鑒了喬治敦大學(xué)安全與新興技術(shù)中心（theCenterforSecurityandEmergingTechnology，CSET）的數(shù)據(jù)。CSET負(fù)責(zé)一個綜合學(xué)術(shù)文獻(xiàn)庫的維護(hù)工作，其中包括數(shù)字科學(xué)的Dimensions、Clarivate的WebofScience、微軟學(xué)術(shù)圖譜、中國國家知識基礎(chǔ)設(shè)施、arXiv和PaperswithCode。在該文獻(xiàn)庫中，CSET應(yīng)用一個分類器來識別自2010年以來與人工智能和機(jī)器學(xué)習(xí)的發(fā)展或應(yīng)用有關(guān)的英文出版物。11.1出版物2概述下圖展示了2010年至2021年全球英語人工智能出版物的總數(shù)，并按類型、隸屬關(guān)系、跨國合作和跨行業(yè)合作分類。該部分還按地區(qū)細(xì)分了人工智能期刊文章、會議論文、文獻(xiàn)庫和專利的出版和引用數(shù)據(jù)。人工智能出版物總數(shù)圖1.1.1展示了全球人工智能出版物的總數(shù)。從2010年到2021年，人工智能出版物的總數(shù)翻了一番，從2010來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告0334.501關(guān)于CSET方法的更多信息，見附錄。由于數(shù)據(jù)提供者和分類方法的改變，出版物趨人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按出版物類型劃分圖1.1.2展示了全球發(fā)布的人工智能出版物的類型隨時間變化的情況。2021年，在所有發(fā)表的人工智能出版物中，51.5%是期刊文章，21.5%是會議論文，17.0%為文獻(xiàn)庫。其余10.1%的出版物包括書籍、書籍章節(jié)、論文和未知類型文件。在過去12年中，期刊和文獻(xiàn)庫出版物的數(shù)量分別增長了2.5倍和30倍，自2018年以來，會議論文的數(shù)量卻有所下降。0來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告0論文71.92會議論文56.73資源庫章節(jié)1.16書籍文目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按研究領(lǐng)域劃分圖1.1.3顯示，自2015年以來，模式識別和機(jī)器學(xué)習(xí)的出版物數(shù)量增加了一倍多。如計算機(jī)視覺、數(shù)據(jù)挖掘和自然語言處理等其他受深度學(xué)習(xí)影響較大的領(lǐng)域增幅較小。來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告00目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按行業(yè)（Sector）劃分本節(jié)展示了全球（圖1.1.4a）、中國（圖1.1.4b）、美國（圖1.1.4c）以及歐盟和英國（圖1.1.4d）與產(chǎn)業(yè)界、教育、政府和非營利組織有關(guān)的人工智能出版物數(shù)量。3教育行業(yè)在每個地區(qū)都占主導(dǎo)地位。企業(yè)的參與程度在美國最高，然后是歐盟。中國是唯一教育份額一直在上升的地區(qū)。來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告50%40%AIAI出版物比例30%59.58%教育機(jī)構(gòu)20.77%未知11.26%非營利組織5.21%企業(yè)3.17%政府59.58%教育機(jī)構(gòu)20.77%未知11.26%非營利組織5.21%企業(yè)3.17%政府來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告50%AAI出版物比例（占總數(shù)的%）40%30%57.63%教育機(jī)構(gòu)17.63%未知12.36%非營利組織9.76%企業(yè)2.62%政府目錄章節(jié)一章節(jié)預(yù)覽20人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告50%AAI出版物比例（占總數(shù)的%）40%30%60.24%教育機(jī)構(gòu)23.74%未知8.47%非營利組織3.93%企業(yè)3.62%政府60.24%教育機(jī)構(gòu)23.74%未知8.47%非營利組織3.93%企業(yè)3.62%政府來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告50%AAI出版物比例（占總數(shù)的%）40%30%54.81%教育機(jī)構(gòu)19.76%未知16.14%非營利組織5.68%企業(yè)3.61%政府54.81%教育機(jī)構(gòu)19.76%未知16.14%非營利組織5.68%企業(yè)3.61%政府目錄章節(jié)一章節(jié)預(yù)覽目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）跨國合作學(xué)者、研究人員、行業(yè)專家和其他人員之間的跨國合作是現(xiàn)代STEM發(fā)展的一個關(guān)鍵組成部分，可以加速新思想的傳播和研究團(tuán)隊的成長。圖1.1.5a和圖1.1.5b展示了2010年至2021年全球頂級跨國AI合作的情況。CSET將跨國合作計算為每份出版物的不同作者對（例如，將在一份出版物上的四位美國和四位中國作者計算為一次美中合作，而將同一組作者之間的兩份出版物計算為兩到目前為止，在過去12年中，數(shù)量最多的合作發(fā)生在美國和中國之間，自2010年以來增加了五倍。到目前為止，在過去12年中，數(shù)量最多的合作發(fā)生在美國和中國之間，自2010年以來增加了5倍。其次是英國與美國和中國之間的合作，自2010年以來增加了3倍多。2021年，美國和中國之間的合作數(shù)量是英國和中國合作數(shù)量的2.7倍。86420來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告864209.66人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）2010-21年人工智能出版物的跨國合作情況（不包括美國3210來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告3210和英國和美國2.37美國2.16美國和德國1.42美國跨行業(yè)合作在大學(xué)之外不斷增加的人工智能研究，促進(jìn)了大學(xué)與其年，教育機(jī)構(gòu)和非營利組織之間的合作是教育機(jī)構(gòu)和公來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告5029.84教育機(jī)構(gòu)和非營利組織11.58教育機(jī)構(gòu)和政府8.09教育機(jī)構(gòu)和政府2.48政府和非營利組織1.83企業(yè)和非營利組織0.66企業(yè)和政府目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）人工智能期刊出版物在2010年至2015年僅有小幅增長之后，自2015年以來，人工智能期刊出版物數(shù)量增長了近2.5倍（圖1.1.7）。如圖1.1.8所示，從期刊出版物數(shù)量所占百分比角度分析，2021年人工智能期刊出版物約占所有期刊出版物的2.5%，而2010年為1.5%。來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告0來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告2.50%全部期刊中A全部期刊中AI領(lǐng)域發(fā)表占比（占總數(shù)的%）2.00%0.50%0.00%2.53%目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地區(qū)（Region）劃分4圖1.1.9展示了2010年至2021年期間各地區(qū)人工智能期刊出版物的份額。2021年，東亞和太平洋地區(qū)以42.9%領(lǐng)先，其次是歐洲和中亞（22.7%）、北美洲（15.6%）。此外，南亞和中東及北非的增長最為顯著，它們的人工智能期刊出版物數(shù)量在過去12年中分別增長了約12倍和7倍。此外，南亞和中東及北非的增長最為顯著，它們的人工智能期刊出版物數(shù)量在過去12年中分別增長了約12倍和7倍。來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告全球各地區(qū)A全球各地區(qū)AI領(lǐng)域期刊發(fā)表占比（占總數(shù)的%）40%30%20%0%42.87%東亞和太平洋地區(qū)22.70%歐洲和中亞地區(qū)15.63%北美地區(qū)7.99%南亞地區(qū)6.18%中東和北非地區(qū)3.57%拉丁美洲和加勒比海地區(qū)1.06%撒哈拉以南的非洲地區(qū)目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地理區(qū)域（GeographicalArea）劃分5圖1.1.10展示了三個主要人工智能大國過去12年的人工智能期刊出版物的份額。中國一直保持著領(lǐng)先地來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告各地理區(qū)域A各地理區(qū)域AI領(lǐng)域期刊發(fā)表占比（占總數(shù)的%）30%20%0%31.04%中國31.04%中國13.67%美國.13.67%美國5本章中的地理區(qū)域結(jié)合了歐盟和英國之間的目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）在人工智能期刊出版物的引用數(shù)量上，中國的份額逐漸增加，而歐盟加上英國和美國的份額則有所下降。這三個地理區(qū)域的引用總量占全球總引這三個地理區(qū)域的引用總量占全球總引用次數(shù)的66%以各地理區(qū)域AI領(lǐng)域期刊引用占比（占總數(shù)的%）30%25%20%5%0%來源：安全與新興技術(shù)中心（CSET），2021各地理區(qū)域AI領(lǐng)域期刊引用占比（占總數(shù)的%）30%25%20%5%0%中國21.13%國美國目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）人工智能會議出版物人工智能會議出版物的數(shù)量在2019年達(dá)到峰值。相比管總數(shù)有所下降，但自2010年以來，人工智能會議出版物在世界會議出版物總數(shù)中的份額增加了五個百分來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告AAI會議論文發(fā)表數(shù)（以千計）71.92全部會議論文中AI領(lǐng)域發(fā)表占比（占總數(shù)的%）8%4%0%來源：安全與新興技術(shù)中心（CSET），2021全部會議論文中AI領(lǐng)域發(fā)表占比（占總數(shù)的%）8%4%0%17.83%圖1.1.13目錄章節(jié)一章節(jié)預(yù)覽目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地區(qū)（Region）劃分圖1.1.14顯示了各地區(qū)人工智能會議出版物的數(shù)量。與人工智能期刊出版物的趨勢類似，東亞和太平洋地區(qū)、歐洲和中亞地區(qū)以及北美地區(qū)的人工智能會議出版物數(shù)量居世界前列。具體而言，東亞和太平洋地區(qū)所占份額自2014年領(lǐng)先以來持續(xù)上升，2021年達(dá)到了在過去的12年里，南亞的人工智能會議出版物的比例呈現(xiàn)明顯的上升趨勢，從2010年的4.0%上升到2021年2010-21年各地區(qū)人工智能會議出版物（占世來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告40%全球各地區(qū)全球各地區(qū)AI領(lǐng)域會議論文發(fā)表占比（占總數(shù)的%）30%20%0%40.39%東亞和太22.93%歐洲和中亞地區(qū)歐洲和中亞地區(qū)18.93%10.44%南亞地區(qū)3.82%2.83%0.66%地區(qū)加勒比海的非洲地地區(qū)區(qū)人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地理區(qū)域（GeographicalArea）劃分2021年，中國在全球人工智能會議出版物中的份額最大，為27.6%，概念份額優(yōu)勢更甚于2020年的領(lǐng)先狀態(tài)。歐盟和英國緊隨其后，為19.0%，美國位居第2010-21年按地理區(qū)域（geograp各地理區(qū)域AI領(lǐng)域會議論文發(fā)表占比（占總數(shù)的%）25%20%5%0%來源：安全與新興技術(shù)中心（CSET），2021|各地理區(qū)域AI領(lǐng)域會議論文發(fā)表占比（占總數(shù)的%）25%20%5%0%27.64%中國27.64%中國18.95%16.90%目錄章節(jié)一章節(jié)預(yù)覽30人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）盡管中國在2021年發(fā)表的人工智能會議出版物數(shù)量最多，但圖1.1.16顯示，美國在人工智能會議引用次數(shù)方面在主要大國中處于領(lǐng)先地位。其在2021年達(dá)到29.5%，其次是歐盟和英國（23.3%）、中國來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告各地理區(qū)域AI領(lǐng)域會議論文引用占比（占總數(shù)的%）35%30%25%20%各地理區(qū)域AI領(lǐng)域會議論文引用占比（占總數(shù)的%）35%30%25%20%5%0%29.52%中國23.32%歐盟和英國15.32%美國目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）人工智能文獻(xiàn)庫已經(jīng)成為人工智能研究人員在傳統(tǒng)出版途徑之外傳播其工作的一種流行方式。這些文獻(xiàn)庫允許研究人員在向期刊和會議提交論文之前分享他們的研究成果，這大大加快了信息發(fā)現(xiàn)的周期。在過去的12年里，人工智能文獻(xiàn)來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告AAI資源庫發(fā)表數(shù)（以千計）5256.73全部資源庫中AI領(lǐng)域發(fā)表占比（占總數(shù)的%）5%0%來源：安全與新興技術(shù)中心（CSET），2021|全部資源庫中AI領(lǐng)域發(fā)表占比（占總數(shù)的%）5%0%15.30%目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地區(qū)（Region）劃分地區(qū)在全球人工智能文獻(xiàn)庫出版物中的份額一直保持穩(wěn)定的領(lǐng)先地位，而歐洲和中亞的份額則有所下降。自2013年以來，東亞和太平洋地區(qū)的份額大幅增長。2010-21年按地區(qū)（Region）來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告40%全球各地區(qū)全球各地區(qū)AI資源庫發(fā)表占比（占總數(shù)的%）30%20%0%35.89%北美地區(qū)27.25%26.38%歐洲和中亞地區(qū)歐洲和中亞地區(qū)洋地區(qū)4.23%4.13%1.67%0.44%地區(qū)加勒比海的非洲地地區(qū)區(qū)目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地理區(qū)域（GeographicalArea）劃分自2011年以來，雖然美國在世界人工智能文獻(xiàn)庫出版物的百分比上一直保持領(lǐng)先，但中國正在追趕，而歐盟和英國的份額繼續(xù)下降（圖1.1.20）。2021年自美國的出版物占全球人工智能文獻(xiàn)庫出版物總數(shù)的32.5%--與期刊和會議出版物相比這一比例更高，其次2010-21年按地理區(qū)域（geographi各地理區(qū)域AI資源庫發(fā)表占比（占總數(shù)的%）30%20%0%來源：安全與新興技術(shù)中心（CSET各地理區(qū)域AI資源庫發(fā)表占比（占總數(shù)的%）30%20%0%32.52%美國23.92%歐盟和英國16.60%目錄章節(jié)一章節(jié)預(yù)覽34人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告40%各地理區(qū)域各地理區(qū)域AI資源庫引用占比（占總數(shù)的%）30%20%0%38.60%美國歐盟和英歐盟和英國國.16.44%中國目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）人工智能專利本節(jié)借鑒了CSET和1790Analytics關(guān)于人關(guān)鍵詞表示。專利按國家和年份分組，然后在"專利族個專利族的最新出版日期中提取年份值。2021年的專利申請數(shù)量是2015年的30多倍，達(dá)到了76.9%的復(fù)合年增Overview76.9%的復(fù)合年增長率。0來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告0目錄章節(jié)一章節(jié)預(yù)覽36目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地區(qū)和申請狀態(tài)圖1.1.23a展示了不同地區(qū)的人工智能專利申請情況。東亞和太平洋地區(qū)的份額在2014年開始激增，2年以62.1%的專利申請量領(lǐng)先于全球其他地區(qū)，其次是北美和歐洲及中亞地區(qū)。就這些地區(qū)的專利授權(quán)情況而言，北美地區(qū)以57.0%領(lǐng)先，其次是東亞和1.1.23b）。其他地區(qū)加起來的授權(quán)數(shù)量約占全球授權(quán)來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告全球各地區(qū)A全球各地區(qū)AI專利申請占比（占總數(shù)的%）50%40%30%20%0%洋地區(qū)洋地區(qū)62.14%東62.14%東亞和太平亞和太平17.07%4.16%歐區(qū)人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）2010-21年按地區(qū)（Region）劃分人工智能專利授權(quán)（占來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告世界各地區(qū)世界各地區(qū)AI授權(quán)專利數(shù)（占總數(shù)的%）50%40%30%20%0%56.96%北美地區(qū)31.09%東亞和太平洋地區(qū)11.27%歐洲和中亞地區(qū)56.96%北美地區(qū)31.09%東亞和太平洋地區(qū)11.27%歐洲和中亞地區(qū)2010-21年按地區(qū)（Region）劃分人世界各地區(qū)AI授權(quán)專利數(shù)（占總數(shù)的%）0.75%0.50%0.25%0.00%來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告世界各地區(qū)AI授權(quán)專利數(shù)（占總數(shù)的%）0.75%0.50%0.25%0.00%丁美洲和加勒比海地區(qū)加勒比海地區(qū)0.25%南東和北非地區(qū)目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）按地理區(qū)域和申請狀態(tài)基于地域分析人工智能專利數(shù)據(jù)所揭示的趨勢，同樣能在以地理區(qū)域的分析中得到印證（圖1.1.24a和圖總數(shù)的一半以上，其中，約6%已獲授權(quán)，與歐盟和英國的情況差不多。美國申請了幾乎所有的北美地區(qū)的專利，占比約是中國的三分之一。圖1.1.24c顯示，與越來越多的人工智能專利申請和授權(quán)相比，中國的專來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告各地理區(qū)域A各地理區(qū)域AI專利申請占比（占總數(shù)的%）50%40%30%20%0%中國中國23.92%美國3.89%2010-21年按地理區(qū)域（geographical來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告各地理區(qū)域各地理區(qū)域AI授權(quán)專利占比（占總數(shù)的%）50%40%30%20%0%51.69%美國23.92%歐盟和英國16.60%中國51.69%美國23.92%歐盟和英國16.60%中國目錄章節(jié)一章節(jié)預(yù)覽39人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）來源：安全與新興技術(shù)中心（CSET），2021|圖：2022人工智能指數(shù)報告0申請授權(quán)申請授權(quán)4.88目錄章節(jié)一章節(jié)預(yù)覽40人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.2會議會議的出席情況能夠反映出產(chǎn)業(yè)界和學(xué)術(shù)界對某一科學(xué)領(lǐng)域的興趣情況。在會議的出席情況能夠反映出產(chǎn)業(yè)界和學(xué)術(shù)界對某一科學(xué)領(lǐng)域的興趣情況。在過去的20年里，人工智能會議不僅在規(guī)模上，而且在數(shù)量和聲望上都有所增長。本節(jié)介紹了主要人工智能會議的出席趨勢數(shù)據(jù)，與前四期人工智能指數(shù)報告相比，涵蓋了更多的會議（16個）。1.2會議會議出席情況與2020年相似，大多數(shù)人工智能會議在2021年以虛擬方式召開。只有國際機(jī)器人與自動化會議合形式。會議組織者報告表示，因為虛擬會議為來自世界各地的研究人員提供了更多的出席機(jī)會，因此很難衡量虛擬會議的確切出席人數(shù)。圖1.2.1顯示，2021年頂級人工智能會議在全球有超過88,000名與會者，其出席情況與2020年基本一致。圖1.2.2和圖1.2.3顯示了各個會議的具體出席數(shù)據(jù)，16個主要的人工智能會議被分成兩類：出席人數(shù)超過2500人的大型人工智能會議和出席人數(shù)少于2500人的小型人工智能會議。6來源：會議數(shù)據(jù)，2021|圖：2022人工智能指數(shù)報告參會人數(shù)（以千計）參會人數(shù)（以千計）088.76目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.2會議來源：會議數(shù)據(jù)，2021|圖：2022人工智能指數(shù)報告參會人數(shù)（以千計）參會人數(shù)（以千計）5029.54,ICML17.09,NeurIPS8.24,6.31,8.24,6.31,5.01,4.09,3.76,2.59,ICLR來源：會議數(shù)據(jù)，2021|圖：2022人工智能指數(shù)報告3參會人數(shù)（以千計）參會人數(shù)（以千計）201.90,IJCAI1.35,FaccT0.67,KR0.51,ICAPS目錄章節(jié)一章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.2會議機(jī)器學(xué)習(xí)學(xué)習(xí)中的女性（WOMENINMACHINELEARNING，WIML）NEURIPS研討會機(jī)器學(xué)習(xí)領(lǐng)域影響力的組織。本節(jié)介紹了其與NeurIPS同地舉辦的年度技術(shù)研討會的情況。從2020年開自不同背景的參與者之間的合作和互動來推動研究。研討會參與者約有1486人參加了所有的研討主題。該數(shù)據(jù)以訪問neurips.cc上的虛擬研討會平臺參會人數(shù)參會人數(shù)0目錄章節(jié)一章節(jié)預(yù)覽43人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.2會議人口統(tǒng)計學(xué)分類本節(jié)給出了2021年出席研討會人員的居住大洲和專業(yè)職位分類，這些信息是通過同意匯總這些信息的參與者填寫的調(diào)查收集而來。在調(diào)查對象中，超過一半的調(diào)查對象來自北美，其次是歐洲（19.9%）、亞示，調(diào)查參與者中幾乎有一半是博士生，而大學(xué)教師的比例約為1.2%。研究員科學(xué)家/工程師、數(shù)據(jù)科學(xué)家/工程師和軟件工程師是最常出現(xiàn)的專業(yè)職位。北美洲亞洲非洲南美洲澳洲北美洲亞洲非洲南美洲澳洲53.40%19.90%16.20%7.30%1.00%1.00%0%10%20%30%40%50%受訪者比例（占總數(shù)的%）圖1.2.5博士學(xué)位碩士學(xué)位研發(fā)人員/工程師本科生數(shù)據(jù)科學(xué)家/工程師博士后軟件工程師高中生9.40%16.50%14.20%10.20%5.70%2.30%0.60%0.60%0.60%0%10%20%30%40%50%受訪者比例（占總數(shù)的%）圖1.2.6目錄章節(jié)一章節(jié)預(yù)覽44目錄章節(jié)一章節(jié)預(yù)覽45人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.3人工智能開源軟件庫軟件庫是用于創(chuàng)建應(yīng)用程序和產(chǎn)品的計算機(jī)代碼的集合。流行的人工智能專用軟件庫--如軟件庫是用于創(chuàng)建應(yīng)用程序和產(chǎn)品的計算機(jī)代碼的集合。流行的人工智能專用軟件庫--如TensorFlow和PyTorch--幫助開發(fā)者快速有效地創(chuàng)建他們的人工智能解決方案。本節(jié)根據(jù)GitHub數(shù)據(jù)分析了軟件庫的受歡迎程度。1.3人工智能開源軟件庫GITHUB星標(biāo)件庫的用戶數(shù)量。2021年，TensorFlow仍然是迄今為止最受歡迎的軟件庫，大約有161,000個累計的GitHub星標(biāo)，比2020年略有增加。2021年，TensorFlow的受歡迎程度約為排名第二的GitHub開源AI軟件庫OpenCV的三倍，其次是Keras、PyTorch和Scikit-learn。圖1.3.2顯示了在GitHub上擁有少于4萬顆星的軟件庫的受歡迎程度。圖1.3.2顯示了GitHub星標(biāo)少于4萬的軟件庫的受歡迎程度，其中以FaceSwap為首，約有4萬顆星，其次是0來源：GitHub，2021|圖：2022人工智能指數(shù)報告052.7,PyTorch48.0,Scikit-learnstions41.5,TenserFlow-Examples人工智能指數(shù)2022年度報告章節(jié)一研發(fā)（R&D）1.3人工智能開源軟件庫505039.88,faceswap32.02,Real-32.00,deeplffeoningchinese31.28,Deep30.26,DeepLearningPapFaceLaboadmap目錄章節(jié)一章節(jié)預(yù)覽46章節(jié)二技術(shù)性能目錄 人工智能指數(shù)2022年度報告章節(jié)二技術(shù)性能章節(jié)二2.1計算機(jī)視覺-圖像52 STL-10:Fréchet起始距離 人體姿態(tài)估計57LeedsSportsPoses:關(guān)鍵點(diǎn)正確估計比例(PercentageofCorrectKeypoints,PCK)Error,MPJPE)59語義分割60城市景觀（Cityscapes）訪問公開數(shù)據(jù)訪問公開數(shù)據(jù)醫(yī)學(xué)圖像分割61人臉檢測和識別62NIST人臉識別庫（FaceRecog人臉檢測：遮擋的影響63人臉識別供應(yīng)商測試Face人臉遮擋的影響63亮點(diǎn)：戶外人臉檢測數(shù)據(jù)庫Masked視覺推理65 視覺問答（VQA）挑戰(zhàn)2.2計算機(jī)視覺-視頻67行為識別67ActivityNet:時間動作定位任務(wù)6970語境中的常見對象（Common視覺常識推理（visualcommonsense73 目錄人工智能指數(shù)2022年度報告章節(jié)二技術(shù)性能2.3語言74英語語言理解基準(zhǔn)74SuperGLUE閱讀需要邏輯推理的綜合數(shù)據(jù)集文本摘要7880斯坦福大學(xué)自然語言推理（stanford歸納自然語言推斷（abductive情感分析82832.4語音86語音識別86 2.5推薦88點(diǎn)擊率預(yù)測：Criteo892.6強(qiáng)化學(xué)習(xí)90強(qiáng)化學(xué)習(xí)環(huán)境90 Arcade學(xué)習(xí)環(huán)境：Atari-57 2.7硬件942.8機(jī)器人98機(jī)械臂的價格趨勢98專業(yè)機(jī)器人中應(yīng)用的AI技能99訪問公開數(shù)據(jù)訪問公開數(shù)據(jù)目錄章節(jié)二章節(jié)預(yù)覽50人工智能指數(shù)2022年度報告章節(jié)二技術(shù)性能在今年的報告中，技術(shù)性能章節(jié)更多地分析人等方面的趨勢。本章使用了一些量化的測量方能基準(zhǔn)和獎項挑戰(zhàn)到全領(lǐng)域的調(diào)查，以突出性能目錄章節(jié)二章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)二技術(shù)性能章節(jié)要點(diǎn)?數(shù)據(jù)、數(shù)據(jù)、數(shù)據(jù)：各項技術(shù)越來越依賴于使用額外的訓(xùn)練數(shù)據(jù)來創(chuàng)造新的最先進(jìn)的結(jié)果。截至2021年，本報告中的10個基準(zhǔn)中，有9個最先進(jìn)的人工智能系統(tǒng)是引入額外數(shù)據(jù)訓(xùn)練得到的。這種趨勢將會越來越有利于掌握大量數(shù)據(jù)的私營機(jī)構(gòu)。?對特定計算機(jī)視覺子任務(wù)的興趣上升：2021年，研究界對更具體的計算機(jī)視覺子任務(wù)有了更大的興趣，如醫(yī)學(xué)圖像分割和遮擋人臉識別。例如，在2020年之前，只有3篇研究論文涉及Kvasir-SEG醫(yī)學(xué)成像基準(zhǔn)測試系統(tǒng)。在2021年，則有25篇研究論文。這樣的增長表明，人工智能研究正在朝著能夠有更直接的、現(xiàn)實世界的應(yīng)用的研究方向發(fā)展。?人工智能還無法應(yīng)對復(fù)雜的語言任務(wù)：在像SuperGLUE和SQuAD這樣的基本閱讀理解基準(zhǔn)上，人工智能的表現(xiàn)已經(jīng)超過了人類水平1%-5%。雖然人工智能系統(tǒng)在更復(fù)雜的語言任務(wù)上仍無法達(dá)到人類的表現(xiàn)，如歸納自然語言推理（aNLI但差距正在縮小。2019年，人類在aNLI上的表現(xiàn)超過人工智能9個百分點(diǎn)。截至2021年，這一差距已經(jīng)縮小到1。?轉(zhuǎn)向更廣泛的強(qiáng)化學(xué)習(xí)：在過去的十年里，人工智能系統(tǒng)已經(jīng)能夠完成狹義的強(qiáng)化學(xué)習(xí)任務(wù)，在這些任務(wù)中，它們被要求最大限度地提高某一特定技能的表現(xiàn)，例如國際象棋。頂級國際象棋軟件引擎現(xiàn)在比MagnusCarlsen的TopELO分?jǐn)?shù)高出24%。然而，在過去的兩年里，人工智能系統(tǒng)在更普遍的強(qiáng)化學(xué)習(xí)任務(wù)（Procgen）上的性能也提高了129%，在這些任務(wù)中，它們必須在新的環(huán)境中運(yùn)行。這一趨勢說明，能夠?qū)W會更廣泛思考的人工智能系統(tǒng)正在不斷發(fā)展。?人工智能變得更經(jīng)濟(jì)，性能更高：自2018年以來，訓(xùn)練圖像分類系統(tǒng)的成本下降了63.6%，而訓(xùn)練時間縮短了94.4%。訓(xùn)練成本降低但訓(xùn)練時間加快的趨勢出現(xiàn)在其他MLPerf任務(wù)類別中，如推薦、對象檢測和語言處理，推動了AI技術(shù)更廣泛的商業(yè)應(yīng)用。?機(jī)械臂正在變得更便宜：本報告的一項問卷調(diào)研顯示，在過去六年中，機(jī)械臂的中位價格下降了成本更低。目錄章節(jié)二章節(jié)預(yù)覽人工智能指數(shù)2022年度報告章節(jié)二技術(shù)性能2.1計算機(jī)視覺-圖像計算機(jī)視覺是人工智能的一個子領(lǐng)域，即教會機(jī)器理解圖像和視頻。計算機(jī)視覺的任務(wù)范圍很廣計算機(jī)視覺是人工智能的一個子領(lǐng)域，即教會機(jī)器理解圖像和視頻。計算機(jī)視覺的任務(wù)范圍很廣，包括圖像分類、物體識別、語義分割和人臉檢測等。截至2021年，在大量的計算機(jī)視覺任務(wù)中計算機(jī)的性能都超過了人類。計算機(jī)視覺技術(shù)在現(xiàn)實世界中有著各種重要的應(yīng)用，如自動駕駛、人群監(jiān)控、體育分析和視頻游戲創(chuàng)作。2.1計算機(jī)視覺-圖像圖像分類圖像分類指的是機(jī)器對它們在圖像中看到的東西進(jìn)行分類的能力（圖2.1.1）。在實際場景中，圖像識別系統(tǒng)可以幫助汽車識別周圍的物體，醫(yī)生檢測腫瘤，工廠經(jīng)理發(fā)現(xiàn)生產(chǎn)缺陷。在過去的十年中，得益于機(jī)器學(xué)習(xí)技術(shù)的不斷發(fā)展，圖像識別系統(tǒng)的技術(shù)能力有了巨大的進(jìn)步。此外，算法、硬件和數(shù)據(jù)技術(shù)的進(jìn)步意味著圖像識別已經(jīng)變得比以往任何時候都更經(jīng)濟(jì)、更廣泛地適用和更容易獲得。在圖像分類方面最常見的改進(jìn)基準(zhǔn)之一。這些指標(biāo)量化了人工智能系統(tǒng)為給定圖像分配正確標(biāo)簽的頻率。Top-1準(zhǔn)確率衡量的是分類模型對