史丹佛大學工作人員介紹了2023 年神經網路領域全球趨勢的AI 指數研究。
該報告討論了多模式模型的發展、產生人工智慧的大量貨幣投資、新的績效指標、不斷變化的全球輿論和該領域的監管法規。
開放式與封閉式模型
2023 年，各組織發布了149 個人工智慧模型，是前12 個月數量的兩倍。開源佔比65.7%，高於2022 年的44.4% 和2021 年的33.3%。
性能比較。數據：史丹佛大學。
閉源模型的效能優於開源聊天機器人。在所選的10 個基準測試中，前者的平均效能優勢為24.2%。
主要聊天機器人開發商
2023年，Google超過其他行業參與者，發布了最多的模型，包括Gemini和RT-2。自2019 年以來，該公司在創建數量最多的基礎神經網路方面一直處於領先地位– 40 個，其次是OpenAI，有20 個。
市場上最大的參與者。數據：史丹佛大學。
相較之下，加州大學柏克萊分校在2024 年發布了三個模型，史丹佛大學發布了兩個模型。原因是成本高：訓練Gemini Ultra 的成本約為1.91 億美元，而GPT-4 的成本為7,800 萬美元。同時，2017 年，訓練代表幾乎所有現代LLM 底層架構的Transformer 模型的成本約為900 美元。 。
2023 年，美國遙遙領先其他司法管轄區，共開發了61 款車型。自2019 年以來，該國在創建最重要的聊天機器人方面一直處於領先地位。中國緊追在後，擁有15 個神經網路。
AI離人類還有多遠？
截至2023 年，人工智慧在從閱讀理解到視覺推理的許多有意義的測試中已經達到了人類水平的表現。但在一些測試中，它仍然低於人類水平。
將人工智慧模型與人類能力進行比較。數據：史丹佛大學。
今年，該指數追蹤了幾個新參數，包括編碼挑戰。
領域投資
儘管該行業本身的私人投資自2021 年以來一直在下跌，但相反，生成式人工智慧的需求正在變得越來越大。 2023 年，該領域的投資為252 億美元，2022 年這一數字為28.5 億美元，2019 年為8.4 億美元，佔2023 年人工智慧所有私人投資的四分之一以上。
人工智慧領域的私人投資。數據：史丹佛大學。
美國在這項指標上佔主導地位（672 億美元）。其次是中國（77.6 億美元）和英國（37.8 億美元）。
神經網路和工作
調查顯示，55% 的組織表示有意在2023 年使用人工智慧。 2022 年為50%，2017 年為20%。該公司正在使用人工智慧來自動化聯絡中心、個人化內容並吸引新客戶。
指數數據顯示，在全球範圍內，大多數人認為人工智慧將改變他們的工作，超過三分之一的人認為神經網路將取代他們。與X 世代和嬰兒潮世代相比，Z 世代和千禧世代預計人工智慧的影響更大。
研究表明，越來越多的美國監管機構正在採取法規來保護公民並監督人工智慧工具和資料。
例如，版權局和國會圖書館已經通過了關於包含人工智慧生成材料的作品的版權註冊指南，美國證券交易委員會制定了網路安全風險管理策略、指南和事件揭露計畫。
讓我們回想一下，2024年4月，德科集團發表了一份關於人工智慧對人事政策影響的研究報告。根據其結果，人工智慧將導致未來五年招聘人數減少。
在社群網路上訂閱ForkLog
發現文本中有錯誤？選擇它並按CTRL+ENTER
ForkLog 電子報：隨時掌握比特幣產業的脈動
資訊來源：由0x資訊編譯自FORKLOG。版權歸作者ForkLog所有，未經許可，不得轉載