斯坦福人工智能指数 2024 报告：人工智能法规和生成式人工智能投资的增长

斯坦福大学以人为中心的人工智能研究所（HAI）发布了《2024 人工智能指数年度报告》（2024 AI Index annual report）。该报告确定了人工智能的主要趋势，例如自 2022 年以来，生成式人工智能投资增长了 8 倍。

今年是《人工智能指数》报告第七版的发布年，该报告由一个跨学科团队与政府、工业界和学术界合作编写。该报告共包含九个章节，编辑们从该指数中提炼出了几个关键要点，包括：去年美国的人工智能法规数量增加了 56.3%；模型训练成本，尤其是大语言模型（LLM）的成本，近年来已经“显著地”增加；尽管生成式人工智能（Generative AI）的投资有所增长，但自 2021 年以来，人工智能的总体私人投资有所下降。该指数的联席负责人 Ray Perrault 和 Jack Clark 写道：

2024 年的指数报告是我们迄今为止最全面的一版，它发布于一个非常重要的时刻，此时人工智能对社会的影响前所未有。今年，我们扩大了范围，更广泛地涵盖了如人工智能的技术进步、公众对该技术的看法以及围绕其发展的地缘政治动态等关键趋势。该版本提供了比以往任何时候都多的原始数据，引入了关于人工智能训练成本的新估计，对负责任的人工智能格局的详细分析，以及一个专门讨论人工智能对科学和医学影响的全新章节。

该报告共分为九个章节：研究与开发、技术性能、负责任的人工智能、经济、科学和医学、教育、政策和治理、多样性和公众舆论。《科学与医学》章节是今年新增加的，重点介绍了人工智能模型在科学和医学研究中日益增长的作用，其中特别提到了诸如 DeepMind 的 AlphaDev 模型这样的例子，该模型产生了一种更高效的排序算法。报告还指出，自 2021 年以来，美国食品药品监督管理局（FDA）批准的与人工智能相关医疗设备增加了 12.1%。

在关于《研究和开发》的章节中，该报告深入探讨了基础模型的训练成本，尤其是大语言模型（LLM）的训练成本。该报告指出，“关于这些成本的详细信息仍然很少”，并与人工智能研究机构 Epoch AI 合作估计了成本。该报告包括一张图表，显示了随着时间的推移，训练成本呈指数级增长，谷歌最初的 Transformer 模型的训练成本估计不到 1000 美元，而最近的模型，如 GPT-4 和 Gemini，训练成本则高达 1 亿美元或更多。

随着时间的推移，模型的训练成本

根据这份报告，这种训练成本的增长“实际上排除了大学”发展模型的可能。该报告的数据显示，在 2023 年，工业实验室生产了 51 个“引人注目的”模型，相比之下，学术界仅生产了 15 个；而在 2016 年之前，学术界生产的模型数量与工业界相当，甚至更多。另一方面，产研合作在 2023 年创造了 21 个引人注目的模型，这一数字创下了新高。

按行业划分的引人注目的模型

JVM 周刊（JVM Weekly Newsletter） 编辑 Artur Skowroński 针对这份报告在 LinkedIn 上写道：

对于那些想了解正在发生的事情，但又没有时间持续关注的人来说（而且最近我就有这样的想法，鉴于数量这么多且频繁的公告，尤其是当你想要核实任何事情时，这是极其困难的），这是一份必读的资料。虽然有 500 页，但它易于访问且提供了良好的解析度——每个主题都从总体概述到详细细节进行了介绍。

完整报告 可从人工智能指数（AI Index）网站下载。报告的 原始数据和图表 可在谷歌云端硬盘（Google Drive）上公开获取。该报告是采用知识共享 署名 - 禁止演绎 4.0 国际许可协议（Creative Commons Attribution-NoDerivatives 4.0 International license）。

原文链接：

https://www.infoq.com/news/2024/05/stanford-ai-index/