人工智能正变得越来越便宜、在我们分配的任务上表现越来越好，并且越来越普及——但关于偏见、伦理和监管监督的担忧仍然存在。在人工智能变得对每个人都触手可及之际，斯坦福大学以人为本人工智能研究所（Stanford Institute for Human-Centered Artificial Intelligence）发布了一份全面的2022 年报告，分析了这个不断增长的领域中的方方面面。以下是一些亮点。
越来越多的出版物
仅就该主题的出版物数量而言，就足以说明问题：在过去十年中，该数量翻了一番，从 2010 年的 162,444 篇增加到 2021 年的 334,497 篇。研究人员和其他人发表最多的 AI 类别是模式识别、机器学习和算法。
此外，2021 年与 AI 创新相关的专利申请数量是 2015 年的 30 倍。2021 年，提交的专利多数来自中国，但实际获批的专利多数来自美国。
2015 年至 2021 年，在 GitHub 上参与开源 AI 软件库的用户数量也有所增加。这些库包含用于应用程序和产品的计算机代码集合。其中一个名为 TensorFlow 的库仍然最受欢迎，其次是 OpenCV、Keras 和 PyTorch（Meta AI 使用）。
能够分析图像和理解语音的计算机
具体来说，在人工智能可以执行的各种任务中，去年研究界专注于将人工智能应用于计算机视觉，这是一个子领域，它教机器理解图像和视频，以便能够很好地对图像进行分类、识别物体、绘制人体关节的位置和运动，以及检测人脸（带口罩和不带口罩）。
[相关：麻省理工学院的科学家教会机器人互相破坏]
在图像分类方面，用于训练 AI 模型最流行的数据库是 ImageNet。一些研究人员在将模型暴露于 ImageNet 之前，会先在其他数据集上进行预训练。但模型仍然会出错，平均每 10 张图像中就会误识别 1 张。表现最好的模型来自 Google Brain Team。除了识别图像和人脸，人工智能还可以生成逼真的假图像，而且为了应对这个问题，研究人员一直在开发基于 FaceForensics++ 等数据集的深度伪造检测算法。
[相关：谷歌的这项新 AI 工具可能会改变我们的在线搜索方式]
自然语言处理（自 20 世纪 50 年代以来一直被积极探索的一个子领域）在英语理解、摘要、推断合理结果、识别情感语境、语音识别和转录以及翻译方面正缓慢取得进展。对于基本的阅读理解，人工智能的表现优于人类，但当语言任务变得更复杂时，例如需要解释语境线索时，人类仍然占优势。另一方面，AI 伦理学家担心偏见可能会影响从混合训练数据中提取的大型语言模型。
大型科技公司与人工智能
亚马逊、Netflix、Spotify 和 YouTube 等科技公司一直在改进其推荐系统中使用的 AI。同样，AI 在强化学习中的作用也得到了提升，这使得它能够在国际象棋和围棋等虚拟游戏中做出反应并表现出色。强化学习还可以用于教授自动驾驶汽车诸如变道等任务，或帮助数据模型预测未来事件。
随着人工智能在我们期望的方面做得越来越好，其训练成本也随之下降，自 2018 年以来下降了 60% 以上。与此同时，一个在 2018 年需要 6 分钟才能完成训练的系统，现在只需要 13 秒多一点。考虑硬件成本，2021 年，一个图像分类系统训练成本不到 5 美元，而 2017 年这个成本则超过 1000 美元。
更多的就业机会和学生
各行各业对 AI 应用的增加意味着对 AI 教育和工作的需求也在增加。2021 年，在美国，加利福尼亚州、德克萨斯州、纽约州和弗吉尼亚州对 AI 相关职业的需求最高。在过去十年中，博士计算机科学专业学生中最受欢迎的专业是人工智能和机器学习。
人工智能领域的私人投资处于历史最高水平，2021 年总计达到 935 亿美元（是 2020 年的两倍）。根据报告，在“数据管理、处理和云”方面有专长的 AI 公司在 2021 年获得了最多的资金，其次是致力于“医疗保健”和金融技术（简称 fintech）的公司。
政府是如何使用和监管人工智能的？
在 2021 财年，美国政府机构在非国防目的的 AI 研发方面花费了 15.3 亿美元，是 2018 财年支出的 2.7 倍。对于国防目的，国防部在 2021 年拨款 92.6 亿美元用于 500 个 AI 研发项目，比前一年增长了约 6%。AI 的两大主要用途是技术原型开发和反大规模杀伤性武器项目。
最后，该报告审查了与 AI 相关的全球、联邦和州法规（查找诸如人工智能、机器学习、自动驾驶汽车或算法偏见等关键词）。报告审查了全球 25 个国家，发现它们在 2016 年至 2021 年期间总共通过了 55 项与 AI 相关的法律。去年，西班牙、英国和美国各自有三项 AI 相关法案成为法律。
