作者|西施

编辑|陈彩县

刚才斯坦福大学发表了著名的《2022年人工智能报告》(Artificial Intelligence Index Report 2021，以下简称“报告”)，在人工智能领域迅速传阅。

报告链接：

从2017年开始，斯坦福大学的AI Index每年都发表报告。由于数据详细信息、调查来源明确性、观点充实性等优点，在总结过去一年AI发展方面有比较权威的声音，引起了读者的关注。到今年为止，李飞飞领导的HAI实验室领导已经是第五版了。

除了以前的技术趋势分析外，今年该报告还增加了对全球机器人的调查以及对25个国家和地区(中国除外，所以这里不讨论)的AI层面的立法活动。

更值得注意的是，今年斯坦福的AI指数报告首次广泛讨论了人工智能在经济发展中的作用，以及人工智能在现实生活中的落地问题，包括AI在落地推进过程中可能产生的潜在伦理问题。

报告一方面指出，外部投资在AI领域的比例正在上升。与2020年(460亿美元)相比，2021年AI投资资金增加了103%(965亿美元)。另一方面，AI表现出“更漂亮、更便宜”的特点。例如，自2018年以来，教育图像分类系统的费用减少了63.6%，但培训效率减少了94.4%。

但是另一方面，AI在现实中的渗透也加剧了社会伦理危机。因此，我们可以看到对AI的讨论不再是模型和算法的创新，连接主义和符号主义哪个更好。人工智能时代正式开始之前，我们应该准备什么样的“基础水平”？(阿尔伯特爱因斯坦，美国作家)。

由于报告内容达200多页，AI技术评论仅从中美对比的角度整理了报告。

1

中美研究比较

报告显示，据研究机构称，全球高校对AI研究刊物的贡献比例最高，为59.58%，而公司仅为5.21%。

仅在这一水平上，美国的AI出版物中，高校比例在2021年为57.63%，企业为9.76%。

中国的AI出版物中，高校比例上升到60.24%，企业比重也持续上升，但2021年只有3.93%。

尽管中美关系紧张，但从2010年到2021年，中美合作的AI论文数量在跨国合作论文数量排名中排名第一，是第二位(中英合作)的2.7倍。

报告还比较了与中国、欧盟英国和美国过去12年AI出版物的比重。其中，中国人数为31.04%，其次是欧盟和英国(19.05%)，美国以13.67%保持第一位。

/T0gCPES7M7LryO?_iz=31825&from=ar;x-expires=1707061087&x-signature=GlIHDqY19Ihln5hp1VF8rmNgNCc%3D&index=5" width="640" height="340"/>

在 AI 期刊论文的引用数上，中国的占比逐渐上升，2021年排名第一（27.84%），美国的被引用数则为 17.45%：

在 AI 会议上，中国的论文发表数量也是排名全球第一，占比 27.6%，而美国为 16.9%，位居第三：

尽管出版数量上中国占优势，但报告发现，美国在 AI 会议上的论文被引数最高，占比29.52%，中国则只有15.32%：

在AI存储库（如arXiv）出版物上，美国自2011年以来一直保持领先地位，2021年占比 32.52%，但中国也不甘落后，比例一直上升，2021年占比16.6%：

在AI存储库出版物的引用数上，美国在2021年也是位居第一，引用率高达 38.6%，而中国为 16.4%：

在人工智能专利的申请上，2021年中国申请了全球一半以上的人工智能专利（51.69%），美国则为 16.92%：

2

中美 AI 市场对比

首先，在人才招聘一块，报告显示，中国香港在 AI 人才的招聘增长速度上位于全球第二，较 2016 年增长了 1.56 倍：

通过计算 2015 年至 2021 年期间 LinkedIn 用户在给定领域的自我添加技能的频率，报告发现，在AI 技能的渗透率上，印度的平均渗透率最高，其次是美国（2.24），而中国为 1.56，排名全球第四：

此外，在 AI 产业的投资上，美国的 AI 公司在获得总体私人投资上位居世界第一，约为 529 亿美元，而中国位居第二，为 172 亿美元，美国是中国的三倍：

而在2013年至2021年的私人投资总额上，美国投资总额为 1490 亿美元，中国投资总额为 619 亿美元：

值得注意的是，从 2013 年到 2021 年，美国对人工智能公司的私人投资是中国的两倍多，而中国本身是同期英国总投资的六倍左右。按地理区域划分，如图 4.2.6 所示，2020 年至 2021 年美国、中国和欧盟的投资均有所增长，其中美国分别领先中国和欧盟的 3.1 倍和 8.2 倍：

从 AI 公司的数量上看，2021 年，美国以 299 家公司领先，其次是中国，有 119 家：

在 AI 的采用率上，2021年采用率最高的是高科技/电信的产品和/或服务开发（45%），其次是金融服务的服务运营（40%）， 高科技/电信（34%）和金融服务的风险职能（32%）：

而采用的 AI 能力类型上，2021 年，嵌入率最高的是高科技/电信行业的自然语言文本理解（34%），其次是金融服务和汽车和装配行业的机器人流程自动化（33%）和金融服务的自然语言文本理解（32%）：

那么，采用人工智能的风险可能有哪些？

报告称，55% 的受访者认为 2021 年最突出的 AI 应用风险是网络安全，其次是监管合规性（48%）、可解释性（41%）和个人隐私（41%）：

3

最后，谈谈 AI 伦理

报告还称，「尽管人工智能在全球范围内部署，许多研究人工智能伦理的论文还是集中在英语模型与数据集上」。

由于 AI 系统已被部署到世界各地，研究人员开始加大对 AI 与现实交互的关注度，尤其是 AI 落地可能带来的危害，例如带有种族歧视的人脸识别系统、带有性别歧视的简历筛选系统，以及经济收入歧视的 AI 临床工具等。

AI 模型在落地过程中展示出来的社会偏见，使研究者们增加了对研究 AI 伦理、公平与偏见的兴趣，并驱使相关从业者积极寻找解救措施。

如前所述，该报告还增加了对 AI 伦理的探讨。报告发现：

• 语言模型所展现出的「偏见」问题最明显，且新数据表明：语言模型的规模越大，在训练数据中反映出来的偏见也越普遍。比如，一个2021年开发的 2800 亿参数模型比 2018 年 1.17 亿参数的模型的毒性增加了 29%

• 自 2014 年以来，针对 AI 公平性与透明性的研究呈爆炸式增长，相关出版物增加了五倍，算法公平与偏见的研究逐渐成为主流研究课题，而且工业界在该方向的研究工作发表同比增加了 71%

• 多模态模型也呈现出多种多样的、创纪录的「偏见」，例如，关于 CLIP 的实验表明，黑人图像被错误分类为非人类的比率是其他种族的两倍以上

此外，报告指出，虽然全球范围内的研究者都对 AI 公平性、问责性与透明性的研究越发感兴趣，但在相关会议 FAccT 上，大多数的论文都由美国的研究人员撰写。从2020年到2021年，来自北美机构的论文比例从70.2%上升到75.4%：

与其他语言的事实检验数据集相比，英语数据集的比例最高，有 142 个，而非英语数据集只有35个（其中中文数据集只有5个）：

这一点间接地讽刺了人工智能领域的中文研究者缺少对 AI 伦理的论文发表。换言之：较少中国研究者从事 AI 伦理层面的科研工作。那么，报告的观点是否有失偏颇呢？也许只能评论区见分晓。

在 AI 的落地研究上，如何缩小中美差距？谈谈你的看法。

参考链接：

雷峰网