劃重點:
⭐️ 人工智能在許多任務上仍然優于人類
⭐️ 最先進的人工智能模型成本不斷攀升
⭐️ 人工智能提高生産力，但缺乏監管
站長之家（ChinaZ.com）4月24日 消息:斯坦福大學人類中心人工智能研究所釋出的2024年人工智能指數，報告揭示了人工智能在商業領域的八大趨勢，涵蓋了人類優勢、成本、監管、投資增長、工作效率提升等方面的關鍵問題，為企業和決策者提供了重要的參考和啟示。
1. 人類在許多任務上仍然優于人工智能
研究表明，在進階數學問題解決、視覺常識推理和規劃等複雜任務上，人工智能仍然不如人類。為了得出這個結論，研究人員将模型與許多不同業務功能的人類基準進行了比較，包括編碼、基于代理的行為、推理和強化學習。
人工智能模型在不同任務中相對于人類的表現。圖檔:2024年人工智能指數報告/斯坦福大學 HAI
雖然人工智能在圖像分類、視覺推理和英語了解方面确實超越了人類的能力，但結果表明，企業有潛力利用人工智能來完成人類員工實際上表現更好的任務。許多企業已經開始擔心過度依賴人工智能産品的後果。
2. 最先進的人工智能模型變得越來越昂貴
AI Index 報告稱，到2023年， OpenAI 的 GPT-4和Google 的 Gemini Ultra 的訓練成本分别約為7800萬美元和1.91億美元。資料科學家 Rahman 在一封電子郵件中告訴 TechRepublic:“按照目前的增長率，到2026年，前沿人工智能模型的成本将約為50億至100億美元，屆時很少有公司能夠負擔得起這些教育訓練費用。”
2017年至2023年人工智能模型的訓練成本。圖檔:2024年人工智能指數報告/斯坦福大學 HAI/Epoch，2023年
2023年10月，《華爾街日報》報道稱，谷歌、微軟和其他大型科技公司正在努力将其生成式人工智能産品貨币化，因為運作這些産品的成本高昂。存在這樣的風險:如果最好的技術變得如此昂貴，以至于隻有大公司才能獲得它們，那麼它們相對于中小企業的優勢可能會不成比例地增加。世界經濟論壇早在2018年就指出了這一點。
然而，拉赫曼強調，許多最好的人工智能模型都是開源的，是以可供所有預算的企業使用，是以該技術不應擴大任何差距。他告訴 TechRepublic:“開源和閉源人工智能模型正在以相同的速度增長。最大的科技公司之一 Meta 正在開源其所有模型，是以那些無力自行訓練最大模型的人可以下載下傳他們的模型。”
3.人工智能提高生産力和工作品質
通過評估一些現有的研究，斯坦福大學的研究人員得出結論，人工智能使勞工能夠更快地完成任務并提高他們的産出品質。觀察到的職業包括計算機程式員（其中32.8% 的人表示生産力有所提高）、顧問、支援代理和招聘人員。
人工智能對客戶支援代理生産力的影響。圖檔:2024年人工智能指數報告/斯坦福大學 HAI/Brynjolfsson 等人，2023年
就顧問而言，GPT-4的使用彌合了低技能和高技能專業人員之間的差距，低技能群體的績效得到了更大的提升。其他研究還表明，生成式人工智能尤其可以發揮均衡器的作用，因為經驗不足、技術水準較低的勞工可以從中獲得更多收益。
使用人工智能時，提高低技能和高技能顧問的工作績效。圖檔:2024年人工智能指數報告/斯坦福大學 HAI
然而，其他研究确實表明，“在沒有适當監督的情況下使用人工智能可能會導緻性能下降，”研究人員寫道。例如，有廣泛的報道稱，在執行法律任務的大型語言模型中普遍存在幻覺。其他研究發現，我們可能在未來十年内無法充分發揮人工智能帶來的生産力提升的潛力，因為産出不理想、指導方針複雜以及缺乏熟練程度繼續阻礙勞工的發展。
4.美國人工智能監管不斷加強
AI指數報告發現，2023年，美國活躍的人工智能相關法規有25項，而2016年隻有1項。不過，這并不是一個穩定的增長趨勢，僅2022年至2023年，人工智能相關法規的總數就增長了56.3%。随着時間的推移，這些法規也從對人工智能發展的擴張性轉變為限制性，其中最普遍的主題是對外貿易和國際金融。
2016年至2023年間美國現行的人工智能相關法規數量。圖檔:2024年人工智能指數報告/斯坦福大學 HAI
歐盟與人工智能相關的立法也在不斷增加，2021年、2022年和2023年将分别通過46項、22項和32項新法規。在該地區，監管往往采取更廣泛的方法，通常涵蓋科學、技術和通信。
請參閱:NIST 成立人工智能安全聯盟
對于對人工智能感興趣的企業來說，必須及時了解影響他們的法規，否則他們将面臨嚴重的違規處罰和聲譽受損的風險。2024年3月釋出的研究發現，英國和歐盟隻有2% 的大公司了解即将出台的歐盟人工智能法案。
5、生成式人工智能投資不斷增加
從2022年到2023年，根據提示生成内容的生成式 AI 産品的資金幾乎增加了八倍，達到252億美元）。 OpenAI、Anthropic、Hugging Face 和 Inflection 等都獲得了大量融資。
2019年至2023年全球生成式人工智能私人投資總額。圖檔:2024年人工智能指數報告/斯坦福大學 HAI/Quid，2023年
生成式人工智能功能的建構可能會滿足希望将其納入流程的企業的需求。2023年，财富500強公司的所有财報電話會議中有19.7% 提到了生成式人工智能，麥肯錫的一份報告顯示，55% 的組織現在至少在一個業務部門或職能中使用人工智能，包括生成式人工智能。
2022年11月30日ChatGPT推出後，人們對生成式 AI 的認識迅速增強，從那時起，各組織就一直競相将其功能融入到自己的産品或服務中。麻省理工學院技術評論洞察與 Telstra International 合作最近對300家全球企業進行的一項調查發現，受訪者預計其部署生成式人工智能的職能數量到2024年将增加一倍以上。
然而，根據人工智能權威人士加裡·馬庫斯的說法，有一些證據表明，生成式人工智能的繁榮“可能會很快結束”，企業應該保持警惕。這主要是由于目前技術的局限性，例如潛在的偏見、版權問題和不準确性。根據斯坦福大學的報告，可用于訓練模型的線上資料數量有限可能會加劇現有問題，進而限制改進和可擴充性。報告指出，人工智能公司可能會在2026年耗盡高品質的語言資料，在20年内耗盡低品質的語言資料，并在2030年代末至2040年代中期耗盡圖像資料。
6. LLM責任的基準差異很大
根據該報告，科技公司在評估其法學碩士的可信度或責任方面的基準存在顯着差異。研究人員寫道，這“使得系統地比較頂級人工智能模型的風險和局限性的工作變得更加複雜。”這些風險包括有偏見的輸出以及從訓練資料集和對話曆史記錄中洩露私人資訊。
用于開發流行人工智能模型的負責任的人工智能基準。圖檔:2024年人工智能指數報告/斯坦福大學 HAI
斯坦福大學智能系統實驗室的博士生魯埃爾在一封電子郵件中告訴 TechRepublic:“目前沒有報告要求，我們也沒有可靠的評估，可以讓我們自信地說，如果一個模型通過了這些評估，那麼它就是安全的。”第一名。”
如果沒有這一領域的标準化，一些不值得信賴的人工智能模型可能會漏網而被企業整合的風險就會增加。報告補充說:“開發人員可能有選擇地報告能夠積極突出其模型性能的基準。”
Reuel 向 TechRepublic 表示:“有害模型漏掉的原因有多種。首先，沒有标準化或必需的評估，是以很難比較模型及其（相對）風險;其次，沒有可靠的評估，特别是基礎模型的評估，無法對模型的絕對風險有可靠、全面的了解。”
7. 員工對人工智能感到緊張和擔憂
該報告還追蹤了随着意識的提高，人們對人工智能的态度如何變化。一項調查發現，52% 的人對人工智能産品和服務表示緊張，并且這一數字在18個月内上升了13%。研究還發現，隻有54% 的成年人認為使用人工智能的産品和服務利大于弊，而36% 的成年人擔心人工智能可能會在未來五年内奪走他們的工作。
全球對2023年人工智能對目前工作影響的看法。圖檔:2024年人工智能指數報告/斯坦福大學 HAI/Ipsos，2023年
人工智能指數報告中引用的其他調查發現，53% 的美國人目前對人工智能的擔憂多于興奮，他們最普遍的擔憂是人工智能對就業的影響。當人工智能技術開始融入組織時，這種擔憂可能會對員工的心理健康産生特殊影響，企業上司者應該對此進行監控。
8. 當今最受歡迎的LLM大多由美國和中國建立
TechRepublic 的 Ben Abbott 在其有關在亞太地區建構人工智能基礎模型的文章中介紹了斯坦福大學報告中的這一趨勢。他部分寫道:
“美國在人工智能領域的主導地位持續了整個2023年。斯坦福大學2024年釋出的人工智能指數報告發現，2023年美國釋出了61個值得注意的模型;這領先于中國的15款新車型和法國，最大貢獻者來自歐洲的8款車型（圖一）。英國和歐盟作為一個地區生産了25個著名模型——自2019年以來首次擊敗中國——而新加坡則擁有3個模型，是亞太地區唯一另一個生産著名大型語言模型的國家。”
美國在人工智能模型的開發方面正在超越中國和其他國家。