报告亮点

　　第一章：研究与发展

　　从2010年到2021年，美国和中国在人工智能出版物方面的跨界合作数量最多，尽管合作的速度已经放缓。自2010年以来，美国和中国之间的人工智能研究合作数量增加了大约4倍，比仅次于最近的国家对英国和中国的合作总数高出2.5倍。然而，从2020年到2021年，U.S.-China合作的总数仅增长了2.1%，这是自2010年以来的最低同比增长率。

　　对人工智能的研究正在全面兴起;自2010年以来，人工智能出版物的总数已经增加了一倍多。继续主导研究的特定人工智能主题包括模式识别、机器学习和计算机视觉。

　　中国在人工智能期刊、会议和知识库出版物总量方面继续领先;美国在人工智能会议和存储库引用方面仍领先，但这些领先优势正在慢慢侵蚀。尽管如此，世界上大多数的大型语言和多模态模式(2022年为54%)都是由美国机构生产的。

　　工业界的竞争领先于学术界;直到2014年，最重要的机器学习模型都是由学术界发布的。从那时起，工业就接管了公司。在2022年，有32种重要的行业生产的机器学习模型，而学术界生产的只有3种。构建最先进的人工智能系统越来越需要大量的数据、计算机能力和金钱——与非营利组织和学术界相比，行业参与者天生拥有更多的资源。

　　大型语言模型的规模越来越大，成本也越来越高;GPT-2发布于2019年，被许多人认为是第一个大型语言模型，有15亿个参数，培训成本估计为5万美元。PaLM是2022年推出的旗舰大型语言模型之一，拥有5400亿个参数，估计花费了800万美元——PaLM大约是GPT-2的360倍，成本是160倍。这不仅仅是PaLM：总之，大型语言和多模式模型正变得越来越大、越来越昂贵。

　　第二章：技术性能

　　在传统的基准测试上的性能饱和;人工智能继续发布最先进的结果，但在许多基准测试上的同比改善仍然很少。此外，达到基准饱和度的速度也在增加。然而，新的、更全面的基准测试套件，如BIG-bench和HELM正在发布。

　　生成性人工智能进入了公众的视野;2022年，像DALL-E 2和稳定扩散这样的文本到图像模型发布了，像make-a-视频这样的文本到视频系统，以及像ChatGPT这样的聊天机器人。尽管如此，这些系统还是容易产生幻觉，自信地输出不连贯或不真实的反应，这使得很难在关键的应用中依赖它们。

　　人工智能系统变得更加灵活;传统上，人工智能系统在狭窄的任务上表现良好，但在更广泛的任务中却很困难。最近发布的模型挑战了这一趋势;BEiT-3、PaLI和Gato等地，单一的人工智能系统越来越能够导航多个任务(例如，视觉、语言)。

　　有能力的语言模型仍然难以进行推理;语言模型继续提高它们的生成能力，但新的研究表明，它们仍然难以完成复杂的规划任务。

　　人工智能既帮助又破坏了环境;新的研究表明，人工智能系统可能会产生严重的环境影响。根据Luccioni等人，2022年，布鲁姆的训练运行排放的碳比从纽约到旧金山的单程旅行者多25倍。尽管如此，像空气冷却器这样的新的强化学习模型表明，人工智能系统可以用于优化能源使用。

　　世界上最好的新科学家……人工智能吗?人工智能模型开始迅速加速科学进步，并于2022年被用于帮助氢聚变，提高矩阵操作效率并生成新抗体。

　　人工智能开始构建更好的人工智能;英伟达使用了一种人工智能强化学习代理来改进为人工智能系统提供动力的芯片的设计。类似地，谷歌最近使用它的一种语言模型PaLM提出了改进相同模型的方法。自我改进的人工智能学习将加速人工智能的进步。

　　第三章：模型尺度

　　对偏差和毒性的影响被训练数据和缓解方法混淆了;在过去的一年里，一些机构建立了自己的基于专有数据训练的大型模型——虽然大型模型仍然是有毒的和有偏见的，但新的证据表明，通过指令调优训练大型模型后，这些问题可以在一定程度上得到缓解。

　　生成模型已经出现，它们的伦理问题也出现了;2022年，生成模型成为时代精神的一部分。这些模式很有能力，但也带有伦理上的挑战。文本图像生成器通常对性别维度有偏见，而像ChatGPT这样的聊天机器人可以被骗去为邪恶的目标服务。

　　有关滥用人工智能的事件数量正在迅速增加;根据追踪人工智能道德滥用相关事件的AIAAIC数据库，自2012年以来，人工智能事件和争议的数量增加了26倍。2022年发生的一些值得注意的事件包括一段乌克兰总统泽伦斯基投降的深度伪造视频，以及美国监狱对囚犯使用电话监控技术。这一增长证明了人工智能技术的使用量增加，也意识到了滥用的可能性。

　　更公平的模型可能不会更有偏见;对语言模型的广泛分析表明，虽然表现和公平之间存在明显的相关性，但公平和偏见可能是不一致的：在某些公平基准上表现更好的语言模型往往有更差的性别偏见。

　　人们对人工智能伦理学的兴趣继续飙升;领先的人工智能伦理会议FAccT被接受的提交数量自2021年以来增加了一倍多，自2018年以来增加了10倍。2022年，行业参与者的提交数量也比以往任何时候都多。

　　使用自然语言处理的自动事实核查毕竟并不是那么简单;虽然已经开发了几个自动事实核查的基准，但研究人员发现，16个数据集中有11个依赖于事实核查报告中“泄露”的证据，而这些证据在索赔出现时并不存在。

　　第四章：经济

　　几乎所有美国工业部门对人工智能相关专业技能的需求都在增长;在美国所有有数据的部门(农业、林业、渔业和狩猎除外)，与人工智能相关的职位发布数量平均从2021年的1.7%增加到2022年的1.9%。

　　美国的雇主正在越来越多地寻找具有人工智能相关技能的工人;过去十年来，私人在人工智能方面的投资首次同比下降。2022年，全球人工智能私人投资为919亿美元，较2021年下降了26.7%。与人工智能相关的融资事件总数以及新融资的人工智能公司数量也同样减少。尽管如此，在过去十年中，人工智能投资大幅增加。2022年，私人对人工智能的投资数量是2013年的18倍。

　　美国在人工智能方面的投资再次处于领先地位;美国在人工智能私人投资总额方面领先于世界。2022年，在美国投资的474亿美元，大约是在排名第二高的国家中国(134亿美元)的3.5倍。在新投资的人工智能公司总数方面，美国也继续领先，是欧盟和英国的总和的1.9倍，是中国的3.4倍。

　　2022年，投资最多的人工智能重点领域是医疗和医疗保健(61亿美元);其次是数据管理、处理和云计算(59亿美元);和金融科技(55亿美元)。然而，与人工智能私人投资的更广泛趋势相一致，大多数人工智能重点领域在2022年的投资少于2021年。去年，最大的三场人工智能私人投资活动是：(1)中国电动汽车制造商广汽新能源汽车获得25亿美元融资;(2)为军事机构和边境监控技术的美国国防产品公司提供15亿美元的E轮融资;(3)向德国商业数据咨询公司Celonis投资12亿美元。

　　虽然采用人工智能的公司比例已经趋于稳定，但采用人工智能的公司仍在继续领先;麦肯锡的年度研究调查结果显示，自2027年以来，采用人工智能的公司在2027年的比例增加了一倍多，尽管近年来已稳定在50%至60%之间。采用人工智能的组织报告称，实现了有意义的成本下降和收入增加。

　　企业正在以多方面的方式部署人工智能;最有可能嵌入到企业中的人工智能能力包括机器人过程自动化(39%)、计算机视觉(34%)、NL文本理解(33%)和虚拟代理(33%)。此外，2022年最常采用的人工智能用例是服务运营优化(24%)，其次是创建新的基于人工智能的产品(20%)、客户细分(19%)、客户服务分析(19%)和新的基于人工智能的产品增强功能(19%)。

　　像副驾驶这样的人工智能工具完全可以帮助工人;GitHub调查的结果显示，88%的受访者在使用该系统时感到更有效率，74%的人认为他们能够专注于更令人满意的工作，88%的人认为他们能够更快地完成任务。

　　中国主导着工业机器人的安装;2013年，中国超过了日本，成为安装工业机器人最多的国家。从那以后，中国安装的工业机器人总数与邻近国家之间的差距扩大。2021年，中国安装的工业机器人数量超过了世界其他地区的总和。

　　第五章教育

　　越来越多的人工智能专业化;2021年，美国大学计算机科学专业博士毕业生的比例从2020年的14.9%和2010年的10.2%跃升至2021年的19.1%。

　　新的人工智能博士越来越走向工业;2011年，人工智能博士毕业生在工业界工作的比例(40.9%)，与学术界(41.6%)大致相同。然而，从那以后，大多数人工智能博士都进入了工业行业。2021年，65.4%的人工智能博士在工业界工作，是28.2%在学术界工作的两倍多。

　　新的北美CS、CE和信息教员的招聘保持不变;在过去的十年里，北美计算机科学(CS)、计算机工程(CE)和信息教师的招聘总数有所下降：2021年为710人，而2012年为733人。同样，终身教职员工总数在2019年达到了422人，然后在2021年下降到324人。

　　美国私人与公共CS部门的外部研究资金差距继续扩大;2011年，美国私人和公共CS部门用于计算研究的外部总支出中位数大致相同。从那以后，差距扩大了，美国的私立计算机计算机系比公立大学多获得了数百万美元的额外资金。2021年，私立大学的支出中值为970万美元，而公立大学为570万美元。

　　美国和世界其他地区对K-12人工智能和计算机科学教育的兴趣都在增长;2021年，美国学生共参加了181,040次AP计算机科学考试，较上年增长1.0%。自2007年以来，AP计算机科学考试的数量增加了九倍。截至2021年，包括比利时、中国和韩国在内的11个国家已经正式批准并实施了K-12人工智能课程。