由斯坦福大學(xué)人工智能百年研究（AI100）推出的「人工智能指數(shù)」（AI Index）是一個(gè)追蹤 人工智能行業(yè)動(dòng)態(tài)與發(fā)展的非營(yíng)利性項(xiàng)目，其研究覆蓋了百年以來人工智能的總體情況，目標(biāo)是基于數(shù)據(jù)來推動(dòng)人工智能的廣泛交流和有效對(duì)話。2017 年，AIIndex 推出了首份年度報(bào)告，從多個(gè)角度觀察和解讀了人工智能L域的動(dòng)態(tài)和進(jìn)展。
此外，考量到近兩年疫情的影響，該報(bào)告還從多個(gè)方面展示了 COVID-19 對(duì) AI 發(fā)展的影響。例如「技術(shù)表現(xiàn)」章節(jié)探討了 AI 初創(chuàng)公司如何利用機(jī)器學(xué)習(xí)技術(shù)加速 COVID 相關(guān)藥物研發(fā)；「經(jīng)濟(jì)」章節(jié)表明 AI 招聘和私人投資并未受新G大流行的嚴(yán)重影響，仍處于增長(zhǎng)態(tài)勢(shì)。
總結(jié)來說，報(bào)告共包括「研發(fā)」、「技術(shù)性能」、「經(jīng)濟(jì)」、「人工智能教育」、「人工智能應(yīng)用的倫理挑戰(zhàn)」、「人工智能的多樣性」、「人工智能政策與國(guó)家戰(zhàn)略」七個(gè)部分，從多個(gè)維度探討了過去一年的 AI 發(fā)展，得重要結(jié)論，從而為 AI 從業(yè)者們提供了洞見。
附件：斯坦福大學(xué)：人工智能指數(shù)2021（222頁中文版）
不斷強(qiáng)化無監(jiān)督/弱監(jiān)督學(xué)習(xí)由量變到質(zhì)變，將助推企業(yè)從前期的迅速擴(kuò)張到穩(wěn)定期G效化運(yùn)作的新階段；AI與數(shù)字內(nèi)容產(chǎn)業(yè)的深度耦合，構(gòu)筑數(shù)字內(nèi)容生成新范式
隨著人工智能時(shí)代的到來，智能化也成為家電業(yè)發(fā)展的一大趨勢(shì)，智能電視占比大達(dá)55%，智能空調(diào)、智能洗衣機(jī)、智能冰箱，分別占比24%
發(fā)展和應(yīng)用人工智能首先要體現(xiàn)出四大價(jià)值,即尊重,保護(hù)和提升人權(quán)及人類尊嚴(yán),構(gòu)建和平,公正與相互依存的人類社會(huì)
AI創(chuàng)新的步伐正在加速;AI研發(fā)工具傳播更加廣泛;AI正在改變?nèi)藱C(jī)關(guān)系;AI帶來的顛覆性創(chuàng)新;機(jī)器與人的關(guān)系方面都將面臨現(xiàn)實(shí)的倫理挑戰(zhàn)
大模型的更新迭代速度不斷加快,開始從“可用”的基礎(chǔ)大模型轉(zhuǎn)向?yàn)椤昂糜谩钡男袠I(yè)大模型,為支撐應(yīng)用方更便捷地開發(fā)和部署大模型,多家頭部企業(yè)發(fā)布了行業(yè)大模型及開發(fā)工具
生成式AI借助生成對(duì)抗學(xué)習(xí)等技術(shù),能夠生成更加真實(shí),更有創(chuàng)意,更有趣味的內(nèi)容,生成式AI既是生產(chǎn)要素,也是生產(chǎn)工具,在寫作和編程等方面也取得進(jìn)展。
AI與傳統(tǒng)科學(xué)L域的深度融合,J大拓展該L域解決問題的能力;傳統(tǒng)科學(xué)L域的進(jìn)步和對(duì)AI技術(shù)的需求加速了AI本身的發(fā)展;AI4S的研究范圍也擴(kuò)展到了更多基礎(chǔ)問題L域
知識(shí)和數(shù)據(jù)雙輪驅(qū)動(dòng)的人工智能技術(shù)路線展現(xiàn)了強(qiáng)勁的發(fā)展?jié)摿?知識(shí)的融合應(yīng)用有效地提升了智能問答,智能推薦,大規(guī)模預(yù)訓(xùn)練模型等人工智能技術(shù)中的效果
器人流程自動(dòng)化,智能流程管理,低代碼應(yīng)用平臺(tái),流程挖掘等工具和平臺(tái),銜接起了企業(yè)級(jí)各類復(fù)雜業(yè)務(wù)場(chǎng)景,其綜合應(yīng)用,互使能是超級(jí)自動(dòng)化發(fā)揮效能的重要手段
規(guī)�；侵刚狭素S富的人工智能開發(fā),部署,測(cè)試,運(yùn)維等能力,標(biāo)準(zhǔn)化是指將異構(gòu)的軟硬件環(huán)境封裝為標(biāo)準(zhǔn)化的界面,可擴(kuò)展是指可以不斷適配新的技術(shù)和工具
到端的MLOps一體化工具和細(xì)分場(chǎng)景的專項(xiàng)工具都非常火熱,端到端工具追求大而全的功能集,專項(xiàng)工具在局部或某些場(chǎng)景下功能和性能較好
AI軟件設(shè)施在近兩年成為產(chǎn)業(yè)焦點(diǎn),AI開源框架生態(tài),預(yù)訓(xùn)練大模型體系,AI軟件平臺(tái)生態(tài)等內(nèi)容都得到了長(zhǎng)足的發(fā)展,像水電一樣成為觸手可得的普惠資源
