撰写人工智能现状报告犹如在流沙上建塔：发布之时，行业格局或许已变。但斯坦福大学386页的《AI指数》报告，仍为理解这一复杂领域提供了关键趋势与见解。
该报告由“以人为本的人工智能研究所”（HAI）联合学界与业界专家编制。作为年度工作，虽非最新鲜的观点，但其周期性广泛调查对把握行业脉搏至关重要。
今年报告涵盖基础模型新分析（含地缘政治、训练成本）、AI环境影响、K-12 AI教育及公众舆论趋势，并考察了百余个国家的政策。
核心要点
- 过去十年，AI开发主导权已从学术界大幅转向产业界，且趋势未改。
- 传统基准测试评估模型愈发困难，亟需新范式。
- AI训练与使用的能源足迹显著增加，但尚未在其他方面体现效率提升。
- 自2012年以来，“AI事件和争议”激增26倍，实际数据可能更高。
- AI相关技能与职位空缺增长，但增速不及预期。
- 政策制定者急于出台权威AI法案，但这几乎是不可能完成的任务。
- 投资暂时停滞，这是过去十年天文数字级增长后的自然回调。
- 超70%的中国、沙特阿拉伯和印度受访者认为AI利大于弊，而美国仅35%。
报告内容详实、可读性强且非技术化。除专业人士外，任何有动力者皆可通读这386页分析。
第三章聚焦：AI伦理与技术
偏见与毒性难以量化，但未过滤模型更易产生问题。指令微调（如隐藏提示或中介模型处理）虽有效，但远非完美。
前述“AI事故和争议”的增长趋势如下图所示：
数据显示趋势上升，且统计于ChatGPT等主流应用之前。随着大模型及图像生成器的进步，26倍的增长仅是开始。
此外，优化模型公平性可能在其他指标上引发意外后果：
报告指出：“在某些公平性基准表现更好的语言模型，往往存在更严重的性别偏见。”这表明优化并非易事，部分原因在于我们尚未完全理解大模型的运作机制。
事实核查本是AI的优势领域，但目前AI评估事实的能力依然薄弱。风险不仅在于其作为核查者不可靠，更在于其可能成为极具说服力的错误信息源。尽管已有大量研究致力于改进此能力，但目前进展有限。
值得庆幸的是，业界对此关注度显著提升。ACM公平性会议投稿量大增，NeurIPS会议上关于公平性、隐私性及可解释性的议题也获得了更多展示机会。若信任缺失，整个行业将受重创。
以上仅为亮点概览。HAI团队组织出色，建议在浏览高层内容后，下载完整论文深入探索感兴趣的主题。