人工智能现在无处不在。这份报告显示了我们是如何走到这一步的。

人工智能越来越便宜，在我们分配给它的任务上表现得更好，也越来越普遍——但对偏见、道德和监管监督的担忧仍然存在。在人工智能变得人人都能接触到的时候，斯坦福大学以人为本的人工智能研究所在2022年发布了一份全面的报告，分析了这个不断发展的领域的来龙去脉。以下是一些亮点。

越来越多的出版物

仅关于这一主题的出版物数量就说明了一个问题：它们在过去十年中翻了一番，从2010年的162,444篇增加到2021年的334,497篇。研究人员和其他人发表的最受欢迎的人工智能类别是模式识别、机器学习和算法。

此外，2021年与人工智能创新相关的专利申请数量是2015年的30倍。2021年，大部分申请专利来自中国，但实际授予的大部分专利来自美国。

从2015年到2021年，参与GitHub上开源人工智能软件库的用户数量也有所增加。这些库收藏了用于应用程序和产品的计算机代码。一个名为TensorFlow的仍然是最受欢迎的，其次是OpenCV、Keras和PyTorch（元人工智能使用的）。

分析图像和理解语音的计算机

具体来说，在人工智能可以执行的各种任务中，去年，研究界专注于将人工智能应用于计算机视觉，这是一个教机器理解图像和视频的子领域，以便擅长对图像进行分类、识别物体、绘制人体关节的位置和运动以及检测人脸（有面具和没有面具）。

[相关：麻省理工学院的科学家教机器人如何互相破坏]

对于图像分类，用于训练AI模型的最流行的数据库是ImageNet。一些研究人员在将模型暴露给ImageNet之前，在其他数据集上预先训练它们的模型。但是模型仍然会出错，平均每10张图像中就有1张识别错误。表现最好的模型来自谷歌大脑团队。除了识别图像和人脸，人工智能还可以生成与真实图像几乎无法区分的假图像，为了解决这个问题，研究人员一直在研究基于FaceForensics++等数据集的深度伪造检测算法。

[相关：谷歌的这个新的人工智能工具可能会改变我们在线搜索的方式]

自然语言处理是自20世纪50年代以来一直在积极探索的一个子领域，在英语理解、总结、推断合理结果、识别情感上下文、语音识别和转录以及翻译方面正在缓慢取得进展。对于基本的阅读理解，人工智能可以比人类表现得更好，但是当语言任务变得更加复杂时，比如需要解释上下文线索时，人类仍然有优势。另一方面，人工智能伦理学家担心偏见可能会影响从混合训练数据中提取的大型语言模型。

大科技和人工智能

亚马逊、Netflix、Spotify和YouTube等科技公司一直在改进推荐系统中使用的人工智能。人工智能在强化学习中的作用也是如此，这使其能够在国际象棋和围棋等虚拟游戏中做出反应并表现出色。强化学习还可用于教授自动驾驶汽车任务，如变道，或帮助数据模型预测未来事件。

随着人工智能似乎在做我们希望它做的事情方面变得更好，训练它的成本也下降了，自2018年以来下降了60%以上。与此同时，一个在2018年需要6分钟训练的系统现在只需要13秒多一点。考虑到硬件成本，在2021年，一个图像分类系统的训练成本不到5美元，而2017年的成本将超过1000美元。

更多的工作和学生

跨行业的更多人工智能应用意味着对人工智能教育和工作的更多需求。2021年，在美国，加利福尼亚、德克萨斯、纽约和弗吉尼亚对人工智能相关职业的需求最高。在过去十年中，计算机科学博士学生中最受欢迎的专业是人工智能和机器学习。

人工智能领域的私人投资创下历史新高，2021年总额为935亿美元（是2020年的两倍）。根据该报告，擅长“数据管理、处理和云”的人工智能公司在2021年获得了最多的资金，其次是致力于“医疗保健”和金融技术（简称金融科技）的公司。

政府如何使用和监管它？

2021财年，美国政府机构在非国防用途的人工智能研发上花费了15.30亿美元，是2018财年花费金额的2.7倍。 出于国防目的，国防部在2021年为500个人工智能研发项目拨款92.60亿美元，比前一年增加了约6%。人工智能的两大用途是原型技术和对抗大规模杀伤性武器的项目。

最后，该报告考察了与人工智能相关的全球、联邦和州法规（寻找人工智能、机器学习、自动驾驶汽车或算法偏见等关键词）。该报告考察了全球25个国家，发现它们从2016年到2021年总共通过了55项人工智能相关法案成为法律。去年，西班牙、英国和美国各有三项人工智能相关法案成为法律。