赠书 | 李飞飞：在人工智能爆发的年代里，这是我们应该关注的10个事实-CSDN博客

文中有数据派THU福利哦

世界人工智能领域顶级科学家李飞飞首部个人回忆录

一部波澜壮阔、跌宕起伏的人工智能发展史

对人工智能未来发展的深刻洞察和理性呼吁

杰弗里·辛顿、张亚勤、李开复、黄铁军、杨澜、奥巴马等一致推荐

4 月 15 日，李飞飞领导的斯坦福大学以人为本人工智能研究院（HAI）发布2024年度《人工智能指数报告》。

这是《人工智能指数报告》走过的第七年。过去一年，以 ChatGPT 为代表的人工智能模型席卷世界，许多人预测，人工智能的「奇点时刻」正在临近，机器超越人类的时代已经来临。这份报告涵盖了过去一年人工智能的技术进步、公众对该技术的看法以及其未来的发展趋势。它是技术飞速发展下的一个注脚，帮助我们理解当下正在发生的变化，以更好地理解我们所处的环境。

本文整理自《我看见的世界：李飞飞自传》

Part 1：人工智能发展的十个事实

1. 人工智能在某些任务上超越了人类，但它需要追赶的地方还有很多。

在图像分类、视觉识别和语言理解等领域，人工智能已经超越了人类的能力。然而，在竞赛数学、视觉理解和规划等更复杂的任务上，人工智能仍在追赶人类。

2. 美国仍处于领先地位，但中国已经成为最大的人工智能专利来源国。

2023 年，美国发布了 61 个值得关注的机器学习模型，欧盟和中国分别是 21 个和 15个。但值得关注的是，中国已经在 2022年以61.1% 份额成为全球人工智能专利最大来源国，美国人工智能专利份额则从 2010 年的 54.1% 下降至2022年的 20.9%。

3. 产业界仍在主导人工智能的前沿研究，进一步推动了相关人才从学术届转移。

2023年，产业界发布了51个值得关注的机器学习模型，而学术界仅贡献了15个。缺乏算力的学术界在当下人工智能的发展上仍然处于劣势，推动了相关人才从学术届向产业界转移。2019 年，美国和加拿大新增加的人工智能领域教师有 13% 来自产业界。到2021年，这一数字已下降至11%，2022年进一步下降至7%。

4. 人工智能模型研究变得更加昂贵。

OpenAI的GPT-4训练成本高达7800万美元，而Google的Gemini Ultra更是达到了惊人的1.91亿美元。

5. 类似于 ChatGPT 的大语言生成模型仍然缺乏完善的伦理及风险评估。

由于不同模型的测试基准并不相同，使得评估人工智能模型的偏见和伦理问题变得更加复杂。随着生成模型开始可以生成高质量的文本、图像等，人工智能的基准测试已慢慢开始纳入人工评估（如 Chatbot Arena 排行榜），而不是单纯的计算机化排名（如ImageNet）。公众对人工智能的感受正在成为追踪人工智能进展的一个越来越重要的考虑因素。

6. 生成式人工智能的投资过去一年增长了近 8 倍。

生成式人工智能的领域资金比 2022 年增长了近八倍，达到 252 亿美元。

7. 人工智能提高了劳动者的工作效率，产出的质量也变得更高。

多项研究表明人工智能使劳动者能够更快地速度完成任务并提高产出质量，还可以帮助弥合低技能劳动者和高技能劳动者之间的技能差距。但有研究警告称，在没有适当监督的情况下使用人工智能可能会导致劳动者的工作水平下降。

8.人工智能帮助医学研究取得了突破性进展。

过去几年，人工智能在MedQA （医学文本问答数据集）基准上表现出了显着的进步，这是评估人工智能临床知识的关键测试。GPT-4 Medprompt 的准确率达到了 90.2%，比 2022 年的最高分提高了 22.6 个百分点。自 2019 年推出该基准测试以来，人工智能的准确性几乎增加了两倍。

9. 人工智能领域的法规数量急剧增加。

2023年，美国人工智能相关法规数达到了25个，而2016年仅有1个。全球各国的法律法规提及人工智能的次数从 2022 年的 1247 次增加到 2023 年的 2175 次，几乎翻了一番。

10. 人们意识到人工智能正在产生的影响，对这项技术的发展也更加谨慎。

益普索（Ipsos）的一项调查显示，去年，认为人工智能将在未来三到五年内极大影响他们生活的人比例从 60% 上升到 66%。此外，52% 的人表示对人工智能产品和服务感到焦虑，比 2022 年上升了 13 个百分点。皮尤研究中心的数据显示，52% 的美国人表示对人工智能感到担忧，这一比例高于 2022 年的 38%。

值得关注的是，年轻一代普遍对人工智能技术的发展更为乐观。59% 的 Z 世代受访者认为人工智能将改善人类的生活质量，而美国婴儿潮一代的这一比例仅为 40%。此外，与低收入和受教育程度较低的人相比，收入和教育水平较高的人对人工智能的发展更加乐观。

Part 2：人应该是人工智能的核心

2022 年底，ChatGPT 席卷了世界，随后出现了更多生成式人工智能工具。仅仅过了不到两年，Sora 又成为了人工智能技术发展上的又一里程碑。

随着人工智能生成的文本、图像、音频和视频越来越让人难以辨别真伪，其也愈发引起了人们的不安：在部分人工智能模型理解的世界里，具有创造力的是白人，社会底层是黑人、而由于训练数据的缺失，尽管作为现实世界上人口最多的国家，中国和印度却在人工智能构造的世界中经常被忽视。

西方陈旧的刻板印象在人工智能的世界重现了。

在李飞飞自传《我看见的世界》，她表示：

面对算法偏见造成的日益加剧的危害，我们也开始用批判的眼光审视自己的研究成果。ImageNet 包含了我们最初从互联网上搜罗的数百万张照片，我们通过研究，对数据集吸收的偏见(包括种族、性别等)进行量化。在研究结果的指导下，我们替换了大量图片，以更加平衡地展现人类群体的全貌，并删除了具有冒犯性的类别标签。

数据中隐藏的东西远超出我们意识到的范围。数据从来都不仅仅是图像、音频或文本。只有通过数据，模型才能对世界形成表征，而更大的数据意味着更强大、更细致的表征;意味着关系、联系和想法；意味着真理与谬误;意味着洞察和偏见；意味着新的理解，同时也伴随着新的陷阱。深度学习革命已经到来，而我们还没有做好准备。

数学很简单，方程可能很长，但很干净，然而人类和社会都是混乱的。面对算法中的偏见所造成的这种混乱，既有技术解决方案，也有管理解决方案，还有市场要求我们做得越来越好。我不想给人一种一切都会好起来的错觉，但我也不想传递一种绝望的感觉，因为人类需要希望。

无论是解决数据中的偏见，还是保护医院里的病人，这一切的共同点是我们的技术如何对待人，尤其是如何保护个体的尊严。最重要的问题就是，人工智能如何才能尊重人的尊严，这个问题是一切研究工作的立足点。

这是一个值得面对的挑战。深度学习飞速发展，每一年都感觉像是要面对一个全新的领域，其应用的深度和多样性增长得如此之快，甚至全职研究生和博士后也很难跟上文献的步伐，更不用说教授们了。可能性无穷无尽，挑战也永无止境。即使在这样一个黑暗的时代，人工智能也具有无与伦比的激励力量。面对全球亟待解决的问题，面对具有历史意义的机遇，面对可能需要几代人的努力才能揭开谜底的未知，真正解决所有问题的答案远远不是公司战略或学术课程所能提供的。未来几年，从业者需要的不仅是专业技术知识，他们还必须了解哲学、伦理学，甚至法律。

Part 3：人工智能的未来

人工智能还处于发展的早期阶段，其本身几乎没有明确的伦理准则。

硅谷的傲慢态度向来为外界所诟病。在人工智能时代，尽管我们对潜在风险的认知不断加深，企业的夸夸其谈也上升到了新的高度。无论首席执行官和自诩为未来学家的人的言论如何彻底脱离公众，技术的日益普及都会进一步加剧人们对人工智能的恐惧。

在这个时代，里程碑接二连三地出现，最可怕的情景正在逼近。在全球的注视和评判下，不少科技公司都因缺乏对技术的过度自信得到了惨痛的教训。这些事件提醒我们，仅仅对下一代技术进行投资，然后期望一切顺利是不够的。

我全心全意地相信人工智能技术的价值，它具有揭示智能奥秘的潜力。但是，哪怕是片刻的过度自信，付出的代价也会急剧上升。更糟糕的是，这个代价将由其他人承担，很可能是最脆弱的人群。人工智能已经走出了实验室，基本脱离了我们的控制。虽然新思想、新面孔和新机构的旋风令人振奋，但也带来许多新的担忧。

对我们这样经费极其紧张的研究人员来说，对人工智能领域进行商业投资的承诺似乎是天赐之物;但商业资金以巨大的力量冲刷着一切，好像一场豪赌，让人感到的不是幸运，而是不祥和担忧。

词不达意的问题依然存在。使用“现象”一词太过被动，“破坏” 显得粗鲁，“革命”过于自我陶醉。现代人工智能面纱揭开，我们看到的是一个纷繁复杂的迷局。令人不安的危险感日益增长，但这种危险感是科学家天生能够识别和理解的。

进一步发展人工智能的一个重要因素是就是资金，以确保技术的下一个突破来自学术界和政府，使其成为以人为本的实践而不仅仅是专注于利润和不愿与公众分享的商业企业。与其说这是旅程方向的改变，不如说是旅程范围的扩展。人工智能一直以来都追求科学性，而现在，它必须也追求人性。人工智能应该秉承最优秀的学术传统，保持合作和敬畏，同时不惧怕直面现实世界。毕竟，星光是多样的。一旦白色的光辉展开，各种颜色就会发出耀眼夺目的光芒。

数据派THU独家福利！