Raport na temat stanu sztucznej inteligencji

Uniwersytet Stanford wydał ogromny, 386-stronicowy raport na temat stanu sztucznej inteligencji (AI/SI). Można w nim znaleźć mnóstwo przydanych i wartych uwagi danych oraz informacji. Po przeanalizowaniu całości, dla Waszej wygody, zamieszczam poniżej kilka interesujących wykresów i komentarzy.

Publikacje na temat sztucznej inteligencji na świecie, 2010-21

W latach 2010-2021 całkowita liczba publikacji na temat sztucznej inteligencji wzrosła ponad dwukrotnie, z 200 000 do prawie 500 000.

Okazuje się, że najwięcej publikacji pojawia się w sektorze edukacji. Spoglądając jednak w głąb raportu można zauważyć, że od 2010 r. ich liczba w tej dziedzinie spada delikatnie z roku na rok w każdym regionie.

W przemyśle/biznesie najwięcej publikacji naukowych występuje w Stanach Zjednoczonych. Druga na liście jest Unia Europejska.

Nieprzerwanie od 2010 roku, instytucją tworzącą największą liczbę publikacji o sztucznej inteligencji jest Chińska Akademia Nauk. Kolejna pierwsza czwórka to wszystkie chińskie uniwersytety:

• Tsinghua University (5099 publikacji),
• Chińskiej Akademii Nauk (3373 publikacji),
• Shanghai Jiao Tong University (2904 publikacji),
• oraz Zhejiang University (2703 publikacji).

Z wykresów tych jasno wynika jak bardzo ważny jest dla Chin rozwój sztucznej inteligencji, szczególnie w zakresie wykorzystania go do celów rządowych.

Uczenie maszynowe w sztucznej inteligencji

Na poniższym wykresie przedstawiono liczbę parametrów, które posiadają systemy uczenia maszynowego. Wraz z biegiem czasu obserwuje się stały wzrost ich liczby, co odzwierciedla zwiększoną złożoność zadań, które jest w stanie przetworzyć i wykonać oprogramowanie.

Wzrost wydajności stał się szczególnie gwałtowny po roku 2010, kiedy nastąpił największy postęp w zakresie wykorzystywanego sprzętu i jego możliwości.

Poniższy rysunek przedstawia oś czasu, na której przedstawiono daty premier dużych modeli językowych i multimodalnych wraz z krajem pochodzenia. Jej początek znajduje się w momencie ukazania w 2019 r. rozwiązania GPT-2.

Godne uwagi modele językowe i multimodalne, które ukazały się w 2022 roku to:

• DALL-E 2 firmy OpenAI
• i PaLM firmy Google.

Jedynym dużym, chińskim modelem jest wydany w 2022 r. GLM-130B, który posiada imponujący dwujęzyczny (angielski i chiński) model stworzony przez naukowców z Uniwersytetu Tsinghua.

Warto także zwrócić uwagę na to, że BLOOM, również wypuszczony pod koniec 2022 r., został wymieniony jako nieokreślony. Wynika to z faktu, że jest on wynikiem współpracy ponad 1000 międzynarodowych badaczy.

Dodatkowo warto też przy okazji spojrzeć na koszt trenowania modeli językowych. Firmy zajmujące się sztuczną inteligencją nie chwalą się otwarcie o tym jak wiele ich to kosztowało. Jednakże spekuluje się, że szkolenie tych modeli wynosi miliony dolarów i będzie coraz droższe wraz ze wzrostem skali.

Twórcy raportu oszacowali koszty na podstawie wykorzystywanego sprzętu oraz czasu szkolenia, które zostały ujawnione przez autorów modeli.

Istnieje również zależność pomiędzy wielkością a kosztem dużych modeli językowych i multimodalnych. Jak widać poniżej, duże modele, o większej liczbie parametrów i trenujące z wykorzystaniem większych ilości mocy obliczeniowych, są droższe od pozostałych.

Wykorzystanie modeli językowych w zakresie planowania i rozumienia

W 2022 roku badacze postanowili przebadać modele językowe w zakresie ich możliwości planowania oraz rozumienia. Test, który przeprowadzono składał się z siedmiu zadań:

1. generowanie planu,
2. planowanie optymalne kosztowo,
3. zrozumienie wygenerowanego planu,
4. odporność modelu na przeformułowanie celu,
5. zdolność do ponownego wykorzystania wcześniej generowanych planów,
6. ponowne planowanie,
7. generalizacja planu.

Okazało się, że duże modele językowe są dość nieefektywne. Tymczasem GPT-3, Instruct-GPT3 i BLOOM wykazały się, w niektórych przypadkach, zdolnością do przeformułowania celów, a także potrafiły zmagać się z zadaniami, takimi jak: generowanie planów, optymalne planowanie i ponowne wykorzystanie planów.

W porównaniu z ludźmi, duże modele językowe wypadały znacznie gorzej. Sugeruje to, że choć są „zdolne”, to brakuje im możliwości ludzkiego rozumowania.

Wpływ sztucznej inteligencji na zanieczyszczanie środowiska naturalnego

Jednym z bardzo ważnych aspektów sztucznej inteligencji jest jej wpływ na środowisko naturalne. Badacze pochylili się także nad tym tematem. Aby zmierzyć to, jak wiele dwutlenku węgla emitowanego jest do atmosfery należało znaleźć czynniki o tym decydujące.

Okazuje się, że są to:

• liczba parametrów w modelu,
• efektywność wykorzystania mocy przez centrum danych
• oraz intensywność emisji dwutlenku węgla przez sieć.

Spośród czterech badanych modeli językowych, GPT- 3 uwolnił najwięcej śladu węglowego, 1,4 razy więcej niż Gopher i 7,2 razy więcej niż OPT oraz 20,1 razy więcej niż BLOOM.

Ten ostatni wyemitował 1,4 razy więcej węgla niż przeciętny Amerykanin zużywa w ciągu roku oraz 25 razy więcej niż lot jednego pasażera w obie strony z Nowego Jorku do San Francisco. Trening BLOOM zużył tyle energii, że wystarczyłoby jej na zasilenie przeciętnego domu przez 41 lat.

Incydenty i kontrowersje dotyczące sztucznej inteligencji

Liczba nowo zgłoszonych incydentów i kontrowersji związanych z wykorzystaniem AI była w 2021 r. 26 razy większa niż w 2012 r.

Wzrost liczby zgłoszonych incydentów można przypisać rosnącej integracji AI ze światem rzeczywistym oraz zwiększonej świadomości potencjalnych nadużyć etycznych. Dodatkowo dużo lepiej jesteśmy w stanie śledzić incydenty i określać szkody, które zostały wyrządzone za pomocą sztucznej inteligencji.

Przykładem jednego z incydentów jest film, który pojawił się w marcu 2022 r. w mediach społecznościowych oraz na stronie internetowej, na którym ukraiński Prezydent informował o tym, ze Ukraina się poddaje. To ogromne i bardzo niebezpieczne użycie sztucznej inteligencji, na które większość państw możę nie być gotowe.

Dużym ryzykiem jest też to, że wiele krajów nadal nie ma ustaw związanych z wykorzystaniem AI. Wprawdzie pomiędzy 2016 r. a 2022 r. nastąpił ich gwałtowny wzrost, to jednak gdy spojrzymy na dane z Europy widać wiele pańśtw gdzie liczba ta wynosi zero.

Rynek pracy powiązany z branżą AI

Poniższe dane przedstawiają dziesięć najbardziej popularnych umiejętności specjalistycznych, powiązanych ze sztuczną inteligencją, na które istniało zapotrzebowanie w ofertach pracy w porównaniu z 2010/12 r. a 2022 r. Patrząc wysokopoziomowo, każda umiejętność specjalistyczna jest obecnie dużo bardziej pożądana, niż dekadę temu.

Będąc już przy programistach warto także rzucić okiem na wykres obrazujący jaki wpływ na ich produktywność i zadowolenie z pracy ma jedno z pierwszych narzędzi wykorzystujących sztuczną inteligencję do pomocy w codziennej pracy inżynierów – GitHub Copilot.

• 96% deweloperów szybciej radziło sobie z powtarzalnymi zadaniami,
• 88% było bardziej produktywnych,
• 74% mogło skupić się na tej części pracy, która dawała im satysfakcję,
• 59% czuło mniejszą frustrację z wykonywanych zadań.

Inwestycje w sztuczną inteligencję

W miarę jak sztuczna inteligencja staje się coraz bardziej połączona z gospodarką, coraz ważniejsze staje się śledzenie inwestycji związanych z AI. Od 2013 roku finansowanie projektów sztucznej inteligencji rosło nieprzerwanie aż do 2022 roku, w którym to zaliczyło lekki spadek.

W 2022 roku inwestycje w AI na całym świecie wyniosły 189,6 mld USD, czyli mniej więcej o jedną trzecią mniej niż w 2021 roku. Jak widać na poniższych danych najwięcej kapitału pochodzi ze Stanów Zjednoczonych, Chin i Wielkiej Brytanii.

Wykorzystanie SI w biznesie

Automatyzacja procesów miała najwyższy wskaźnik adaptacji w branżach:

• technologii i telekomunikacji- 48%,
• usług finansowych i biznesowych – 47%,
• usług prawnych i profesjonalnych -46%.

Zaś najczęściej wdrażanymi technologiami związanymi ze sztuczną inteligencją były:

• automatyzacja procesów – 39%,
• wizja komputerowa – 34%,
• rozumienie tekstu NL – 33%,
• oraz wirtualni agenci – 33%.

Niezależnie od branży, organizacje zauważają, że przyjęcie sztucznej inteligencji do ich przedsiębiorstw prowadzi do spadku kosztów i wzrost przychodów.

Największe spadki nakładów pieniężnych zaobserwowano w:

• zarządzaniu łańcuchem dostaw – 52%
• operacjach usługowych – 45%
• strategii i finansach- 43%
• zarządzaniu ryzykiem 43%

Jeżeli chodzi o wzrosty przychodów największe z nich zaobserwowano w działach:

• marketing i sprzedaż – 70%
• rozwój produktów i/lub usług – 70%
• strategia i finanse – 65%

Opinia publiczna na temat wykorzystania sztucznej Inteligencji

Na koniec zostawiam jeszcze dane prezentujące jak opinia publiczna postrzega sztuczną inteligencję. Większość badanych, bo aż 60%, uważa, że produkty i usługi AI w najbliższej przyszłości głęboko zmienią ich codzienne życie – i uczynią je łatwiejszym.

Nieznaczna większość, 52%, uważa, że produkty i usługi wykorzystujące AI mają więcej korzyści niż wad. 40% respondentów twierdzi, że produkty i usługi AI wywołują u nich uczucie zdenerwowania.

Słowo końcowe

Kiedy patrzy się na zawarte w raporcie dane, a szczególnie jak zmieniają się one wraz z linią czasu, widać jak wielkie zmiany zaszły przez ostatnie lata. Obecnie, wykorzystanie sztucznej inteligencji w biznesie daje praktycznie nieograniczone możliwości.

AI ma też jednak swoją mroczną stronę. Raport wskazuje bowiem na ogromną liczbę incydentów, które mają miejsce w ostatnim czasie. Sztuczna inteligencja może więc napawać lękiem, co do jej etycznego wykorzystania. Pytanie ile minie jeszcze czasu zanim przestaniemy wierzyć w to co widzimy, słyszymy i czytamy w internetowej rzeczywistości?