1.2重要的機器學習系統(tǒng)的發(fā)展趨勢

通用的機器學習系統(tǒng)

下面的數(shù)字報告了在Epoch數(shù)據(jù)集中包含的所有機器學習系統(tǒng)的趨勢。作為參考，這些系統(tǒng)在整個小節(jié)中被稱為重要的機器學習系統(tǒng)。

系統(tǒng)類型

在2022年發(fā)布的重要的人工智能機器學習系統(tǒng)中，最常見的系統(tǒng)類別是語言（圖1.2.1）。2022年發(fā)布了23個重要的人工智能語言系統(tǒng)，大約是第二常見的系統(tǒng)類型——多模態(tài)系統(tǒng)的6倍。

2022年按領(lǐng)域劃分的重要機器學習系統(tǒng)的數(shù)量

（資料來源： Epoch，2022年|圖表： 2023年人工智能指數(shù)報告）

圖1.2.1

行業(yè)分析

在工業(yè)界、學術(shù)界或非營利組織中，哪個部門發(fā)布了最多的重要的機器學習系統(tǒng)？直到2014年，大多數(shù)機器學習系統(tǒng)都是由學術(shù)界發(fā)布的。從那時起，行業(yè)就接管了公司（圖1.2.2）。2022年，有32個重要的工業(yè)機器學習系統(tǒng)，而學術(shù)界生產(chǎn)的只有3個。生產(chǎn)最先進的人工智能系統(tǒng)越來越需要大量的數(shù)據(jù)、計算能力和資金；與非營利組織和學術(shù)界相比，行業(yè)參與者擁有更多的資源。

2002-22年重要機器學習系統(tǒng)的數(shù)量

（資料來源： Epoch，2022年|圖表： 2023年人工智能指數(shù)報告）

圖1.2.2

國家關(guān)系

為了描繪一幅人工智能不斷發(fā)展的地緣政治圖景，人工智能指數(shù)研究團隊確定了為Epoch數(shù)據(jù)集中每個重要機器學習系統(tǒng)的開發(fā)做出貢獻的作者的國籍。

系統(tǒng)

圖1.2.3顯示了來自特定國家的研究人員的重要機器學習系統(tǒng)的總數(shù)。一名研究人員被認為屬于其機構(gòu)的總部國家，例如大學或人工智能研究公司。2022年，美國生產(chǎn)了最多的重要機器學習系統(tǒng)，有16個，其次是英國(8)和中國(3)。此外，自2002年以來，就所生產(chǎn)的重要機器學習系統(tǒng)的總數(shù)而言，美國已經(jīng)超過了英國、歐盟以及中國（圖1.2.4）。圖1.2.5顯示了自2002年以來各國為全世界生產(chǎn)的重要機器學習系統(tǒng)的總數(shù)。

2022年按國家劃分的重要機器學習系統(tǒng)的數(shù)量

（資料來源： Epoch和AI指數(shù)，2022年|圖表： 2023年AI指數(shù)報告）

圖1.2.3

2002-2022按選擇的地理區(qū)域劃分的重要機器學習系統(tǒng)的數(shù)量

（資料來源： Epoch和AI指數(shù)，2022年|圖表： 2023年AI指數(shù)報告）

圖1.2.4