史丹佛大學新的人工智慧指數報告 [PDF]的主要要點：
1.人工智慧在某些任務上勝過人類，但並非在所有任務上。人工智慧已在多項基準測試中超越人類，包括在影像分類、視覺推理和英語理解方面。然而，它在競賽級數學、視覺常識推理和規劃等更復雜的任務上卻落後於人類。
2.行業繼續主導人工智慧前沿研究。2023 年，產業界產生了 51 個著名的機器學習模型，而學術界僅貢獻了 15 個。2023 年，產學合作還產生了 21 個著名模型，創下新高。
3.前沿模型變得更加昂貴。根據 AI Index 的估計，最先進的人工智慧模型的訓練成本已經達到了前所未有的水平。例如，OpenAI的GPT-4估計使用了價值7800萬美元的計算來進行訓練，而谷歌的Gemini Ultra則花費了1.91億美元的計算費用。
4.美國領先於中國、歐盟和英國，成為頂級人工智慧模型的主要來源。2023年，61個著名的人工智慧模型源自美國的機構，遠遠超過歐盟的21個和中國的15個。
5.嚴重缺乏對 LLM 責任的可靠和標準化評估。人工智慧指數的最新研究顯示，負責任的人工智慧報告嚴重缺乏標準化。包括 OpenAI、谷歌和 Anthropic 在內的領先開發者主要根據不同的負責任人工智慧基準測試其模型。這種做法使系統比較頂級人工智慧模型的風險和侷限性的工作變得更加複雜。
6.生成式人工智慧投資激增。儘管去年整體人工智慧私人投資有所下降，但用於生成式人工智慧的資金激增，比2022年增長了近八倍，達到252億美元。生成式人工智慧領域的主要參與者，包括 OpenAI、Anthropic、Hugging Face 和 Inflection，都報告了大量的融資輪次。
7.資料顯示：人工智慧讓工人更有生產力，並帶來更高質量的工作。2023年，多項研究評估了人工智慧對勞動力的影響，表明人工智慧能讓工人更快地完成任務，並提高產出質量。這些研究還表明，人工智慧有可能縮小低技能和高技能工人之間的技能差距。不過，其他一些研究告誡人們，在沒有適當監督的情況下使用人工智慧可能會導致績效下降。
8.得益於人工智慧，科學進步進一步加速。2022 年，人工智慧開始推動科學發現。然而，2023 年，與科學相關的更重要的人工智慧應用啟動了--從使演算法排序更高效的 AlphaDev，到促進材料發現過程的 GNoME。
9.美國的人工智慧法規數量急劇增加。美國人工智慧相關法規的數量在過去一年和過去五年中大幅上升。2023年，人工智慧相關法規有25項，而2016年僅有1項。僅去年一年，人工智慧相關法規總數就增長了56.3%。
10.全球各地的人們對人工智慧的潛在影響有了更深刻的認識--也更加緊張。益普索（Ipsos）的一項調查顯示，在過去一年中，認為人工智慧將在未來三到五年內對其生活產生巨大影響的人的比例從60%上升到66%。此外，52%的人對人工智慧產品和服務表示緊張，比2022年上升了13個百分點。在美國，皮尤的資料顯示，52%的美國人表示對人工智慧的擔憂多於興奮，這一比例比2022年的37%有所上升。