1. 생성AI 투자 급증

지난해 기업 투자가 전반적으로 감소한 반면, 생성 AI에 대한 투자는 급증했습니다. 

올해 보고서의 편집장인 Nestor Maslej 는 Spectrum에 전 세계가 ChatGPT 및 이미지 생성 DALL 과 같은 생성 AI 시스템의 새로운 기능과 위험과 씨름하면서 이러한 붐은 2023년에 더 광범위한 추세를 나타낸다고 말했습니다. 

전자 2 . Maslej는 "지난해의 이야기는 사람들이 [생성 AI에] 반응하는 것에 관한 것이었습니다. 그것이 정책이든, 여론이든, 아니면 훨씬 더 많은 투자를 하는 업계이든 상관없이 말입니다."라고 Maslej는 말합니다. 보고서의 또 다른 차트는 생성 AI에 대한 민간 투자의 대부분이 미국에서 일어나고 있음을 보여줍니다.

2. 구글이 기초 모델 경쟁을 장악하고 있다

기초 모델 은 대규모 다목적 모델입니다.

예를 들어 OpenAI의 GPT-3 및 GPT-4 는 ChatGPT 사용자가 코드나 셰익스피어 소네트를 작성할 수 있는 기초 모델입니다 . 이러한 모델을 교육하려면 일반적으로 막대한 리소스가 필요하기 때문에 이제 업계에서는 대부분의 리소스를 만들고 학계에서는 일부 리소스만 내놓고 있습니다.

기업은 최첨단 기술을 발전시키고 개발자에게 제품과 서비스를 구축할 수 있는 기반을 제공하기 위해 기반 모델을 출시합니다. Google은 2023년에 가장 많은 제품을 출시했습니다.

3. 폐쇄형 모델이 개방형 모델보다 성능이 뛰어납니다.

현재 AI에서 뜨거운 논쟁 중 하나는 기초 모델이 개방적이어야 하는지 폐쇄적이어야 하는지에 관한 것입니다.

일부는 개방형 모델이 위험하다고 열정적으로 주장 하고 다른 일부는 개방형 모델이 혁신을 주도한다고 주장합니다 . AI Index는 해당 논쟁에 깊이 관여하지 않고 대신 얼마나 많은 개방형 모델과 폐쇄형 모델이 출시되었는지와 같은 추세를 살펴봅니다(여기에 포함되지 않은 또 다른 차트는 2023년에 출시된 149개 기초 모델 중 98개가 개방형임을 보여줍니다.

23개는 API를 통해 부분적인 액세스 권한을 부여했고 28개는 폐쇄되었습니다.

위 차트는 또 다른 측면을 보여줍니다. 일반적으로 사용되는 다양한 벤치마크에서 폐쇄형 모델이 개방형 모델보다 성능이 뛰어납니다. Maslej는 개방형과 폐쇄형에 대한 논쟁은 일반적으로 위험 문제를 중심으로 이루어지지만 의미 있는 성능 상충관계가 있는지에 대한 논의는 적다고 말합니다.

4. 파운데이션 모델이 엄청나게 비싸졌습니다.

업계가 기초 모델 장면을 지배하는 이유는 다음과 같습니다.

큰 모델을 훈련하려면 매우 많은 돈이 필요합니다. 하지만 정확히 얼마나 깊은가요? AI 기업들은 모델 훈련에 드는 비용을 거의 공개하지 않지만, AI 인덱스는 AI 연구 기관인 에포크 AI(Epoch AI) 와 협력해 일반적인 추측을 뛰어넘었다.

비용 추정치를 산출하기 위해 Epoch 팀은 간행물, 보도 자료 및 기술 보고서에서 수집한 정보를 사용하여 "훈련 기간은 물론 훈련 하드웨어의 유형, 수량 및 활용률을 분석"했다고 설명합니다.

오늘날의 거의 모든 대형 언어 모델을 뒷받침하는 아키텍처를 도입한 Google의 2017년 변환기 모델이 단 930달러에 훈련되었다는 점은 흥미롭습니다 .

5. 그리고 그들은 막대한 탄소 발자국을 가지고 있습니다.

AI Index 팀은 특정 대규모 언어 모델의 탄소 배출량도 추정했습니다.

보고서는 모델 간의 차이가 모델 크기, 데이터 센터 에너지 효율성, 에너지 그리드의 탄소 집약도를 포함한 요인에 기인한다고 지적합니다.

보고서의 또 다른 차트(여기에 포함되지 않음)는 모델이 훈련된 작업을 수행할 때 추론과 관련된 배출량에 대한 첫 번째 추측을 보여주며 이 주제에 대한 추가 공개를 요구합니다.

보고서에 따르면 "추론의 쿼리당 배출량은 상대적으로 낮을 수 있지만 모델이 매일 수천 번은 아니더라도 수백만 번 쿼리될 때 총 영향은 교육의 영향을 능가할 수 있습니다."

6. 미국은 기초 모델에서 선두를 달리고 있습니다.

Maslej는 보고서가 "이 경주의 승자를 선언"하려고 하는 것은 아니지만 미국이 출시된 기반 모델의 수(위)와 중요한 기술 발전으로 간주되는 AI 시스템의 수를 포함하여 여러 범주에서 선두를 달리고 있다고 지적했습니다.

그러나 그는 AI 특허 부여 및 산업용 로봇 설치를 포함한 다른 범주에서는 중국이 선두를 달리고 있다고 지적합니다.

7. 업계에서는 새로운 박사 학위를 요구합니다

업계가 생성 AI에 많은 투자를 하고 흥미로운 모델을 많이 출시한다는 이전에 논의된 데이터를 고려하면 이는 놀라운 일이 아닙니다.

2022년(지수에 데이터가 있는 가장 최근 연도)에는 북미 지역 신규 AI 박사 중 70%가 업계에 취업했습니다. 이는 지난 몇 년간 지속되어온 추세의 연속입니다.

8. 다양성에 대한 진전

수년 동안 AI를 덜 백인이고 덜 남성적으로 만드는 데는 거의 진전이 없었습니다. 그러나 올해 보고서는 몇 가지 희망적인 징후를 제시하고 있습니다.

예를 들어, AP 컴퓨터 공학 시험을 치르는 비백인 학생과 여학생의 수가 증가하고 있습니다. 위의 그래프는 인종에 대한 추세를 보여주는 반면, 여기에 포함되지 않은 또 다른 그래프는 현재 시험에 응시하는 학생의 30%가 여학생임을 보여줍니다.

보고서의 또 다른 그래프에 따르면 지난 5년 동안 CS 학사 학위를 취득한 여성의 수가 거의 변하지 않았지만 학부 수준에서는 컴퓨터 과학 학사 학위를 취득한 북미 학생들 사이에서 인종적 다양성이 증가하는 긍정적인 추세가 있음을 보여줍니다. Maslej는 "여기서 아직 해야 할 일이 많다는 것을 아는 것이 중요합니다."라고 말합니다.

9. 실적 발표 중 잡담

기업은 AI의 가능성에 대해 알고 있습니다. 이 지수는 자연어 처리 도구를 사용하여 "인공 지능", "AI", "기계 학습", "ML" 및 "ML"에 대한 모든 언급을 검색하는 시장 정보 회사인 Quid 로부터 Fortune 500대 기업의 실적 발표 에 대한 데이터를 얻었습니다. 딥러닝.”

거의 80%의 기업이 통화에 AI에 대한 논의를 포함했습니다. Maslej는 “비즈니스 리더들에게는 이 기술을 사용하지 않으면 기회를 놓치게 될 것이라는 두려움이 있다고 생각합니다.”라고 말했습니다.

그리고 그 대화 중 일부는 유행어에 대해 떠드는 CEO일 가능성이 높지만 보고서의 또 다른 그래프에 따르면 McKinsey 조사 에 포함된 기업 중 55%가 적어도 하나의 사업 단위에서 AI를 구현한 것으로 나타났습니다.

10. 비용은 감소하고 수익은 증가합니다.

AI가 단순한 기업 유행어가 아닌 이유는 다음과 같습니다.

동일한 McKinsey 조사에 따르면 AI 통합으로 인해 기업의 비용이 절감되고 수익이 증가한 것으로 나타났습니다. 전체적으로 응답자의 42%는 비용이 절감되었다고 답했고, 59%는 수익이 증가했다고 답했습니다.

보고서의 다른 차트에서는 이러한 수익에 대한 영향이 효율성 향상과 작업자 생산성 향상을 반영한다는 점을 시사합니다. 2023년 다양한 분야의 수많은 연구에 따르면 AI를 통해 작업자는 작업을 더 빠르게 완료하고 더 나은 품질의 작업을 생성할 수 있는 것으로 나타났습니다.

한 연구에서는 Copilot을 사용하는 코더를 조사했고 다른 연구에서는 컨설턴트, 콜센터 상담원 및 법대생을 조사했습니다. Maslej는 "이 연구는 또한 모든 근로자가 혜택을 받기는 하지만 AI가 고숙련 근로자보다 저숙련 근로자에게 더 많은 도움을 준다는 것을 보여줍니다."라고 말합니다.

11. 기업은 위험을 인지한다

올해 AI Index 팀은 책임 있는 AI에 대한 기업의 생각을 이해하기 위해 매출이 최소 5억 달러 이상인 기업 1,000개를 대상으로 글로벌 설문 조사를 실시했습니다.

결과에 따르면 개인 정보 보호 및 데이터 거버넌스는 전 세계적으로 가장 큰 위험으로 인식되는 반면 공정성(종종 알고리즘 편향 측면에서 논의됨 )은 여전히 ​​대부분의 기업에 등록되지 않은 것으로 나타났습니다.

보고서의 또 다른 차트는 기업이 인지된 위험에 대해 조치를 취하고 있음을 보여줍니다. 지역 전반에 걸쳐 대부분의 조직은 관련 위험에 대응하여 최소한 하나의 책임 있는 AI 조치를 구현했습니다.

12. AI는 모든 면에서 인간을 이길 수는 없습니다.

최근 몇 년 동안 AI 시스템은 독해 및 시각적 추론을 포함한 다양한 작업에서 인간을 능가했으며 Maslej는 AI 성능 개선 속도도 빨라졌다고 지적합니다.

"10년 전에는 ImageNet과 같은 벤치마크를 사용하여 5~6년 동안 AI 연구자에게 도전할 수 있었습니다."라고 그는 말합니다. "이제 경쟁 수준 수학에 대한 새로운 벤치마크가 도입되었으며 AI는 30%에서 시작하여 1년 안에 90%에 도달합니다."

인간이 AI 시스템을 능가하는 복잡한 인지 작업이 여전히 있지만, 내년에 그 일이 어떻게 진행되는지 확인해 보겠습니다.

13. AI 책임 규범 개발

AI 회사가 대규모 모델 출시를 준비할 때 해당 분야의 인기 있는 벤치마크와 비교하여 테스트하는 것이 표준 관행입니다.

이를 통해 AI 커뮤니티에 기술 성능 측면에서 모델이 서로 어떻게 비교되는지 알 수 있습니다. 그러나 유해한 언어 출력( RealToxicityPrompts 및 ToxiGen ), 응답의 유해한 편견( 굵게 및 BBQ ), 모델의 진실성 정도( TruthfulQA ) 등을 평가하는 책임 있는 AI 벤치마크에 대해 모델을 테스트하는 것은 덜 일반적입니다. 

이러한 벤치마크와 비교하여 자신의 모델을 확인하는 것이 책임 있는 일이라는 인식이 커지면서 상황이 바뀌기 시작했습니다. 그러나 보고서의 또 다른 차트는 일관성이 부족하다는 것을 보여줍니다. 개발자는 다양한 벤치마크에 대해 모델을 테스트하고 있으므로 비교가 더 어려워집니다.

14. AI를 강화하고 제한하는 법

2016년부터 2023년 사이에 AI 지수에 따르면 33개국이 AI 관련 법률을 하나 이상 통과시켰으며 대부분의 조치는 미국과 유럽에서 이루어졌습니다.

해당 기간 동안 총 148개의 AI 관련 법안이 통과되었습니다. 지수 연구원들은 또한 법안을 국가의 AI 역량을 향상시키는 것을 목표로 하는 광범위한 법률이나 AI 적용 및 사용에 제한을 두는 제한적인 법률로 분류했습니다. 많은 법안이 계속해서 AI를 강화하는 동안 연구원들은 제한적인 법안을 향한 세계적인 추세를 발견했습니다 .

15. AI는 사람들을 불안하게 만든다

이 지수의 여론 데이터는 AI에 대한 태도에 대한 글로벌 조사 에서 나온 것이며 , 31개국의 성인 22,816명(16~74세)이 응답했다.

응답자의 절반 이상이 AI가 자신을 불안하게 만든다고 답했는데, 이는 전년도의 39%보다 증가한 수치입니다. 그리고 이제 사람들의 2/3는 AI가 향후 몇 년 안에 일상 생활을 근본적으로 변화시킬 것으로 기대합니다.

Maslej는 지수의 다른 차트에서는 다양한 인구통계 간의 상당한 의견 차이를 보여주며 젊은이들은 AI가 자신의 삶을 어떻게 변화시킬지에 대해 낙관적인 시각을 갖는 경향이 더 크다고 지적합니다.

흥미롭게도 "이런 종류의 AI 비관론은 서구의 선진국에서 비롯된 것"이라고 그는 말합니다. 반면 인도네시아와 태국과 같은 곳의 응답자들은 AI의 이점이 해로움보다 더 클 것으로 기대한다고 말했습니다.