作者 | Nathan Benaich、Ian Hogarth
编译 | 杨阳
出品 | AI科技大本营（ID：rgznai100）
日前，2022年《State of AI Report》新鲜出炉。
作为每年发布的AI报告，作者从研究、产业、政策、安全、预测五个维度对最新人工智能发展现状和未来预期进行了深入分析和说明。
报告囊括的技术范畴包括：AI、AI安全、机器学习、强化学习、深度学习、模型、自监督学习、语言模型、计算机视觉等。
这一年，AI的亮眼表现
研究领域
基于文本到图像的生成能力，扩散模型（Diffusion models）在计算机视觉界掀起一场风暴。 AI研究影响到更多科学议题，从塑料回收、核聚变反应堆控制，到发掘天然产品。 把标度法则重新聚焦在数据上：模型的尺度并不是所需全部，发展单一的模型，关键是要盯住数据。 社区驱动的开源大模型进展飞速，从而让这种小集体合作方式能够与大型实验室相竞争。 通过神经科学的启发，人工智能的研究方法开始越来越像认知科学。
产业领域
半导体初创公司在与英伟达等巨头的角逐中是否有胜算？统计数据显示，英伟达的规模领先20-100倍。 大型科技公司正努力扩张AI云，并与A(G)I初创公司建立合作。 招聘冻结、人工智能实验室解散，促使DeepMind和OpenAI在内的巨头企业成立了更多初创公司。 首个自主医疗成像诊断被授予CE标志。 AI最新的代码研究被快速转化为商业开发工具。
政策领域
学术界和产业界的鸿沟可能无法弥合，几乎没有什么工作是在学术界完成的。 学术界正在将它们研究工作交接给非传统出身，分散的研究群体。 在应用领域上值得注意的是，人工智能技术被持续应用在大量国防产品中，国防初创人工智能公司获得资本青睐。
安全领域
在AI安全的研究上，虽然人们的认知、人才的供给和资金的投入都在增长，但要提升这方面的能力并不容易。
哪些实现了，哪些没实现？
2021年的报告中曾对2022年作出8项预期，复盘来看哪些实现了，哪些没实现。
实现的预期中，包括取代RNNs的Transformers，在游戏中超过了人类的表现，取得这一成绩主要因为DeepMind的Gato模型可以预测未来的状态和行动。日内瓦大学的IRIS则解决了在Atari环境中设定的任务。此外，DeepMind在物理科学的研究上也有重大突破。
未能实现的预期：Graphcore、Cerebras、SambaNova、Groq、Mythic中至少有一家被大型科技公司或者半导体公司收购，实际上并没有发生。阿斯麦的市值也远没有达到5000亿美元，目前只有1650亿美元。
还有一些迟到的预期被验证。
比如2019年曾预期，人工智能的治理成为一个更大的问题，至少有一家主流AI公司会对治理及管理模式作出实质性的调整，Anthropic作为公益性公司的成立证明了这一点。
2020年预期英伟达最终没有完成对Arm的收购，在今年年初也得到验证。
最新研究成果和产业进展
在人工智能的研究领域，Deepmind这一年做出不少贡献，包括数学和材料科学。
Deepmind的研究人员同牛津大学、悉尼大学等院校教授合作，将AI应用于数学中的拓扑和表示论领域。在《自然》杂志的一篇文章中，通过研究纽结的结构，发现了数学在不同领域间隐藏的联系。
此外，自从开放源代码，DeepMind的AlphaFold 2已被数百篇研究论文引用。目前，AlphaFold 2 可以用来预测2亿种已知蛋白质的三维结构，包括植物、细菌、动物和其他生物。
与此同时，扩散模型在图像的生成上正在超越GANS，成为文本生成图像最先进的模型。在文本转视频、文本转音频，以及分子设计等领域也开始得到应用。
Stability.ai 和Midjourney两家公司所创建的文本转图像模型可以与已经发展成熟的人工智能实验室的产品相媲美。而通过这项技术，Midjourney实现了盈利，Stability则将其模型开源。
