Wichtigste Erkenntnisse aus Stanfords AI Index Report 2022

Das Institut Stanford’s HAI erforscht KI mit einem menschenzentrierten Ansatz: inspiriert von Tiefe und Vielfalt des menschlichen Denkens und mit einem ständigen Blick auf die ethischen Auswirkungen für die Gesellschaft. Ihr Ziel: KI soll menschliche Fähigkeiten erweitern, nicht ersetzen. 

Erarbeitet von den führenden Expertinnen und Experten der Institution aus Wissenschaft und Wirtschaft, zeigt die fünfte Ausgabe des jährlichen AI Index die Daten hinter den neuesten KI-Trends des letzten Jahres. Der Bericht umfasst 230 Seiten. In diesem Artikel findest du die wichtigsten Takeaways aus jedem Kapitel. 

Erfahre, welche Länder die größten Fortschritte bei KI gemacht haben, wo es weltweit die meisten KI-Jobs gibt, wie es um KI-Regulierung steht und mehr.

Kapitel 1: Forschung und Entwicklung

Kapitelzusammenfassung

KI ist gefragter denn je, entsprechend breit war die Forschungs- und Entwicklungsaktivität im letzten Jahr. Dieses Kapitel versucht, F&E über akademische Einrichtungen, Regierungsorganisationen und die Industrie hinweg zu quantifizieren. 

Der Bericht hat folgendes Datenset aus öffentlich verfügbaren Quellen wie Konferenzbeiträgen, Journalartikeln, Forschungspapieren und Patenten zusammengetragen. Betrachtet werden auch GitHub-Sterne in Open-Source-Repositorien und sogar Konferenzteilnahmen. So entsteht ein Überblick aus der Vogelperspektive, wie KI-F&E weltweit vorankommt.  

Wichtigste Erkenntnisse

USA und China als KI-Partner

Bei der internationalen Zusammenarbeit in der KI verzeichnen die USA und China von 2010 bis 2021 die meisten gemeinsamen Publikationen – fünffach mehr als 2010, trotz politischer Differenzen. Das zweitstärkste Duo ist Großbritannien und China.

China führt bei Publikationen 

Mit den meisten veröffentlichten Publikationen, Journalen, Konferenzen und Repositorien liegt China derzeit bei KI-Forschungstätigkeiten vorn. 

Journals auf Rekordniveau

2021 waren 51,5% aller veröffentlichten KI-Dokumente Journals (also Forschungsarbeiten). Insgesamt erreichen KI-Journals und -Repositorien ein Allzeithoch. Die Zahl der Konferenzen sinkt hingegen seit 2018.

Am schnellsten wachsende Fachgebiete

Publikationen zu Mustererkennung und maschinellem Lernen haben sich seit 2015 mehr als verdoppelt. 2021 erschienen in diesen Bereichen rund 52.000 bzw. 40.000 Arbeiten. 

Branchenübergreifende Kooperationen

Nonprofits und Bildungseinrichtungen erzeugten 2010 bis 2021 die meisten branchenübergreifenden KI-Publikationen. Dahinter folgen Kooperationen zwischen Privatwirtschaft und Hochschulen sowie zwischen Regierung und Hochschulen. 

KI-Patente auf Allzeithoch

Mit dem schnelleren Fortschritt in der KI steigt der Drang, Ergebnisse zu schützen: Die Zahl der Patentanmeldungen wächst mit einer jährlichen Rate von 76,9%. 

KI-Repositorien: Der neue Weg, Forschung zu teilen

Das Vorveröffentlichen nicht peer-reviewter Arbeiten auf arXiv und SSRN ist für KI-Forschende zum Standard geworden. In den letzten 12 Jahren ist die Zahl der KI-Repo-Veröffentlichungen um den Faktor 30 gestiegen.

Beliebte Open-Source-KI-Bibliotheken

Der Bericht vergleicht die Gesamtzahl der GitHub-Sterne für populäre Open-Source-KI-Bibliotheken der letzten sieben Jahre. Tensorflow erhält die meisten Sterne, gefolgt von OpenCV, Keras und Pytorch. Weitere verbreitete Bibliotheken unter 40k Sternen sind faceswap, 100-Days-Of-ML-Code und AiLearning. 

Kapitel 2: Technische Performance

Kapitelzusammenfassung

Dieses Kapitel verfolgt die Fortschritte verschiedener Modelle in Computer Vision, Natural Language Processing, Speech, Recommendation, Reinforcement Learning, Hardware und Robotik. Die Performance wird über gebräuchliche Benchmarks und Fachumfragen über einen Zeitraum von zehn Jahren quantifiziert. Einige der im Bericht verwendeten Benchmarks sind unten aufgeführt:

Wichtigste Erkenntnisse

Big Data ist der Schlüssel zum Erfolg

Große Trainingsdatensätze sind entscheidend für Modelle mit hoher Genauigkeit. Fast alle State-of-the-Art-Modelle mit Millionen Parametern werden ausschließlich auf großen Datensätzen trainiert. Hier haben Big-Tech-Unternehmen einen Vorteil, weil sie über sehr viele Daten verfügen.

Erschwingliche KI

Die Innovationsjahre zahlen sich aus: Heute kann sich quasi jede und jeder den Aufbau großer Modelle leisten. Seit 2018 sind die Kosten für das Training eines Bildklassifikators um 63,6% gesunken. Gleichzeitig hat sich die Trainingszeit um 95% verbessert. Schnellere Trainingszeiten senken die Kosten, ebenso dedizierte Cloud-Services, effiziente Open-Source-Pakete und verfügbares Talent.

Günstige Roboterarme

Laut einer Umfrage des AI-Index-Teams sind die Preise für Roboterarme deutlich gefallen. Der Medianpreis lag 2017 bei 42.000 US-Dollar, 2021 waren es mit 22.600 US-Dollar fast 50% weniger. 

Fokus auf medizinische Bildgebung

Computer-Vision-Forschung verschiebt sich stärker zu anwendungsnahen Use Cases wie der medizinischen Bildgebung. Im Datensatz des AI Index ist ein deutlicher Anstieg bei Arbeiten mit dem Kvasir-SEG-Datensatz und CVC-ClinicDB sichtbar: 2020 gab es nur drei Arbeiten, 2021 bereits 25 relevante Publikationen.

KI hat weiterhin Sprachdefizite

Modelle wie SuperGLUE und SQuAD übertreffen Menschen bereits bei relativ einfachen Aufgaben wie Leseverständnis. Bei komplexeren Aufgaben wie abductiver Sprachinferenz (aNLI) bleiben KI-Modelle jedoch deutlich hinter menschlichem Niveau.

Fortschritte im allgemeinen Reinforcement Learning

In den letzten zehn Jahren wurde KI in engen RL-Aufgaben wie Schach sehr stark. 2021 zeigen sich jedoch deutliche Fortschritte bei allgemeineren RL-Aufgaben wie Procgen, einer von OpenAI 2019 veröffentlichten Umgebung, die die Fähigkeit einer KI testet, verallgemeinerbare Kompetenzen zu erlernen.

Kapitel 3: Technische KI-Ethik

Kapitelzusammenfassung

Unbestritten hat KI in den letzten Jahren enormen geschäftlichen Mehrwert erzeugt. Doch mit der Operationalisierung von ML-Modellen treten auch gravierende Schwächen zutage, insbesondere Bias in der KI. Trainingsdaten enthalten oft gesellschaftliche Verzerrungen, die durch das Modell weiter verstärkt werden.

Dieses Kapitel versucht, den Fortschritt beim Abbau von Bias zu messen – mit detaillierten Benchmarks für Domänen wie Sprache und Computer Vision. Einige der Benchmarks sind:

Wichtigste Erkenntnisse

KI-Ethik wird Mainstream

Forschung zur Fairness von KI-Modellen ist massiv gewachsen – seit 2014 stieg die Zahl der Publikationen im Schnitt um 71% pro Jahr. Verzerrte Ergebnisse kommerzieller Modelle führen in realen Anwendungen wie Kreditwürdigkeitsprüfung zu Benachteiligungen bestimmter Gruppen. Entsprechend rücken Fairness und verantwortungsvolles ML bei Forschenden und Unternehmen stärker in den Fokus.

Große Sprachmodelle sind voreingenommen

Gigantische Sprachmodelle mit Hunderten Milliarden Parametern wie GPT-3 liefern beeindruckende Resultate. Technisch basieren sie auf bidirektionalem Training von Transformern mit Attention. Neue Daten zeigen jedoch: Je größer die Modelle, desto anfälliger sind sie für die Übernahme von Bias aus ihren umfangreichen Trainingsdaten.

Multimodale Modelle neigen stärker zu Bias

Ähnlich wie große Sprachmodelle zeigen multimodale Text-Bild-Modelle wie DALL·E 2 dank großskaligem Training über Text und Bild hinweg ein breites Fähigkeitsspektrum. Neben fotorealistischen Bildern aus Texteingaben erzeugen sie jedoch auch Ergebnisse, die gesellschaftliche Stereotype und Vorurteile widerspiegeln.

Kapitel 4: Wirtschaft und Bildung

Kapitelzusammenfassung

Dieses Kapitel untersucht die Auswirkungen von KI auf Wirtschaft und Bildung. Der Bericht hat öffentlich verfügbare Daten von LinkedIn, der Computing Research Association, McKinsey, NetBase Quid und EMSI Burning Glass erhoben. Betrachtet werden unter anderem Auswirkungen auf Jobs: Einstellungen, Arbeitsnachfrage und Kompetenzdurchdringung.

Wichtigste Erkenntnisse

KI ist ein Investment-Schwerpunkt

2021 sammelten KI-Startups 93,5 Milliarden US-Dollar ein – doppelt so viel wie 2020. Die Zahl neu finanzierter KI-Startups sank jedoch von 1.051 (2019) auf 746 (2021). 2021 gab es 15 Finanzierungsrunden über 500 Millionen US-Dollar oder mehr.

Die USA setzen auf KI-Innovation

Die USA führen bei privaten KI-Investitionen und bei der Zahl neu finanzierter KI-Unternehmen – fast doppelt bzw. dreimal so hoch wie das zweitplatzierte China.

Cloud hat Investitionsvorrang

Unternehmen im Bereich Datenmanagement und -verarbeitung in der Cloud, etwa Databricks, erhielten die meiste private Finanzierung. Dahinter folgen Gesundheitswesen und Fintech.

Top-Regionen für KI-Jobs

Neuseeland, Hongkong, Irland, Luxemburg und Schweden verzeichnen 2016 bis 2021 das höchste Wachstum bei ausgeschriebenen KI-Stellen. 

KI-Joblage innerhalb der USA

Kalifornien, Heimat des Silicon Valley, verzeichnet die meisten Stellenausschreibungen – 2,3-mal so viele wie Texas auf Rang zwei. Relativ zu allen Stellenausschreibungen hat jedoch Washington, D.C., den höchsten Anteil an KI-Jobpostings.

KI ist das beliebteste Fachgebiet unter Informatik-Promovierenden

Das gefragteste Spezialgebiet unter PhDs in Informatik des letzten Jahrzehnts war Maschinelles Lernen/KI. 2020 spezialisierte sich jede bzw. jeder fünfte CS-PhD auf KI.

Kapitel 5: KI-Politik und Governance

Kapitelzusammenfassung

Dieses Kapitel beleuchtet Gesetze und Regulierung rund um Künstliche Intelligenz weltweit. Es zeigt, wie Länder und Regionen KI integrieren und dabei das Wohl der Bevölkerung in den Mittelpunkt stellen. Untersucht wurden weltweite politische Initiativen und die Zahl der vorgeschlagenen und verabschiedeten Gesetze, die Künstliche Intelligenz erwähnen. 

Wichtigste Erkenntnisse

Immer mehr Länder regulieren KI

Der Bericht analysiert die Zahl KI-bezogener Gesetze (mit dem Keyword „Artificial Intelligence“) in 25 Ländern von 2016 bis 2021. In den letzten zwei Jahren ist die Zahl verabschiedeter KI-Gesetze stark gestiegen. Spanien, das Vereinigte Königreich und die Vereinigten Staaten führten mit jeweils drei verabschiedeten KI-Gesetzen.

Die USA führen bei vorgeschlagenen KI-Gesetzen

US-Gesetzgebungsdaten zeigen einen deutlichen Anstieg der vorgeschlagenen KI-Regulierungen. 2021 wurden in den USA 130 Gesetzentwürfe eingebracht, jedoch wurden nur 2% davon Gesetz.

US-Bundesstaaten: KI-Gesetzgebung auf Landesebene

In den USA wird KI-Gesetzgebung bundesweit diskutiert: 41 von 50 Bundesstaaten haben zwischen 2012 und 2021 mindestens einen KI-bezogenen Gesetzentwurf eingebracht. Die drei Bundesstaaten mit den meisten vorgeschlagenen KI-Gesetzen:

• Massachusetts (40)
• Hawaii (35)
• New Jersey (32)

Demokraten vs. Republikaner bei KI

Auf Ebene der US-Bundesstaaten zeigt die Auswertung nach Parteisponsoring: Demokraten unterstützen KI-Gesetzgebung stärker als Republikaner – und die Lücke wächst. 2021 sponserten Demokraten 39 Gesetzentwürfe mehr als Republikaner.

KI-Erwähnungen in Gesetzesanhörungen weltweit

Der AI Index analysierte die protokollierten Anhörungen von 25 Ländern mit dem Keyword „artificial intelligence“ von 2016 bis 2021. Die Erwähnungen stiegen in sechs Jahren um den Faktor 7,7 auf insgesamt 1.323 Nennungen im Jahr 2021. 

Dranbleiben an KI

Das Feld der KI entwickelt sich rasant, Millionen Expertinnen und Experten weltweit treiben es rund um die Uhr voran. Wenn du am Puls bleiben willst, findest du hier weitere Ressourcen.

• Abonniere den DataFramed Podcast
• Abonniere das Weekly Roundup