स्टैनफ़ोर्ड के AI इंडेक्स 2022 रिपोर्ट से ज़रूरी निष्कर्ष

स्टैनफ़ोर्ड का HAI संस्थान मानव-केंद्रित दृष्टिकोण के साथ AI पर शोध करने का लक्ष्य रखता है—मानव मस्तिष्क की गहराई और विविधता से प्रेरित, तथा हर चरण पर समाज पर उसके नैतिक प्रभाव के प्रति सजग; उनका मिशन है AI का उपयोग मानव क्षमताओं को बढ़ाने के लिए करना, न कि उन्हें प्रतिस्थापित करने के लिए। 

संस्थान के अग्रणी विशेषज्ञों द्वारा शोधित और लिखित, AI इंडेक्स रिपोर्ट के पांचवें वार्षिक संस्करण में पिछले वर्ष के दौरान AI क्षेत्र की नवीनतम प्रवृत्तियों के पीछे के आंकड़ों को प्रदर्शित किया गया है। यह रिपोर्ट 230 पृष्ठों की है। इस लेख में, हम रिपोर्ट के प्रत्येक अध्याय से आवश्यक निष्कर्षों की रूपरेखा प्रस्तुत करते हैं। 

आगे पढ़ें कि किन देशों ने AI में सबसे बड़ी प्रगति की है, दुनिया भर में AI नौकरियों के प्रमुख स्थान कौन-से हैं, AI विनियमन की स्थिति क्या है, और भी बहुत कुछ।

अध्याय 1: अनुसंधान और विकास

अध्याय का सार

AI एक अत्यंत मांग वाला क्षेत्र है, इसलिए पिछले वर्ष में व्यापक स्तर पर अनुसंधान और विकास हुआ है। यह अध्याय अकादमिक संस्थानों, सरकारी संगठनों और उद्योग में हुए अनुसंधान और विकास को मात्रात्मक रूप से आँकने का प्रयास करता है। 

रिपोर्ट ने निम्नलिखित डेटासेट को कॉन्फ़्रेंस पेपर, जर्नल आर्टिकल, रिसर्च पेपर और पेटेंट जैसे सार्वजनिक स्रोतों से संकलित किया है। यह ओपन सोर्स रिपॉजिटरीज़ में GitHub सितारों और यहां तक कि कॉन्फ़्रेंस उपस्थिति पर भी नज़र डालती है। इससे दुनिया भर में AI अनुसंधान एवं विकास की प्रगति का एक समग्र दृश्य मिलता है।  

मुख्य बिंदु

USA और चीन: AI में सह-अग्रणी

AI के क्षेत्र में अंतरराष्ट्रीय सहयोग का विश्लेषण करने पर, 2010 से 2021 तक AI प्रकाशनों पर USA और चीन के बीच सबसे अधिक सहयोग दिखाई देता है—दोनों देशों के राजनीतिक मतभेदों के बावजूद 2010 से यह सहयोग पाँच गुना बढ़ा है। दूसरे स्थान पर UK और चीन की साझेदारी आती है।

प्रकाशनों में चीन सबसे आगे 

सबसे अधिक प्रकाशनों, जर्नल, कॉन्फ़्रेंस और रिपॉजिटरी प्रकाशित करने के साथ, चीन वर्तमान में AI शोध गतिविधियों में अग्रणी है। 

प्रकाशित जर्नल सर्वकालिक उच्च स्तर पर

2021 में, प्रकाशित सभी AI दस्तावेज़ों में से 51.5% जर्नल (यानी, शोध पत्र) थे। समग्र रूप से, AI जर्नल और रिपॉजिटरी ऐतिहासिक उच्च स्तर पर हैं। हालांकि, आयोजित कॉन्फ़्रेंसों की संख्या 2018 से घट रही है।

तेज़ी से बढ़ते अध्ययन क्षेत्र

पैटर्न रिकग्निशन और मशीन लर्निंग में प्रकाशन 2015 से दोगुने से अधिक हो गए हैं। 2021 में क्रमशः इन क्षेत्रों में लगभग 52,000 और 40,000 शोध पत्र प्रकाशित हुए। 

क्रॉस-सेक्टर सहयोग

2010 से 2021 तक क्रॉस-सेक्टर AI प्रकाशनों की सबसे अधिक संख्या गैर-लाभकारी संगठनों और शैक्षणिक संस्थानों द्वारा की गई। इसके बाद निजी क्षेत्र और शैक्षणिक संस्थानों के बीच सहयोग आता है, तथा फिर सरकारी और शैक्षणिक संस्थानों के बीच। 

AI पेटेंट सर्वकालिक उच्च स्तर पर

जैसे-जैसे AI में विकास तेज हुआ है, अधिक शोधकर्ता और वैज्ञानिक अपने कार्य की सुरक्षा के लिए आगे आए हैं, और पेटेंट दाखिल होने की वार्षिक संयोजित वृद्धि दर 76.9% रही है। 

AI रिपॉजिटरी: AI शोध साझा करने का नया तरीका

arXiv और SSRN पर सहकर्मी-समीक्षा से पहले शोध प्रकाशित करना AI शोधकर्ताओं के बीच अपने निष्कर्ष साझा करने का एक लोकप्रिय तरीका बन गया है। पिछले 12 वर्षों में AI रिपॉजिटरी प्रकाशनों की संख्या लगभग 30 गुना बढ़ी है।

लोकप्रिय ओपन-सोर्स AI लाइब्रेरी

रिपोर्ट ने पिछले सात वर्षों में लोकप्रिय ओपन-सोर्स AI लाइब्रेरी के कुल GitHub सितारों की तुलना की। Tensorflow के सबसे अधिक GitHub सितारे हैं, इसके बाद OpenCV, Keras, और Pytorch हैं। 40k सितारों से नीचे की अन्य लोकप्रिय लाइब्रेरी में faceswap, 100-Days-Of-ML-Code, और AiLearning शामिल हैं। 

अध्याय 2: तकनीकी प्रदर्शन

अध्याय का सार

यह अध्याय कंप्यूटर विज़न, प्राकृतिक भाषा संसाधन, वाणी, अनुशंसा, रीइन्फोर्समेंट लर्निंग, हार्डवेयर और रोबोटिक्स में विभिन्न मॉडलों की प्रगति को ट्रैक करता है। यह अध्याय पिछले 10 वर्षों में आमतौर पर उपयोग किए जाने वाले बेंचमार्क और व्यावसायिक सर्वेक्षणों के माध्यम से इन मॉडलों के प्रदर्शन को मात्राबद्ध करने का प्रयास करता है। रिपोर्ट में प्रयुक्त कुछ बेंचमार्क नीचे दिए गए हैं:

मुख्य बिंदु

बिग डेटा सफलता की कुंजी

बड़े प्रशिक्षण डेटासेट उच्च शुद्धता वाले सफल मॉडल बनाने की कुंजी हैं। लगभग सभी अत्याधुनिक मॉडल, जिनमें लाखों पैरामीटर हैं, उत्कृष्ट परिणाम पाने के लिए विशेष रूप से बड़े डेटासेट पर प्रशिक्षित किए जाते हैं। यहां बड़ी टेक कंपनियों को बढ़त मिलती है क्योंकि उनके पास बहुत सारा डेटा होता है।

सुलभ AI

कई वर्षों के नवाचार का लाभ अब आम उपयोगकर्ता भी उठा सकता है और बड़े पैमाने के मॉडल आसानी से बना सकता है। 2018 से, एक इमेज क्लासिफायर को प्रशिक्षित करने की लागत 63.6% तक घटी है। साथ ही, मॉडल प्रशिक्षण का समय 95% तक बेहतर हुआ है। प्रशिक्षण समय में सुधार लागत घटने का एक प्रमुख कारण है। समर्पित क्लाउड सेवाएँ, कुशल ओपन-सोर्स पैकेज, और प्रतिभा की उपलब्धता जैसे अन्य कारक भी लागत कम करने में योगदान देते हैं।

सस्ते रोबोटिक आर्म

AI इंडेक्स टीम के सर्वेक्षण के अनुसार, रोबोटिक आर्म की कीमतों में उल्लेखनीय गिरावट का रुझान है। 2017 में रोबोटिक आर्म की माध्य कीमत $42,000 थी, जबकि 2021 में यह लागत लगभग 50% घटकर $22,600 रह गई। 

मेडिकल इमेजिंग पर फ़ोकस

रिपोर्ट के अनुसार, कंप्यूटर विज़न शोध अधिक उपयोग-मामला-उन्मुख अनुप्रयोगों, जैसे मेडिकल इमेजिंग, की ओर बढ़ रहा है। उनके डेटासेट से AI इंडेक्स ने पाया कि Kvasir-SEG मेडिकल इमेजिंग डेटासेट और CVC-ClinicDB का उपयोग करने वाले शोध में उल्लेखनीय वृद्धि हुई है—2020 में इस डेटासेट का उपयोग करने वाले केवल तीन पेपर थे, जबकि 2021 में 25 संबंधित प्रकाशन हुए।

AI अभी भी भाषा कौशल में पीछे

हालाँकि SuperGlue और Squad जैसे मॉडल पढ़ने की समझ जैसी अपेक्षाकृत सरल कार्यों में मनुष्यों से आगे निकल चुके हैं, लेकिन अपहरण-आधारित प्राकृतिक भाषा अंतर्वेशन (aNLI) जैसे अधिक जटिल भाषायी कार्यों में, AI मॉडल अभी भी मानव-स्तरीय दक्षता से काफी दूर हैं।

सामान्य रीइन्फोर्समेंट लर्निंग में सुधार

पिछले 10 वर्षों में, AI ने शतरंज खेलने जैसे संकीर्ण रीइन्फोर्समेंट लर्निंग कार्यों में दक्षता हासिल की है। हालांकि, 2021 में अधिक सामान्य रीइन्फोर्समेंट लर्निंग कार्यों में सुधार का उल्लेखनीय रुझान दिखा, जैसे Procgen—OpenAI द्वारा 2019 में जारी किया गया एक रीइन्फोर्समेंट लर्निंग परिवेश जो AI की सामान्यीकृत कौशल सीखने की क्षमता का परीक्षण करता है।

अध्याय 3: तकनीकी AI नैतिकता

अध्याय का सार

निस्संदेह, बीते कुछ वर्षों में AI ने व्यवसायों के लिए अत्यधिक मूल्य उत्पन्न किया है। हालांकि, जैसे-जैसे इन मशीन लर्निंग मॉडलों को प्रोडक्शन में लाया गया है, इनके उपयोग ने AI में पक्षपात की कुछ सबसे बड़ी कमियों को उजागर किया है। कई मामलों में, AI मॉडल प्रशिक्षण के लिए वास्तविक दुनिया के डेटा का उपयोग करते हैं जिसमें कुछ सामाजिक पक्षपात निहित होते हैं। जब त्रुटिपूर्ण डेटा के इर्द-गिर्द मशीन लर्निंग मॉडल बनाए जाते हैं, तो ये पक्षपात और भी बढ़ जाते हैं।

यह अध्याय प्राकृतिक भाषा और कंप्यूटर विज़न जैसे संबंधित डोमेन के लिए विस्तृत बेंचमार्क प्रदान करके पक्षपात को कम करने में हुई प्रगति को मात्राबद्ध करने का प्रयास करता है। कुछ प्रयुक्त बेंचमार्क नीचे दिए गए हैं:

मुख्य बिंदु

AI नैतिकता मुख्यधारा में

AI मॉडलों की निष्पक्षता पर शोध कई गुना बढ़ा है—2014 से प्रकाशनों की संख्या वर्ष-दर-वर्ष 71% की दर से बढ़ी है। विभिन्न व्यावसायिक मॉडलों के परिणामों में पक्षपात ने वास्तविक दुनिया के अनुप्रयोगों, जैसे क्रेडिट कार्ड स्कोरिंग, में कुछ उपसमूहों के साथ अनुचित भेदभाव किया है। इसलिए, इसने अकादमिक शोधकर्ताओं और व्यावसायिक कंपनियों दोनों के लिए निष्पक्षता पर केंद्रित मशीन लर्निंग मॉडलों में गहरी रुचि पैदा की है।

बड़े भाषा मॉडल पक्षपाती होते हैं

सैकड़ों अरब पैरामीटर वाले अत्याधुनिक भाषा मॉडल, जैसे GPT-3, भाषा-आधारित कार्यों में अत्यंत सफल रहे हैं। इन मॉडलों के पीछे की तकनीकी नवाचार अटेंशन के साथ ट्रांसफॉर्मर्स का द्विदिश प्रशिक्षण लागू करना है। हालांकि, नए डेटा से पता चलता है कि ये बड़े मॉडल अपने व्यापक प्रशिक्षण डेटा से पक्षपात ग्रहण करने के लिए अधिक संवेदनशील होते हैं।

मल्टीमॉडल मॉडल अधिक पक्षपाती होने की प्रवृत्ति रखते हैं

बड़े भाषा मॉडलों की तरह, भाषा-विज़न मल्टीमॉडल मॉडल, जैसे DALL·E 2, पाठ और छवि को एकल डेटा प्रवाह के रूप में बड़े पैमाने पर प्रशिक्षित करने के कारण क्षमताओं का विविध सेट प्रदर्शित करते हैं। इसका परिणाम न केवल पाठ प्रॉम्प्ट से बनने वाली शीर्ष-स्तरीय फ़ोटो-यथार्थवादी छवियों में होता है, बल्कि ऐसे आउटपुट में भी जो सामाजिक रूढ़ियों और पक्षपात को प्रतिबिंबित करते हैं।

अध्याय 4: अर्थव्यवस्था और शिक्षा

अध्याय का सार

यह अध्याय अर्थव्यवस्था और शिक्षा दोनों पर AI के प्रभाव की जांच करता है। रिपोर्ट ने Linkedin, Computing Research Association, McKinsey, Netbase Quid, और EMSI Burning Glass से सार्वजनिक रूप से उपलब्ध डेटा एकत्र किया है। यह नौकरियों पर AI के प्रभाव—हायरिंग, श्रम मांग, और कौशल पैठ—को भी देखती है।

मुख्य बिंदु

AI में निवेश उच्च स्तर पर

2021 में, AI स्टार्टअप्स ने $93.5 बिलियन जुटाए, जो 2020 की तुलना में दोगुने से भी अधिक है। हालांकि, नई फंडिंग पाने वाले AI स्टार्टअप्स की संख्या 2019 में 1051 से घटकर 2021 में 746 कंपनियों पर आ गई। 2021 में $500 मिलियन या उससे अधिक के 15 निवेश दौर हुए।

USA AI नवाचार पर दांव लगा रहा है

संयुक्त राज्य अमेरिका में AI में सबसे अधिक निजी निवेश और सबसे अधिक नई फंडिंग पाने वाली AI कंपनियाँ हैं—क्रमशः चीन से लगभग दो और तीन गुना अधिक।

क्लाउड में निवेश को प्राथमिकता

क्लाउड डेटा प्रबंधन और प्रोसेसिंग क्षेत्र की कंपनियाँ, जैसे Databricks, को सबसे अधिक निजी फंडिंग मिली। इसके बाद स्वास्थ्य सेवा और फिनटेक का स्थान रहा।

AI नौकरियों के शीर्ष क्षेत्र

न्यूज़ीलैंड, हांगकांग, आयरलैंड, लग्ज़मबर्ग और स्वीडन में 2016 से 2021 के बीच AI नौकरी के अवसरों में सबसे अधिक वृद्धि हुई। 

अमेरिका के भीतर AI नौकरियों का दायरा

सिलिकॉन वैली वाले कैलिफ़ोर्निया राज्य में नौकरी पोस्टिंग की संख्या सबसे अधिक है—यह दूसरे स्थान पर रहे टेक्सास से 2.3 गुना अधिक है। हालांकि, USA की कुल नौकरी पोस्टिंग की तुलना में वाशिंगटन DC में AI नौकरी पोस्टिंग का अनुपात सबसे अधिक था।

कंप्यूटर साइंस PhD में AI सबसे लोकप्रिय विशेषज्ञता

पिछले दशक में कंप्यूटर साइंस PhD छात्रों के बीच सबसे लोकप्रिय विशेषज्ञता मशीन लर्निंग/कृत्रिम बुद्धिमत्ता रही है। 2020 में PhD डिग्री के साथ स्नातक हुए हर पाँच में से एक CS छात्र AI में विशेषज्ञ था।

अध्याय 5: AI नीति और संचालन

अध्याय का सार

यह अध्याय दुनिया भर में कृत्रिम बुद्धिमत्ता को प्रभावित करने वाले कानूनों और विनियमों का विश्लेषण करता है। यह देखता है कि विभिन्न देश और क्षेत्र AI प्रौद्योगिकी को कैसे समायोजित कर रहे हैं, जबकि अपने लोगों के कल्याण को केंद्र में रखते हैं। शोधकर्ताओं ने वैश्विक स्तर पर नीतिनिर्माण का अध्ययन किया और उन विधेयकों की संख्या को मात्राबद्ध किया जो कृत्रिम बुद्धिमत्ता का उल्लेख करते हैं—चाहे वे प्रस्तावित हों या पारित। 

मुख्य बिंदु

अधिकाधिक देश AI के उपयोग को विनियमित कर रहे हैं

रिपोर्ट ने 2016 से 2021 तक 25 देशों में पारित AI-संबंधित विधेयकों (जिनमें कृत्रिम बुद्धिमत्ता एक कीवर्ड के रूप में शामिल है) की संख्या का विश्लेषण किया। पिछले दो वर्षों में AI से संबंधित पारित विधेयकों में तेज वृद्धि दिखती है। स्पेन, यूनाइटेड किंगडम और संयुक्त राज्य अमेरिका में सबसे अधिक AI-संबंधित विधेयक कानून बने—प्रत्येक में 3।

AI-संबंधित विधेयक प्रस्तावित करने में अमेरिका आगे

अमेरिकी विधायी अभिलेखों में AI को विनियमित करने के लिए प्रस्तावित विधेयकों की संख्या में तेज वृद्धि दिखती है। 2021 में, अमेरिकी विधानमंडल ने 130 विधेयक प्रस्तावित किए। हालांकि, उनमें से केवल 2% ही कानून बने।

संयुक्त राज्य में राज्य-स्तरीय AI कानून

अमेरिका में, AI से संबंधित विधेयक राष्ट्रीय स्तर पर विचाराधीन रहे हैं—2012 से 2021 के बीच 50 में से 41 राज्यों ने कम से कम एक AI-संबंधित विधेयक प्रस्तावित किया। सबसे अधिक AI विधेयक प्रस्तावित करने वाले शीर्ष तीन राज्य:

• मैसाचुसेट्स (40)
• हवाई (35)
• न्यू जर्सी (32)

AI पर डेमोक्रेट बनाम रिपब्लिकन

अमेरिका में, राज्य-स्तरीय AI कानून निर्माण के आँकड़ों को दलगत प्रायोजन के आधार पर भी तोड़ा जा सकता है, और डेटा से पता चलता है कि डेमोक्रेट्स, रिपब्लिकनों की तुलना में, AI के आसपास कानून निर्माण का अधिक समर्थन करते हैं। यह अंतर वर्षों में और बढ़ा है। 2021 में, डेमोक्रेट्स ने रिपब्लिकनों से 39 अधिक विधेयकों को प्रायोजित किया।

वैश्विक विधायी सुनवाइयों में AI का उल्लेख

AI इंडेक्स रिपोर्ट ने 2016 से 2021 तक 25 देशों की मौखिक रूप से दर्ज सुनवाइयों में “कृत्रिम बुद्धिमत्ता” कीवर्ड का विश्लेषण किया। पिछले छह वर्षों में AI के उल्लेख 7.7 गुना बढ़कर 2021 में कुल 1,323 उल्लेख हो गए। 

AI के साथ कदम मिलाकर

AI का क्षेत्र निरंतर विकसित हो रहा है, और दुनिया भर में लाखों विशेषज्ञ इसे संभव बनाए रखने के लिए चौबीसों घंटे काम कर रहे हैं। AI और उसकी प्रगति के साथ और बेहतर बने रहने के लिए, आप नीचे दिए गए और संसाधनों को देख सकते हैं।

• DataFramed पॉडकास्ट की सदस्यता लें
• साप्ताहिक राउंडअप की सदस्यता लें