Punti chiave essenziali dal rapporto AI Index 2022 di Stanford

L’Istituto HAI di Stanford ha l’obiettivo di ricercare l’IA con un approccio incentrato sull’uomo, ispirato alla profondità e alla diversità delle menti umane e attento a ogni passo al suo impatto etico sulla società; la loro missione è usare l’IA per aumentare le capacità umane, non per sostituirle. 

Ricercata e scritta dai massimi esperti dell’istituzione nel mondo accademico e in quello aziendale, la quinta edizione annuale dell’AI Index mostra i dati alla base delle ultime tendenze nel campo dell’IA nell’ultimo anno. Il rapporto è lungo 230 pagine. In questo articolo, riassumiamo i punti essenziali di ciascun capitolo del rapporto. 

Continua a leggere per scoprire quali nazioni hanno fatto i progressi maggiori nell’IA, le principali località al mondo per i lavori in ambito IA, lo stato della regolamentazione dell’IA e altro ancora.

Capitolo 1: Ricerca e Sviluppo

Riepilogo del capitolo

L’IA è un bene molto richiesto, quindi nell’ultimo anno è stata condotta una vasta gamma di attività di ricerca e sviluppo. Questo capitolo cerca di quantificare R&S tra istituzioni accademiche, organizzazioni governative e industria. 

Il rapporto ha raccolto il seguente dataset da fonti pubbliche come atti di conferenze, articoli su riviste, paper di ricerca e brevetti. Esamina anche le stelle su GitHub nei repository open source e persino la partecipazione alle conferenze. Questo consente una visione d’insieme di come R&S in IA stia avanzando nel mondo.  

Punti chiave

USA e Cina sono compagni d’IA

Analizzando la cooperazione internazionale nel campo dell’IA, USA e Cina hanno il maggior numero di collaborazioni su pubblicazioni di IA dal 2010 al 2021, quintuplicate dal 2010 nonostante le differenze politiche tra le due nazioni. Il secondo partenariato più stretto è quello tra Regno Unito e Cina.

La Cina guida per numero di pubblicazioni 

Con il numero più alto di pubblicazioni, riviste, conferenze e repository, la Cina è attualmente in testa nelle attività di ricerca sull’IA. 

Le riviste pubblicate ai massimi storici

Nel 2021, il 51,5% di tutti i documenti sull’IA pubblicati erano riviste (ovvero paper di ricerca). In generale, riviste e repository di IA sono ai massimi storici. Tuttavia, il numero di conferenze organizzate è in calo dal 2018.

Campi di studio in più rapida crescita

Le pubblicazioni su pattern recognition e machine learning sono più che raddoppiate dal 2015. Nel 2021 sono stati pubblicati rispettivamente circa 52.000 e 40.000 paper in ciascun campo. 

Collaborazioni intersettoriali

Non profit e istituzioni educative hanno prodotto il maggior numero di pubblicazioni di IA intersettoriali dal 2010 al 2021. Subito dopo viene la collaborazione tra settore privato e istituzioni educative, seguita da governo e istituzioni educative. 

I brevetti IA ai massimi storici

Con l’accelerazione degli sviluppi nell’IA, sempre più ricercatori e scienziati si sono affrettati a proteggere il proprio lavoro, con le domande di brevetto in crescita composta a un tasso annuo del 76,9%. 

Repository di IA: il nuovo modo di condividere la ricerca

Pubblicare ricerche pre-peer review su arXiv e SSRN è diventato un metodo popolare tra i ricercatori di IA per condividere i propri risultati. Negli ultimi 12 anni, il numero di pubblicazioni in repository di IA è cresciuto di quasi 30 volte.

Librerie open source di IA popolari

Il rapporto ha confrontato il numero totale di stelle GitHub per le popolari librerie open source di IA negli ultimi sette anni. Tensorflow ha il maggior numero di stelle su GitHub, seguito da OpenCV, Keras, e Pytorch. Altre librerie popolari sotto le 40.000 stelle sono faceswap, 100-Days-Of-ML-Code e AiLearning. 

Capitolo 2: Prestazioni tecniche

Riepilogo del capitolo

Questo capitolo monitora i progressi di vari modelli in computer vision, elaborazione del linguaggio naturale, voce, raccomandazione, reinforcement learning, hardware e robotica. Cerca di quantificare le prestazioni di questi modelli utilizzando benchmark comunemente impiegati e sondaggi professionali nell’arco di 10 anni. Alcuni dei benchmark utilizzati nel rapporto sono riportati di seguito:

Punti chiave

I Big Data sono la chiave del successo

Grandi dataset di addestramento sono fondamentali per costruire un modello di successo con alta accuratezza. Quasi tutti i modelli all’avanguardia con milioni di parametri sono addestrati esclusivamente su grandi dataset per ottenere ottimi risultati. Qui le big tech hanno un vantaggio perché detengono molti dati.

IA accessibile

Anni di innovazione hanno dato frutti, dato che oggi chiunque può permettersi con facilità di costruire modelli su larga scala. Dal 2018, il costo per addestrare un classificatore di immagini è diminuito del 63,6%. Inoltre, il tempo necessario per addestrare i modelli è migliorato del 95%. Il miglioramento dei tempi di training è una delle ragioni della riduzione dei costi. Anche altri fattori come servizi cloud dedicati, pacchetti open source efficienti e disponibilità di talenti contribuiscono ad abbassare le spese.

Bracci robotici a basso costo

In base a un sondaggio sviluppato dal team dell’AI Index, c’è una netta tendenza al ribasso nei prezzi dei bracci robotici. Il prezzo mediano di un braccio robotico era di 42.000 $ nel 2017, ma nel 2021 quel costo è diminuito di quasi il 50%, a 22.600 $. 

Focus sull’imaging medico

Secondo il rapporto, la ricerca in computer vision si sta orientando verso applicazioni più legate ai casi d’uso, come l’imaging medico. Dal loro dataset, l’AI Index ha rilevato un aumento significativo della ricerca che utilizza il dataset di imaging medico Kvasir-SEG e CVC-ClinicDB: nel 2020 c’erano solo tre paper che utilizzavano questo dataset, mentre nel 2021 si sono registrate 25 pubblicazioni pertinenti.

All’IA mancano ancora le competenze linguistiche

Anche se modelli come SuperGlue e Squad hanno già superato gli esseri umani in compiti relativamente semplici come la comprensione della lettura, per compiti linguistici più complessi come l’abductive natural language inference (aNLI), i modelli di IA sono ancora lontani da una competenza a livello umano.

Miglioramenti nel Reinforcement Learning generale

Negli ultimi 10 anni, l’IA è diventata abile in compiti di reinforcement learning ristretti come giocare a scacchi. Tuttavia, nel 2021 emerge una tendenza significativa nel miglioramento di compiti di reinforcement learning più generali come Procgen, un ambiente di reinforcement learning che testa la capacità di un’IA di apprendere abilità generalizzabili, rilasciato da OpenAI nel 2019.

Capitolo 3: Etica tecnica dell’IA

Riepilogo del capitolo

Indubbiamente, l’IA ha generato enormi valori per le aziende negli ultimi anni. Tuttavia, man mano che questi modelli di machine learning arrivano in produzione, il loro impiego ha messo in luce alcune delle più grandi carenze legate ai bias nell’IA. In molti casi, i modelli di IA usano per l’addestramento dati del mondo reale che contengono determinati bias sociali. Questi bias vengono ulteriormente amplificati quando un modello di ML viene costruito su dati difettosi.

Questo capitolo cerca di quantificare i progressi nell’eliminazione dei bias, fornendo benchmark approfonditi per i rispettivi domini, come linguaggio naturale e computer vision. Alcuni dei benchmark utilizzati sono riportati di seguito:

Punti chiave

L’etica dell’IA entra nel mainstream

La ricerca sull’equità dei modelli di IA è cresciuta in modo esponenziale: dal 2014, il numero di pubblicazioni è aumentato del 71% anno su anno. I bias negli output di vari modelli commerciali hanno portato questi modelli a discriminare ingiustamente specifici sottogruppi in applicazioni reali come lo scoring delle carte di credito. Di conseguenza, ha suscitato un notevole interesse sia nei ricercatori accademici sia nelle aziende nel concentrarsi sull’equità dei modelli di machine learning.

I Large Language Model sono faziosi

Giganteschi modelli linguistici all’avanguardia con centinaia di miliardi di parametri, come GPT-3, hanno avuto grande successo nei compiti basati sul linguaggio. L’innovazione tecnica alla base di questi modelli è applicare l’addestramento bidirezionale di transformer con attention. Tuttavia, nuovi dati mostrano che questi grandi modelli sono più inclini a incorporare bias dai loro vasti dati di addestramento.

I modelli multimodali tendono a essere più faziosi

In modo analogo ai grandi modelli linguistici, i modelli linguaggio-visione multimodali come DALL·E 2 mostrano un ampio ventaglio di capacità grazie all’addestramento su larga scala sia del testo sia dell’immagine come unico flusso di dati. Questo produce non solo immagini fotorealistiche di altissimo livello generate da un prompt testuale, ma anche output che riflettono stereotipi e bias sociali.

Capitolo 4: Economia e istruzione

Riepilogo del capitolo

Questo capitolo esamina l’impatto dell’IA sia sull’economia sia sull’istruzione. Il rapporto ha raccolto dati pubblicamente disponibili da Linkedin, Computing Research Association, McKinsey, Netbase Quid ed EMSI Burning Glass. Analizza anche l’effetto dell’IA sui lavori, inclusi assunzioni, domanda di lavoro e penetrazione delle competenze.

Punti chiave

L’IA attira molti investimenti

Nel 2021, le startup di IA hanno raccolto 93,5 miliardi di dollari, il doppio rispetto al 2020. Tuttavia, il numero di nuove startup IA finanziate è sceso da 1051 nel 2019 a 746 nel 2021. Nel 2021 ci sono stati 15 round di investimenti da 500 milioni di dollari o più.

Gli USA puntano sull’innovazione IA

Gli Stati Uniti hanno i maggiori investimenti privati in IA e il maggior numero di nuove aziende IA finanziate, rispettivamente quasi due e tre volte in più rispetto alla Cina, seconda classificata.

Il cloud è prioritario negli investimenti

Le aziende nel settore della gestione e dell’elaborazione dei dati nel cloud, come Databricks, hanno ricevuto il maggior numero di finanziamenti privati. Seguono sanità e fintech.

Regioni top per i lavori in IA

Nuova Zelanda, Hong Kong, Irlanda, Lussemburgo e Svezia hanno registrato la crescita più alta nelle offerte di lavoro in IA dal 2016 al 2021. 

Panorama dei lavori in IA negli USA

La California, sede della Silicon Valley, ha il numero più alto di annunci di lavoro, 2,3 volte in più del Texas, che è secondo. Tuttavia, Washington DC ha avuto la maggiore quota di annunci di lavoro in IA rispetto al numero complessivo di annunci negli USA.

L’IA è la specializzazione più popolare tra i dottorati in Informatica

La specializzazione più popolare tra i PhD in Informatica nell’ultimo decennio è stata il machine learning/intelligenza artificiale. Uno studente su cinque di CS che ha conseguito il dottorato nel 2020 si è specializzato in IA.

Capitolo 5: Politiche e governance dell’IA

Riepilogo del capitolo

Questo capitolo analizza le leggi e le normative che riguardano l’intelligenza artificiale a livello globale. Esamina come diversi paesi e regioni stiano lavorando per accogliere le tecnologie di IA mantenendo al centro il benessere delle persone. I ricercatori hanno osservato le politiche in tutto il mondo e quantificato i disegni di legge proposti e approvati che menzionano l’intelligenza artificiale. 

Punti chiave

Sempre più paesi regolano l’uso dell’IA

Il rapporto ha analizzato il numero di disegni di legge legati all’IA (che contengono come parola chiave Artificial Intelligence) approvati in 25 paesi dal 2016 al 2021. Mostra un forte aumento nel numero di leggi approvate relative all’IA negli ultimi due anni. Spagna, Regno Unito e Stati Uniti hanno avuto il numero più alto di disegni di legge sull’IA convertiti in legge, con 3 ciascuno.

Gli USA guidano per proposte di legge sull’IA

I registri legislativi degli Stati Uniti mostrano un forte aumento nel numero di disegni di legge proposti per regolamentare l’IA. Nel 2021, negli USA sono stati proposti 130 disegni di legge. Tuttavia, solo il 2% è stato convertito in legge.

Legislazione sull’IA a livello statale negli Stati Uniti

Negli USA, la legislazione sull’IA è stata presa in considerazione in tutto il paese: 41 stati su 50 hanno proposto almeno un disegno di legge relativo all’IA tra il 2012 e il 2021. Le tre stati con più proposte:

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

Democratici vs Repubblicani sull’IA

Negli USA, i dati a livello statale sulla legislazione in materia di IA possono essere ulteriormente suddivisi in base al partito sponsor, e i dati rivelano che i Democratici sostengono la regolamentazione dell’IA più dei Repubblicani. Questo divario è ulteriormente aumentato negli anni. Nel 2021, i Democratici hanno sponsorizzato 39 disegni di legge in più rispetto ai Repubblicani.

Menzioni dell’IA nelle audizioni legislative globali

L’AI Index ha analizzato i resoconti verbali delle audizioni di 25 paesi con la parola chiave “intelligenza artificiale” dal 2016 al 2021. Le menzioni dell’IA sono cresciute di 7,7 volte negli ultimi sei anni, fino a 1.323 menzioni totali nel 2021. 

Rimanere aggiornati sull’IA

Il campo dell’IA è in continua evoluzione e milioni di esperti in tutto il mondo lavorano senza sosta per renderlo possibile. Per restare ulteriormente al passo con l’IA e i suoi progressi, puoi consultare le risorse qui sotto.

• Iscriviti al podcast DataFramed
• Iscriviti al Weekly Roundup