Principais insights do AI Index 2022 de Stanford

O instituto HAI de Stanford tem como objetivo pesquisar IA com uma abordagem centrada no humano, inspirada na profundidade e diversidade das mentes humanas e atenta, em cada etapa, ao impacto ético na sociedade. Sua missão é usar a IA para ampliar as capacidades humanas, não substituí-las. 

Pesquisado e escrito pelos principais especialistas da instituição no meio acadêmico e empresarial, a quinta edição anual do AI Index apresenta os dados por trás das últimas tendências em IA no ano passado. O relatório tem 230 páginas. Neste artigo, destacamos os pontos essenciais de cada capítulo. 

Continue lendo para descobrir quais países mais avançaram em IA, os principais polos de emprego na área ao redor do mundo, o status da regulação de IA e muito mais.

Capítulo 1: pesquisa e desenvolvimento

Resumo do capítulo

IA está em alta — por isso, vimos uma ampla gama de pesquisas e desenvolvimentos no último ano. Este capítulo busca quantificar P&D em instituições acadêmicas, órgãos governamentais e na indústria. 

O relatório reuniu o seguinte conjunto de dados de fontes públicas, como trabalhos de conferências, artigos de periódicos, pesquisas e patentes. Ele também analisa estrelas no GitHub em repositórios open source e até participação em conferências. Isso permite uma visão panorâmica de como a P&D em IA está avançando no mundo.  

Destaques

EUA e China são parceiros de IA

Ao analisar a cooperação internacional em IA, EUA e China lideram em número de colaborações em publicações de IA de 2010 a 2021, um aumento de cinco vezes desde 2010, apesar das diferenças políticas entre os países. A segunda parceria mais próxima é entre Reino Unido e China.

China lidera em publicações 

Com o maior volume de publicações, periódicos, conferências e repositórios, a China atualmente lidera as atividades de pesquisa em IA. 

Publicações em periódicos no pico histórico

Em 2021, 51,5% de todos os documentos de IA publicados foram artigos em periódicos (ou seja, papers de pesquisa). De forma geral, os periódicos e repositórios de IA atingiram níveis recordes. Já o número de conferências vem caindo desde 2018.

Áreas de estudo que mais crescem

Publicações em reconhecimento de padrões e machine learning mais que dobraram desde 2015. Em 2021, foram publicados cerca de 52 mil e 40 mil artigos nessas áreas, respectivamente. 

Colaborações entre setores

Organizações sem fins lucrativos e instituições de ensino produziram o maior número de publicações de IA em colaboração intersetorial entre 2010 e 2021. Em seguida vêm o setor privado com instituições de ensino, e depois governo com instituições de ensino. 

Patentes de IA em alta histórica

Com a aceleração dos avanços em IA, mais pesquisadores e cientistas correram para proteger seus trabalhos, com depósitos de patentes crescendo a uma taxa anual composta de 76,9%. 

Repositórios de IA: a nova forma de compartilhar pesquisa

A publicação de pesquisas pré-avaliação por pares no arXiv e no SSRN se tornou um método popular entre pesquisadores de IA para compartilhar resultados. Nos últimos 12 anos, o número de publicações em repositórios de IA cresceu quase 30 vezes.

Bibliotecas open source mais populares

O relatório comparou o total de estrelas no GitHub de bibliotecas open source de IA ao longo dos últimos sete anos. O Tensorflow tem mais estrelas, seguido por OpenCV, Keras e Pytorch. Outras bibliotecas populares abaixo de 40 mil estrelas incluem faceswap, 100-Days-Of-ML-Code e AiLearning. 

Capítulo 2: desempenho técnico

Resumo do capítulo

Este capítulo acompanha o progresso de diversos modelos em visão computacional, processamento de linguagem natural, fala, recomendação, aprendizado por reforço, hardware e robótica. Ele busca quantificar o desempenho desses modelos usando benchmarks amplamente adotados e pesquisas profissionais ao longo de 10 anos. Alguns dos benchmarks usados no relatório estão abaixo:

Destaques

Big data é a chave do sucesso

Grandes conjuntos de treinamento são fundamentais para construir modelos de alto desempenho. Quase todos os modelos de ponta, com milhões de parâmetros, são treinados exclusivamente em grandes bases de dados para alcançar excelentes resultados. Nesse ponto, as big techs levam vantagem por deterem muitos dados.

IA mais acessível

Anos de inovação valeram a pena: hoje qualquer profissional consegue treinar modelos em larga escala com custo bem menor. Desde 2018, o custo de treinar um classificador de imagens caiu 63,6%. Além disso, o tempo de treinamento melhorou 95%. A redução no tempo é um dos motivos para a queda de custo. Outros fatores, como serviços de nuvem dedicados, pacotes open source eficientes e disponibilidade de talentos, também contribuem.

Braços robóticos mais baratos

Com base em uma pesquisa do time do AI Index, há uma queda notável no preço de braços robóticos. O preço mediano era de US$ 42.000 em 2017 e caiu quase 50% em 2021, para US$ 22.600. 

Foco em imagens médicas

Segundo o relatório, a pesquisa em visão computacional está migrando para aplicações mais voltadas a casos de uso, como imageamento médico. No conjunto de dados analisado, o AI Index encontrou um aumento significativo em pesquisas usando o dataset de imagens médicas Kvasir-SEG e o CVC-ClinicDB. Em 2020, havia apenas três artigos usando esses dados; em 2021, foram 25 publicações relevantes.

IA ainda peca nas habilidades linguísticas

Embora modelos como SuperGLUE e SQuAD já superem humanos em tarefas relativamente simples, como compreensão de leitura, em tarefas linguísticas mais complexas — como a inferência abdutiva (aNLI) — os modelos de IA ainda estão longe da proficiência humana.

Avanço no aprendizado por reforço geral

Nos últimos 10 anos, a IA se tornou muito boa em tarefas estreitas de aprendizado por reforço, como jogar xadrez. Porém, em 2021 surgiu uma tendência importante de melhora em tarefas mais gerais, como no Procgen — ambiente de RL lançado pela OpenAI em 2019 que testa a capacidade da IA de aprender habilidades generalizáveis.

Capítulo 3: ética técnica em IA

Resumo do capítulo

Sem dúvida, a IA gerou enorme valor para os negócios nos últimos anos. Porém, à medida que modelos de machine learning chegam à produção, seu uso expõe limitações importantes relacionadas a viés em IA. Em muitos casos, os modelos usam dados reais para treinamento — dados que já carregam vieses sociais. Esses vieses podem ser amplificados quando o modelo é construído sobre dados enviesados.

Este capítulo busca quantificar o progresso na mitigação de vieses, oferecendo benchmarks detalhados para domínios como linguagem natural e visão computacional. Alguns dos benchmarks usados estão abaixo:

Destaques

Ética em IA vai para o mainstream

A pesquisa sobre justiça e equidade em modelos de IA cresceu exponencialmente — desde 2014, o número de publicações aumentou 71% ao ano. Vieses nos resultados de modelos comerciais levaram à discriminação injusta de subgrupos em aplicações reais, como análise de crédito. Isso despertou grande interesse de pesquisadores e empresas em desenvolver modelos de ML mais justos.

Grandes modelos de linguagem têm vieses

Modelos de linguagem gigantes, com centenas de bilhões de parâmetros, como o GPT-3, vêm tendo muito sucesso em tarefas linguísticas. A inovação técnica por trás deles é aplicar treinamento bidirecional de transformers com attention. No entanto, novos dados mostram que esses modelos tendem a incorporar mais vieses por conta dos enormes conjuntos de treinamento.

Modelos multimodais tendem a ser mais enviesados

Assim como os grandes modelos de linguagem, modelos multimodais de linguagem e visão, como o DALL·E 2, demonstram um conjunto diverso de capacidades graças ao treinamento em grande escala de texto e imagem como um único fluxo de dados. Isso resulta não só em imagens fotorealistas de ponta geradas a partir de prompts de texto, mas também em saídas que refletem estereótipos e vieses sociais.

Capítulo 4: economia e educação

Resumo do capítulo

Este capítulo analisa o impacto da IA na economia e na educação. O relatório reuniu dados públicos do LinkedIn, Computing Research Association, McKinsey, NetBase Quid e EMSI Burning Glass. Ele também avalia o efeito da IA nos empregos, incluindo contratação, demanda por mão de obra e penetração de habilidades.

Destaques

IA atrai grandes investimentos

Em 2021, startups de IA captaram US$ 93,5 bilhões — o dobro de 2020. No entanto, o número de novas startups de IA financiadas caiu de 1.051 em 2019 para 746 em 2021. Em 2021, houve 15 rodadas de investimento de US$ 500 milhões ou mais.

EUA apostam na inovação em IA

Os Estados Unidos lideram em investimentos privados em IA e em número de novas empresas de IA financiadas — quase duas e três vezes mais, respectivamente, que a vice-líder China.

Cloud é prioridade nos investimentos

Empresas de gestão e processamento de dados em nuvem, como a Databricks, receberam os maiores aportes privados. Na sequência aparecem saúde e fintech.

Regiões líderes em vagas de IA

Nova Zelândia, Hong Kong, Irlanda, Luxemburgo e Suécia tiveram o maior crescimento em vagas de IA entre 2016 e 2021. 

Panorama de vagas de IA nos EUA

A Califórnia, lar do Vale do Silício, concentra o maior número de anúncios de vagas — 2,3 vezes mais que o segundo lugar, o Texas. Porém, Washington, D.C., teve a maior proporção de vagas de IA em relação ao total de anúncios de emprego nos EUA.

IA é a especialidade mais popular entre PhDs em computação

A especialidade mais procurada entre PhDs em Ciência da Computação na última década foi machine learning/inteligência artificial. Em 2020, um em cada cinco doutorandos formados se especializou em IA.

Capítulo 5: política e governança em IA

Resumo do capítulo

Este capítulo detalha legislações e regulações que afetam a inteligência artificial no mundo. Ele mostra como diferentes países e regiões estão trabalhando para acomodar a tecnologia de IA mantendo o bem-estar das pessoas no centro. Os pesquisadores analisaram a formulação de políticas globalmente e quantificaram os projetos de lei propostos e aprovados que mencionam inteligência artificial. 

Destaques

Cada vez mais países regulam o uso de IA

O relatório analisou o número de projetos de lei relacionados a IA (com o termo "inteligência artificial") aprovados em 25 países entre 2016 e 2021. Houve um aumento acentuado de leis aprovadas nos últimos dois anos. Espanha, Reino Unido e Estados Unidos lideraram, com três leis cada.

EUA lideram em propostas de leis sobre IA

Os registros legislativos dos EUA mostram um salto no número de projetos de lei propostos para regular IA. Em 2021, foram propostos 130 projetos. No entanto, apenas 2% viraram lei.

Legislação sobre IA em nível estadual nos EUA

Nos EUA, a legislação sobre IA foi considerada em todo o país: 41 de 50 estados propuseram ao menos um projeto entre 2012 e 2021. Os três estados com mais propostas foram:

• Massachusetts (40)
• Havaí (35)
• Nova Jersey (32)

Democratas x Republicanos em IA

Nos EUA, os dados estaduais sobre elaboração de leis de IA podem ser segmentados por patrocínio partidário e revelam que Democratas apoiam mais a regulação de IA do que Republicanos. Essa diferença aumentou ao longo dos anos. Em 2021, Democratas patrocinaram 39 projetos a mais.

Menções a IA em audiências legislativas globais

O AI Index analisou as transcrições de audiências de 25 países com a palavra-chave "inteligência artificial" de 2016 a 2021. As menções cresceram 7,7 vezes em seis anos, chegando a 1.323 em 2021. 

Mantenha-se atualizado em IA

O campo da IA evolui sem parar, com milhões de especialistas no mundo todo trabalhando dia e noite para isso. Para continuar acompanhando a IA e seus avanços, confira os recursos abaixo.

• Assine o podcast DataFramed
• Assine o Weekly Roundup