Những điểm cốt lõi từ Báo cáo AI Index 2022 của Stanford

Viện HAI của Stanford đặt mục tiêu nghiên cứu AI với cách tiếp cận lấy con người làm trung tâm, lấy cảm hứng từ chiều sâu và sự đa dạng của trí tuệ con người và quan tâm đến tác động đạo đức đối với xã hội ở từng bước; sứ mệnh của họ là sử dụng AI để tăng cường năng lực của con người thay vì thay thế. 

Được nghiên cứu và biên soạn bởi các chuyên gia hàng đầu của tổ chức trong giới học thuật và doanh nghiệp, ấn bản thường niên lần thứ năm của báo cáo AI Index trình bày dữ liệu đằng sau các xu hướng mới nhất trong lĩnh vực AI trong năm qua. Báo cáo dài 230 trang. Trong bài viết này, chúng tôi tóm lược những điểm chính yếu từ từng chương của báo cáo. 

Đọc tiếp để tìm hiểu những quốc gia đã có bước tiến lớn nhất về AI, các địa điểm hàng đầu cho việc làm AI trên toàn cầu, tình hình quản lý AI, và nhiều hơn nữa.

Chương 1: Nghiên cứu và Phát triển

Tóm tắt chương

AI đang rất “nóng”, vì vậy đã có nhiều hoạt động nghiên cứu và phát triển trong năm qua. Chương này cố gắng định lượng hoạt động R&D trên các cơ sở học thuật, tổ chức chính phủ và ngành công nghiệp. 

Báo cáo đã thu thập bộ dữ liệu sau từ các nguồn công khai như bài báo hội nghị, tạp chí, công trình nghiên cứu và bằng sáng chế. Báo cáo cũng xem xét số sao trên GitHub của các kho mã nguồn mở và cả lượng người tham dự hội nghị. Điều này cho phép có một góc nhìn tổng quan về mức độ tiến bộ của R&D AI trên toàn thế giới.  

Điểm nổi bật

Mỹ và Trung Quốc là “đồng đội” AI

Khi xem xét hợp tác quốc tế trong lĩnh vực AI, Mỹ và Trung Quốc có số lượng hợp tác về ấn phẩm AI lớn nhất từ 2010 đến 2021, tăng gấp 5 lần kể từ 2010 bất chấp khác biệt chính trị giữa hai nước. Quan hệ hợp tác đứng thứ hai là giữa Vương quốc Anh và Trung Quốc.

Trung Quốc dẫn đầu về số lượng ấn phẩm 

Với số lượng ấn phẩm, tạp chí, hội nghị và kho lưu trữ được công bố nhiều nhất, Trung Quốc hiện đang dẫn đầu các hoạt động nghiên cứu AI. 

Tạp chí học thuật đạt mức cao nhất mọi thời đại

Năm 2021, 51,5% tất cả tài liệu AI được xuất bản là các tạp chí (tức bài nghiên cứu). Về xu hướng chung, tạp chí và kho lưu trữ về AI đang ở mức cao nhất mọi thời đại. Tuy nhiên, số lượng hội nghị tổ chức đã giảm kể từ năm 2018.

Các lĩnh vực học thuật tăng trưởng nhanh nhất

Số ấn phẩm về nhận dạng mẫu và học máy đã tăng hơn gấp đôi kể từ 2015. Lần lượt khoảng 52.000 và 40.000 bài nghiên cứu đã được công bố trong năm 2021 ở mỗi lĩnh vực. 

Hợp tác liên ngành

Các tổ chức phi lợi nhuận và cơ sở giáo dục tạo ra số lượng ấn phẩm AI liên ngành nhiều nhất từ 2010 đến 2021. Tiếp theo là hợp tác giữa khu vực tư nhân và cơ sở giáo dục, sau đó là chính phủ và cơ sở giáo dục. 

Bằng sáng chế AI đạt mức cao nhất

Khi các phát triển về AI tăng tốc, nhiều nhà nghiên cứu và nhà khoa học đã vội vàng bảo vệ công trình của mình, với số lượng đơn đăng ký bằng sáng chế tăng trưởng gộp hàng năm 76,9%. 

Các kho AI: Cách thức mới để chia sẻ nghiên cứu

Việc công bố nghiên cứu chưa qua bình duyệt trên arXiv và SSRN đã trở thành phương thức phổ biến để các nhà nghiên cứu AI chia sẻ phát hiện của họ. Trong 12 năm qua, số ấn phẩm trên các kho AI đã tăng gần 30 lần.

Thư viện AI mã nguồn mở phổ biến

Báo cáo so sánh tổng số sao GitHub cho các thư viện AI mã nguồn mở phổ biến trong 7 năm qua. Tensorflow có số sao GitHub nhiều nhất, tiếp theo là OpenCV, Keras, và Pytorch. Các thư viện phổ biến khác dưới 40 nghìn sao gồm faceswap, 100-Days-Of-ML-Code, và AiLearning. 

Chương 2: Hiệu năng kỹ thuật

Tóm tắt chương

Chương này theo dõi tiến bộ của các mô hình trong thị giác máy tính, xử lý ngôn ngữ tự nhiên, giọng nói, gợi ý, học tăng cường, phần cứng và robot. Chương này cố gắng định lượng hiệu năng của các mô hình đó bằng các bộ chuẩn thường dùng và khảo sát chuyên môn trong giai đoạn 10 năm. Một số bộ chuẩn dùng trong báo cáo được liệt kê dưới đây:

Điểm nổi bật

Dữ liệu lớn là chìa khóa thành công

Bộ dữ liệu huấn luyện lớn là yếu tố then chốt để xây dựng mô hình chính xác cao. Hầu như tất cả các mô hình tối tân với hàng triệu tham số đều được huấn luyện độc quyền trên các bộ dữ liệu lớn để đạt kết quả vượt trội. Ở đây, các công ty công nghệ lớn có lợi thế vì họ nắm giữ rất nhiều dữ liệu.

AI trở nên phải chăng

Nhiều năm đổi mới đã mang lại trái ngọt, khi người dùng phổ thông giờ có thể dễ dàng chi trả để xây dựng các mô hình quy mô lớn. Kể từ 2018, chi phí huấn luyện một bộ phân loại ảnh đã giảm 63,6%. Hơn nữa, thời gian huấn luyện mô hình đã được cải thiện 95%. Việc rút ngắn thời gian huấn luyện là một nguyên nhân giúp giảm chi phí. Các yếu tố khác như dịch vụ đám mây chuyên dụng, gói mã nguồn mở hiệu quả và nguồn nhân lực sẵn có cũng góp phần hạ chi phí.

Cánh tay robot rẻ hơn

Dựa trên khảo sát do nhóm AI Index phát triển, giá cánh tay robot có xu hướng giảm đáng kể. Giá trung vị của một cánh tay robot là 42.000 đô la vào năm 2017, nhưng đến 2021 chi phí đó đã giảm gần 50% xuống còn 22.600 đô la. 

Tập trung vào chẩn đoán hình ảnh y tế

Nghiên cứu thị giác máy tính đang chuyển hướng sang các ứng dụng thiên về trường hợp sử dụng như chẩn đoán hình ảnh y tế, theo báo cáo. Từ bộ dữ liệu của họ, AI Index nhận thấy sự gia tăng đáng kể các nghiên cứu sử dụng bộ dữ liệu Kvasir-SEG và CVC-ClinicDB—năm 2020 chỉ có ba bài sử dụng các bộ dữ liệu này, trong khi năm 2021 có 25 ấn phẩm liên quan.

AI vẫn thiếu kỹ năng ngôn ngữ

Mặc dù các mô hình như SuperGlue và Squad đã vượt con người ở các nhiệm vụ tương đối đơn giản như đọc hiểu, với các nhiệm vụ ngôn ngữ phức tạp hơn như suy diễn ngôn ngữ tự nhiên theo kiểu quy nạp (aNLI), các mô hình AI vẫn còn cách khá xa trình độ của con người.

Cải thiện trong học tăng cường tổng quát

Trong 10 năm qua, AI đã thành thạo các nhiệm vụ học tăng cường hẹp như chơi cờ vua. Tuy nhiên, năm 2021 ghi nhận xu hướng cải thiện đáng kể ở các nhiệm vụ học tăng cường tổng quát hơn như Procgen, một môi trường học tăng cường kiểm tra khả năng học kỹ năng tổng quát của AI do OpenAI phát hành năm 2019.

Chương 3: Đạo đức kỹ thuật AI

Tóm tắt chương

Không thể phủ nhận, AI đã tạo ra giá trị to lớn cho doanh nghiệp trong vài năm qua. Tuy nhiên, khi các mô hình học máy được đưa vào sản xuất, việc sử dụng chúng đã bộc lộ những thiếu sót đáng kể nhất của thiên lệch trong AI. Trong nhiều trường hợp, mô hình AI dùng dữ liệu thế giới thực để huấn luyện, vốn chứa đựng các thiên kiến xã hội nhất định. Những thiên kiến này càng bị khuếch đại khi một mô hình học máy được xây dựng xoay quanh dữ liệu sai lệch.

Chương này cố gắng định lượng tiến bộ trong việc loại bỏ thiên lệch bằng cách cung cấp các bộ chuẩn chuyên sâu cho từng miền như ngôn ngữ tự nhiên và thị giác máy tính. Một số bộ chuẩn sử dụng được liệt kê dưới đây:

Điểm nổi bật

Đạo đức AI trở thành xu hướng chủ đạo

Nghiên cứu về tính công bằng của các mô hình AI đã tăng mạnh—từ năm 2014, số ấn phẩm tăng 71% mỗi năm. Thiên lệch trong kết quả của nhiều mô hình thương mại đã khiến các mô hình này phân biệt đối xử không công bằng với các nhóm phụ trong các ứng dụng thực tế như chấm điểm thẻ tín dụng. Do đó, điều này đã thúc đẩy mối quan tâm lớn từ giới học thuật và các công ty thương mại đối với tính công bằng của mô hình học máy.

Các mô hình ngôn ngữ lớn có thiên lệch

Những mô hình ngôn ngữ tối tân khổng lồ với hàng trăm tỷ tham số như GPT-3 đã rất thành công trong các tác vụ dựa trên ngôn ngữ. Đột phá kỹ thuật đằng sau các mô hình này là áp dụng huấn luyện hai chiều của transformer với cơ chế attention. Tuy nhiên, dữ liệu mới cho thấy các mô hình lớn này dễ bị nhiễm thiên lệch hơn từ lượng dữ liệu huấn luyện đồ sộ của chúng.

Các mô hình đa phương thức có xu hướng thiên lệch hơn

Tương tự các mô hình ngôn ngữ lớn, các mô hình ngôn ngữ-thị giác đa phương thức như DALL·E 2 thể hiện tập hợp năng lực đa dạng nhờ huấn luyện ở quy mô lớn cả văn bản và hình ảnh như một dòng dữ liệu thống nhất. Điều này không chỉ tạo ra các hình ảnh chân thực hàng đầu từ lời nhắc văn bản mà còn cho ra đầu ra phản ánh các khuôn mẫu và thiên kiến xã hội.

Chương 4: Kinh tế và Giáo dục

Tóm tắt chương

Chương này xem xét tác động của AI đối với cả kinh tế và giáo dục. Báo cáo đã thu thập dữ liệu công khai từ Linkedin, Hiệp hội Nghiên cứu Máy tính, McKinsey, Netbase Quid và EMSI Burning Glass. Báo cáo cũng xem xét tác động của AI đến việc làm, bao gồm tuyển dụng, nhu cầu lao động và mức độ thâm nhập kỹ năng.

Điểm nổi bật

Đầu tư vào AI ở mức cao

Năm 2021, các startup AI huy động 93,5 tỷ đô la, gấp đôi số tiền năm 2020. Tuy nhiên, số lượng startup AI mới được rót vốn đã giảm từ 1.051 vào năm 2019 xuống 746 công ty vào năm 2021. Năm 2021 có 15 vòng gọi vốn từ 500 triệu đô la trở lên.

Mỹ đặt cược vào đổi mới AI

Hoa Kỳ có mức đầu tư tư nhân vào AI lớn nhất và số công ty AI mới được rót vốn nhiều nhất, lần lượt gần gấp hai và gấp ba so với Trung Quốc ở vị trí thứ hai.

Ưu tiên đầu tư vào đám mây

Các công ty trong lĩnh vực quản lý và xử lý dữ liệu đám mây, như Databricks, nhận được nguồn vốn tư nhân nhiều nhất. Các lĩnh vực xếp sau là y tế và fintech.

Khu vực hàng đầu cho việc làm AI

New Zealand, Hồng Kông, Ireland, Luxembourg và Thụy Điển có mức tăng trưởng cao nhất về số vị trí tuyển dụng AI từ 2016 đến 2021. 

Quy mô việc làm AI tại Mỹ

Bang California, nơi có Thung lũng Silicon, có số tin tuyển dụng cao nhất, gấp 2,3 lần bang Texas ở vị trí thứ hai. Tuy nhiên, Washington DC có tỷ trọng tin tuyển dụng AI cao nhất so với tổng số tin tuyển dụng toàn nước Mỹ.

AI là chuyên ngành phổ biến nhất trong tiến sĩ Khoa học Máy tính

Chuyên ngành phổ biến nhất trong số các tiến sĩ Khoa học Máy tính trong thập kỷ qua là học máy/trí tuệ nhân tạo. Cứ năm sinh viên CS tốt nghiệp tiến sĩ năm 2020 thì có một người chuyên về AI.

Chương 5: Chính sách và Quản trị AI

Tóm tắt chương

Chương này phân tích luật pháp và quy định ảnh hưởng đến trí tuệ nhân tạo trên toàn cầu. Báo cáo xem xét cách các quốc gia và khu vực khác nhau đang nỗ lực thích ứng với công nghệ AI trong khi vẫn đặt phúc lợi của người dân làm trọng tâm. Các nhà nghiên cứu đã xem xét việc hoạch định chính sách trên toàn thế giới và định lượng số dự luật được đề xuất và thông qua có đề cập đến trí tuệ nhân tạo. 

Điểm nổi bật

Ngày càng nhiều quốc gia điều chỉnh việc sử dụng AI

Báo cáo phân tích số lượng dự luật liên quan đến AI (có chứa từ khóa Artificial Intelligence) được thông qua ở 25 quốc gia từ 2016 đến 2021. Báo cáo cho thấy sự gia tăng mạnh mẽ số dự luật liên quan đến AI được thông qua trong hai năm gần đây. Tây Ban Nha, Vương quốc Anh và Hoa Kỳ có số dự luật AI được ban hành thành luật cao nhất, với 3 dự luật mỗi nước.

Mỹ dẫn đầu về đề xuất dự luật liên quan đến AI

Hồ sơ lập pháp của Mỹ cho thấy sự gia tăng đột biến về số dự luật đề xuất nhằm điều chỉnh AI. Năm 2021, cơ quan lập pháp ở Mỹ đã đề xuất 130 dự luật. Tuy nhiên, chỉ 2% trong số đó được ban hành thành luật.

Luật AI cấp bang tại Hoa Kỳ

Ở Mỹ, luật liên quan đến AI đã được cân nhắc trên toàn quốc, với 41 trong số 50 bang đã đề xuất ít nhất một dự luật liên quan đến AI trong giai đoạn 2012 đến 2021. Ba bang có số dự luật AI được đề xuất nhiều nhất:

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

Đảng Dân chủ vs. Cộng hòa về AI

Tại Mỹ, dữ liệu cấp bang về xây dựng luật AI có thể tiếp tục được phân tích theo đảng bảo trợ, và dữ liệu cho thấy Đảng Dân chủ ủng hộ việc làm luật về AI nhiều hơn Đảng Cộng hòa. Khoảng cách này còn tăng theo thời gian. Năm 2021, Đảng Dân chủ bảo trợ nhiều hơn Đảng Cộng hòa 39 dự luật.

AI được nhắc đến trong các phiên điều trần lập pháp toàn cầu

Báo cáo AI Index phân tích các phiên điều trần được ghi âm của 25 quốc gia với từ khóa “trí tuệ nhân tạo” từ 2016 đến 2021. Số lượt đề cập đến AI đã tăng 7,7 lần trong sáu năm qua, đạt tổng cộng 1.323 lượt đề cập vào năm 2021. 

Bắt kịp với AI

Lĩnh vực AI không ngừng phát triển, và hàng triệu chuyên gia trên khắp thế giới đang làm việc không ngơi nghỉ để điều này trở thành hiện thực. Để tiếp tục theo dõi AI và cách AI đang tiến bộ, bạn có thể xem thêm các nguồn dưới đây.

• Đăng ký podcast DataFramed
• Đăng ký Weekly Roundup