Estado de la IA en 2022

12 gráficos que explican el estado de la IA en 2022. El Índice AI 2022 habla de empleos, inversiones, ética y más

por ELIZA STRICKLAND

Cada año, el Instituto Stanford para la Inteligencia Artificial centrada en el ser humano (HAI) publica su Índice de IA, un compendio masivo de datos y gráficos que intenta resumir el estado actual de la inteligencia artificial. El Índice de IA 2022 , que se publicó esta semana, es tan impresionante como siempre, con 190 páginas que abarcan I+D, rendimiento técnico, ética, política, educación y economía. Le hice un favor al leer cada página del informe y extraer 12 gráficos que capturan el estado de la situación.

Vale la pena señalar que muchas de las tendencias que informé del índice 2021 del año pasado aún se mantienen. Por ejemplo, todavía estamos viviendo un verano dorado de IA con publicaciones cada vez mayores, el mercado laboral de IA sigue siendo global y todavía hay una brecha desconcertante entre el reconocimiento corporativo de los riesgos de IA y los intentos de mitigar dichos riesgos. En lugar de repetir esos puntos aquí, lo remitimos a la cobertura del año pasado .

1. La inversión está fuera de peligro

La cantidad de dinero que se invierte en IA es alucinante. La ganancia más notable se produjo en la inversión privada mundial, que se disparó de 46.000 millones de dólares estadounidenses en 2020 a 93.500 millones de dólares en 2021. Ese salto provino de un aumento en las grandes rondas de financiación; en 2020 hubo cuatro rondas de financiación que superaron los $ 500 millones, en 2021 hubo 15. El informe también señala que todo ese dinero se canaliza a menos empresas, ya que la cantidad de nuevas empresas recién financiadas ha disminuido desde 2018. Es un gran momento para unirse a una startup de IA, pero tal vez no para fundar una usted mismo.

2. La narrativa entre EE. UU. y China es complicada

Se habla bastante de una carrera de IA entre China y Estados Unidos en estos días. “Cuando ves todas las noticias sobre tensiones geopolíticas, pensarías que la cantidad de colaboraciones disminuiría entre esos dos países”, dice Daniel Zhang , investigador de políticas en HAI de Stanford y editor en jefe del Índice AI de este año. En cambio, le dice a IEEE Spectrum , “los últimos 10 años han sido una tendencia al alza”. Cuando se trata de colaboraciones entre países en publicaciones, China y Estados Unidos producen más del doble que la siguiente pareja, China y el Reino Unido.

3. Solicitar una patente y obtenerla son dos cosas separadas

China domina el mundo en número de patentes solicitadas; el informe afirma que China representó el 52 por ciento de las solicitudes de patentes globales en 2021. Sin embargo, muchas de esas solicitudes pueden haber sido algo aspiracionales. Estados Unidos domina el número de patentes concedidas, llegando al 40 por ciento del total mundial. Zhang señala que tener patentes otorgadas “certifica que sus patentes son realmente creíbles y útiles”, y dice que la situación es algo análoga a lo que ha estado sucediendo con las publicaciones y citas. Si bien China lidera el número de publicaciones, las citas de publicaciones y las publicaciones de conferencias, Estados Unidos aún lidera las citas de publicaciones de conferencias, lo que demuestra que los artículos prestigiosos de los investigadores estadounidenses todavía tienen un impacto enorme.

4. ¿Una meseta en la visión artificial?

El campo de la visión por computadora ha avanzado tan rápidamente que ha sido difícil mantenerse al día con las noticias de los últimos logros. El índice AI muestra que los sistemas de visión por computadora son tremendamente buenos en tareas que involucran imágenes estáticas, como la clasificación de objetos y el reconocimiento facial, y están mejorando en tareas de video, como la clasificación de actividades.

Pero un punto de referencia relativamente nuevo muestra los límites de lo que pueden hacer los sistemas de visión por computadora: son excelentes para identificar cosas, no tan buenos para razonar sobre lo que ven. El desafío de razonamiento de sentido común visual , presentado en 2018, pide a los sistemas de IA que respondan preguntas sobre imágenes y también expliquen su razonamiento. Por ejemplo, una imagen muestra personas sentadas en la mesa de un restaurante y un mesero acercándose con platos; la prueba pregunta por qué una de las personas sentadas señala a la persona al otro lado de la mesa. El informe señala que las mejoras de rendimiento se han vuelto cada vez más marginales en los últimos años, “lo que sugiere que es posible que sea necesario inventar nuevas técnicas para mejorar significativamente el rendimiento”.

5. La IA no está lista para la facultad de derecho

El campo del procesamiento del lenguaje natural (NLP, por sus siglas en inglés) comenzó a crecer unos años más tarde que la visión por computadora, pero se encuentra en un lugar similar al de la visión por computadora (gráfico 4). Los puntos de referencia para tareas como el resumen de texto y la comprensión de lectura básica muestran resultados impresionantes, con sistemas de IA que a menudo superan el rendimiento humano. Pero cuando los sistemas de PNL tienen que razonar sobre lo que han leído, se encuentran con problemas.

Este gráfico muestra el desempeño en un punto de referencia compuesto por preguntas de razonamiento lógico de las pruebas LSAT que se utilizan como exámenes de ingreso a la facultad de derecho. Si bien los sistemas de PNL obtuvieron buenos resultados en un conjunto de preguntas más fáciles de ese punto de referencia, el modelo de mayor rendimiento tuvo una precisión de solo el 69 por ciento en un conjunto de preguntas más difíciles. Los investigadores han obtenido resultados similares a partir de un punto de referencia que requiere que los sistemas de PNL extraigan conclusiones a partir de información incompleta. El razonamiento sigue siendo una frontera de la IA.

6. Ética en todas partes

Aquí hay algunas buenas noticias del informe: hay un gran interés en la ética de la IA en este momento, a juzgar por la participación en reuniones como la conferencia ACM sobre equidad, responsabilidad y transparencia (FAccT) y talleres relacionados con la ética en NeurIPS . Para aquellos que no han oído hablar de FAccT, el informe señala que fue una de las primeras conferencias importantes que se centró en el análisis sociotécnico de algoritmos. Este gráfico muestra una participación creciente de la industria en FAccT, lo que Zhang considera una buena noticia adicional. “Este campo ha estado dominado por investigadores académicos”, dice, “pero ahora estamos viendo una mayor participación del sector privado”. Zhang dice que es difícil adivinar qué significa tal participación en la forma en que se diseñan e implementan los sistemas de inteligencia artificial dentro de la industria, pero es una señal positiva.

7. Desintoxicación: maldito si no lo haces, maldito si lo haces

Una gran área de preocupación ética en la IA involucra grandes modelos de lenguaje como GPT-3 de OpenAI , que tiene la terrible costumbre de generar texto cargado de todos los sesgos y prejuicios que aprendió de sus datos de entrenamiento: Internet. Varios grupos de investigación ( incluido el propio OpenAI) están trabajando en este problema del lenguaje tóxico, con nuevos puntos de referencia para medir el sesgo y los programas de desintoxicación. Pero el gráfico anterior muestra los resultados de ejecutar el modelo de lenguaje GPT-2 a través de tres métodos de desintoxicación diferentes. Los tres métodos afectaron el desempeño del modelo en una métrica llamada perplejidad (una puntuación más baja es mejor), con los peores impactos de desempeño en el texto que involucraba el inglés afroamericano y las menciones de grupos minoritarios. Como les gusta decir a los expertos, se necesita más investigación.

8. Las universidades están repletas de estudiantes de informática

La tubería de IA nunca ha estado más llena. Una encuesta anual realizada por Computing Research Association recopila datos de más de 200 universidades de América del Norte, y sus datos más recientes muestran que más de 31 000 estudiantes universitarios completaron sus títulos en ciencias de la computación en 2020. Eso es un aumento del 11,6 % con respecto a la cifra de 2019.

9. AI necesita mujeres

La misma encuesta analiza los nuevos doctorados en IA y los resultados son francamente deprimentes. El porcentaje de nuevos doctorados en AI y CS que son mujeres se ha movido solo unos pocos puntos en la última década, al menos en América del Norte. Este punto es en realidad una repetición de la cobertura del año pasado del informe 2021, pero todos deberían seguir hablando de eso hasta que algo cambie.

10. AI necesita personas de todos los orígenes étnicos

Ídem este punto. El Índice AI muestra datos de AI y CS Ph.D. en gráficos separados, pero cuentan la misma historia. El campo de la IA debe mejorar con la diversidad que comienza mucho antes de que las personas lleguen al doctorado. programas

11. Los legisladores están prestando atención

En 2021, se aprobaron más proyectos de ley relacionados con la IA que nunca. De los 25 países que el Índice AI ha estado observando, España, el Reino Unido y los Estados Unidos estaban a la cabeza, cada uno de los cuales aprobó tres proyectos de ley el año pasado. El informe también señala que en los Estados Unidos, esos tres proyectos de ley que se aprobaron se encontraban entre la friolera de 130 proyectos de ley propuestos. No está claro en el informe si la mayoría de estos proyectos de ley estaban promoviendo la IA a través de fondos públicos o promulgando regulaciones para gestionar los riesgos que la IA puede traer. Zhang dice que fue una mezcla y dice que HAI publicará un análisis más detallado de la legislación global el próximo año.

12. Ejem, Cambio Climático

El Índice AI sigue a 55 grupos de políticas públicas dentro de los Estados Unidos que publican artículos relacionados con la IA, y este gráfico muestra en qué temas se enfocaron esos grupos el año pasado. Estoy usando este gráfico como una excusa para plantear el tema de la huella energética cada vez más grande de la IA (entrenar modelos grandes requiere mucho tiempo de cómputo) y, por lo tanto, su impacto potencial en el cambio climático. Los grupos de políticas no parecían pensar que estos fueran temas importantes en 2021. También le pregunté a Zhang si el Índice AI podría abordar estos temas en el informe del próximo año, y dijo que su equipo está hablando con varias organizaciones sobre cómo medir y recopilar datos sobre la eficiencia informática y el impacto climático. Así que estad atentos.

Fuente: https://spectrum.ieee.org/artificial-intelligence-index