2023年人工智能指数报告

第一章：研究与开发

概述

本章介绍了人工智能研发的发展趋势。它首先检查人工智能出版物，包括期刊文章、会议论文和存储库。接下来，它考虑重要机器学习系统的数据，包括大型语言和多模态模型。最后，本章最后了人工智能会议出席率和开源人工智能研究。尽管美国和中国继续主导着人工智能的研发，但研究工作在地理上却越来越分散。

本节借鉴了来自乔治敦大学安全和新兴技术中心(CSET)的数据。CSET维护了一个合并的学术文献语料库，包括数字科学的维度、克拉维特的科学网、微软学术图、中国国家知识基础设施、arXiv和代码论文。在该语料库中，CSET应用了一个分类器来识别与2010年以来AI和ML的开发或应用相关的英语出版物。在今年的报告中，CSET还使用了选定的中文人工智能关键词来识别中文人工智能论文;CSET没有在之前的人工智能指数报告中使用这种方法。在去年的报告中，出版趋势被报告到2021年。然而，考虑到有一个显著滞后的出版元数据的集合，在某些情况下需要直到任何给定的中间完全捕获前一年的出版物，在今年的报告中，人工智能指数团队当选检查出版趋势只有到2021年，我们，连同CSET，相信收益率更完全具有代表性的报告。

1.1出版物

回顾

下图按类型、隶属关系、跨国合作和跨行业合作列出了 2010 年至 2021 年全球范围内英文和中文 AI 出版物的总数。该部分还按地区细分了 AI 期刊文章、会议论文、存储库和专利的出版和引用数据。

图1.1.1显示了世界上人工智能出版物的数量。从2010年到2021年，人工智能出版物的总数增加了一倍多，从2010年的20万份增长到2021年的近50万份。

资料来源：美国安全与新兴技术中心，2022年|图表：2023年人工智能指数报告

图1.1.1

有关CSET的方法的更多信息，请参见附录。有关定义人工智能和正确捕获相关文献计量数据的更多挑战，请参阅AI索引团队在论文“人工智能政策中的测量：机会和挑战”中的讨论。

按出版物类型

图 1.1.2 显示了随着时间的推移全球发布的人工智能出版物的类型。2021 年，所有已发表的 AI 文档中有 60% 是期刊文章，17% 是会议论文，13% 是存储库提交。书籍、书籍章节、论文和未知文档类型”构成了其余 10% 的出版物。虽然在过去 12 年中，期刊和知识库出版物分别增长了 3 倍和 26.6 倍，但会议论文的数量自 2019 年以来有所下降。

资料来源：美国安全与新兴技术中心，2022年|图表：2023年人工智能指数报告

图 1.1.2

根据研究领域

图1.1.3显示，模式识别和机器学习方面的出版物在过去五年中经历了最快的增长。自2015年以来，模式识别论文的数量大约增加了一倍，而机器学习论文的数量大约增加了两倍。继这两个主题领域之后，在2021年，仅次于最多发表的人工智能研究领域是计算机视觉(30075)、算法(21527)和数据挖掘(19181)。

按研究领域分类-人工智能出版物数量(不包括其他人工智能)，2010-21年资料来源：美国安全与新兴技术中心，2022年|图表：2023年人工智能指数报告。

图1.1.3

按部门划分

本部分显示了隶属于教育、政府、工业、非营利组织和其他部门的人工智能出版物的数量——首先是全球(图1.1.4)，然后是美国、中国、欧盟和英国(图1.1.5)。教育部门在每个地区占主导地位。行业参与水平在美国最高，然后是在欧盟。自2010年以来，人工智能出版物的份额一直在下降。

2010-2021年按各部门划分的人工智能出版物(占总数的%)

资料来源：安全与新兴技术中心。2022年|图表：2023年人工智能指数报告

图1.1.4

2021年按部门和地理区域划分的人工智能出版物(占总数的%)

(资料来源：安全与新兴技术中心，2022年|图表：2023年人工智能指数报告)

图1.1.5

跨国合作

学者、研究人员、行业专家和其他人士之间的跨境合作是现代STEM(科学、技术、工程和数学)发展的关键组成部分，它加速了新想法的传播和研究团队的发展。图1.1.6和1.1.7描述了2010年至2021年期间最热门的跨国人工智能合作项目。CSET将跨国合作计算为每个出版物的作者之间的不同国家对(例如，单一出版物上的4名美国和4名中国附属作者被视为一个U.S.-China合作;同一作者之间的两篇出版物被视为两次合作)。