Entre 2010 y 2021, Estados Unidos y China registraron el mayor número de colaboraciones entre países en publicaciones sobre IA, aunque el ritmo de colaboración se ha ralentizado. El número de colaboraciones de investigación en IA entre Estados Unidos y China se multiplicó aproximadamente por 4 desde 2010, y fue 2,5 veces superior a los totales de colaboración del siguiente par de países más cercano, el Reino Unido y China. Sin embargo, el número total de colaboraciones entre Estados Unidos y China solo aumentó un 2,1% de 2020 a 2021, la menor tasa de crecimiento interanual desde 2010. La investigación en IA va en aumento, en todos los ámbitos. El número total de publicaciones sobre IA se ha más que duplicado desde 2010. Los temas específicos de la IA que siguen dominando la investigación, incluyen el reconocimiento de patrones, el aprendizaje automático y la visión por ordenador. China sigue liderando el número total de publicaciones sobre IA en revistas, conferencias y repositorios. Estados Unidos sigue a la cabeza en cuanto a citas de conferencias y repositorios de IA, pero esa ventaja se está reduciendo lentamente. Aun así, la mayoría de los grandes modelos lingüísticos y multimodales del mundo (54% en 2022) proceden de instituciones estadounidenses. La industria va por delante del mundo académico. Hasta 2014, la mayoría de los modelos de aprendizaje automático más importantes procedían del mundo académico. Desde entonces, la industria ha tomado el relevo.

En 2022, habrá 32 modelos de aprendizaje automático significativos producidos por la industria, frente a solo tres producidos por el mundo académico. La creación de sistemas de IA de vanguardia requiere cada vez más grandes cantidades de datos, potencia informática y dinero, recursos que los actores de la industria poseen inherentemente en mayores cantidades en comparación con las organizaciones sin ánimo de lucro y el mundo académico. Los grandes modelos lingüísticos son cada vez más grandes y más caros. GPT-2, lanzado en 2019, considerado por muchos como el primer gran modelo lingüístico, tenía 1.500 millones de parámetros y se estima que costó 50.000 dólares entrenarlo. PaLM, uno de los grandes modelos lingüísticos insignia lanzado en 2022, tenía 540 mil millones de parámetros y costaba un estimado de $ 8 millones USD-PaLM era alrededor de 360 veces más grande que GPT-2 y costaba 160 veces más. No es solo PaLM: en general, los grandes modelos lingüísticos y multimodales son cada vez mayores y más caros. La IA siguió obteniendo resultados punteros, pero la mejora interanual en muchos puntos de referencia sigue siendo marginal. Además, la velocidad a la que se alcanza la saturación de los puntos de referencia es cada vez mayor. Aun así, estos sistemas pueden ser propensos a la alucinación, emitiendo con seguridad respuestas incoherentes o falsas, lo que hace difícil confiar en ellos para aplicaciones críticas. Los sistemas de IA se vuelven más flexibles. Tradicionalmente, los sistemas de IA han funcionado bien en tareas limitadas, pero han tenido problemas en tareas más amplias. Los modelos lingüísticos siguen teniendo problemas con el razonamiento. Los modelos lingüísticos siguen mejorando sus capacidades generativas, pero nuevas investigaciones sugieren que siguen teniendo dificultades con las tareas de planificación complejas. Los modelos de IA están empezando a acelerar rápidamente el progreso científico y en 2022 se utilizaron para ayudar a la fusión de hidrógeno, mejorar la eficacia de la manipulación de matrices y generar nuevos anticuerpos. La IA empieza a construir una IA mejor. Nvidia utilizó un agente de aprendizaje por refuerzo de IA para mejorar el diseño de los chips que alimentan los sistemas de IA. Del mismo modo, Google utilizó recientemente uno de sus modelos lingüísticos, PaLM, para sugerir formas de mejorar ese mismo modelo. El aprendizaje automático de la IA acelerará su progreso

El informe anual rastrea, coteja, destila y visualiza datos relativos a la inteligencia artificial, lo que permite a los responsables de la toma de decisiones adoptar medidas significativas para hacer avanzar la IA de forma responsable y ética teniendo en cuenta a los seres humanos. El Índice de Inteligencia Artificial colabora con muchas organizaciones diferentes para seguir los avances de la inteligencia artificial. El informe de este año incluye nuevos análisis sobre los modelos de fundación, incluidos sus costos geopolíticos y de formación, el impacto medioambiental de los sistemas de IA, la educación en IA K-12 y las tendencias de la opinión pública en IA. Mediante la recopilación y el examen de datos clave en el campo. El estudio aborda aspectos como el crecimiento exponencial en la investigación y desarrollo de IA, la diversificación de aplicaciones en sectores como la salud, la automoción y la financiera, así como los desafíos éticos y regulatorios que acompañan a este rápido avance tecnológico. Además, el informe destaca el papel fundamental de la colaboración internacional y la inversión en educación y formación para aprovechar el potencial transformador de la IA en la sociedad y la economía global.

Para leer más ingrese a:

https://aiindex.stanford.edu/report/

https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf