登录
 机构网站
  1. 首页
  2. 情报产品
  3. 监测报告详情

《人工智能：工业加工厂性能的下一个前沿》

  • 来源专题：绿色化工
  • 发布时间：2023-10-08

  • 人工智能比以往任何时候都更容易获得。凭借丰富的历史数据和现有的专业知识，加工厂处于创造新机会的有利地位。

    人工智能在各行各业的成功应用，使人们重新关注人工智能可以释放的强大经济价值。事实上，麦肯锡最近的一项调查发现，人工智能领导者的表现比同行高出3.4倍。在全球范围内，我们的估计表明，到2030年，人工智能有可能带来约13万亿美元的额外经济价值。还有大约1万亿美元的价值有待从工业部门获得。

33浏览量
原文链接
相关报告
  • ...

    《2024 年人工智能指数报告》
    • 来源专题：战略生物资源
    • 发布时间：2024-04-16
    • 2024年4月15日，由李飞飞联合领导的斯坦福大学以人为本人工智能研究所（Stanford HAI）发布了《2024 年人工智能指数报告》（Artificial Intelligence Index Report 2024）。这份长达 300 多页的报告是 Stanford HAI 发布的第 7 份 AI Index 研究，追踪了 2023 年全球人工智能的发展趋势。 Stanford HAI 官方介绍道，“这是我们迄今为止最全面的报告，而且是在人工智能对社会的影响从未如此明显的重要时刻发布的。” Stanford HAI 研究项目主任 Vanessa Parli 表示，“我认为最令人兴奋的人工智能研究优势是将这些大型语言模型与机器人或智能体（agent）相结合，这标志着机器人在现实世界中更有效地工作迈出了重要一步。” 新报告揭示了 2023 年人工智能行业的 10 大主要趋势： 1.人工智能在某些任务上胜过人类，但并非在所有任务上。  人工智能已在多项基准测试中超越人类，包括在图像分类、视觉推理和英语理解方面。然而，它在竞赛级数学、视觉常识推理和规划等更复杂的任务上依然落后于人类。 2.产业界继续主导人工智能前沿研究。 2023 年，产业界产生了 51 个著名的机器学习模型，而学术界只贡献了 15 个。2023 年，产学合作还产生了 21 个著名模型，创下新高。此外，108 个新发布的基础模型来自工业界，28 个来自学术界。 3.前沿模型变得更加昂贵。  根据 AI Index 的估算，最先进的人工智能模型的训练成本已经达到了前所未有的水平。例如，OpenAI 的 GPT-4 估计使用了价值 7800 万美元的计算资源进行训练，而谷歌的 Gemini Ultra 的计算成本则高达 1.91 亿美元。相比之下，几年前发布的一些最先进的模型，即原始 transformer 模型（2017 年）和 RoBERTa Large（2019 年），训练成本分别约为 900 美元和 16 万美元。 4.美国成为顶级人工智能模型的主要来源国。 2023 年，61 个著名的人工智能模型源自美国的机构，超过欧盟的 21 个和中国的 15 个。美国也仍然是人工智能投资的首选之地。2023 年，美国在人工智能领域的私人投资总额为 672 亿美元，是中国的近 9 倍。 然而，中国依然是美国最大的竞争对手，中国的机器人安装量居世界首位；同样，世界上大多数人工智能专利（61%）都来自中国。 5.严重缺乏对 LLM 责任的可靠和标准化评估。  AI Index 的最新研究显示，负责任的人工智能严重缺乏标准化。包括 OpenAI、谷歌和 Anthropic 在内的领先开发商主要根据不同的负责任人工智能基准测试他们的模型。这种做法使系统地比较顶级人工智能模型的风险和局限性的工作变得更加复杂。 6.生成式人工智能投资激增。 尽管去年人工智能私人投资整体下降，但对生成式人工智能的投资激增，比 2022 年（约 30 亿美元）增长了近八倍，达到 252 亿美元。生成式人工智能领域的主要参与者，包括 OpenAI、Anthropic、Hugging Face 和 Inflection，都获得了一轮可观的融资。 7.数据显示，人工智能让打工人更有生产力，工作质量更高。 2023 年，多项研究评估了人工智能对劳动力的影响，表明人工智能可以让打工人更快地完成任务，并提高他们的产出质量。这些研究还表明，人工智能有可能缩小低技能和高技能工人之间的技能差距。还有一些研究警告说，在没有适当监督的情况下使用人工智能可能会起到负面作用。 8.得益于人工智能，科学进步进一步加速。 2022 年，人工智能开始推动科学发现。然而，2023 年，与科学相关的更重要的人工智能应用启动——使算法排序更高效的 AlphaDev、促进材料发现过程的 GNoME、可在一分钟内提供极其准确的 10 天天气预报的 GraphCast、成功对 7100 万种可能的错义突变中的约 89% 进行分类的 AlphaMissence。如今，人工智能现在可以完成人类难以完成的、但对解决一些最复杂的科学问题至关重要的粗暴计算。在医疗方面，新的研究表明，医生可以利用人工智能更好地诊断乳腺癌、解读X射线和检测致命的癌症。 9.美国的人工智能法规数量急剧增加。 2023 年，全球立法程序中有 2175 次提及人工智能，几乎是上一年的两倍。美国人工智能相关法规的数量在过去一年大幅增加。2023 年，与人工智能相关的法规有 25 项，而 2016 年只有 1 项。仅去年一年，人工智能相关法规的总数就增长了 56.3%。其中一些法规包括生成式人工智能材料的版权指南和网络安全风险管理框架。 10.人们对人工智能的潜在影响有了更深刻的认识，同时也更焦虑。 来自市场研究公司 Ipsos 的一项调查显示，在过去一年中，认为人工智能将在未来 3-5 年内极大地影响他们生活的人，比例从 60%上升到 66%。此外，52% 的人对人工智能产品和服务表示焦虑，比 2022 年上升了 13 个百分点。 在美国，来自皮尤研究中心（Pew）的数据显示，52% 的美国人表示对人工智能的担忧多于兴奋，这一比例比 2022 年的 38% 有所上升。
    2638浏览量
    原文链接
  • ...

    《2024年能源领域人工智能报告》
    • 来源专题：计量基标准与精密测量
    • 发布时间：2024-05-08
    • 《2024年能源领域人工智能报告》提供了一个雄心勃勃的框架，旨在加速清洁能源的部署，同时最大限度地降低气候变化带来的风险和成本。出版于2024年4月。 美国能源部（DOE）使命的一个重要方面是确保国家在短期和长期的能源独立和安全。应对这一挑战的关键是人工智能（AI）的持续发展，特别是在应用能源领域。作为应对这些挑战的第一步，一个由大约100名人工智能/机器学习和应用能源专家组成的小组于2023年12月在阿贡国家实验室召开会议，以规划与利用人工智能相关的未来需求。其目标是详细说明紧迫的技术挑战，并提出人工智能辅助解决方案。 由于其独特的资产组合，包括具有相关领域专业知识的高技能劳动力和一系列世界领先的实验设施，美国能源部处于解决与能源独立和安全相关的挑战的理想位置，这些设施在材料，化学等方面取得了进展。通过将这些资源与之前的《科学、能源和安全领域的人工智能》报告中概述的其他人工智能能力相结合，美国能源部可以利用人工智能保持在快速发展的领域的前沿。 本报告中描述的应用能源重点集中在对美国能源未来至关重要的五个领域，并强调了人工智能在塑造我们的世界方面可以发挥的关键作用——强调了在人工智能领域成为领导者以确保为全球能源需求提供有影响力的解决方案的紧迫性和重要性。这些领域包括核电、电网、碳管理、能源储存和能源材料。将这些整合在一起，并与其他人工智能科技领域的努力相结合，将是至关重要的。复杂性、所涉及的大规模工作、所需的实时决策、系统的健壮性以及安全隐患都构成了额外的挑战。本报告所描述的重大挑战跨越多个学科，并没有通过传统方法解决。人工智能解决此类问题的能力在于它能够同时处理多个系统特征，同时结合数据和特定领域模型，并且在规模和复杂性上这样做是不可能的。
    719浏览量
    原文链接