2019年AI Index報告發布，肯定人工智能熱潮依舊在持續_風聞
TechEdge科技边界-2019-12-12 23:35
12月12日，美國斯坦福大學創立的 AI Index 發佈了第三份的年度 AI Index 報告《AI Index 2019》，對過去一年全世界AI大趨勢、突破性研究以及人工智能對社會的影響等狀況進行了全盤總結，其中亮點頗多。
報告鏈接：https://hai.stanford.edu/sites/g/files/sbiybj10986/f/ai_index_2019_report.pdf
人工智能是計算機科學博士專業最受歡迎的領域，2018年，21% 的畢業生專攻機器學習或人工智能，是第二流行的學科：安全/信息保障的兩倍多；人工智能研究正在飛速發展。從1998年到2018年，關於人工智能的同行評議論文發表量增加了300%；參加會議的人數也激增。最大的 NeurIPS 會議預計今年將有13,500名與會者，比2012年增加了800%； 2019年，全球私人人工智能投資超過700億美元，創業投資370億美元，併購340億美元，IPO 50億美元，少數股權投資20億美元；在過去的一年中，自動駕駛汽車比任何人工智能領域獲得了更多的私人投資。約77億美元的全球私人投資進入了自動駕駛汽車領域，緊隨其後的是醫學研究和麪部識別(兩者都吸引了47億美元) ，而增長最快的工業人工智能領域則沒有那麼光鮮: 機器人流程自動化(2018年融資10億美元)和供應鏈管理(超過5億美元)；在2006年超過美國之後，中國現在每年發表的人工智能期刊和會議論文已經與歐洲並列第一；超過40% 的人工智能會議被引用論文的作者來自北美，大約三分之一來自東亞； 從大多數指標來看，美國仍然是人工智能領域的全球領導者。儘管中國發表的人工智能論文比其他任何國家都多，但美國的研究成果影響力更大，美國作者的人工智能論文引用量比全球平均水平高出40%；美國也是私人人工智能投資最多的國家，略低於120億美元，而中國以68億美元位居全球第二，申請的人工智能專利比其他任何國家都多，比排名第二的日本多三倍；
從2015年到2019年，新加坡、巴西、澳大利亞、加拿大和印度的人工智能招聘增長最快；2014年至2018年間，絕大多數人工智能專利都是在美國和加拿大等國申請的，94% 的專利都是在發達國家申請的；從2010年到2019年，arXiv 上的人工智能論文總數增加了20倍；人工智能算法的訓練速度越來越快，成本也越來越低。AI Index小組指出，在一個流行的數據集(ImageNet)上訓練機器視覺算法所需的時間從2017年10月的大約3小時下降到2019年7月的僅88秒。成本也有所下降，從數千美元降至幾十美元。
這份報告是由斯坦福“以人為本”AI研究院(Stanford Human-Centered AI Institute，HAI)與 OpenAI 的人合作編寫的。它起源於2016年，是斯坦福大學“AI100”項目的一部分，該項目長達一個世紀，旨在研究人工智能未來的進步和影響。
然而，該項目的報告每五年才發佈一次，不能及時跟蹤 AI 的發展。所以，斯坦福大學名譽教授和指導委員會主席 Yoav Shoham 從2016 年起開始制定一項能及時跟蹤並反映人工智能當前發展的現狀的AI Index。
Yoav Shoham 在接受採訪時説：“我們開始做的就是對數據的質量和客觀性保持虔誠。”
Shoham從一開始就是人工智能指數指導委員會的成員，並擔任編寫報告小組的主席。其他人包括麻省理工學院的經濟學家Erik Brynjolfsson、Partnership on AI創始執行董事TerahLyons，以及來自SRI International、哈佛大學、OpenAI 和麥肯錫全球研究所的其他人。
這項工作的目的是幫助廣大公眾瞭解這一領域的進展，並向決策者和商業決策者通報他們國家與其他國家相比的排名情況。
報告的作者説，現在已經是第三年了，這份報告的數據來源是第一次發佈時的三倍，而且報告首次配備了全球人工智能活力（Global AI Vibrancy）工具，可以從34個維度對國家進行比較。
今年早些時候，一家與聯合國合作的諮詢公司確定了大約30個國家目前擁有國家人工智能戰略。
例如，愛思唯爾(Elsevier)的 Scopus 研究了 arXiv 等知識庫的發表率，根據該研究所的數據，歐洲發表的人工智能研究論文比世界上任何其他地方都多，但以色列的人均深度學習研究最多，而美國的人工智能研究被引用最多。
企業或行業與人工智能研究的聯繫正在增長，最有可能出現在美國、中國、日本、法國、德國和英國。
“10年前，20年前，所有的創新都發生在學術界，然後工業界拾起一些零碎的東西，將其完善並商業化。 現在不是這樣了，兩者之間的界限已經模糊，人們已經跨越了界限，”Shoham説，“我認為，主要的學術機構正逐漸認識到，這是一種新的常態。”
儘管目前有60% 的博士研究生進入產業界而非學術界，而2004年這一比例為20%，但學術研究仍然比政府和企業的論文更有説服力。報告顯示，中國92% 的人工智能出版物來自學術界，這一比例在歐洲是90%，在美國是85%。
該報告還評估了用於跟蹤人工智能跨學科(如圖像分類)的基準和方法的進展情況，以及用於訓練人工智能系統的方法的進展情況(如翻譯或用於視頻事件識別的 ActivityNet)。
Shoham説，在某些方面，進展的結果是喜憂參半的，因為一些人工智能系統在基準測試中取得了很高得分的同時，也意味着該系統過於“專注”了。
例如，Shoham 希望從事人工智能對話領域的研究。有些系統可能在像斯坦福的小組問答測試這樣的基準測試中表現良好，但似乎侷限於細分的任務。
“問題是，這些都是高度專業化的任務和領域，一旦你走出該領域，性能大幅下降，委員會知道這一點，”Shoham説，“真正令人興奮的事情有很多，包括我提到的所有這些系統，但我們現在距離人類對語言的理解還相當遙遠。因此，我們試圖在報告中對此進行細緻入微的分析。”