本文轉(zhuǎn)自雷鋒網(wǎng)，如需轉(zhuǎn)載請至雷鋒網(wǎng)官網(wǎng)申請授權(quán)。

當(dāng)?shù)貢r間 12 月 11 日，斯坦福「以人為本」人工智能研究院與 OpenAI 合作完成的2019  AI Index 年度報告發(fā)布。作為斯坦福大學(xué)「AI100」項目的一部分，AI Index 旨在研究影響人工智能產(chǎn)業(yè)的最大趨勢、突破性研究進展以及人工智能對社會的影響，今年已是該報告發(fā)布的第三個年頭。

今年，該報告還研究了諸如人工智能招聘、私人投資、國家對人工智能研究的推動作用、研究人員離開學(xué)術(shù)界進入工業(yè)界以及人工智能在特定行業(yè)中發(fā)揮了多大作用等趨勢。

同時，報告還指出了 AI 領(lǐng)域在減少 AI 系統(tǒng)的訓(xùn)練時長和降低計算成本所取得的長足進展，而訓(xùn)練時長和計算成本也是 AI 普及率的最大阻力之二。報告顯示：「在一年半的時間里，在云基礎(chǔ)設(shè)施上訓(xùn)練一個大型圖像分類系統(tǒng)所需的時間從 2017 年 10 月的 3 小時左右減少到了 2019 年 7 月的 88 秒左右?！?/p>

今年報告的一些要點如下：

人工智能成為了最受計算機科學(xué)博士青睞的領(lǐng)域，而在 2018 年，有 21% 的畢業(yè)生畢業(yè)于機器學(xué)習(xí)或人工智能專業(yè)。

從 1998 年到 2018 年，經(jīng)過同行評審的人工智能研究增長了 300%。

2019 年，全球私人人工智能投資超過 700 億美元，其中初創(chuàng)企業(yè)投資為 370 億美元，并購為 340 億美元，IPO 為 50 億美元，少數(shù)股權(quán)為 20 億美元。在過去的一年中，智能駕駛行業(yè)成為全球投資的「排頭兵」（70 億美元），隨后為藥物和癌癥、人臉識別、視頻內(nèi)容、欺詐檢測和金融。

繼 2006 年超越美國之后，中國現(xiàn)在每年出版的人工智能期刊和發(fā)表的會議論文數(shù)量與歐洲相當(dāng)。

被引用的人工智能會議論文中，超過 40% 的論文作者來北美，而約有 1/3 論文作者來自東亞。

2015 年至 2019 年，新加坡、巴西、澳大利亞、加拿大和印度在人工智能招聘方面經(jīng)歷了最快的增長期。

2014 年至 2018 年間申請的人工智能專利絕大多數(shù)是在美國和加拿大等國家申請的，并且 94% 的專利是在富裕國家申請的。

2010 年至 2019 年間，發(fā)表在 arXiv 上的人工智能論文總數(shù)增長了 20 倍。

這份報告由斯坦?！敢匀藶楸尽谷斯ぶ悄苎芯吭号c OpenAI 合作編寫而成。2016 年，它作為斯坦福大學(xué)對人工智能的進步和影響進行的長達一個世紀(jì)的研究項目——「AI100」的一部分而開啟。

斯坦福大學(xué)名譽教授兼指導(dǎo)委員會主席 Yoav Shoham 在電話采訪中向 VentureBeat 表示：「我們希望做到的，就是對數(shù)據(jù)的質(zhì)量和客觀性保持嚴(yán)謹(jǐn)?！?/p>

Shoham 一開始就在 AI Index 指導(dǎo)委員會中任職，并擔(dān)任對報告進行整合的小組主席。委員會的其他成員包括麻省理工學(xué)院的經(jīng)濟學(xué)家 Erik Brynjolfsson、Partnership on AI 執(zhí)行董事 Terah Lyons，以及其他來自斯坦福國際研究院、哈佛大學(xué)、OpenAI 和麥肯錫全球研究所的成員。

這項工作旨在幫助公眾了解 AI 這一領(lǐng)域的進展，并向政策決策者和企業(yè)決策者提供本國與其他國家的排名情況。

報告作者對 VentureBeat 表示，今年是發(fā)布該報告的第三年，報告的數(shù)據(jù)來源是發(fā)布之初的三倍，并且首次配備了一個能夠從 34 個維度對各國進行比較的工具——Global AI Vibrancy。

Shoham 稱，與此前已做的一些工作一樣，現(xiàn)在對各國人工智能進行排名還為時過早。

「僅僅對各國進行排名很容易，無非是評估一些東西、加上一堆數(shù)字，然后說，美國是第一，中國是第二，你的國家是第幾。然而我們并不想這樣做，因為這樣做的話會扭曲很多事情并且能夠評估的維度如此之多?？偠灾m然排名之類的東西不失為一個好想法，但我們認為現(xiàn)在這樣做還為時過早?！?/p>

對此，Global Vibrancy 工具則提供了一種選擇，它可以用總體數(shù)字和人均趨勢來進行評估，以判斷出 AI 熱點地區(qū)（比如說以色列，它的人均深度學(xué)習(xí)研究比任何其他國家都高）或 AI 發(fā)展走在前沿的國家（如芬蘭和新加坡）。

今年早些時候，一家咨詢公司聯(lián)合聯(lián)合國證實，目前約有 30 個國家制定了國家級的人工智能戰(zhàn)略。

例如，Elsevier 的 Scopus 研究了 arXiv 此類知識庫的發(fā)表率，并指出歐洲的人工智能研究論文比世界上任何其他地區(qū)都要多，但以色列的人均深度學(xué)習(xí)研究最高，美國的人工智能研究論文的引用率最多。

與 AI 研究相關(guān)的公司或行業(yè)正呈增長之勢，尤其是在美國、中國、日本、法國、德國和英國。

Shoham 指出：「十年前，二十年前，所有的創(chuàng)新都發(fā)生在學(xué)術(shù)界，然后工業(yè)界撿起一些研究來完善并將其商業(yè)化。而這已經(jīng)不是事實了。學(xué)術(shù)界和工業(yè)界之間的界限變得模糊，而兩界的研究者和從業(yè)者也在相互跨越這條界限。我認為領(lǐng)先的學(xué)術(shù)機構(gòu)正在達成共識：這是一種新常態(tài)。」

報告顯示，盡管相比于 2004 年的 20%，現(xiàn)在已有 60% 的博士研究生選擇進入工業(yè)界而非學(xué)術(shù)界，然而學(xué)術(shù)界發(fā)表的研究論文仍然超出政府和企業(yè)，其中 92% 的論文作者來自中國，90% 的論文作者來自歐洲，85% 的論文作者來自美國。

該報告還評估了在跨學(xué)科（如圖像分類）跟蹤人工智能的基準(zhǔn)和方法方面，以及針對翻譯或面向視頻事件識別的 ActivityNet 挑戰(zhàn)賽等常用場景的 AI 系統(tǒng)訓(xùn)練方法方面的進展。

Shoham 表示，某種程度上而言，這一進展結(jié)果是喜憂參半的，因為一些在基準(zhǔn)測試中取得高分結(jié)果的人工智能系統(tǒng)或許比這些結(jié)果所體現(xiàn)出來的要更脆弱得多。

他期待對話人工智能領(lǐng)域取得更多的進展，例如說他自己正在從事的研究領(lǐng)域。有些系統(tǒng)可能在例如斯坦福大學(xué)的 SQuAD 問答測試等標(biāo)準(zhǔn)測試上表現(xiàn)良好，然而可能僅適用于狹隘的任務(wù)。

對此，他指出：「問題就在于，這些任務(wù)面向的都是高度專業(yè)化的領(lǐng)域，一旦離開這個領(lǐng)域，它們的表現(xiàn)就會急劇下降，我們委員會也深知這一點。不過現(xiàn)在 AI 領(lǐng)域確實也取得了不少值得興奮的進展，包括我提到的所有這些系統(tǒng)，不過這些系統(tǒng)目前離實現(xiàn)人類對語言的理解還很遠。因此，我們在報告中試圖對這一點進行細致入微的闡述?！?/p>

不僅如此，報告還列舉了人工智能系統(tǒng)實現(xiàn)了人類水平的一些案例，比如 DeepMind 的 AlphaStar 就在《星際爭霸 2》中打敗了人類，以及人類通過使用深度學(xué)習(xí)能夠眼睛圖像中檢測出糖尿病視網(wǎng)膜病變。

via https://venturebeat.com/2019/12/11/ai-index-2019-assesses-global-ai-research-investment-and-impact/