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?shù)貢r間 12 月 11 日，斯坦?！敢匀藶楸尽谷斯ぶ悄苎芯吭号c OpenAI 合作完成的2019  AI Index 年度報告發(fā)布。作為斯坦福大學「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)的訓練時長和降低計算成本所取得的長足進展，而訓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，在云基礎設施上訓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)于機器學習或人工智能專業(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。

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。

這份報告由斯坦福「以人為本」人工智能研究院與 OpenAI 合作編寫而成。2016 年，它作為斯坦福大學對人工智能的進步和影響進行的長達一個世紀的研究項目——「AI100」的一部分而開啟。

斯坦福大學名譽教授兼指導委員會主席 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)量和客觀性保持嚴謹?！?/p>

Shoham 一開始就在 AI Index 指導委員會中任職，并擔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院的經(jīng)濟學家 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、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?，雖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，它的人均深度學習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習研究最高，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)先的學術(shù)機構(gòu)正在達成共識：這是一種新常態(tài)?！?/p>

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)界而非學術(shù)界，然而學術(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科（如圖像分類）跟蹤人工智能的基準和方法方面，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的 SQuAD 問答測試等標準測試上表現(xiàn)良好，然而可能僅適用于狹隘的任務。

對此，他指出：「問題就在于，這些任務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習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/