斯坦福發布2018年全球AI指數：中國追趕速度驚人！人才需求與投資暴增

AI領域的進展日行千里，它能日益熟練地教會計算機和機器人如何看待世界，在真實的世界中執行了一系列複雜的任務。這一行業的發展速度，以及最終的結果，不僅取決於實際的產品進步和研究上取得的里程碑，還取決於人工智慧領導者、未來學家、學者、經濟學家和政策制定者的預測、關注和推動。

近日，斯坦福百年研究（AI100）發布了最新的全球「人工智慧指數」（AI Index）報告。這份報告從學術、工業、開源、政府等方面詳細介紹了人工智慧發展的現狀，並且記錄了計算機視覺、自然語言理解等領域的技術進展。

AI研究論文發布地域分布：歐洲、亞洲領跑

今年的AI Index報告發現，人工智慧領域的商業化及研究工作，以及其積累的資金正在全球範圍內迎來一輪大爆發。在地域分布上，歐洲和亞洲尤為高度集中，其中中國、日本和韓國在人工智慧研究論文出版、大學入學和專利申請方面領跑東方國家。

歐洲是發表AI論文數量最集中的區域，佔了去年發表的28％的人工智慧相關出版物。中國緊隨其後佔比25％，而北美則佔17％。其中，2007-2017年，在中國發表的文章增長了150％，在2008年迎來最高峰。

美國、歐洲、中國之外，其他國家和地區也取得了很多突破性進展，其中韓國和日本是第二大和第三大AI專利貢獻者。2014年，南非舉辦了第二次深度學習Indaba會議，這是世界上最大的ML教學活動之一，吸引了來自非洲20多個國家的500多名參與者。

AI活動類型分布

當談到人工智慧活動的類型時，報告發現，機器學習和所謂的概率推理-或者與認知相關的活動中，AI經常能在比賽中戰勝人類對手，根據Scopus上發表的一系列研究論文顯示。

2017年全球56％的論文屬於機器學習和概率推理，而2010年這一比例僅為28%。

全球範圍內人工智慧（AI）和機器學習（ML）的大學課程也正在增加，其中來自中國的清華大學AI+ML的2017課程加在一起，入學人數比2010年時增加了16倍。

緊隨其後的是計算機視覺（CV）方面的工作。計算機視覺是人工智慧的基礎子學科，它有助於開發自動駕駛汽車、動力增強現實和物體識別，以及神經網路。它們與機器學習一樣，有助於訓練這些演算法，隨著時間的推移不斷改善自然語言處理（NLP）等領域。比如，它可以讓你的智能演講者理解你所說的內容並作出回應，以及總體規劃和決策，這就是當自動化器成為日常生活中不可或缺的一部分時，AI需要賦予機器人的特性。

2014-2017年期間，各類AI論文發表的速度達到最高峰，神經網路2010-2014年的複合年增長為3％，然後到2014-2017年複合年增長率則達到了37％。

各國AI研究的重點不盡相同

該報告的一個有趣發現是——全球各地區對AI研究的重點各有側重。中國非常注重農業科學、工程和技術，而歐洲和北美更注重人文科學、醫學和健康科學，而且歐洲的研究方法通常更為全面。

美國AI研究論文雖然相比之下數量不多，但其引用率卻遠超中國及歐洲。

各個國家和地區在2018 AAAI大會上的論文發表數量（申請vs通過）

分析發現，在中國和歐洲，政府相關組織和研究機構發表的論文數量，已經遠遠超過企業發表的數量（這一點在醫療研究領域體現得最明顯），而美國則是企業發表為主，考慮到蘋果、亞馬遜、谷歌、Facebook、微軟等科技互聯網巨頭在這一領域投入的資金之巨，這一點也是情理之中。

人工智慧的多樣性不僅僅表現在其地域分布上。如今，超過50％的AI成員合作夥伴關係是非營利的，其中包括了像ACLU、牛津大學人類未來研究所和聯合國發展計劃等。此外，人們對性別和種族多樣性的認識也有所提高，像AI4ALL等機構、一些知名女性也參與到了機器學習當中，成為WiML運動的一部分。

AI隨其性能發展不斷推陳出新，特別是在計算機視覺等領域。通過衡量廣泛使用圖像資料庫ImageNet得到的的基準性能，該報告發現，啟動一個可以用於分類最新精度圖像模型所需要的時間，竟然在短短18個月內，從「大約一小時縮短到只要大約4分鐘」——這相當於訓練速度大約提高了16倍。其他領域，如對象分割——主要是軟體區分圖像的背景和主題，在短短三年內，精度提高了72％。

機器翻譯和解析等領域，軟體可以理解語法結構，更容易回答問題，準確性和熟練程度越來越高，但隨著演算法越來越接近人類對語言的理解，獲得的成果也越來越少，瓶頸越來越多。

在遊戲和醫療兩大領域，2018年AI也幫助拿下了多個裡程碑式的突破。比如，谷歌DeepMind首次在第一人稱射擊遊戲的多人模式中完勝人類，而且沒有使用大量訓練局數，輕鬆超過了人類水平。在多智能體強化學習方面這是一大進展。「我們最新的工作展示了智能體在複雜的第一人稱多人遊戲中達到人類水平，還能與人類玩家合作！」它旗下的OpenAI Five還在電競賽事Dota 2中開黑，最終在比賽中擊敗了人類對手。OpenAI的支持者、特斯拉創始人伊隆·馬斯克（Elon Musk）表示：「OpenAI首次在競爭激烈的電子競技中擊敗世界頂尖玩家，這遠比圍棋、象棋等傳統棋盤遊戲更加複雜。」

所有這些難以理解的數據都能很直觀地反饋AI領域現在所處的危機，以及多年來它是如何地發展，並預測AI領域未來的增長。然而，當涉及到關於自動化更難的問題，以及人工智慧在刑事司法、邊境巡邏、戰爭以及其他表現時，則處於不利地位。人工智慧只會繼續變得更加複雜，但在醫院、教育系統、機場和警察部門可以無誤地可靠地使用這些軟體之前，將會一直存在許多技術障礙，以及偏見和安全方面的挑戰。

人工智慧越來越多地被政府使用

然而，這並沒有阻止企業和政府繼續在現實世界中部署人工智慧。今年，亞馬遜成功向執法部門賣出了自己的面部識別軟體，而谷歌則因為國防部無人機計劃（稱為Project Maven）提供計算機視覺專業知識，捲入了爭議漩渦並引發員工抗議。

谷歌表示，一旦合同到期，它將撤出該項目，並且還發布了一系列廣泛的人工智慧道德原則，其中包括承諾永遠不會開發人工智慧武器監視系統，或為任何違反「國際法和人權問題上廣泛接受的原則」的項目。但很明顯，這家矽谷的科技巨頭正將人工智慧視為一個主要的商業機會，並將此類項目和合同視為參與人工智慧研究角逐的經濟回報。在世界其他地方，人工智慧正在幫助政府構建起監督和執法系統。

AI初創與風投的增長

從2015年1月到2018年1月，人工智慧創業公司的數量增長到了原來的2.1倍，而所有活躍的創業公司增長到了原來的1.3倍。

大多數情況下，創業公司的增長都保持相對穩定，而人工智慧創業公司呈指數級增長。

AI自動化與失業的關聯

在自動化的進程逐漸啟動後，我們已經認識到大規模失業不會很快到來，而更大的擔憂是我們作為一個社會中的個體，是否已準備好去從事那些沒有那麼穩定、工資變低、沒有健康保險的工作。

不是每個人都會馬上失去工作。相反，某些工作將隨著時間的推移而消除，而其他工作將變為半自動化。有些工作總是需要人手。工人的命運將取決於某些僱主的限制、勞動法律和法規，以及是否有足夠強大的系統來將支撐人們轉變為新的角色或跳槽到其他行業。去年11月麥肯錫全球研究院的一份報告發現，到2030年全球自動化可能會削減8億個工作崗位，但只有約6％的工作崗位面臨完全自動化的風險。如何開發從人類工作轉向人工智慧或機器人輔助工作的過程，將意味著一場全面風暴的席捲。

各行業AI應用普及及影響（資料來源：麥肯錫）

機器人安裝普及率（來源：ifr.org）

7月份發表的美國智庫——全球發展中心（the Center for Global Development）的一篇論文，則集中討論了人工智慧和機器人自動化對全球勞動力市場的潛在影響。研究人員發現，目前還沒有足夠的工作來為整體自動化問題做好準備，而且我們在一小部分市場中花費了太多時間來討論完全自動化的一般道德和可行性。「可盈利性、勞動法規、工會化和企業社會期望等問題至少與決定哪些工作自動化的技術限制同等重要，」該論文總結道。

下圖根據所需AI技能展示了2015-2017年工作機會變化趨勢（AI技能有交叉）。可以看出，機器學習和深度學習方面的工作機會最多，深度學習工作機會增速最快。

AI工作機會

AI Index報告背後的部分理念是：提出正確的問題，並確保制定政策的人員、公眾和AI行業的領導者都有數據來做出明智的決策。現在可靠地衡量人工智慧對社會的影響可能為時尚早——這個行業才剛剛開始迎來爆發——但要為這一切做好準備，了解其如何影響日常生活、工作和公共機構——如醫療保健、教育、執法，也許與研究和產品開發本身一樣重要。只有兼顧兩者的平衡，我們才能避免在改造世界過程中引爆技術帶來的風險。

調研背景

由斯坦福大學人工智慧百年研究（AI100）推出的「人工智慧指數」（AI Index）是一個追蹤人工智慧行業動態與發展的非營利性項目，其研究覆蓋了百年以來人工智慧的總體情況，目標是基於數據來推動人工智慧的廣泛交流和有效對話。

這是斯坦福推出的AI Index第二份份年度報告，數據更精細、更具國際化視野。參與調研的專家包括了來自哈佛大學、麻省理工學院、斯坦福大學、非營利組織OpenAI以及人工智慧產業聯盟等學院及組織機構的成員。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！