由斯坦福大學(xué)發(fā)起的人工智能指數(shù)(AI Index)是一個(gè)追蹤 AI 動(dòng)態(tài)和進(jìn)展的非營(yíng)利性項(xiàng)目，旨在全面研究 AI 行業(yè)狀況，目標(biāo)是促進(jìn)基于數(shù)據(jù)的 AI 的廣泛交流和有效對(duì)話。昨天，AI Index 發(fā)出了 2018 年度報(bào)告。本文僅對(duì)其進(jìn)行概要介紹。

 

 

這份報(bào)告試圖從學(xué)術(shù)、工業(yè)、政策等角度全面介紹全球人工智能的發(fā)展現(xiàn)狀，今年的報(bào)告更加注重全球數(shù)據(jù)。報(bào)告指出，美國(guó)的 AI 研究力量仍是全球最強(qiáng)，但中國(guó)的追趕速度很快。報(bào)告特別介紹了清華大學(xué)學(xué)習(xí) AI 課程的學(xué)生數(shù)量：2017 年人工智能+機(jī)器學(xué)習(xí)課程的入學(xué)人數(shù)比 2010 年時(shí)多 16 倍。

AI Index 2018 版介紹

我們很高興推出 AI Index 2018 年度報(bào)告。本年度的報(bào)告要實(shí)現(xiàn)兩個(gè)目標(biāo)：更新上一年的指標(biāo)以及盡可能地提供全球性的背景。前一個(gè)目標(biāo)是 AI Index 至關(guān)重要的使命——為探討人工智能設(shè)定基礎(chǔ)，即意味著要持續(xù)不斷地跟蹤規(guī)模和技術(shù)的進(jìn)展。但后一個(gè)目標(biāo)也很重要。沒(méi)有全球化的視野，不可能講好 AI 故事。2017 年的報(bào)告嚴(yán)重偏向了北美地區(qū)的活動(dòng)。這只是因?yàn)槲覀兊娜�球合作關(guān)系還有限，并不是因?yàn)槲覀冇袃?nèi)在的偏見(jiàn)。今年，我們開(kāi)始填補(bǔ)這一全球性漏洞。我們認(rèn)識(shí)到，要使本報(bào)告真正完備全面，前方還有很長(zhǎng)的路要走——會(huì)涉及到更多合作和外部參與。

盡管如此，我們?nèi)钥梢詳嘌?AI 是全球性的。2017 年，Scopus 上 83% 的 AI 論文都來(lái)自美國(guó)之外。其中來(lái)自歐洲的占到了最大的比例(28%)。在全世界范圍內(nèi)，AI 和機(jī)器學(xué)習(xí)(ML)大學(xué)課程的入學(xué)人數(shù)都在增多，尤其值得一提的是中國(guó)的清華大學(xué)，該校 2017 年人工智能+機(jī)器學(xué)習(xí)組合課程的入學(xué)人數(shù)比 2010 年時(shí)多 16 倍。2017 年，中國(guó)生產(chǎn)的工業(yè)機(jī)器人的數(shù)量也占到了世界的最大比重——占全球機(jī)器人總出貨量的 30%。而且不只是美國(guó)、中國(guó)和歐洲，其它地方也在推進(jìn) AI 的發(fā)展。根據(jù)我們的統(tǒng)計(jì) AI 專利的方法，韓國(guó)和日本在 2014 年產(chǎn)出的 AI 專利分列全球第二和第三，僅次于美國(guó)。另外，南非成功舉辦了第二屆 Deep Learning Indaba 大會(huì)，這是世界最大型的機(jī)器學(xué)習(xí)教學(xué)活動(dòng)之一，吸引了來(lái)自 20 多個(gè)非洲國(guó)家的超過(guò) 500 名參會(huì)者。

AI 的多樣性不僅體現(xiàn)在地理上。如今，Partnership on AI 已有大約 50% 的成員組織是非營(yíng)利性的，包括美國(guó)公民自由聯(lián)盟、國(guó)際特赦組織、牛津大學(xué)人類未來(lái)研究所和聯(lián)合國(guó)開(kāi)發(fā)計(jì)劃署。而且人們也對(duì) AI 領(lǐng)域中的性別和少數(shù)族裔多樣性的重要性有了更高的認(rèn)識(shí)。AI4ALL 和 Women in Machine Learning(WiML)等組織正在加大力度鼓勵(lì)和支持代表性不足的群體參與進(jìn)來(lái)。

下面的指標(biāo)也能體現(xiàn)本報(bào)告所傳達(dá)的關(guān)鍵信息：AI 是全球性的。

報(bào)告目錄如下：

 

 

領(lǐng)域活力

學(xué)術(shù)

1996~2017 年間論文發(fā)表數(shù)量年增長(zhǎng)情況

下圖展示了 1996 年~2017 年 AI、CS 及所有領(lǐng)域論文數(shù)量的增長(zhǎng)情況。從圖中可以看出，AI 領(lǐng)域的論文增幅最大，比 1996 年增加了 7 倍多。

 

 

1998~2017 年間 Scopus 平臺(tái) AI 各子領(lǐng)域論文數(shù)量年增長(zhǎng)情況

下圖展示了 Scopus 上的 AI 論文數(shù)量(按 AI 子領(lǐng)域劃分，各個(gè)類別之間可能有交叉)�？梢钥闯�，機(jī)器學(xué)習(xí)和概率推理、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)視覺(jué)方面的論文最多，增速也最快，反映了這些領(lǐng)域的火熱程度。

 

 

2000 年&2017 年中國(guó)、美國(guó)、歐洲區(qū)域的活躍 AI 研究方向

下圖顯示了中國(guó)、美國(guó)、歐洲的 AI 研究相對(duì)活躍指數(shù)(RAI，一個(gè)國(guó)家/地區(qū) AI 出版物份額與全球 AI 出版物份額的對(duì)比，1.0 表示該國(guó)家/地區(qū)在 AI 領(lǐng)域的研究活躍度與全球活躍度完全一致)�？梢钥闯觯�2000 年中國(guó)的工程、技術(shù)研究活躍程度高于平均水平，但醫(yī)療健康、農(nóng)業(yè)、社會(huì)科學(xué)、人道主義方面的研究活躍度比較低。到了 2017 年，這幾個(gè)領(lǐng)域活躍程度有所提高，其中最突出的是農(nóng)業(yè)科學(xué)。

 

 

1998~2017 年間中國(guó)、美國(guó)和歐洲論文數(shù)量變化情況(按領(lǐng)域劃分)

下圖展示了中國(guó)、美國(guó)和歐洲來(lái)自政府、企業(yè)及醫(yī)療領(lǐng)域的論文數(shù)量變化情況。從中可以看出，中國(guó)、歐洲的 AI 論文主要來(lái)自政府，而美國(guó)的 AI 論文則主要來(lái)自企業(yè)。

 

 

 

 

 

 

1998-2016 年各地區(qū)發(fā)表論文的領(lǐng)域權(quán)重引用影響系數(shù)(FWCI)

 

 

美國(guó)的 AI 論文作者獲得的引用量要比全球平均水平高 83%，另一方面，中國(guó)論文的被引次數(shù)增長(zhǎng)迅速。

各個(gè)國(guó)家和地區(qū)在 2018 AAAI 大會(huì)上的論文發(fā)表數(shù)量

 

 

70% 的 AAAI 論文來(lái)自美國(guó)、中國(guó)。

大型 AI 會(huì)議參與度

下圖顯示了 1984-2018 年間大型 AI 會(huì)議的出席人數(shù)以及 2012-2018 年各個(gè)大型會(huì)議出席人數(shù)的增長(zhǎng)變化。從圖中可以看出，1986-1993 年左右，出席大會(huì)的人數(shù)下降得比較厲害。而從 1995 年至今，出席大型 AI 會(huì)議的人數(shù)呈波動(dòng)增長(zhǎng)，尤其是從 2013 年開(kāi)始急劇增加。注：這里對(duì)大型會(huì)議的定義是 2017 年出席人數(shù)超過(guò) 2000 的大會(huì)。

 

 

小型 AI 會(huì)議參與度

下圖展示了 1995-2018 年間出席小型 AI 會(huì)議的人數(shù)以及 2012-2018 年各個(gè)小型會(huì)議出席人數(shù)的增長(zhǎng)變化。小型會(huì)議是指在 2017 年出席人數(shù)不足 2000 的大會(huì)。

ICLR 2018 的出席人數(shù)是 2012 年的 20 倍，這一趨勢(shì)反映了當(dāng)前的人工智能更加注重深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。

 

 

業(yè)界

AI 工作機(jī)會(huì)

下圖根據(jù)所需 AI 技能展示了 2015-2017 年工作機(jī)會(huì)變化趨勢(shì)(AI 技能有交叉)�？梢钥闯�，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方面的工作機(jī)會(huì)最多，深度學(xué)習(xí)工作機(jī)會(huì)增速最快。

 

 

開(kāi)源

GitHub 收藏量(star)

下圖展示了 2015-2018 年不同的 AI 和 ML 軟件包在 GitHub 上的收藏量變化。從圖中可以看到兩個(gè)近期趨勢(shì)：大公司支持的框架(如 TensorFlow (谷歌)、PyTorch (Facebook)、MXNet (亞馬遜))流行度不斷增長(zhǎng);與其他包相比，TensorFlow 具備更強(qiáng)的流行度。

 

 

技術(shù)表現(xiàn)

計(jì)算機(jī)視覺(jué)

1. 目標(biāo)檢測(cè)：ImageNet

下圖展示了 2010 到 2018 年目標(biāo)檢測(cè)模型在 ImageNet 數(shù)據(jù)集上的準(zhǔn)確率變化。

 

 

2. 目標(biāo)檢測(cè)：ImageNet 訓(xùn)練時(shí)間

下圖展示了 2017 年 6 月到 2018 年 11 月訓(xùn)練神經(jīng)網(wǎng)絡(luò)在 ImageNet 數(shù)據(jù)集上得到高準(zhǔn)確率所需時(shí)間。

 

 

3. 實(shí)例目標(biāo)分割：COCO

下圖展示了 2015-2018 年模型在 COCO 數(shù)據(jù)集上的性能變化。

 

 

自然語(yǔ)言理解

1. 解析

下圖展示了 1995-2015 年 AI 系統(tǒng)在確定句子句法結(jié)構(gòu)的任務(wù)上的性能變化。

 

 

2. 機(jī)器翻譯

下圖展示了 2008-2018 年機(jī)器翻譯系統(tǒng)在英語(yǔ)-德語(yǔ)翻譯和德語(yǔ)-英語(yǔ)翻譯任務(wù)上的性能變化。

 

 

3. 問(wèn)答系統(tǒng)：ARC

2018 年 4 月-11 月問(wèn)答系統(tǒng)在 ARC 基準(zhǔn)上的性能變化

 

 

4. 問(wèn)答系統(tǒng)：GLUE

2018 年 5 月-10 月問(wèn)答系統(tǒng)在 GLUE 基準(zhǔn)上的性能變化

 

 

延伸閱讀：

2017 年報(bào)告(中文)：?http://cdn.aiindex.org/AI-Index-2017-Chinese-Translation.pdf?

2018 年報(bào)告：http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf

標(biāo)簽： 谷歌 漏洞 網(wǎng)絡(luò)

版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請(qǐng)聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點(diǎn)！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請(qǐng)與原作者聯(lián)系。