本文转载自雷锋网。当地时间12月11日，由斯坦福“以人为本”的人工智能研究院与OpenAI共同完成的2019年AIIndex年度报告发布。作为斯坦福大学“AI100”项目的一部分，AIIndex旨在研究影响人工智能行业的最大趋势、突破性研究进展以及人工智能对社会的影响。今年是该报告发布的第三年。今年，该报告还研究了AI招聘、私人投资、国家对AI研究的推动、研究人员离开学术界前往工业界以及AI在特定行业中发挥作用的程度等趋势。同时，报告还指出，AI领域在降低AI系统的训练时间和计算成本方面取得了长足进步，而训练时间和计算成本也是渗透率的两大障碍人工智能。“在一年半的时间里，在云基础设施上训练大型图像分类系统所需的时间从2017年10月的约3小时减少到2019年7月的约88秒，”今年的报告称。2018年的一些重要收获如下：AI已成为计算机科学博士最受欢迎的领域，2018年21%的毕业生毕业于机器学习或人工智能领域。从1998年到2018年，经过同行评审的AI研究有所增长300%。2019年，全球私人人工智能投资超过700亿美元，其中初创企业370亿美元，并购340亿美元，IPO50亿美元，少数股权20亿美元。在过去的一年里，智能驾驶行业在全球投资中处于领先地位（70亿美元），其次是药物和癌症、面部识别、视频内容、欺诈检测和金融。在2006年超过美国之后，中国现在每年发表的AI期刊和会议论文数量与欧洲相当。在被引用的AI会议论文中，超过40%的作者来自北美，而大约三分之一的作者来自东亚。2015年至2019年间，新加坡、巴西、澳大利亚、加拿大和印度的AI招聘增长最快。2014年至2018年申请的人工智能专利绝大部分是在美国和加拿大等国家申请的，其中94%的专利是在富裕国家申请的。2010年至2019年间，arXiv上发表的AI论文总数增长了20倍。该报告由斯坦福大学以人为本的人工智能研究所与OpenAI合作编写。2016年，它作为“AI100”的一部分开放，这是斯坦福大学关于人工智能的进步和影响的长达一个世纪的研究项目。斯坦福大学名誉教授兼指导委员会主席YoavShoham在电话采访中告诉VentureBeat：“我们想要做的是对数据的质量和客观性保持严格的态度。”Shoham从一开始就在AIIndex指导委员会任职，并主持了编写报告的小组。该委员会的其他成员包括麻省理工学院经济学家ErikBrynjolfsson、PartnershiponAI执行董事TerahLyons以及来自斯坦福国际研究所、哈佛大学、OpenAI和麦肯锡全球研究所的其他成员。这项工作旨在帮助公众了解人工智能这一领域的进展，并为政策和商业决策者提供他们的国家与其他国家的排名情况。报告作者告诉VentureBeat，今年是发布报告的第三年，报告的数据来源是发布之初的三倍，并且首次配备了可以比对的工具来自34个维度的国家-全球AI活力。Shoham说，与之前的一些工作一样，现在就人工智能对国家进行排名还为时过早。“给国家排名很容易，只是评估一些东西，加上一堆数字，然后说，美国是第一，中国是第二，你的国家在哪里。但我们不想这样做，因为它正在做它扭曲了很多东西并且可以衡量很多维度。总而言之，虽然排名之类的东西是个好主意，但我们认为现在这样做还为时过早。”GlobalVibrancy工具提供了一个选项，可以使用总体数量和人均趋势进行评估，以识别AI热点（例如以色列，其人均深度学习研究比任何其他国家都多）或处于AI发展前沿的国家（如芬兰和新加坡）。今年早些时候，一家与联合国合作的咨询公司证实，大约30个国家现在制定了国家人工智能战略。例如，Elsevier的Scopus查看了arXiv等知识库的发表率，指出欧洲的AI研究论文比世界上任何其他地区都多，但以色列的人均深度学习研究最高，而美国的AI研究更多文件。引用最多。与人工智能研究相关的公司或行业正在增长，尤其是在美国、中国、日本、法国、德国和英国。“十年前，20年前，所有的创新都发生在学术界，然后工业界进行了一些研究并完善了它并将其商业化，”Shoham说。“这不再是事实了。学术界和工业界之间的鸿沟两者之间的界限正在模糊，两个领域的研究人员和从业者都在跨越这条界限。我认为领先的学术机构正在达成共识：这是新常态”报告显示，虽然与2004年的20%相比，60%的博士生选择进入产业界而非学术界，但学术界发表的研究论文仍超过政府和企业，其中92%的论文作者来自中国，90%的论文作者来自中国在欧洲，85%的论文作者来自美国报告还评估了跨学科跟踪AI的基准和方法的进展，例如图像分类，以及针对翻译或视频事件识别的ActivityNet挑战等常见场景训练AI系统的方法。Shoham说，在某种程度上，进展是喜忧参半的，因为一些AI系统在基准测试可能远比那些结果所暗示的要脆弱，他期待对话式人工智能领域能有更多进展，比如他自己的研究领域正在努力。有些系统可能在标准测试中表现良好，例如斯坦福大学的SQuAD问答测试，但可能仅适用于狭窄的任务。对此，他指出：“问题在于，这些任务是针对高度专业化的领域，一旦离开这个领域，它们的表现就会急剧下降，我们的委员会很清楚这一点。但AI领域确实是”不仅如此，报告还列举了一些人工智能系统已经达到人类水平表现的案例，例如DeepMind的AlphaStar在《星际争霸 2》中击败了人类，人类可以利用深度学习在眼睛图像中检测出糖尿病视网膜病变。viahttps://venturebeat.com/2019/12/11/ai-index-2019-assesses-global-ai-research-investment-and-impact/
