两国对无人驾驶的信任度差异很大：70%的美国人反对，70%的中国人支持：70%的美国人不信任自动驾驶汽车，但72%的中国消费者支持自动驾驶驾驶汽车；只有4%的美国高管计划在2020年在企业中部署AI技术，低于去年的20%；只有26%的美国高管表示他们已采取措施解决潜在的人工智能偏见；过去四年，美国“人工智能专家”职位发布数量每年增长74%；2019年，全球人工智能私人投资超过700亿美元。消费者对人工智能技术的采用70%的美国人表示他们不信任自动驾驶汽车，但72%的中国人表示信任。即使未来的汽车能够自动驾驶，88%的美国消费者仍然希望拥有自己的私家车，而不是使用“无人驾驶”工具（82%的德国消费者和76%的法国消费者表示相同））。在“我想成为第一个体验无人驾驶汽车”的项目中，支持率为中国28%、法国15%、英国9%、德国11%、美国13%。在“我不太可能使用自动驾驶汽车”这一项中，美国的支持率为40%，德国为44%，英国为33%，法国为29%，中国仅为4%.（来自OC&C对五个国家10,029名消费者的调查。）AI技术的商业采用只有4%的美国高管计划在2020年部署基于企业整体的AI解决方案，远低于前一年的20%；42%的受访者表示他们正在研究AI技术的使用，23%的受访者表示他们将在一些特定地区进行试点，18%的受访者已经在多个地区实际实施，13%的受访者计划全面部署在多个地区。此外，超过90%的受访高管认为人工智能技术带来的机遇可能大于风险，近半数受访者预计人工智能技术将为区域市场或其运营部门（或两者）带来收益。震惊。（普华永道对1,062名美国企业高管进行的调查。)58%的受访大公司表示，他们在2019年至少在一个职能部门或业务部门采用了AI技术，高于2018年的47%；在接受调查的大公司中，只有19%表示他们正在采取措施解决与算法可解释性相关的风险，只有13%的公司正在解决公平和公正风险，包括算法偏见和歧视。（2019AIIndex报告。）60%的企业高管认为他们的组织尚未完全统一AI技术的开发和使用方式；超过70%的企业高管表示，他们的公司已经采用了AI技术；只有26%的受访者表示他们已采取措施应对潜在的AI偏见；只有25%的受访者表示会披露AI如何收集和处理数据信息；只有16%的受访者表示其组织内有专门的AI技术应用监督委员会；只有13%的受访者表示他们将智能代理或聊天机器人视为非人类实体。（GLG调查了来自金融服务、医疗保健和咨询行业的160位企业高管。）22%的业务决策者表示，他们的组织在过去一年中将机器学习引入了生产；50%的受访者受访者已花费8到90天部署单一机器学习模型；当前的应用痛点包括规模（33%）、版本控制和模型可重用性（32%）以及难以获得高管批准（26%）。（对750名商业决策者的算法调查。）54%的英国高级决策者表示，他们的公司目前正在使用人工智能技术来支持客户服务部门（包括聊天机器人、虚拟助理、自然语言处理和面部识别）；荷兰为97%，法国为86%，德国为81%；聊天机器人(37%)、自然语言处理(34%)和机器人流程自动化(31%)是迄今为止所有接受调查的国家中最受欢迎的企业级客户服务改进技术。（Freshworks对800多名客户服务高级决策者进行的调查。）22%的美国医疗保健组织正在利用包含AI功能的软件平台，比2017年增加了8%；31%的受访者表示他们计划在未来三年内引入AI功能。(HealthLeadersMedia.)人工智能（39%）和大数据（23%）有望在未来两年改变和彻底颠覆整个医药行业，这些技术在未来一段时间内将继续保持强大的投资吸引力.（GlobalData对制药业高管的全球调查。)未来职场的发展过去四年，美国招聘的“人工智能专家”总数平均每年增长74%；二是“机器人工程师”，增幅40%；第三是“数据科学家”，增长了37%。（LinkedIn第三轮美国年度新兴职业调查报告。）在美国，AI相关职位的比例从2012年的0.3%上升到2019年的0.8%；2015年至2019年，新加坡、巴西、澳大利亚、加拿大和印度的AI招聘人数增长最快。2018年，超过80%的AI博士毕业生进入相关行业，高于2004年的20%；2018年，美国AI博士毕业生加入AI行业的人数是继续学术研究的两倍多；与此同时，无数研究人员也离开学术界投身科技商业领域——2018年离开的研究人员超过40人，比2012年为15，2004年为零。（2019AI指数报告。）2015年，“被低估”的劳动力（包括那些有经验的劳动力，到2032年将跃升至超过13.5万亿美元。然而，这些员工目前正面临严峻的挑战他们的工作被机器取代的威胁内斯;据计算，美国目前由老年工人担任的所有工作中，高达52%可以被自动化解决方案取代。然而，人口的快速老龄化和出生率的持续下降意味着，谁能有效地对这部分劳动力进行再培训，谁就在未来的市场中占据优势。（Mercer、OliverWyman、Marsh&McLeannanAdvantage。）AI研究1998年至2018年间，经过同行评审的AI论文数量增长了300%以上；2018年，超过21%的计算机科学博士。毕业生主要集中在人工智能/机器学习方向；在SuperGLUE和SQuAD2.0基准测试中，一些通用的自然语言处理解决方案取得了快速进步；但在一些需要推理功能的NLP任务（如AI2ReasoningChallenge）或以人类为目标的概念学习任务（如OmnighlotChallenge）中，现有AI解决方案的性能仍然有限。在云基础设施上训练大规模图像分类系统的时间从2017年10月的约3小时减少到2019年7月的约88秒，此类系统的训练成本也大幅下降。2012年之前，人工智能技术的发展速度紧随摩尔定律，即计算量每两年翻一番；但在2012年之后，AI的计算量每3.4个月翻一番。（2019年AI指数报告。）在一项实地实验中，研究人员想要比较人类或机器是否更擅长在企业之间销售铝产品。虽然人工智能系统的推荐在大多数情况下确实更受欢迎，但当买家有某些独特或复杂的要求和报价想法时，人类卖家仍然遥遥领先。（YaelKarlinksy-Shichor和OdedNetzer。）AI融资2019年，全球AI私人投资超过700亿美元，对AI相关初创企业的投资超过370亿美元，并购总额为340亿美元，首轮公开发行50亿少数股权估值约20亿美元；全球人工智能初创企业仍在稳步发展，融资总额从2010年的13亿美元增长到2018年的404亿美元（截至今年11月4日，2019年融资总额为374亿美元）；融资额以年均48%以上的速度增长；去年，无人驾驶汽车在全球投资中占比最高，达到77亿美元（占总投资的9.9%），其次是药物、癌症和治疗（47亿美元，占6.1%）、人脸识别（47亿美元），占6.0%）、视频内容（36亿美元，占4.5%）、欺诈检测和金融（31亿美元，占3.9%）。(2019AIIndexReport.)AI医疗保健初创公司在2019年第三季度筹集了103轮融资，总计近16亿美元（包括BabylonHealth的5.5亿美元），使医疗保健成为当前AI领域投资最活跃的细分领域。（CBInsights。）数据安全是人工智能发展的命脉，数据安全成为另一个不容忽视的挑战。目前美国网络安全等级最高的城市包括：拉斯维加斯、休斯顿、纽约、迈阿密-劳德代尔堡、哈里斯堡-兰开斯特-黎巴嫩-约克；美国网络安全水平最低的城市包括：盐湖城、圣路易斯、西雅图-塔科马、奥斯汀、阿尔伯克基-圣达菲。（Coronet统计了过去12个月中全美50个大都市地区发生的9300万起安全事件）31%的企业在过去两年中经历过数据泄露；27%不符合国家或全球合规性移动设备保护法规，或合规性不明确；个人数据收集和滥用问题同样严重：美国为41%，加拿大为69%，英国为70%，法国为72%，德国为78%。（SOTI、IQPC和EnterpriseMobilityExchange。）自2019年假日购物季以来，与2018年同期相比，在线零售欺诈增加了29%；与2019年相比，2017年涉嫌电子商务欺诈增加了60%。（Iovation对过去三年从感恩节到网络星期一的在线零售交易进行的调查。）数据正在吞噬世界2019年第三季度，年化移动数据流量同比增长68%。高增长率主要得益于印度智能手机用户数量的增加以及中国智能手机月均数据流量的增加。总体而言，智能手机用户数量的增加和用户人均数据流量共同推动了整体数据流量的增长，其中核心驱动因素是视频内容观看量的增加。（爱立信移动调查报告。）人工智能市场展望到2023年，中国人工智能市场总值将达到119亿美元，远高于2020年的425亿美元。（来自IDC和QbitAI）企业虚拟数字助理软件市场将将从2018年的13亿美元增长到2025年的89亿美元。（来自Tractica）到2024年，农业人工智能的价值将从2019年的5.78亿美元增加到20.157亿美元。（来自BISResearch）“一个神经网络模型实际上以每年10倍的速度增长。这种指数增长是前所未有的，快得令人难以置信，几乎超越了我所见过的所有技术变革。”–NaveenRao，英特尔公司“人为干预无疑使Waze地图和应用程序比市场上的其他导航应用程序实现了更高的精度。这就是人为因素的重要性，当前的人工智能技术无法真正达到相同的水平。””–ChadRichey，志愿地图编辑，Waze“我们应该记住，可解释性是有界限的。毕竟，即使是人类的决定有时也同样无法解释。”-吴恩达“我认为很多专注于实验室工作的研究人员，包括YannLeCun，都觉得“AGI”这个概念既不有趣也不有意义。当然，也有人认为AGI可以代表真正的人类智能，但我不同意这个观点，因为人类智能本身就缺乏通用性，另外很多人强行把奇点代入AGI，也就是只要有了AGI，这种智能就会自发学习，不断提升。但是目前还没有这样的模型，包括人类自己，也无法让自己变得更聪明。我认为总有一天人们会放弃AGI的概念，转而支持更明确的发展议程。-JeromePesenti，FacebookInc.人工智能副总裁“......我们无法预测未来，这种不可预测性应该是常识。但谈到人工智能，许多人往往会失去共识。”-ArvindNarayanan，普林斯顿大学“在过去的十年中，我们学会了构建人工神经网络，通过定义损失函数并收集或创建足够大的训练数据集，在几乎任何任务上都能提供超人的性能。虽然这确实带来了一系列极有价值的应用场景，但离真正的智能还差得很远。-BlaiseAguerayArcas，谷歌公司
