AI领域取得的进展情况怎么样

当地时间 12 月 11 日，斯坦福「以人为本」人工智能研究院与 OpenAI 合作完成的2019 AI Index 年度报告发布。作为斯坦福大学「AI100」项目的一部分，AI Index 旨在研究影响人工智能产业的最大趋势、突破性研究进展以及人工智能对社会的影响，今年已是该报告发布的第三个年头。

今年，该报告还研究了诸如人工智能招聘、私人投资、国家对人工智能研究的推动作用、研究人员离开学术界进入工业界以及人工智能在特定行业中发挥了多大作用等趋势。

同时，报告还指出了 AI 领域在减少 AI 系统的训练时长和降低计算成本所取得的长足进展，而训练时长和计算成本也是 AI 普及率的最大阻力之二。报告显示：「在一年半的时间里，在云基础设施上训练一个大型图像分类系统所需的时间从 2017 年 10 月的 3 小时左右减少到了 2019 年 7 月的 88 秒左右。」

今年报告的一些要点如下：

人工智能成为了最受计算机科学博士青睐的领域，而在 2018 年，有 21% 的毕业生毕业于机器学习或人工智能专业。

从 1998 年到 2018 年，经过同行评审的人工智能研究增长了 300%。

继 2006 年超越美国之后，中国现在每年出版的人工智能期刊和发表的会议论文数量与欧洲相当。

被引用的人工智能会议论文中，超过 40% 的论文作者来北美，而约有 1/3 论文作者来自东亚。

2015 年至 2019 年，新加坡、巴西、澳大利亚、加拿大和印度在人工智能招聘方面经历了最快的增长期。

2014 年至 2018 年间申请的人工智能专利绝大多数是在美国和加拿大等国家申请的，并且 94% 的专利是在富裕国家申请的。

2010 年至 2019 年间，发表在 arXiv 上的人工智能论文总数增长了 20 倍。

这份报告由斯坦福「以人为本」人工智能研究院与 OpenAI 合作编写而成。2016 年，它作为斯坦福大学对人工智能的进步和影响进行的长达一个世纪的研究项目——「AI100」的一部分而开启。

斯坦福大学名誉教授兼指导委员会主席 Yoav Shoham 在电话采访中向 VentureBeat 表示：「我们希望做到的，就是对数据的质量和客观性保持严谨。」

Shoham 一开始就在 AI Index 指导委员会中任职，并担任对报告进行整合的小组主席。委员会的其他成员包括麻省理工学院的经济学家 Erik Brynjolfsson、Partnership on AI 执行董事 Terah Lyons，以及其他来自斯坦福国际研究院、哈佛大学、OpenAI 和麦肯锡全球研究所的成员。

这项工作旨在帮助公众了解 AI 这一领域的进展，并向政策决策者和企业决策者提供本国与其他国家的排名情况。

报告作者对 VentureBeat 表示，今年是发布该报告的第三年，报告的数据来源是发布之初的三倍，并且首次配备了一个能够从 34 个维度对各国进行比较的工具——Global AI Vibrancy。

Shoham 称，与此前已做的一些工作一样，现在对各国人工智能进行排名还为时过早。

「仅仅对各国进行排名很容易，无非是评估一些东西、加上一堆数字，然后说，美国是第一，中国是第二，你的国家是第几。然而我们并不想这样做，因为这样做的话会扭曲很多事情并且能够评估的维度如此之多。总而言之，虽然排名之类的东西不失为一个好想法，但我们认为现在这样做还为时过早。」

对此，Global Vibrancy 工具则提供了一种选择，它可以用总体数字和人均趋势来进行评估，以判断出 AI 热点地区（比如说以色列，它的人均深度学习研究比任何其他国家都高）或 AI 发展走在前沿的国家（如芬兰和新加坡）。

今年早些时候，一家咨询公司联合联合国证实，目前约有 30 个国家制定了国家级的人工智能战略。

例如，Elsevier 的 Scopus 研究了 arXiv 此类知识库的发表率，并指出欧洲的人工智能研究论文比世界上任何其他地区都要多，但以色列的人均深度学习研究最高，美国的人工智能研究论文的引用率最多。

与 AI 研究相关的公司或行业正呈增长之势，尤其是在美国、中国、日本、法国、德国和英国。

Shoham 指出：「十年前，二十年前，所有的创新都发生在学术界，然后工业界捡起一些研究来完善并将其商业化。而这已经不是事实了。学术界和工业界之间的界限变得模糊，而两界的研究者和从业者也在相互跨越这条界限。我认为领先的学术机构正在达成共识：这是一种新常态。」

报告显示，尽管相比于 2004 年的 20%，现在已有 60% 的博士研究生选择进入工业界而非学术界，然而学术界发表的研究论文仍然超出政府和企业，其中 92% 的论文作者来自中国，90% 的论文作者来自欧洲，85% 的论文作者来自美国。

Shoham 表示，某种程度上而言，这一进展结果是喜忧参半的，因为一些在基准测试中取得高分结果的人工智能系统或许比这些结果所体现出来的要更脆弱得多。

他期待对话人工智能领域取得更多的进展，例如说他自己正在从事的研究领域。有些系统可能在例如斯坦福大学的 SQuAD 问答测试等标准测试上表现良好，然而可能仅适用于狭隘的任务。

对此，他指出：「问题就在于，这些任务面向的都是高度专业化的领域，一旦离开这个领域，它们的表现就会急剧下降，我们委员会也深知这一点。不过现在 AI 领域确实也取得了不少值得兴奋的进展，包括我提到的所有这些系统，但是这些系统目前离实现人类对语言的理解还很远。因此，我们在报告中试图对这一点进行细致入微的阐述。」

不仅如此，报告还列举了人工智能系统实现了人类水平的一些案例，比如 DeepMind 的 AlphaStar 就在《星际争霸 2》中打败了人类，以及人类通过使用深度学习能够眼睛图像中检测出糖尿病视网膜病变。