斯坦福大學(xué)發(fā)布2019人工智能索引報告

PingWest品玩12月12日訊，斯坦福大學(xué)發(fā)布了2019人工智能索引報告（2019 AI Index Report）。這是斯坦福大學(xué)第三年發(fā)布該報告。

以下是報告亮點(diǎn)：

從1998年到2018年，同行評議的人工智能論文數量增長(cháng)了300%以上，占同行評議期刊出版物的3%，占已發(fā)表會(huì )議論文的9%。

中國現在每年出版的人工智能期刊和會(huì )議論文與歐洲一樣多，早在2006年就已經(jīng)超過(guò)美國。但美國出版物的領(lǐng)域加權引用影響仍比中國高出約50%。

新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡人均在arXiv上發(fā)表的深度學(xué)習論文數量相對較高。

超過(guò)32%的世界人工智能期刊引文來(lái)自東亞。超過(guò)40%的世界人工智能會(huì )議論文引文來(lái)自北美。

2014-2018年間，北美占全球人工智能專(zhuān)利引用活動(dòng)的60%以上。

許多西歐國家，特別是荷蘭和丹麥，以及阿根廷、加拿大和伊朗，研究人工智能研究的女性比例相對較高。

出席人工智能會(huì )議的人數繼續大幅增加。2019年，最大的NeurIPS預計有13500人參加，比2018年增長(cháng)41%，比2012年增長(cháng)800%。即使是像AAAI和CVPR這樣的會(huì )議每年的出席率也增長(cháng)了30%左右。

WiML研討會(huì )的參與者人數是2014年的8倍，AI4的校友人數也是2015年的20倍。這些增加反映出繼續努力將婦女和代表性不足的群體納入人工智能領(lǐng)域。

在一年半的時(shí)間里，在云基礎設施上訓練大型圖像分類(lèi)系統所需的時(shí)間從2017年10月的約3小時(shí)減少到2019年7月的約88秒。同時(shí)，訓練這樣一個(gè)系統的費用也同樣下降。

在SuperGLUE和SQuAD2.0基準測試中獲得的一些廣泛的自然語(yǔ)言處理分類(lèi)任務(wù)方面的進(jìn)展非常迅速；在一些需要推理的NLP任務(wù)（如AI2推理挑戰）或人類(lèi)級別的概念學(xué)習任務(wù)（如Omniglot挑戰）上的性能仍然較低。

在2012年之前，人工智能的結果緊跟摩爾定律，每?jì)赡暧嬎惴?012年后，計算每3.4個(gè)月翻一番。

2015年至2019年，新加坡、巴西、澳大利亞、加拿大和印度的人工智能招聘增長(cháng)最快。

2019年，全球私人人工智能投資超過(guò)700億美元，與人工智能相關(guān)的初創(chuàng )企業(yè)投資超過(guò)370億美元，并購340億美元，IPO 50億美元，少數股權價(jià)值約20億美元。

在全球范圍內，對人工智能初創(chuàng )企業(yè)的投資繼續穩步上升。融資總額從2010年的13億美元增至2018年的404億美元（截至11月4日，2019年為374億美元），年均增長(cháng)率超過(guò)48%。

去年，自動(dòng)駕駛以77億美元（占全球總投資的9.9%）獲得了全球投資的最大份額，其次是藥物、癌癥和治療（47億美元，6.1%）、面部識別（47億美元，6.0%）、視頻內容（36億美元，4.5%）和欺詐檢測和財務(wù)（31億美元，3.9%）。

58%的受訪(fǎng)大公司表示，2019年至少有一個(gè)職能或業(yè)務(wù)部門(mén)采用人工智能，高于2018年的47%。

只有19%的受訪(fǎng)大公司表示，他們的組織正在采取措施降低與算法可解釋性相關(guān)的風(fēng)險，13%的公司正在降低對公平和公正的風(fēng)險，如算法偏見(jiàn)和歧視。

全球范圍內，人工智能和相關(guān)學(xué)科以及在線(xiàn)課程的招生人數都繼續快速增長(cháng)。

在研究生教育階段，人工智能迅速成為北美計算機科學(xué)博士生中最受歡迎的專(zhuān)業(yè)，其學(xué)生數量是第二受歡迎專(zhuān)業(yè)（安全/信息保證）的兩倍多。2018年，超過(guò)21%的計算機科學(xué)博士畢業(yè)生專(zhuān)攻人工智能/機器學(xué)習。

在美國和加拿大，在人工智能領(lǐng)域畢業(yè)的國際博士生數量繼續增長(cháng)，目前超過(guò)60%的博士生來(lái)自這些項目（2010年不到40%）。

到目前為止，工業(yè)已經(jīng)成為人工智能人才的最大消費群體。2018年，超過(guò)60%的人工智能博士畢業(yè)生進(jìn)入了工業(yè)領(lǐng)域，高于2004年的20%。2018年，在美國，從事工業(yè)的人工智能博士畢業(yè)生人數是從事學(xué)術(shù)工作的兩倍多。

在美國，人工智能教師離開(kāi)學(xué)術(shù)界從事工業(yè)的速度繼續加快，2018年有40多人離開(kāi)，高于2012年的15人，2004年則沒(méi)有。

按照性別劃分，人工智能教師的多樣化并沒(méi)有顯示出很大的進(jìn)展，2018年，女性在新聘教師中所占比例不到20%。同樣，自2010年以來(lái)，美國女性人工智能博士學(xué)位獲得者的比例幾乎保持在20%不變。

2015-2018年間，加利福尼亞州測試自動(dòng)駕駛的總行駛里程數和公司總數增長(cháng)了7倍以上。2018年，加利福尼亞州為50多家公司和500多輛AVs公司頒發(fā)了測試許可證，行駛里程超過(guò)200萬(wàn)英里。

全球央行通訊顯示出對人工智能的濃厚興趣，特別是來(lái)自英國央行、日本央行和美聯(lián)儲的興趣。

全世界國會(huì )記錄、委員會(huì )報告和立法記錄中與人工智能相關(guān)的立法顯著(zhù)增加。

公平性、可解釋性和可解釋性被認為是59份人工智能倫理原則文件中最常提及的倫理挑戰。

在2018年年中至2019年年中確定的3600多篇關(guān)于道德和人工智能的全球新聞文章中，主要議題是人工智能道德使用、數據隱私、人臉識別的使用、算法偏差和大技術(shù)的作用的框架和指南。

人工智能可以通過(guò)迄今為止確定的用例為17個(gè)聯(lián)合國可持續發(fā)展目標（SDG）中的每一個(gè)做出貢獻，這些用例涉及169個(gè)聯(lián)合國可持續發(fā)展目標中的大約一半，但要大規模部署人工智能促進(jìn)可持續發(fā)展，仍需克服瓶頸。