評估人的體質(zhì)好壞有BMI，衡量國家經(jīng)濟(jì)發(fā)展水平有GDP，如何判斷人工智能進(jìn)展？今天，由來自哈佛、MIT、斯坦福、OpenAI以及AI產(chǎn)業(yè)聯(lián)盟等專家學(xué)者組成的AI Index小組撰寫的《AI指數(shù)2018年度報(bào)告》（AI Index 2018 Annul Report）發(fā)布。
AI Index報(bào)告的目標(biāo)是利用硬核數(shù)據(jù)，衡量AI領(lǐng)域的取得的進(jìn)步，并嘗試?yán)斫膺@些進(jìn)步，因?yàn)檫@些成果涉及工作自動(dòng)化等棘手問題的解決方案，以及對通用人工智能（AGI）的總體追求，或者涉及實(shí)現(xiàn)讓機(jī)器執(zhí)行任何人類操作的AI類型。
2018 AI Index 報(bào)告發(fā)現(xiàn)：
AI頂會(huì)繼續(xù)火爆：NeurIPS 2018年參會(huì)人數(shù)是2012年的4.8倍，ICML則是2012年的6.8倍，ICLR 2018的參會(huì)人數(shù)是2012年的20倍
從全球來看，歐洲學(xué)者發(fā)表的AI論文的數(shù)量最多，占去年世界AI論文總數(shù)的28%。中國以25%緊隨其后，北美則占17％。但是，美國AI研究論文被引用數(shù)量最多，中國AI論文的引用數(shù)量也比2006年提升了44%
就業(yè)市場上，ML是最大的技能要求，但深度學(xué)習(xí)崗位的增長速度最快——從2015年到2017年，需要DL技能的職位空缺增加了35倍
論文發(fā)表，機(jī)器學(xué)習(xí)和“概率推理”這些與認(rèn)知相關(guān)的論文數(shù)量最多，神經(jīng)網(wǎng)絡(luò)第二，第三是計(jì)算機(jī)視覺，再次是搜索和語音，自然語言處理排在第五
各國對AI的側(cè)重也有所不同，中國更注重農(nóng)業(yè)科學(xué)、工程和技術(shù)，而歐洲和北美更注重人文科學(xué)、醫(yī)療健康科學(xué)。總體看，歐洲的研究類型分布一般更為全面。
中國有76%的學(xué)者流動(dòng)性低。調(diào)查發(fā)現(xiàn)，流動(dòng)性高的學(xué)者發(fā)表的AI論文具有更高的引用率和影響力，也更傾向于更頻繁地發(fā)布論文。
高校課程設(shè)置上，清華2017年AI和ML課程注冊人數(shù)是2010年的16倍，清華也是非美國高校中AI課程學(xué)生增長率最高的，是第二名多倫多大學(xué)的2倍左右。
從2017年6月到2018年11月，ImageNet訓(xùn)練時(shí)間變快了16倍
AI在很大程度上仍是由VC在驅(qū)動(dòng)
AI Index 的緣起要從2014年說起，當(dāng)時(shí)斯坦福大學(xué)決定啟動(dòng)一個(gè)叫做“AI100”的項(xiàng)目，持續(xù)跟蹤調(diào)查并總結(jié)人工智能未來100年在學(xué)術(shù)研究、經(jīng)濟(jì)、道德倫理、法律等方面的進(jìn)展。2016年9月，“AI100”小組發(fā)布了第一份《斯坦福AI百年報(bào)告》，第二份報(bào)告預(yù)計(jì)5年后發(fā)布。
然而，人工智能發(fā)展迅速，為了更好更及時(shí)地跟蹤AI進(jìn)展，斯坦福百年報(bào)告項(xiàng)目發(fā)起人Yoav Shoham又組建了一個(gè)新的小組，并開發(fā)了一個(gè)旨在及時(shí)跟蹤并反映人工智能發(fā)展現(xiàn)狀的指標(biāo)體系——AI Index。AI Index研究組每年都會(huì)發(fā)布一份報(bào)告，也即《AI指數(shù)報(bào)告》。
去年12月發(fā)布的第一份AI指數(shù)報(bào)告較為偏向北美。今年，報(bào)告增強(qiáng)了全球視野，發(fā)現(xiàn)AI的商業(yè)化、研究活動(dòng)、資金流動(dòng)呈現(xiàn)全球化增長，歐洲和亞洲尤為明顯，而且呈高度集中的態(tài)勢：中日韓在AI研究論文發(fā)表、大學(xué)招生和專利申請方面領(lǐng)先其他東方國家。
報(bào)告還設(shè)立了一個(gè)“超越人類水平的重大突破”部分，記錄了2018年AI在游戲和醫(yī)療診斷等領(lǐng)域取得的重大突破性進(jìn)展，包括微軟的機(jī)器翻譯、谷歌深度學(xué)習(xí)檢測前列腺癌，DeepMind在傳統(tǒng)FPS游戲《雷神之錘》取得的進(jìn)步，以及OpenAI在Dota 2中面對業(yè)余玩家和前職業(yè)玩家時(shí)令人驚艷的出色表現(xiàn)。
下面，就來詳細(xì)看看2018年，人工智能在學(xué)術(shù)研究、產(chǎn)業(yè)發(fā)展和政策設(shè)定方面的進(jìn)步吧。
對了，吳恩達(dá)看完這份報(bào)告總結(jié)了兩點(diǎn)：
AI在產(chǎn)學(xué)研領(lǐng)域繼續(xù)快速發(fā)展，我們還需要增加多樣性并且變得更加包容。
學(xué)術(shù)研究：積極在Arxiv貼論文凸顯領(lǐng)域競爭激烈
1996-2017年發(fā)表論文總量猛增
上圖是相較于1996年，學(xué)術(shù)論文的年度出版率增長情況，該圖比較了計(jì)算機(jī)科學(xué)（CS）領(lǐng)域和AI領(lǐng)域的論文發(fā)表率增長情況。從1996年到2017年，AI領(lǐng)域的論文增加了7倍（8x），CS領(lǐng)域的論文增加了5倍（6x）。
各地區(qū)發(fā)表論文情況
歐洲是AI論文出產(chǎn)大戶，2017年Scopus上的AI論文有28%來自歐洲，25%來自中國，17%來自美國。2007年至2017年在中國發(fā)表的論文數(shù)量增加了150％，盡管2008年中國的論文數(shù)量出現(xiàn)過驟跌現(xiàn)象。
細(xì)分領(lǐng)域論文發(fā)表情況
2017年，56％的論文屬于機(jī)器學(xué)習(xí)和概率推理領(lǐng)域，而2010年這一數(shù)字為28％。
對于大多數(shù)細(xì)分領(lǐng)域，在2014-2017年期間論文的發(fā)表速度要快于2010年-2014年。例如，神經(jīng)網(wǎng)絡(luò)領(lǐng)域（上圖紅線）論文的2010-2014年復(fù)合年增長率（CAGR）僅為3％，而該領(lǐng)域2014-2017年的復(fù)合年增長率為37％。
ArXiv上的AI論文
自2010年開始，arXiv上的AI論文迅猛增長，從2010年的1073篇，到2017年發(fā)布的13325篇。其中計(jì)算機(jī)視覺領(lǐng)域（CV) 是自2014年起增長最快的一個(gè)領(lǐng)域 (上圖藍(lán)線) 。
這一趨勢表明AI研究者傾向于傳播他們的研究，無論是經(jīng)過同行的認(rèn)可亦或經(jīng)過了頂會(huì)的檢驗(yàn)，這也說明該領(lǐng)域競爭激烈。
中國AI研究主要由政府主導(dǎo)，美國則是企業(yè)主導(dǎo)
領(lǐng)域側(cè)重（RAI）
上圖顯示了美國、歐洲和中國的AI領(lǐng)域相對活動(dòng)指數(shù)（RAI）。 RAI可以看出一個(gè)區(qū)域的專業(yè)傾向，通過將其與AI全球研究活動(dòng)進(jìn)行比較。RAI值為1時(shí)，表明這個(gè)國家在AI中的研究活動(dòng)與全球一致；高于1時(shí)，意味著該國更強(qiáng)調(diào)重視這個(gè)領(lǐng)域；低于1時(shí)，意味著更少關(guān)注。
從圖中可以看出，中國的AI論文更側(cè)重于工程技術(shù)和農(nóng)業(yè)科學(xué)，而美國和歐洲的AI論文則傾向于關(guān)注人文科學(xué)和醫(yī)學(xué)與健康科學(xué)。
政府、企業(yè)和醫(yī)學(xué)界主導(dǎo)研究情況對比
在政府主導(dǎo)的AI論文中，從2007年到2017年，中國增長了400%；而企業(yè)論文在這期間增長了73%。在美國，相對較大比例的AI論文來源于企業(yè)，美國企業(yè)的AI論文比例要遠(yuǎn)高于中國和歐洲。
各地區(qū)的論文引用影響力
FWCI是領(lǐng)域權(quán)重引用影響系數(shù)，可以用來衡量論文的影響力。盡管歐洲每年發(fā)布的AI論文數(shù)量最多，但引用影響力處于世界平均水平。相比之下，2016年中國AI論文的被引用率比2000年高出了44%。美國在這方面表現(xiàn)突出，美國作者AI論文的引用率要比世界平均水平高83%。
AI研究者流動(dòng)率：中國學(xué)者“久坐不動(dòng)”
根據(jù)調(diào)查，流動(dòng)性高的學(xué)者發(fā)表的AI論文具有更高的引用率和影響力，也更傾向于更頻繁地發(fā)布論文。
在美國、中國和歐洲這三個(gè)國家和地區(qū)中，中國低流動(dòng)性（“久坐不動(dòng)”）的AI作者比例最大（76%），其次是歐洲（52%），最后是美國（37%）。
各國在AAAI上論文發(fā)表情況
在2018-AAAI頂會(huì)上提交的論文中約有70％來自美國或中國。 中國提交的論文數(shù)量最多，但美國和中國被接受的論文數(shù)量基本相同，分別為268和265。
美國機(jī)構(gòu)提交的論文獲得了29％的錄取率，中國為21％。 德語和意大利語的論文獲得最高錄取率（41％），但提交的人數(shù)較少。
各大高校AI課程注冊情況
AI和ML課程近年來逐漸進(jìn)軍高校。從AI課程注冊率來看，2017年注冊AI課程的人數(shù)是2012年的3.4倍，入門ML課程的人數(shù)是2012年的5倍。
加州大學(xué)伯克利分校在這方面增長最迅速，2017年入門ML課程的學(xué)生人數(shù)是2012年的6.8倍。
而從清華自身來看，該校2017年AI和ML課程注冊人數(shù)是2010年的16倍。
高校AI教授以男性為主
在收集相關(guān)數(shù)據(jù)的過程中，改善師資多樣性的一個(gè)重大障礙是無法獲得有關(guān)多樣性的數(shù)據(jù)，我們鼓勵(lì)機(jī)構(gòu)將多樣性統(tǒng)計(jì)數(shù)據(jù)透明化。
在所研究的學(xué)校中，我們發(fā)現(xiàn)平均80％的AI教授都是男性，在世界各地、各大高校都是如此。
AI學(xué)術(shù)會(huì)議熱度提升
來看下大型AI頂會(huì)的熱度。首先是三大頂會(huì)：NeurIPS (曾用名NIPS) 、CVPR和ICML，這三大會(huì)議參與人數(shù)眾多。自2012年以來，它們的參會(huì)人數(shù)增長率也遠(yuǎn)高于其他會(huì)議。
其中，NeurIPS 2018年參會(huì)人數(shù)是2012年的4.8倍，ICML則是2012年的6.8倍。
不僅是大型頂會(huì)的參會(huì)人數(shù)增長，小型會(huì)議的熱度也在不斷上升，其中最為突出的是ICLR，ICLR 2018的參會(huì)人數(shù)是2012年的20倍。
AI研討會(huì)多樣性情況
上圖顯示了兩個(gè)研討會(huì)的年度注冊數(shù)量：其中一個(gè)是由女性參與的機(jī)器學(xué)習(xí)（WiML）主辦，該組織致力于支持女性參與機(jī)器學(xué)習(xí)，以及AI4All的校友人數(shù)，后者旨在增加人工智能的多樣性和包容性的教育計(jì)劃。 相比于2014年，WiML研討會(huì)2015年的參與者增加了600％，AI4ALL的校友人數(shù)增加了900％。
機(jī)器人安裝情況
下圖所示為隨著時(shí)間的推移從ROS.org下載的機(jī)器人操作系統(tǒng)（ROS）二進(jìn)制包的數(shù)量。 ROS是一種廣泛使用的機(jī)器人開源軟件棧，為許多制造商和學(xué)術(shù)研究人員廣泛使用。 左軸為平均每月下載量，而右軸為僅來自獨(dú)立IP地址的平均月下載量。 自2014年以來，總下載量和單IP下載量分別增長了352％和567％。
下圖顯示了自2012年以來全球訪問ROS.org最多的五大地區(qū)。美國和歐洲的訪問次數(shù)位居前兩位，中國的增長速度位居第一，目前訪問次數(shù)距離前兩名已經(jīng)不遠(yuǎn)。2017年，來自中國的訪問次數(shù)已經(jīng)相當(dāng)于2012年的18倍。ROS.org表示，來自中國的訪問量增長是結(jié)構(gòu)性的，而不是在中國增加市場營銷和資源投入的結(jié)果。
AI技術(shù)發(fā)展：沒有驚天突破，但在穩(wěn)步提升
物體識別精度
ImageNet競賽在2017年完結(jié)，因此AI Index報(bào)告組根據(jù)已發(fā)表的論文，繼續(xù)跟蹤當(dāng)前物體識別的水平（ImageNet 2012 驗(yàn)證集）發(fā)展。報(bào)告組指出，如果某個(gè)AI子領(lǐng)域的發(fā)展是以某項(xiàng)競賽為基礎(chǔ)來衡量的，那么這項(xiàng)競賽的完結(jié)會(huì)導(dǎo)致該領(lǐng)域技術(shù)真實(shí)發(fā)展水平難以衡量。好在數(shù)據(jù)集是開源的，因此在一定程度上還是能保證評估的連續(xù)性。
下圖即為物體識別精度情況，藍(lán)線為歷年ImageNet競賽冠軍結(jié)果，黃線為相關(guān)算法在ImageNet驗(yàn)證集上得到的結(jié)果。可以看出，2018年，在沒有為了比拼物體識別精度的情況下，物體識別算法的表現(xiàn)整體也有提升。
ImageNet訓(xùn)練時(shí)間
ImageNet訓(xùn)練時(shí)間是指網(wǎng)絡(luò)以高精度分類ImageNet圖像數(shù)據(jù)集所需的時(shí)間。這一指標(biāo)代表了大型網(wǎng)絡(luò)完成AI任務(wù)的時(shí)間。由于圖像分類是一種相對通用的監(jiān)督學(xué)習(xí)任務(wù)，因此ImageNet訓(xùn)練時(shí)間這一指標(biāo)，也可以從某種程度上反映其他AI應(yīng)用程序的訓(xùn)練時(shí)間。在一年半的時(shí)間里，訓(xùn)練ImageNet的時(shí)間從大約一小時(shí)減少到大約4分鐘。
ImageNet訓(xùn)練時(shí)間這一指標(biāo)也反映了AI研究的產(chǎn)業(yè)化情況。ImageNet訓(xùn)練時(shí)間減低的因素包括：算法創(chuàng)新和基礎(chǔ)設(shè)施建設(shè)。
從2017年6月到2018年11月，ImageNet訓(xùn)練時(shí)間變快了16倍。
實(shí)例分割
下圖顯示了MS COCO競賽實(shí)例分割結(jié)果。ImageNet競賽完結(jié)后，計(jì)算機(jī)視覺界開始轉(zhuǎn)向更為復(fù)雜的推理任務(wù)，例如以像素級精度定位物體（也即實(shí)例分割）和像素級精度劃分場景（語義分割）。
自2015年以來，COCO競賽中算法的平均精度最高增加了0.2個(gè)點(diǎn)，或相對提高了72％。
語義分析
下圖顯示了AI系統(tǒng)在確定句子句法結(jié)構(gòu)任務(wù)上的表現(xiàn)。語義分析（Parsing）是問答等特定自然語言理解任務(wù)中的第一步，如今已經(jīng)幾乎全部由深度學(xué)習(xí)完成。自2003年以來，句子成分語義分析水平、F1得分提高了9個(gè)百分點(diǎn)，或相對提高了10％。
機(jī)器翻譯
下圖顯示了AI在新聞?dòng)⒌禄プg中的表現(xiàn)。從2008年到2018年十年間，英譯德機(jī)器翻譯BLEU得分提高了3.5倍，德譯英機(jī)翻水平則提高了2.5倍。需要指出，由于每年使用的測試集不同，得分并不是完全可比的。但整體看BLEU得分有一定參考意義。
機(jī)器問答ARC
下圖顯示了歷年AI2推理競賽（AI2 Reasoning Challenge，ARC）的結(jié)果。ARC數(shù)據(jù)集包含7787個(gè)真實(shí)的純文字科學(xué)多項(xiàng)選擇題（美國3到9年級水平，英語，通常有4個(gè)答案選項(xiàng)），分為高難度（Challenge Set，2590個(gè)問題）和低難度（Easy Set，5197個(gè)問題）兩個(gè)數(shù)據(jù)集。
ARC基準(zhǔn)測試于2018年4月發(fā)布，到11月，機(jī)器在Easy Set上的表現(xiàn)從63％上升到69％，在Challenge Set上則從27％上升到42％。
機(jī)器問答GLUE
下圖顯示了GLUE基準(zhǔn)測試排行榜的結(jié)果。通用語言理解評估（GLUE）是一個(gè)新的基準(zhǔn)，旨在測試自然語言理解（NLU）系統(tǒng)完成一系列任務(wù)的水平，并且鼓勵(lì)研究人員開發(fā)較為通用的系統(tǒng)。GLUE由九個(gè)子任務(wù)組成：兩個(gè)單句測試（衡量語法和情感），三個(gè)關(guān)于相似度（similarity）和復(fù)述（paraphrase），四個(gè)關(guān)于自然語言推理，包括Winograd Schema Challenge。語料庫大小從小于1000到超過40萬不等。衡量指標(biāo)包括準(zhǔn)確度/ F1和馬修斯相關(guān)系數(shù)。
雖然該基準(zhǔn)測試在2018年5月才發(fā)布，但目前機(jī)器水平相比第一次測試結(jié)果已有大幅提高，距離非專業(yè)人員（大約90％）已經(jīng)不遠(yuǎn)。
投資創(chuàng)業(yè)熱度不減，深度學(xué)習(xí)崗位驟增35倍
AI初創(chuàng)企業(yè)
下圖顯示了風(fēng)險(xiǎn)投資支持的美國私營創(chuàng)業(yè)公司在特定年份的活躍數(shù)量。藍(lán)色的線(左軸)只顯示AI創(chuàng)業(yè)公司，而灰色的線(右軸)顯示所有風(fēng)險(xiǎn)投資支持的創(chuàng)業(yè)公司，包括AI創(chuàng)業(yè)公司。這張圖表描繪了每年1月份初創(chuàng)公司的總數(shù)。圖表顯示，初創(chuàng)公司的數(shù)量是逐年累積的。
從2015年1月到2018年1月，活躍的AI創(chuàng)業(yè)公司增長了2.1倍，而所有活躍的創(chuàng)業(yè)公司增長了1.3倍。在很大程度上，創(chuàng)業(yè)公司整體的增長保持相對穩(wěn)定，而AI創(chuàng)業(yè)公司的數(shù)量呈指數(shù)級增長。
從2015年到2018年，美國活躍的AI創(chuàng)業(yè)公司數(shù)量增長了2.1倍，而所有創(chuàng)業(yè)公司整體增長了1.3倍。
VC投資
下圖顯示了風(fēng)險(xiǎn)投資公司(VC)在所有融資階段向活躍的美國初創(chuàng)公司提供的年度資金數(shù)額。藍(lán)色的線(左軸)只顯示對AI創(chuàng)業(yè)公司的資助，而灰色的線(右軸)顯示所有VC支持的創(chuàng)業(yè)公司的融資額，包括AI創(chuàng)業(yè)公司。這些是年度數(shù)據(jù)，非逐年累積。
從2013年到2017年，AI風(fēng)投資金增長4.5倍，而所有風(fēng)投資金增長2.08倍。1997 - 2000年風(fēng)險(xiǎn)投資的繁榮可以用互聯(lián)網(wǎng)泡沫來解釋。2014年和2015年較小規(guī)模的繁榮反映了這段時(shí)期經(jīng)濟(jì)增長較快。
從2013年到2017年，美國AI創(chuàng)業(yè)公司的風(fēng)險(xiǎn)投資增加了4.5倍，而所有活躍創(chuàng)業(yè)公司的風(fēng)險(xiǎn)投資增加了2.08倍
就業(yè)市場：向AI技能開放
下面的圖表顯示了有AI技能要求的每年職位空缺數(shù)量，以及該空缺數(shù)量的相對增長。這里的AI技能不相互排斥。
雖然ML是最大的技能要求，但深度學(xué)習(xí)(DL)的增長速度最快——從2015年到2017年，需要DL技能的職位空缺增加了35倍。
就業(yè)性別差異：AI目前還是男人的游戲
下圖顯示了2017年AI職位空缺的男性和女性申請者。這些數(shù)據(jù)是根據(jù)所需要的技能統(tǒng)計(jì)，不相互排斥。申請人的數(shù)量并不意味著雇用或在整個(gè)行業(yè)的代表。
在美國，平均而言，男性求職者占AI求職者總數(shù)的71%，因?yàn)闄C(jī)器學(xué)習(xí)要求的求職者數(shù)量最多，平均而言，這主要是由機(jī)器學(xué)習(xí)求職者推動(dòng)的。除了機(jī)器學(xué)習(xí)，深度學(xué)習(xí)和機(jī)器人技術(shù)相對于其他類別而言，性別差異更大。
在美國，男性求職者平均占AI求職者總數(shù)的71%
專利
下圖顯示了AI專利的數(shù)量和增長情況。AI專利一般使用IPC代碼，屬于認(rèn)知和意義理解以及人機(jī)界面技術(shù)領(lǐng)域。
2014年，約30%的AI專利來自美國。其次是韓國和日本，這兩個(gè)國家各自擁有16%的AI專利。就發(fā)明人地區(qū)來說，韓國和中國臺灣增長最快，2014年AI專利數(shù)量是2004年的近5倍。
AI采用：按地區(qū)分析
下面的圖表顯示了麥肯錫公司對2135名受訪者的調(diào)查結(jié)果，每個(gè)人都代表他們的組織進(jìn)行了回答。圖表描繪了組織在至少一個(gè)功能或業(yè)務(wù)單元中采用AI能力的受訪者百分比。受訪者可以選擇多種AI能力。
圖表顯示，雖然一些地區(qū)比其他地區(qū)更傾向于采用某些能力，但是AI能力在不同地區(qū)之間的采用程度是相對平等的。我們期待AI采用隨時(shí)間的變化。
AI采用：按行業(yè)分析
同樣是麥肯錫公司對2135名受訪者的調(diào)查結(jié)果。下面的圖表描述了組織在特定業(yè)務(wù)功能中試驗(yàn)或采用AI能力的受訪者的百分比。
組織傾向于將AI能力納入其行業(yè)內(nèi)最有價(jià)值的功能中。例如，金融服務(wù)在很大程度上將AI與風(fēng)險(xiǎn)結(jié)合在一起，而汽車行業(yè)則將AI采用到制造中，零售業(yè)則在營銷/銷售方面采用AI。
下面的圖表顯示了AI和機(jī)器學(xué)習(xí)(ML)在企業(yè)財(cái)報(bào)電話會(huì)議中被提及的情況。這項(xiàng)分析只統(tǒng)計(jì)了在紐約證券交易所上市的公司。
AI和ML在IT行業(yè)的財(cái)報(bào)提及在2015年就有所增加。對于大多數(shù)其他行業(yè)來說，這一增長始于2016年。IT、非必需消費(fèi)品、金融和醫(yī)療保健行業(yè)在財(cái)報(bào)電話會(huì)議上提到AI最多。
機(jī)器人安裝情況
下圖按地區(qū)顯示了工業(yè)機(jī)器人的年度安裝情況。第一個(gè)圖顯示了機(jī)器人安裝量最大的五個(gè)地區(qū)，第二個(gè)圖顯示了其他地區(qū)。
自2012年以來，中國每年的機(jī)器人安裝量增長了500%，而韓國和歐洲分別增長了105%和122%。
TensorFlow和AutoML定義開源軟件格局
Github上獲得的星數(shù)
下圖是Github上出現(xiàn)的各類AI和機(jī)器學(xué)習(xí)軟件包的次數(shù)。從圖中可以大致看出各類AI編程框架的受歡迎程度。最近呈現(xiàn)的兩大趨勢是，由大公司支持的框架越來越受歡迎，如谷歌的TensorFlow、Facebook的Pytorch，亞馬遜的mxnet等，以及TensorFlow在受歡迎程度上相對其他語言表現(xiàn)出越來越明顯的優(yōu)勢。
Github上累計(jì)獲得的星數(shù)（未包括Tensorflow）
英美加政府對AI和機(jī)器學(xué)習(xí)關(guān)注有不同程度提升
媒體對AI的關(guān)注
下圖所示為在大眾媒體的文章中包含“人工智能”一詞的文章比例，這些文章被分為正面、負(fù)面或中立文章。從2016年初開始，關(guān)于人工智能的文章變得更加“正面”，其比例從2016年1月的12％上升到2016年7月的30％。從那時(shí)起，“正面”文章的比例一直在30％左右。
政府部門對AI的關(guān)注
下圖顯示了美國、英國和加拿大的議會(huì)記錄中提及“人工智能”和“機(jī)器學(xué)習(xí)”的情況。在這三個(gè)國家的議會(huì)中，對這兩個(gè)詞語的提及頻率自2016年以來快速上升。而且，“機(jī)器學(xué)習(xí)”在2016年之前很少被提及，而且相對于“人工智能”而言，被提及的次數(shù)仍然很少。
注意，由于比較方法不同，本圖表不適合于跨國比較。我們建議只比較一個(gè)國家內(nèi)的一段時(shí)間內(nèi)的趨勢，而不是進(jìn)行國與國之間的比較。下圖由上至下依次為美國、英國、加拿大的情況。
AI整體活力：很大程度上仍由VC驅(qū)動(dòng)
Academia-Industry 動(dòng)態(tài)
為了探究學(xué)術(shù)界和工業(yè)界AI相關(guān)的活動(dòng)之間的關(guān)系，我們首先從前幾節(jié)中選取了一些具有代表性的測量方法。具體來說，我們主要關(guān)注Scopus的AI論文發(fā)表數(shù)量、幾所美國大學(xué)AI和ML入門課程的學(xué)生數(shù)量，以及AI相關(guān)初創(chuàng)公司的風(fēng)險(xiǎn)投資。
這些指標(biāo)表示無法直接比較。為了分析趨勢之間的關(guān)系，我們從2010年開始對每一項(xiàng)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，并顯示增長，而不是絕對數(shù)字。
Academia-Industry dynamics
AI活力指數(shù)
AI活力指數(shù)(AI Vibrancy Index)將三個(gè)Academia-Industry 指標(biāo)(出版、課程注冊人數(shù)和風(fēng)險(xiǎn)投資)匯總成一個(gè)衡量標(biāo)準(zhǔn)，量化AI作為一個(gè)領(lǐng)域的活力。與Academia-Industry 動(dòng)態(tài)一樣，AI活力指數(shù)始于2010年。
AI活力指數(shù)很大程度上受VC投資的推動(dòng)，相對于其他兩個(gè)指標(biāo)，VC投資增長最快。這三個(gè)指標(biāo)的權(quán)重相等。
AI Vibrancy Index
AI政策制定與技術(shù)和產(chǎn)品研發(fā)同樣重要
AI Index 所有這些硬數(shù)據(jù)，對于理解AI領(lǐng)域目前所處的階段，過去幾年來AI如何進(jìn)展，以及未來它將如何發(fā)展，都非常有幫助。
但是，當(dāng)涉及到自動(dòng)化以及AI在刑事司法、邊境巡邏檢查、戰(zhàn)爭等更棘手的領(lǐng)域時(shí)，我們還沒有找到出路。在這些領(lǐng)域，性能的重要性比不上政府政策的重要性。人工智能無疑會(huì)繼續(xù)變得更加復(fù)雜，但在醫(yī)院、教育系統(tǒng)、機(jī)場和警察部門能夠可靠地使用這類軟件之前，還存在許多障礙，既有技術(shù)上的障礙，也有偏見和安全方面的障礙。
但AI仍然得到越來越多的應(yīng)用。今年，亞馬遜在向執(zhí)法部門出售其面部識別軟件，而谷歌在被發(fā)現(xiàn)向美國國防部一個(gè)名為Maven的無人機(jī)項(xiàng)目提供計(jì)算機(jī)視覺技術(shù)后，陷入了巨大的爭議。
谷歌表示一旦合同到期，它將退出Maven項(xiàng)目。谷歌也發(fā)表了一系列AI倫理原則，包括承諾永遠(yuǎn)不會(huì)開發(fā)AI武器監(jiān)測系統(tǒng)，或?yàn)槿魏芜`反了“廣泛接受的國際法和人權(quán)原則”的項(xiàng)目提供幫助。但很明顯，硅谷的領(lǐng)導(dǎo)者將AI視為一個(gè)絕佳的商業(yè)機(jī)會(huì)，而這類項(xiàng)目和合同則是參與AI研究軍備競賽的經(jīng)濟(jì)回報(bào)。
伴隨著自動(dòng)化的普及，大規(guī)模失業(yè)雖然不會(huì)很快到來，但作為一個(gè)社會(huì)，我們需要準(zhǔn)備好迎接工作性質(zhì)的轉(zhuǎn)變，轉(zhuǎn)向更不穩(wěn)定、薪酬更低、缺乏醫(yī)療保險(xiǎn)等安全保障的工作。
不是每個(gè)人都會(huì)馬上失業(yè)。相反，隨著時(shí)間的推移，某些工作崗位將被淘汰，而另一些工作崗位將變成半自動(dòng)化的。有些工作永遠(yuǎn)需要有人的角色。工人的命運(yùn)將取決于特定的雇主限制，勞動(dòng)法律法規(guī)，以及是否有足夠好的制度來確保人們轉(zhuǎn)移到新的角色或行業(yè)。
例如，麥肯錫全球研究所去年11月的一份報(bào)告發(fā)現(xiàn)，到2030年，全球自動(dòng)化可能會(huì)導(dǎo)致8億人失業(yè)，但只有大約6%的工作面臨完全自動(dòng)化的風(fēng)險(xiǎn)。
美國智庫全球發(fā)展中心今年7月發(fā)表的一份報(bào)告，集中討論了AI和機(jī)器人自動(dòng)化對全球勞動(dòng)力市場的潛在影響。研究人員發(fā)現(xiàn)，目前幾乎沒有足夠的工作在為全面自動(dòng)化帶來的影響做準(zhǔn)備，而多數(shù)討論集中在特定市場中實(shí)現(xiàn)完全自動(dòng)化的一般倫理和可行性。報(bào)告總結(jié)說：“在決定哪些工作實(shí)現(xiàn)自動(dòng)化方面，盈利能力、勞動(dòng)法規(guī)、工會(huì)化和企業(yè)社會(huì)期望等問題至少與技術(shù)限制問題同等重要。”
現(xiàn)在來說，可靠地測量AI對社會(huì)的影響也許為時(shí)過早——這個(gè)行業(yè)才剛剛起步，但我們要為這一切做好準(zhǔn)備，了解這意味著什么，以及AI將如何影響日常生活、工作以及醫(yī)療保健、教育和執(zhí)法等公共機(jī)構(gòu)，這與AI研究和產(chǎn)品開發(fā)同等重要。只有同時(shí)投資于兩者，我們才能讓世界變得更好。
【來源：傳送門】
