美國頂尖學府斯坦福大學(Stanford University)AI 100中AI Index項目旨在追蹤人工智能的活動和進展，研究人工智能對人們生活的影響。AI Index通過專注于追蹤和觀察AI的活動和進展，并以可靠、可驗證數(shù)據(jù)為基礎，促進大眾對AI的了解。

AI Index在2017年年末公布了團隊成立以來第一份報告，又于近日發(fā)布了第二份報告，我們將通過對比兩份報告的數(shù)據(jù)變化，來探究AI行業(yè)2018年的發(fā)展趨勢，以及中國對比世界其它國家在AI領域發(fā)展方向的異同。

資料參考：

http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf

http://cdn.aiindex.org/2017-report.pdf

AI學術研究論文數(shù)量

2017年：1996年以來學術論文和研究的數(shù)量猛增了9倍以上

 

 

自1996年以來，每年發(fā)表的計算機科學的學術論文和研究的數(shù)量猛增了9倍以上。學術論文和研究通常能產(chǎn)生新的知識產(chǎn)權和專利。整個Scopus數(shù)據(jù)庫中，含有“Artificial Intelligence”這個關鍵詞的計算機科學領域的論文有超過200,000(200237)篇。Scopus數(shù)據(jù)庫中“計算機科學”領域的論文總共有近500萬(4868421)篇。

2018年：AI領域論文總量猛增

 

 

上圖是相較于1996年，學術論文的年度出版率增長情況，該圖比較了計算機科學(CS)領域和AI領域的論文發(fā)表率增長情況。從1996年到2017年，AI領域的論文增加了7倍(8x)，CS領域的論文增加了5倍(6x)

對比總結：對比2017年報告，在2018年進一步注重細分領域。重點關注計算機領域和AI領域的論文數(shù)量，此外還補充了，各地區(qū)以及相關領域的論文發(fā)表情況。其中，中美兩國的AI領域論文數(shù)量增長情況尤為矚目。

AI風險投資

2017年：自2000年以來，在美國，風險投資者(VC)每年投入AI創(chuàng)業(yè)公司的投資額增加了6倍。

 

 

上圖顯示了VC在美國所有融資階段對AI創(chuàng)業(yè)公司年度投資總額。VC每年投給初創(chuàng)公司的資金額，在某些關鍵領域起著重要作用。

2018年：在風投資金方面，從2013年到2017年，人工智能領域的風投資金增長到了原來的4.5倍，而所有的風投資金只增長到了原來的2.08倍。這些數(shù)據(jù)都是年度數(shù)據(jù)，不是逐年累積的。

 

 

對比總結：整體來看，AI領域的投資熱度依然很高，2018年報告更加關注近期的投資情況。從報告上看來，最近幾年的AI領域投資占比進一步提高，相較于其他行業(yè)，AI領域發(fā)展速度將會在資本的助推下進一步加快。

AI創(chuàng)業(yè)公司

2017年：AI創(chuàng)業(yè)公司增加了14倍。

 

 

自2000年以來，在美國，有資本支持的AI創(chuàng)業(yè)公司數(shù)量增加了14倍。這個數(shù)字包括VentureSource數(shù)據(jù)庫中Crunchbase列表中的任何有VC支持的公司。

2018年：從2015年1月到2018年1月，人工智能創(chuàng)業(yè)公司的數(shù)量增長到了原來的2.1倍，而所有活躍的創(chuàng)業(yè)公司增長到了原來的1.3倍。

 

 

圖表顯示，初創(chuàng)公司的數(shù)量是逐年累積的。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。

對比總結：相較于之前，近兩年的AI公司數(shù)量增長幅度愈發(fā)加快，而活躍公司的數(shù)量也越來越多。進一步反應了AI市場的火熱，創(chuàng)業(yè)熱情也在進一步提高。

AI人才需求

2017年：自2013年以來，要求有AI技能的工作崗位增長了4.5倍。

 

 

在Indeed.com平臺上，需要AI技能的工作崗位所占份額的計算方法是通過職業(yè)描述中的標題和關鍵字來確定是否與人工智能相關。AI Index研究還計算了在Indeed.com平臺上，要求人工智能技術的工作崗位份額在不同國家的增長情況。報告顯示，加拿大和英國分別占美國AI招聘市場絕對規(guī)模的5%和27%。

2018年：報告統(tǒng)計ML是最大的技能要求。從2016年到2017年的增幅尤為明顯。全球對AI人才的需求在2016年驟增。深度學習(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。

 

 

對比總結：2016年是AI人才需求量猛增的一年，此后AI行業(yè)人才需求量一直在高速發(fā)展，人才缺口的情況可能會進一步加劇，同時深度學習領域發(fā)展最為迅速，該技能人才最為搶手。

AI領域核心技能以及熱門領域

2017年：機器學習，深度學習和自然語言處理(NLP)是最重要的三項技能。除了創(chuàng)建AI應用程序，最受歡迎的技能還包括機器學習技術，Python，Java，C++，開源開發(fā)環(huán)境的經(jīng)驗，Spark，MATLAB和Hadoop。

 

 

2018年：開源框架GitHub標星數(shù)，TensorFlow的受歡迎程度在開發(fā)者中遙遙領先、穩(wěn)步增長。二名和第三名分別是scikit-learn和BVLC/caffe。TensorFlow官方力推的keras排到了第四，另外兩大熱門PyTorch和MXNet分別排到了第七和第六，尤其是PyTorch，作為一個年輕的框架，自2017年初發(fā)布以來至今，GitHub標星數(shù)至少增長了4倍。

 

 

對比總結：從最近兩年可以大致看出，各類AI編程框架以及編程技能的受歡迎程度。而最近呈現(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。

AI領域各類任務成績

2017年：自2010年以來，圖像標注的錯誤率從28.5%下降到2.5%以下。

 

 

此外，在視覺問答、詞語解析、語音識別、定理證明等眾多領域，報告也做了詳細闡述。報告顯示，在某些領域AI還是距離人類成績相差甚遠。以視覺問答為例，截止2017年8月，最好的AI系統(tǒng)準確率還不到70%，而人類水平在85%左右。

2018年：2017年是ImageNet比賽的最后一屆，2018年這項比賽就不再進行�？梢钥闯觯�到2015年，機器在圖像分類任務上的能力已經(jīng)明顯超越了人眼。

 

 

ImageNet挑戰(zhàn)賽“退休”之后，CV領域的朋友們就把重點放在了微軟的COCO，挑戰(zhàn)語義分割和實例分割。四年來，COCO數(shù)據(jù)集上圖像分割挑戰(zhàn)的精確度已經(jīng)提升了0.2，2018年的成績比2015提升了72%。在確定句子結構這種語法分析的任務上，2003年到2018年的15年間，AI的表現(xiàn)(F1 Score得分)提升了將近10%。

對比總結：AI各領域的任務成績在飛速提高，在某些領域甚至已經(jīng)開始反超人類。可以看到隨著AI能力的進一步提升，在不久的將來，更大范圍上，AI的普遍能力將超過人類。

機器人安裝數(shù)量

2017年：從國際上看，機器人的進口量已經(jīng)從2000年的10萬臺左右增長到了2015年的25萬臺左右。

 

 

國際數(shù)據(jù)公司(IDC)預測對機器人的消費將在五年內(nèi)加快，到2021年達到2307億美元，復合年增長率(CAGR)為22.8%。

2018年：2012年到2017年，中國機器人年安裝量增長了500%，其他地區(qū)，比如韓國和歐洲，分別增長了105%和122%。在安裝量較小的地區(qū)中，中國臺灣比較突出，在2012-2017年增長最快。

 

 

對比總結：相較于2017年報告，2018年的報告進一步細分了國際市場。與之前的北美市場相比較而言，中國市場的機器人市場增長速度尤為矚目，目前已遙遙領先其它國家和地區(qū)，

2018年最新補充內(nèi)容部分

2018年報告進一步細分領域論文發(fā)表情況：論文發(fā)表速度更加快速

 

 

2017年，56%的論文屬于機器學習和概率推理領域，而2010年這一數(shù)字為28%。對于大多數(shù)細分領域，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)絡領域(上圖紅線)論文的2010-2014年復合年增長率(CAGR)僅為3%，而該領域2014-2017年的復合年增長率為37%。

ArXiv上的AI論文：數(shù)量迅猛增長

 

 

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。其中計算機視覺領域(CV) 是自2014年起增長最快的一個領域 (上圖藍線) 。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)過同行的認可亦或經(jīng)過了頂會的檢驗，這也說明該領域競爭激烈。

高校AI教授性別：以男性為主

 

 

在收集相關數(shù)據(jù)的過程中，改善師資多樣性成了改團隊的關注點。在所研究的學校中，他們發(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。

就業(yè)性別差異：AI目前還是男人的游戲

 

 

在美國，平均而言，男性求職者占AI求職者總數(shù)的71%，因為機器學習要求的求職者數(shù)量最多，平均而言，這主要是由機器學習求職者推動的。除了機器學習，深度學習和機器人技術相對于其他類別而言，性別差異更大。

政府部門對AI的關注：美國、英國和加拿大的議會記錄中提及“人工智能”和“機器學習”的次數(shù)快速上升。

 

 

 

 

 

 

這三個國家的議會中，“機器學習”與“人工智能”的提及頻率自2016年以來快速上升。相對于而言，“機器學習”在之前被提及的次數(shù)基本很少，主要是最近兩年開始快速提升。

2018年報告中國內(nèi)容部分總結

各地區(qū)發(fā)表論文情況：2007年至2017年在中國發(fā)表的論文數(shù)量增加了150%。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。

 

 

在領域側重(RAI)上：中國的AI論文更側重于工程技術和農(nóng)業(yè)科學

 

 

RAI可以看出一個區(qū)域的專業(yè)傾向，通過將其與AI全球研究活動進行比較。RAI值為1時，表明這個國家在AI中的研究活動與全球一致;高于1時，意味著該國更強調(diào)重視這個領域;低于1時，意味著更少關注。從圖中可以看出，中國的AI論文更側重于工程技術和農(nóng)業(yè)科學，而美國和歐洲的AI論文則傾向于關注人文科學和醫(yī)學與健康科學。

政府、企業(yè)和醫(yī)學界主導研究情況對比：可以看到，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論文比例要遠高于中國和歐洲。

 

 

 

 

 

 

FWCI是領域權重引用影響系數(shù)，可以用來衡量論文的影響力。2016年中國AI論文的被引用率比2000年高出了44%，但整體仍處于平均水平之下。而美國在這方面表現(xiàn)突出，美國作者AI論文的引用率要比世界平均水平高83%。歐洲則一直在平均水平線徘徊。

 

 

在AI研究者流動率上，美國、中國和歐洲這三個國家和地區(qū)中，中國低流動性(Sedentary“久坐不動”)的AI作者比例最大(76%)，其次是歐洲(52%)，最后是美國(37%)。調(diào)查表明，流動性高的學者發(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2018-AAAI頂會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，有1242篇，美國次之，有934篇。但美國機構提交的論文獲得了29%較高的錄取率，被接受了268篇，中國被接受的論文錄取率略低為21%，被錄取了265篇。德語和意大利語的論文獲得最高錄取率(41%)，但提交的篇數(shù)較少。

 

 

在非美國地區(qū)的高校AI和ML課程注冊人數(shù)變化中，清華是非美國高校中增長率最高的，是第二名多倫多大學的2倍左右，而且2017年AI和ML課程注冊人數(shù)是2010年的16倍。

 

 

自2012年以來全球訪問ROS.org最多的五大地區(qū)，中國的增長速度位居第一。2017年，來自中國的訪問次數(shù)已經(jīng)相當于2012年的18倍。

 

 

ROS.org表示，來自中國的訪問量增長是結構性的，而不是在中國增加市場營銷和資源投入的結果。美國和歐洲的訪問次數(shù)位居前兩位。

AI Index 在2018年報告最后表示，人工智能無疑會繼續(xù)變得更加復雜，得到越來越多的應用，但仍存在許多障礙，既有技術上的障礙，也有偏見和安全方面的障礙。同時，伴隨著自動化的普及，大規(guī)模失業(yè)雖然不會很快到來，但作為一個社會，我們需要準備好迎接工作性質(zhì)的轉變，轉向更不穩(wěn)定、薪酬更低、缺乏醫(yī)療保險等安全保障的工作。

現(xiàn)在來說，可靠地測量AI對社會的影響也許為時過早——這個行業(yè)才剛剛起步，但我們要為這一切做好準備，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)法等公共機構，這與AI研究和產(chǎn)品開發(fā)同等重要。只有同時投資于兩者，我們才能讓世界變得更好。

標簽： idc 安全 谷歌 開發(fā)者 數(shù)據(jù)庫 網(wǎng)絡

版權申明：本站文章部分自網(wǎng)絡，如有侵權，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權歸原作者所有，如需使用，請與原作者聯(lián)系。