斯坦福大学2019年度人工智能指数报告
2.20
点击蓝字关注我们
导读
2019年12月，斯坦福大学以人为本人工智能研究院（Stanford University’s Human-Centered Artificial Intelligence Institute）发布《2019年度人工智能指数报告》（Artificial Intelligence Index Report 2019），该报告旨在跟踪、梳理、提取和可视化与人工智能相关的数据，帮助读者尽可能全面的了解人工智能的技术现状、社会影响和发展趋势，具有较大的参考价值。
2019年报告跟踪的数据集数量是上一年报告的三倍，包含与人工智能相关的九个方面近300页数据和图表，并且发布了两个基于网络的研究工具：用于比较各国人工智能数据的全球人工智能活力工具（The Global AI Vibrancy Tool），以及用于搜索预打印研究论文以跟踪技术指标的arXiv Monitor。
现将报告各章节部分内容编译梳理如下：
第一章：研究与发展
“中国在人工智能研究领域的进步令人瞩目”
报告第一章中统计分析了2019年全球人工智能研究文献的发展情况，中国在这一领域进步飞速、表现抢眼。根据Elsevier数据库的统计，2005年后中国的人工智能论文发表数量（图1.1和图1.2）快速攀升，并在2018年实现了对欧洲的反超。
从论文影响力（FWCI）看，虽然美国依旧保持了领先地位，但中国的差距正逐步缩小。Elsevier的业务分析师玛丽亚·德·克莱因（Maria de Kleijn）认为：“无论在数量还是质量上，中国在人工智能研究方面的进步确实令人瞩目。”
报告还注意到学术-企业协作在人工智能研究中的价值。研究人员将全球由学术研究机构和企业共同完成的人工智能论文摘取出来，根据其数量和学术影响力，按照国别进行统计发现，在人工智能研究领域采取学术机构与企业合作研究方式有利于提升人工智能论文质量。
具体到人工智能下的各分支研究，机器学习近年来热度最高。根据arXiv对其平台上2010年到2019年人工智能论文发表类别的统计信息（图1.4）可以看出，机器学习（Machine Learning）已经超越计算机视觉（Computer Vision）和模式识别（Pattern Recognition）成为发文数量最多的一个子类。
图1.1 中美欧每年人工智能论文发表数量比较趋势图
图1.2 中美欧每年人工智能论文发表增长量比较图（以1998年为基期）
图1.3 中美欧人工智能论文影响力比较
图1.4 整体人工智能引用影响（垂直轴）和学术-企业人工智能论文总数（水平轴）
图1.4 2010-2019 arXiv平台人工智能论文发表类别趋势图
第二章：会议
“人工智能与会人数快速增加，机器学习仍是最热领域”
报告第二章试图通过考察会议参与人数、各国学者参与情况、会议论文主题等要素对世界人工智能研究的发展趋势做出预测。
在统计1984年至2019年世界主要大型人工智能会议的参会人数后发现近年来数字显著提高，神经信息处理系统大会（NeurIPS）、国际计算机视觉与模式识别会议（CVPR）和国际机器学习大会（ICML）是参会人数最多的人工智能三大国际会议。随着学界对深度学习和强化学习的广泛关注，深度学习领域的顶级会议：国际学习表征会议（ICLR）自2014年以来与会人数也已增加了15倍。
报告还统计了2019年AAAI会议论文的投稿情况，其中中国学者表现不俗，在所有投稿论文和录用论文中占有最高数量。而从研究领域来看，机器学习、自然语言处理（Natural Language Processing）和计算机视觉最热门。博弈论与经济范式（Game Theory and Economic Paradigms）、启发式搜索（Heuristic Search）和认知系统（Cognitive Systems）则是投录率最高的三个研究方向。
图2.1 1984-2019历年参与国际大型人工智能会议人数统计
图2.2 2019年AAAI会议论文统计：按国别
图2.4 2019年AAAI会议论文统计：按学科领域
第三章：技术性能
“机器视觉与语言理解能力取得长足进步”
在第三章中，报告重点分析了近年来人工智能技术性能上取得的长足进步。
2019年7月，斯坦福大学“DAWNBench”项目的研究数据显示其开发的公共云（Public Clouds）能够在88秒内训练机器进行图像识别达到93%的精确度，而两年前达到相同的精确度则需要约三小时，并且单次训练仅需花费12美元。
图像生成（Image Generation）技术依赖于生成输出图像的人工智能模型，该生成映像旨在尽可能复制模型所训练的数据分布。为减轻判断图像生成质量的主观性，研究人员开始通过计算真假图片在特征层面的距离（Fréchet Inception Distance, FID）这一指标来评估图像生成的相似程度。评估FID时，较低的分数往往与更好地映射数据分布的图像相关联，近年来这一指标始终处于下降中。
除了图像分析之外，视频行为识别（Activity Recognition in Videos）也是计算机视觉研究的焦点，能够识别视频中人类行为和活动的算法将支持许多重要的应用。报告通过考察国际行为识别挑战（ActivityNet）的比赛结果发现，人工智能算法现在已经可以准确地识别数百种复杂的人类活动，例如保龄球或帆船运动，并且可以做到实时识别。
人工智能在文本分析（Text Analysis）中的表现同样令人印象深刻。2019年5月Google发布的T5模型已经能够在SuperGLUE（一组包含多样化和困难语言理解任务的公共语料库）的最终测试中接近89.9分的人类基线。（图3.4）
令人惊喜的是，人工智能目前已初步具备推理能力。ARC是一个包含数千道小学级别的多项选择题文本数据集，每个问题的答案都无法在语料库中找到。经过世界各地研究团队的挑战，目前人工智能的最高正确率为85.4%，得分毫不逊色于同年龄段的儿童。
图3.1 斯坦福大学“DAWNBench”项目图像识别训练的成本变化图
图3.2 FID变化趋势图
图3.3 人工智能识别人类活动的平均精确度逐年上升
图3.4 T5模型测试分数趋势
第四章：经济
“人工智能投资大热，更多公司采用人工智能使人工智能岗位比例增高”
报告第四章分为三个部分：工作和就业、投资活动、公司活动。
根据领英（LinkedIn）的数据统计，新加坡、巴西、澳大利亚、加拿大和印度是人工智能岗位就业增长最快的国家。就美国劳动力市场而言，研究人员发现几乎所有经济部门对人工智能工作的需求都有所增加，其中信息服务部门新增人工智能职位占行业总新增岗位比例最高，为2.3%。建筑、艺术、公共行政、医疗保健以及社会援助等传统服务部门对人工智能工作的需求则相对较低。
从全球范围来看，人工智能初创企业获得的投资额持续稳步增长，投资规模从2010年的13亿美元增长到2018年的404亿美元以上，年平均增长率超过48%。从国家层面来看，美国在人工智能融资方面一直处于领先地位，中国人工智能企业的融资金额仅次于美国。从部门来看，自动驾驶汽车（AV）获得的全球投资份额最高，为77亿美元（占总数的9.9%），以生物制药、癌症治疗为代表的卫生医疗、面部识别、视频内容和欺诈检测与财产安全同样是资本关注的热门领域。
此外，麦肯锡公司的调查研究结果显示越来越多的公司正在采用人工智能。2019年麦肯锡公司对2，360名不同行业职员进行采访，有58%的受访者表示他们的公司正在至少一项业务和管理活动中使用人工智能技术，这一比例较2018年提高了11个百分点。
图4.1 2010-2019美国部分行业人工智能职位占比变化图
图4.2 2018-2019各国人工智能产业融资规模比较图
图4.3 2018-2019全球及各地区采用人工智能技术的比例（数据来自麦肯锡公司）
第五章：教育
“人工智能课程吸引了更多的线上线下注册学习者“
人工智能专业的教育情况同样值得关注。Coursera是全球最大的高等教育在线平台，通过提供来自一流大学和公司的高质量内容，为全球超过4500万学习者提供服务。借助Coursera提供人工智能相关课程服务的统计数据可以一定程度反应60个国家/地区的人工智能技能熟练程度，其中中国处于前沿水平（见图5.1）。
线下教育方面，报告考察了近年来美国多所大学中人工智能和机器学习入门课程的注册情况，发现注册人数不断上升。2012年至2018年，斯坦福大学学习人工智能课程的人数增长了五倍，伊利诺伊州立大学香槟分校的机器学习入门课程的注册人数增长了12倍。美国之外的高校中，加拿大多伦多大学注册学习人工智能和机器学习的学生人数最多，清华大学学习相关课程的人数则增长最快，较2015年增长了4倍。（图5.2）
报告还注意到，人工智能已经是美国计算机科学专业博士最感兴趣的研究方向，2018年超过21%的计算机专业博士从事人工智能或机器学习领域研究。另一有趣的现象是，2018年美国人工智能专业毕业博士直接进入企业工作的百分比高达62%，形成鲜明对比的是只有23%的博士选择留在学术界从事研究工作，这从一个侧面反映出人工智能研究的应用化趋势。
图5.1 世界人工智能技能熟练指数图
图5.2 部分大学注册学习ML/人工智能课程的学生人数增长率比较（美国之外数据）
第6章：自主系统
“自动驾驶技术有待发展，各国自主武器军备竞争日趋激烈”
人工智能是自主系统的关键组成部分。报告在本章节中介绍了目前自主系统的两种重要应用：自动驾驶汽车和自主武器。
自动驾驶汽车是人工智能一种具有潜在颠覆性的应用。报告对网络公开的信息进行搜集整理发现，全球已有至少25个国家正在研究和测试自动驾驶汽车。报告特别关注了全美最早出台自动驾驶车辆测试规定的加利福利亚州的情况。统计结果表明，2018年加州的自动驾驶汽车共发生车祸46起，每百万英里事故率是人类驾驶车辆的5.5倍。自动驾驶技术仍然有待发展和进步。
自主武器包括各种具有防御或进攻能力的自动系统，例如自动目标识别系统（Automatic target recognition）和主动保护系统（Active Protection Systems）等。报告根据斯德哥尔摩国际和平研究所（SIPRI）专家整理的数据（图6.1、图6.2），自2000年以来，全球范围内用于战斗、目标识别和其他用途的自主武器系统数量急剧增加。其中美国拥有数量上远超其他国家的自主武器系统，达到94套。其次是以色列（43套）、俄罗斯（37套）、法国（27套），中国则紧随其后，数量为26套。
图6.1 1970-2016年世界范围内自主武器系统数量增长统计
图6.2 1950-2017各国累计拥有自主武器系统数量
第7章：公众认知
“不同社会主体都表现出对人工智能的关注”
人工智能除受到学术界、投资界等前沿专业群体的关注，同样吸引了社会的目光。报告选取了中央银行、政府、企业以及网络四大社会主体，它们对人工智能的态度可以比较全面的反映官方和民间对人工智能的接受度和关注点。
世界各地的中央银行纷纷对人工智能表现出了浓厚的兴趣，自2015年以来各国央行在会议中提及人工智能的次数呈现井喷式增长。此外，彭博社（Bloomberg）的调查统计发现，与往年相比，2017-2018年美国国会涉及人工智能的拟议立法、报告等增加了10倍以上。这一趋势在英国议会、加拿大议会中同样存在。
民间近年来对人工智能的关注度丝毫不输官方机构。报告统计了全美3000家上市公司的电视电话会议记录发现，提及人工智能、机器学习等字眼的次数显著上升。其中，金融、电子技术、生产制造等行业提及度最高。网络搜索方面，谷歌趋势（Google Trends）显示美国用户对人工智能、机器学习、深度学习的搜索兴趣逐步升高。而从在线新闻的报道内容看，涉及人工智能的文章也从2017年占总新闻报道量的0.25%上升到2019年的接近0.6%。值得注意的是，该类报道中常常还包含“失业”“机器人杀手”“偏见”等关键词，体现出公众对人工智能广泛应用的焦虑和担忧。
图7.1 2018-2019美国不同行业上市公司电视电话会议中提及人工智能数量比较
图7.2 2019全球涉及人工智能的在线新闻报道中关注工作、自主武器系统和偏见的百分比
第八章：社会影响
“道德问题值得思考 / 人工智能可助力社会可持续发展”
人工智能系统提出的各种道德挑战现已成为政府，公益组织，非政府组织，学术界和企业界所关注的共同问题。普华永道（PwC）通过搜集整理不同社会部门提出的人工智能道德准则，发现至少有以下12项道德问题受到共同关注：
• 问责制（Accountability）
• 安全（Safety）
• 人类控制（Human Control）
• 可靠性，鲁棒性和安全性（Reliability, Robustness, and Security）
• 公平（Fairness）
• 多元化和包容性（Diversity and Inclusion）
• 可持续发展（Sustainability）
• 透明度（Transparency）
• 可理解性和可解释性（Interpretability and Explainability）
• 多方参与（Multi-Stakeholder Engagement）
• 合法性与合规性（Lawfulness and Compliance）
• 数据隐私（Data Privacy）
此外，报告还特别提到了人工智能在推动可持续发展中的作用。报告认为，人工智能虽然不是灵丹妙药，但有潜力为应对社会最紧迫的挑战做出积极贡献。关于可持续发展，麦肯锡全球研究院（MGI）对照联合国17个可持续发展目标下的169个子目标，通过将人工智能用例映射到它们可能有助于实现的特定目标，MGI判断人工智能能够在实现可持续发展目标中发挥促进作用。
图8.1 人工智能可适用于实现联合国可持续发展目标
第九章：国家战略和全球人工智能活力
“中国成为世界人工智能技术快速发展的最大推动力之一”
报告认为，诸如腾讯和百度等大型技术公司的存在为中国政府与企业在人工智能领域开展合作提供了广泛途径，极大促进了人工智能在中国的发展。2017年国务院发布《新一代人工智能发展规划》之后，中国已成为世界人工智能技术快速发展的最大推动力之一。此外，中国还首次宣布到2030年成为人工智能全球领导者的计划。中国科技企业的雄厚实力以及中国政府强有力的政策支持将使中国成为未来人工智能领域不容小觑的力量。
最后，报告使用研究与开发、经济、包容性三大总体指标以及细分的34个指标用于衡量国家或地区的人工智能活力。在针对中国的分析中，期刊论文发表和期刊参考数量报告都给出了满分的评价，但与美国相比较，我国在人工智能专利、投资额、初创企业数量方面还存在显著差距。
图9.1 全球人工智能活力工具（The Global 人工智能 Vibrancy Tool）对中国的人工智能活力评价
原报告文件见阅读原文
THE END
文字 | 文力浩（国防科技大学，602673748@qq.com），刘世旋（国防科技大学）
图片 | 来源于原报告
编辑 | 谢士娇
审阅 | Q、黄洋
“军事高科技在线”征稿啦！！
详情请戳👇👇👇
往期精彩