斯坦福发布2018年全球AI指数：中国追赶速度惊人！人才需求与投资暴增

AI领域的进展日行千里，它能日益熟练地教会计算机和机器人如何看待世界，在真实的世界中执行了一系列复杂的任务。这一行业的发展速度，以及最终的结果，不仅取决于实际的产品进步和研究上取得的里程碑，还取决于人工智能领导者、未来学家、学者、经济学家和政策制定者的预测、关注和推动。

近日，斯坦福百年研究（AI100）发布了最新的全球“人工智能指数”（AI Index）报告。这份报告从学术、工业、开源、政府等方面详细介绍了人工智能发展的现状，并且记录了计算机视觉、自然语言理解等领域的技术进展。

AI研究论文发布地域分布：欧洲、亚洲领跑

今年的AI Index报告发现，人工智能领域的商业化及研究工作，以及其积累的资金正在全球范围内迎来一轮大爆发。在地域分布上，欧洲和亚洲尤为高度集中，其中中国、日本和韩国在人工智能研究论文出版、大学入学和专利申请方面领跑东方国家。

欧洲是发表AI论文数量最集中的区域，占了去年发表的28％的人工智能相关出版物。中国紧随其后占比25％，而北美则占17％。其中，2007-2017年，在中国发表的文章增长了150％，在2008年迎来最高峰。

美国、欧洲、中国之外，其他国家和地区也取得了很多突破性进展，其中韩国和日本是第二大和第三大AI专利贡献者。2014年，南非举办了第二次深度学习Indaba会议，这是世界上最大的ML教学活动之一，吸引了来自非洲20多个国家的500多名参与者。

AI活动类型分布

当谈到人工智能活动的类型时，报告发现，机器学习和所谓的概率推理-或者与认知相关的活动中，AI经常能在比赛中战胜人类对手，根据Scopus上发表的一系列研究论文显示。

2017年全球56％的论文属于机器学习和概率推理，而2010年这一比例仅为28%。

全球范围内人工智能（AI）和机器学习（ML）的大学课程也正在增加，其中来自中国的清华大学AI+ML的2017课程加在一起，入学人数比2010年时增加了16倍。

紧随其后的是计算机视觉（CV）方面的工作。计算机视觉是人工智能的基础子学科，它有助于开发自动驾驶汽车、动力增强现实和物体识别，以及神经网络。它们与机器学习一样，有助于训练这些算法，随着时间的推移不断改善自然语言处理（NLP）等领域。比如，它可以让你的智能演讲者理解你所说的内容并作出回应，以及总体规划和决策，这就是当自动化器成为日常生活中不可或缺的一部分时，AI需要赋予机器人的特性。

2014-2017年期间，各类AI论文发表的速度达到最高峰，神经网络2010-2014年的复合年增长为3％，然后到2014-2017年复合年增长率则达到了37％。

各国AI研究的重点不尽相同

该报告的一个有趣发现是——全球各地区对AI研究的重点各有侧重。中国非常注重农业科学、工程和技术，而欧洲和北美更注重人文科学、医学和健康科学，而且欧洲的研究方法通常更为全面。

美国AI研究论文虽然相比之下数量不多，但其引用率却远超中国及欧洲。

各个国家和地区在2018 AAAI大会上的论文发表数量（申请vs通过）

分析发现，在中国和欧洲，政府相关组织和研究机构发表的论文数量，已经远远超过企业发表的数量（这一点在医疗研究领域体现得最明显），而美国则是企业发表为主，考虑到苹果、亚马逊、谷歌、Facebook、微软等科技互联网巨头在这一领域投入的资金之巨，这一点也是情理之中。

人工智能的多样性不仅仅表现在其地域分布上。如今，超过50％的AI成员合作伙伴关系是非营利的，其中包括了像ACLU、牛津大学人类未来研究所和联合国发展计划等。此外，人们对性别和种族多样性的认识也有所提高，像AI4ALL等机构、一些知名女性也参与到了机器学习当中，成为WiML运动的一部分。

但另一方面，从2017年AI职位空缺的男性和女性申请者分布来看，AI行业还是以男性为主导。在美国，平均而言，男性求职者占AI求职者总数的71%，因为机器学习要求的求职者数量最多，平均而言，这主要是由机器学习求职者推动的。除了机器学习，深度学习和机器人技术相对于其他类别而言，性别差异更大。

AI随其性能发展不断推陈出新，特别是在计算机视觉等领域。通过衡量广泛使用图像数据库ImageNet得到的的基准性能，该报告发现，启动一个可以用于分类最新精度图像模型所需要的时间，竟然在短短18个月内，从“大约一小时缩短到只要大约4分钟”——这相当于训练速度大约提高了16倍。其他领域，如对象分割——主要是软件区分图像的背景和主题，在短短三年内，精度提高了72％。

机器翻译和解析等领域，软件可以理解语法结构，更容易回答问题，准确性和熟练程度越来越高，但随着算法越来越接近人类对语言的理解，获得的成果也越来越少，瓶颈越来越多。

在游戏和医疗两大领域，2018年AI也帮助拿下了多个里程碑式的突破。比如，谷歌DeepMind首次在第一人称射击游戏的多人模式中完胜人类，而且没有使用大量训练局数，轻松超过了人类水平。在多智能体强化学习方面这是一大进展。“我们最新的工作展示了智能体在复杂的第一人称多人游戏中达到人类水平，还能与人类玩家合作！”它旗下的OpenAI Five还在电竞赛事Dota 2中开黑，最终在比赛中击败了人类对手。OpenAI的支持者、特斯拉创始人伊隆·马斯克（Elon Musk）表示：“OpenAI首次在竞争激烈的电子竞技中击败世界顶尖玩家，这远比围棋、象棋等传统棋盘游戏更加复杂。”

所有这些难以理解的数据都能很直观地反馈AI领域现在所处的危机，以及多年来它是如何地发展，并预测AI领域未来的增长。然而，当涉及到关于自动化更难的问题，以及人工智能在刑事司法、边境巡逻、战争以及其他表现时，则处于不利地位。人工智能只会继续变得更加复杂，但在医院、教育系统、机场和警察部门可以无误地可靠地使用这些软件之前，将会一直存在许多技术障碍，以及偏见和安全方面的挑战。

人工智能越来越多地被政府使用

然而，这并没有阻止企业和政府继续在现实世界中部署人工智能。今年，亚马逊成功向执法部门卖出了自己的面部识别软件，而谷歌则因为国防部无人机计划（称为Project Maven）提供计算机视觉专业知识，卷入了争议漩涡并引发员工抗议。

谷歌表示，一旦合同到期，它将撤出该项目，并且还发布了一系列广泛的人工智能道德原则，其中包括承诺永远不会开发人工智能武器监视系统，或为任何违反“国际法和人权问题上广泛接受的原则”的项目。但很明显，这家硅谷的科技巨头正将人工智能视为一个主要的商业机会，并将此类项目和合同视为参与人工智能研究角逐的经济回报。在世界其他地方，人工智能正在帮助政府构建起监督和执法系统。

AI初创与风投的增长

从2015年1月到2018年1月，人工智能创业公司的数量增长到了原来的2.1倍，而所有活跃的创业公司增长到了原来的1.3倍。

大多数情况下，创业公司的增长都保持相对稳定，而人工智能创业公司呈指数级增长。

2013-2017年，AI风投资金增长4.5倍，而所有风投资金增长2.08倍。1997-2000年风险投资的繁荣可以用互联网泡沫来解释。2014年和2015年较小规模的繁荣反映了这段时期经济增长较快。从2013年到2017年，美国AI创业公司的风险投资增加了4.5倍，而所有活跃创业公司的风险投资增加了2.08倍。

AI自动化与失业的关联

在自动化的进程逐渐启动后，我们已经认识到大规模失业不会很快到来，而更大的担忧是我们作为一个社会中的个体，是否已准备好去从事那些没有那么稳定、工资变低、没有健康保险的工作。

不是每个人都会马上失去工作。相反，某些工作将随着时间的推移而消除，而其他工作将变为半自动化。有些工作总是需要人手。工人的命运将取决于某些雇主的限制、劳动法律和法规，以及是否有足够强大的系统来将支撑人们转变为新的角色或跳槽到其他行业。去年11月麦肯锡全球研究院的一份报告发现，到2030年全球自动化可能会削减8亿个工作岗位，但只有约6％的工作岗位面临完全自动化的风险。如何开发从人类工作转向人工智能或机器人辅助工作的过程，将意味着一场全面风暴的席卷。

下面的图表描述了组织在特定业务功能中试验或采用AI能力的受访者的百分比。组织倾向于将AI能力纳入其行业内最有价值的功能中。例如，金融服务在很大程度上将AI与风险结合在一起，而汽车行业则将AI采用到制造中，零售业则在营销/销售方面采用AI。

各行业AI应用普及及影响（资料来源：麦肯锡）

自2012年以来，中国每年的机器人安装量增长了500%，而韩国和欧洲分别增长了105%和122%。

机器人安装普及率（来源：ifr.org）

7月份发表的美国智库——全球发展中心（the Center for Global Development）的一篇论文，则集中讨论了人工智能和机器人自动化对全球劳动力市场的潜在影响。研究人员发现，目前还没有足够的工作来为整体自动化问题做好准备，而且我们在一小部分市场中花费了太多时间来讨论完全自动化的一般道德和可行性。“可盈利性、劳动法规、工会化和企业社会期望等问题至少与决定哪些工作自动化的技术限制同等重要，”该论文总结道。

下图根据所需AI技能展示了2015-2017年工作机会变化趋势（AI技能有交叉）。可以看出，机器学习和深度学习方面的工作机会最多。此外，虽然机器学习（ML）是最大的技能要求，但深度学习(DL)的增长速度最快——从2015年到2017年，需要DL技能的职位空缺增加了35倍。

AI工作机会

AI政策制定与技术和产品研发同样重要

AI Index报告背后的部分理念是：提出正确的问题，并确保制定政策的人员、公众和AI行业的领导者都有数据来做出明智的决策。现在可靠地衡量人工智能对社会的影响可能为时尚早——这个行业才刚刚开始迎来爆发——但要为这一切做好准备，了解其如何影响日常生活、工作和公共机构——如医疗保健、教育、执法，也许与研究和产品开发本身一样重要。只有兼顾两者的平衡，我们才能避免在改造世界过程中引爆技术带来的风险。

调研背景

由斯坦福大学人工智能百年研究（AI100）推出的“人工智能指数”（AI Index）是一个追踪人工智能行业动态与发展的非营利性项目，其研究覆盖了百年以来人工智能的总体情况，目标是基于数据来推动人工智能的广泛交流和有效对话。

这是斯坦福推出的AI Index第二份份年度报告，数据更精细、更具国际化视野。参与调研的专家包括了来自哈佛大学、麻省理工学院、斯坦福大学、非营利组织OpenAI以及人工智能产业联盟等学院及组织机构的成员。