來(lái)自前瞻網(wǎng)的消息顯示,近日,斯坦福百年研究(AI100)發(fā)布了最新的全球“人工智能指數(shù)”(AI Index)報(bào)告。這份報(bào)告從學(xué)術(shù)、工業(yè)、開(kāi)源、政府等方面詳細(xì)介紹了人工智能發(fā)展的現(xiàn)狀,并且記錄了計(jì)算機(jī)視覺(jué)、自然語(yǔ)言理解等領(lǐng)域的技術(shù)進(jìn)展。
今年的AI Index報(bào)告發(fā)現(xiàn),人工智能領(lǐng)域的商業(yè)化及研究工作,以及其積累的資金正在全球范圍內(nèi)迎來(lái)一輪大爆發(fā)。在地域分布上,歐洲和亞洲尤為高度集中,其中中國(guó)、日本和韓國(guó)在人工智能研究論文出版、大學(xué)入學(xué)和專利申請(qǐng)方面領(lǐng)跑東方國(guó)家。
而在談及人工智能活動(dòng)的類型時(shí),報(bào)告發(fā)現(xiàn),機(jī)器學(xué)習(xí)和所謂的概率推理-或者與認(rèn)知相關(guān)的活動(dòng)中,AI經(jīng)常能在比賽中戰(zhàn)勝人類對(duì)手,根據(jù)Scopus上發(fā)表的一系列研究論文顯示:2017年全球56%的論文屬于機(jī)器學(xué)習(xí)和概率推理,而2010年這一比例僅為28%。
全球范圍內(nèi)人工智能(AI)和機(jī)器學(xué)習(xí)(ML)的大學(xué)課程也正在增加,其中來(lái)自中國(guó)的清華大學(xué)AI+ML的2017課程加在一起,入學(xué)人數(shù)比2010年時(shí)增加了16倍。且在2017年,全球ML人才需求已經(jīng)是2015年的35倍。
緊隨其后的是計(jì)算機(jī)視覺(jué)(CV)方面的工作。計(jì)算機(jī)視覺(jué)是人工智能的基礎(chǔ)子學(xué)科,它有助于開(kāi)發(fā)自動(dòng)駕駛汽車、動(dòng)力增強(qiáng)現(xiàn)實(shí)和物體識(shí)別,以及神經(jīng)網(wǎng)絡(luò)。它們與機(jī)器學(xué)習(xí)一樣,有助于訓(xùn)練這些算法,隨著時(shí)間的推移不斷改善自然語(yǔ)言處理(NLP)等領(lǐng)域。
2014-2017年期間,各類AI論文發(fā)表的速度達(dá)到最高峰,神經(jīng)網(wǎng)絡(luò)2010-2014年的復(fù)合年增長(zhǎng)為3%,然后到2014-2017年復(fù)合年增長(zhǎng)率則達(dá)到了37%。
值得一提的是,該報(bào)告的一個(gè)有趣發(fā)現(xiàn)是——全球各地區(qū)對(duì)AI研究的重點(diǎn)各有側(cè)重。中國(guó)非常注重農(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)學(xué)和健康科學(xué),而且歐洲的研究方法通常更為全面。盡管美國(guó)AI研究論文雖然相比之下數(shù)量不多,但其引用率卻遠(yuǎn)超中國(guó)及歐洲。
報(bào)告還發(fā)現(xiàn),在中國(guó)和歐洲,政府相關(guān)組織和研究機(jī)構(gòu)發(fā)表的論文數(shù)量,已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)企業(yè)發(fā)表的數(shù)量(這一點(diǎn)在醫(yī)療研究領(lǐng)域體現(xiàn)得最明顯),而美國(guó)則是企業(yè)發(fā)表為主。
此外,人工智能的多樣性不僅僅表現(xiàn)在其地域分布上。如今,超過(guò)50%的AI成員合作伙伴關(guān)系是非營(yíng)利的,其中包括了像ACLU、牛津大學(xué)人類未來(lái)研究所和聯(lián)合國(guó)發(fā)展計(jì)劃等。此外,人們對(duì)性別和種族多樣性的認(rèn)識(shí)也有所提高。
隨著AI性能發(fā)展不斷推陳出新,特別是在計(jì)算機(jī)視覺(jué)等領(lǐng)域。通過(guò)衡量廣泛使用圖像數(shù)據(jù)庫(kù)ImageNet得到的的基準(zhǔn)性能,該報(bào)告發(fā)現(xiàn),啟動(dòng)一個(gè)可以用于分類最新精度圖像模型所需要的時(shí)間在短短18個(gè)月內(nèi),從“大約一小時(shí)縮短到只要大約4分鐘”,在其他領(lǐng)域,如對(duì)象分割——主要是軟件區(qū)分圖像的背景和主題,在短短三年內(nèi),精度提高了72%。
在機(jī)器翻譯和解析等領(lǐng)域,軟件可以理解語(yǔ)法結(jié)構(gòu),更容易回答問(wèn)題,準(zhǔn)確性和熟練程度越來(lái)越高,但隨著算法越來(lái)越接近人類對(duì)語(yǔ)言的理解,獲得的成果也越來(lái)越少,瓶頸越來(lái)越多。
最后,報(bào)告還指出,當(dāng)涉及到關(guān)于自動(dòng)化更難的問(wèn)題,以及人工智能在刑事司法、邊境巡邏、戰(zhàn)爭(zhēng)以及其他表現(xiàn)時(shí),則處于不利地位。人工智能只會(huì)繼續(xù)變得更加復(fù)雜,但在醫(yī)院、教育系統(tǒng)、機(jī)場(chǎng)和警察部門可以無(wú)誤地可靠地使用這些軟件之前,將會(huì)一直存在許多技術(shù)障礙,以及偏見(jiàn)和安全方面的挑戰(zhàn)。