2017年，以斯坦福大學為首、包括吳恩達、李開復等一眾大咖專家團隊齊力打造的人工智能指數(shù)（AI Index）重磅年度報告首次發(fā)布。從學術(shù)、業(yè)界發(fā)展、政府策略等方面對全年的人工智能全球發(fā)展進行了回顧，堪稱全年人工智能最強報告。

18年12月12日，哈佛大學，麻省理工學院，斯坦福大學以及OpenAI等聯(lián)合發(fā)布了第二屆人工智能指數(shù)（AI Index）年度報告。

人工智能領域這一行業(yè)的發(fā)展速度，不僅僅是通過實際產(chǎn)品的產(chǎn)生以及研究成果來衡量，還要考慮經(jīng)濟學家和政策制定者的預測和擔憂。這個報告的目標是使用硬數(shù)據(jù)衡量人工智能領域的發(fā)展。

在2017年12月份發(fā)布的第一期報告中，重點介紹了人工智能領域的投資和工作崗位前所未有的增長速度，尤其是在游戲和計算機視覺領域進展飛速。

這次18年的《報告》以更加精細的數(shù)據(jù)以及更廣泛的視角分析人工智能領域的發(fā)展。

報告中多次提及了中國人工智能的發(fā)展以及清華大學：

美國僅占到全球論文發(fā)布內(nèi)容的17%，歐洲是論文最高產(chǎn)的國家，18年發(fā)表的論文在全球范圍內(nèi)占比28%，中國緊隨其后，占比25%。；

大學人工智能和機器學習相關(guān)課程注冊率在全球范圍都有大幅提升，其中最矚目的是清華大學，相關(guān)課程2017年的注冊率比2010年高出16倍，比2016年高出了將近3倍；

各國對人工智能應用方向重視不同。中國非常重視農(nóng)業(yè)科學，工程和技術(shù)方面的應用，相比于2000年，2017年，中國加大了對農(nóng)業(yè)方面的重視。

吳恩達也在今天的推特中重磅推薦了這份報告，稱“數(shù)據(jù)太多了”，并劃重點了兩個報告亮點：人工智能在業(yè)界和學界都發(fā)展迅速；人工智能的發(fā)展仍需要更加多樣包容。

一起來看報告的精華內(nèi)容！

（感興趣的讀者可以在大數(shù)據(jù)文摘后臺回復“指數(shù)2018”獲取報告94頁完整版。）

人工智能研究全球化

沒有全球視野，就沒有AI故事。2017年的報告嚴重偏向北美活動，18年的報告縮小了全球差距，用“全球視野”分析人工智能領域的研究以及投資。

今年的 AI Index 指出，在全球各地，人工智能的商業(yè)落地以及研究成果都以爆炸式增長，在歐洲和亞洲，這種趨勢更加明顯。在中國、日本以及韓國在人工智能論文發(fā)表以及書籍出版方面領先于其他東方國家。事實上，如上圖所示，美國僅占到全球論文發(fā)布內(nèi)容的17%，歐洲是論文最高產(chǎn)的國家，18年發(fā)表的論文在全球范圍內(nèi)占比28%，中國緊隨其后，占比25%。

在機器學習方面，論文發(fā)表數(shù)量占多數(shù)的是研究游戲中的“人機大戰(zhàn)”。

人工智能課程注冊量清華矚目

作為中國的人工智能最強高校，清華大學也在這一報告中多次被提到：大學人工智能和機器學習相關(guān)課程注冊率在全球范圍都有大幅提升，最引人注目的是清華大學相關(guān)課程的增長率，從2017年的注冊率比2010年高出16倍，比2016年高出了將近3倍。

各國人工智能應用方向

從報告中可以看出，各國對人工智能應用方向重視不同。中國非常重視農(nóng)業(yè)科學，工程和技術(shù)方面的應用，相比于2000年，2017年，中國加大了對農(nóng)業(yè)方面的重視。而歐洲和北美非常看重人文學科以及醫(yī)療方面的應用，歐洲的研究方法更為全面。

人工智能技能和崗位

職位空缺嚴重

上圖顯示了所需的Al技能每年的職位空缺數(shù)量，當然，也能看出AI技能的職位空缺的增長速度。各個崗位數(shù)據(jù)具有相關(guān)性。

雖然機器學習是最重要的技能，但深度學習（DL）正在以最快的速度增長，2015年到2017年這一時間段，深度學習的職位空缺數(shù)量增加了35倍。

性別分布：不平衡仍存在

人工智能相關(guān)崗位的性別差距依然嚴重。上圖的顯示按照技能分類，各個技能之間有相關(guān)性。申請人的數(shù)目并不代表雇傭人數(shù)，但總體而言，在美國，男性占人工智能相關(guān)職位申請申請人數(shù)的71%。在人工智能各個子學科之間，深度學習和機器人學對比其他學科，性別比例相對平衡。

國際大會和框架發(fā)展

上圖顯示了各種Al和ML軟件包在GitHub上的受歡迎比率，從獲星標數(shù)量可以大致哪種AI框架最受歡迎。從2015年到2018年，Tensoflow一直占據(jù)第一，scikit-learn一直占據(jù)著第二的位置。

在大型會議中，NeurIPS (曾用名NIPS) 、CVPR和ICML，是參與人數(shù)最多的三大AI會議。自2012年以來，參與人數(shù)的增長率，這三者也領先于其他會議。值得一提的是，ICML在2018年一年的時間增長了將近一倍。

最新的政府政策

中國方面，2017年7月，政府發(fā)布新一代Al發(fā)展計劃，制定了一直到2030年的AI發(fā)展戰(zhàn)略。計劃到2020年使中國的AI技術(shù)達到世界上最先進的水平。到2025年，中國將在AI理論上取得重大突破，人工智能將成為產(chǎn)業(yè)升級和經(jīng)濟結(jié)構(gòu)調(diào)整的動力。到2030年，中國將成為世界主要的AI新中心。

美國方面，2018年9月，DARPA宣布投資20多億美元以克服AI技術(shù)的限制。私營公司在美國AI技術(shù)開發(fā)/投資中發(fā)揮重要作用，2017年，亞馬遜和Alphabet等科技公司分別向AI領域提供了大量的資金。

在歐盟地區(qū)，法國最近發(fā)表了三份報告：(1)法國Al計劃，其中提出了一項關(guān)于AI研究、教育、創(chuàng)新的戰(zhàn)略；(2)編寫了一份側(cè)重于社會和監(jiān)管問題的報告；(3)《 Mission Villani report》，該報告?zhèn)戎赜谡吆蜏p少人才外流，并闡述了多樣性在AI研究中的重要性。英國從2016年開始發(fā)布一系列的

2018年4月：政府投資9.5億英鎊（1 2億美元）用于支持研究，教育，并增強英國的數(shù)據(jù)基礎設施。

two more thing

計算機視覺是人工智能的子學科，在自動駕駛汽車開發(fā)、增強現(xiàn)實和物體識別能力方向有廣泛應用，就像機器學習一樣，訓練算法隨著時間的推移得到改進。

就性能而言，人工智能算力繼續(xù)飆升，尤其是在計算機視覺等領域。通過測量ImageNet的基準性能，該報告發(fā)現(xiàn)，在18個月內(nèi)，最準確圖片分類模型，訓練時間從“小時左右”降至“4分鐘左右”。訓練速度快了大約16倍。其他領域，比如物體分割，在短短三年內(nèi)就提高了72%的精度。

【來源：傳送門】