來自前瞻網(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)報告。這份報告從學(xué)術(shù)、工業(yè)、開源、政府等方面詳細介紹了人工智能發(fā)展的現(xiàn)狀,并且記錄了計算機視覺、自然語言理解等領(lǐng)域的技術(shù)進展。
今年的AI Index報告發(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、日本和韓國在人工智能研究論文出版、大學(xué)入學(xué)和專利申請方面領(lǐng)跑東方國家。
而在談及人工智能活動的類型時,報告發(fā)現(xiàn),機器學(xué)習(xí)和所謂的概率推理-或者與認知相關(guān)的活動中,AI經(jīng)常能在比賽中戰(zhàn)勝人類對手,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)和機器學(xué)習(xí)(ML)的大學(xué)課程也正在增加,其中來自中國的清華大學(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。
緊隨其后的是計算機視覺(CV)方面的工作。計算機視覺是人工智能的基礎(chǔ)子學(xué)科,它有助于開發(fā)自動駕駛汽車、動力增強現(xiàn)實和物體識別,以及神經(jīng)網(wǎng)絡(luò)。它們與機器學(xué)習(xí)一樣,有助于訓(xùn)練這些算法,隨著時間的推移不斷改善自然語言處理(NLP)等領(lǐng)域。
2014-2017年期間,各類AI論文發(fā)表的速度達到最高峰,神經(jīng)網(wǎng)絡(luò)2010-2014年的復(fù)合年增長為3%,然后到2014-2017年復(fù)合年增長率則達到了37%。
值得一提的是,該報告的一個有趣發(fā)現(xiàn)是——全球各地區(qū)對AI研究的重點各有側(cè)重。中國非常注重農(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AI研究論文雖然相比之下數(shù)量不多,但其引用率卻遠超中國及歐洲。
報告還發(fā)現(xiàn),在中國和歐洲,政府相關(guān)組織和研究機構(gòu)發(fā)表的論文數(shù)量,已經(jīng)遠遠超過企業(yè)發(fā)表的數(shù)量(這一點在醫(yī)療研究領(lǐng)域體現(xiàn)得最明顯),而美國則是企業(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50%的AI成員合作伙伴關(guān)系是非營利的,其中包括了像ACLU、牛津大學(xué)人類未來研究所和聯(lián)合國發(fā)展計劃等。此外,人們對性別和種族多樣性的認識也有所提高。
隨著AI性能發(fā)展不斷推陳出新,特別是在計算機視覺等領(lǐng)域。通過衡量廣泛使用圖像數(shù)據(jù)庫ImageNet得到的的基準性能,該報告發(fā)現(xiàn),啟動一個可以用于分類最新精度圖像模型所需要的時間在短短18個月內(nèi),從“大約一小時縮短到只要大約4分鐘”,在其他領(lǐng)域,如對象分割——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%。
在機器翻譯和解析等領(lǐng)域,軟件可以理解語法結(jié)構(gòu),更容易回答問題,準確性和熟練程度越來越高,但隨著算法越來越接近人類對語言的理解,獲得的成果也越來越少,瓶頸越來越多。
最后,報告還指出,當(dāng)涉及到關(guān)于自動化更難的問題,以及人工智能在刑事司法、邊境巡邏、戰(zhàn)爭以及其他表現(xiàn)時,則處于不利地位。人工智能只會繼續(xù)變得更加復(fù)雜,但在醫(yī)院、教育系統(tǒng)、機場和警察部門可以無誤地可靠地使用這些軟件之前,將會一直存在許多技術(shù)障礙,以及偏見和安全方面的挑戰(zhàn)。