剛剛，斯坦福全球AI報(bào)告正式發(fā)布。

  從去年開始，斯坦福大學(xué)主導(dǎo)、來(lái)自MIT、OpenAI、哈佛、麥肯錫等機(jī)構(gòu)的多位專家教授，組建了一個(gè)小組，每年發(fā)布AI index年度報(bào)告，全面追蹤人工智能的發(fā)展現(xiàn)狀和趨勢(shì)。

  “我們用硬數(shù)據(jù)說(shuō)話。”報(bào)告的負(fù)責(zé)人、斯坦福大學(xué)教授、前任谷歌首席科學(xué)家Yoav Shoham談到這份最新的報(bào)告時(shí)表示。

  今年的報(bào)告，從學(xué)術(shù)、工業(yè)、開源、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、自然語(yǔ)言理解等領(lǐng)域的技術(shù)進(jìn)展。

  報(bào)告要點(diǎn)：

  一、美國(guó)AI綜合實(shí)力最強(qiáng)

  美國(guó)的AI論文發(fā)布數(shù)量雖然不是第一，但美國(guó)學(xué)者論文被引用的次數(shù)卻是全球第一，比全球平均水平高出83%。

  2018年美國(guó)AI創(chuàng)業(yè)公司的數(shù)量，比2015年增長(zhǎng)2.1倍。而從2013年到2017年，美國(guó)AI初創(chuàng)企業(yè)獲得的融資額增長(zhǎng)了4.5倍。均高于平均水平一倍以上。

  二、中國(guó)AI追趕速度驚人

  清華2017年學(xué)AI和機(jī)器學(xué)習(xí)的學(xué)生數(shù)量，是2010年16倍。

  70%的AAAI論文來(lái)自美國(guó)或中國(guó)，兩國(guó)獲接收的論文數(shù)量相近，但中國(guó)提交的論文總量比美國(guó)多30%。

  基于經(jīng)同行評(píng)議論文數(shù)據(jù)庫(kù)Scopus的數(shù)據(jù)，2018年發(fā)布AI論文最多的地區(qū)是歐洲（28%）、中國(guó)（25%）和美國(guó)（17%）。

  與2000相比，2016年中國(guó)AI學(xué)者論文被引用的次數(shù)，提高了44%。

  中國(guó)一年的機(jī)器人部署安裝量，從2012到現(xiàn)在增長(zhǎng)了500%。ROS.org來(lái)自中國(guó)的訪問量，2017年比2012年增加了18倍。

  三、全球AI發(fā)展提速但仍不均衡

  2017年，全球ML人才需求已經(jīng)是2015年的35倍。

  整體來(lái)說(shuō)，自2016年以來(lái)，美國(guó)、加拿大、英國(guó)政府在國(guó)會(huì)/議會(huì)會(huì)議中對(duì)人工智能和機(jī)器學(xué)習(xí)的提及激增。

  80%的AI教授是男性，統(tǒng)計(jì)數(shù)據(jù)來(lái)自UC伯克利、斯坦福、UIUC、CMU、UC London、牛津和蘇黎世聯(lián)邦理工學(xué)院。

  美國(guó)AI工作崗位的應(yīng)聘者中71%為男性。

  看過這份報(bào)告之后，人工智能大牛吳恩達(dá)總結(jié)了兩點(diǎn)：1、AI正在快速發(fā)展，不管是學(xué)術(shù)界還是工業(yè)界都是如此。2、AI的發(fā)展仍不均衡，在多樣性、包容性方面仍需努力。

  以下是這份報(bào)告的主要內(nèi)容：

  AI論文情況分析

  發(fā)表總量增長(zhǎng)迅猛

  從1996年到2017年，CS領(lǐng)域的年發(fā)表論文增長(zhǎng)了約五倍 (6x) ，AI領(lǐng)域的年發(fā)表論文增長(zhǎng)了約七倍 (8x) 。對(duì)比一下，所有學(xué)科的年發(fā)表論文總量增長(zhǎng)了不到兩倍 (

  劃重點(diǎn)，AI論文的年發(fā)表量，比CS論文增長(zhǎng)要快。

  各地區(qū)AI論文發(fā)表情況

  2017年，Scopus上面的AI論文，有83%來(lái)自美國(guó)以外的地方。具體數(shù)據(jù)是，28%來(lái)自歐洲，25%來(lái)自中國(guó)，17%來(lái)自美國(guó)。

  從2007年到2017年，中國(guó)的年發(fā)表AI論文數(shù)增長(zhǎng)了150%。

  細(xì)分領(lǐng)域論文發(fā)表情況

  2017年發(fā)表的AI論文中，有56%來(lái)自機(jī)器學(xué)習(xí)與概率推理這一研究方向。

  對(duì)比一下，2010年發(fā)表的AI論文，只有28%來(lái)自這個(gè)方向。

  另外，圖表里顯示的大部分研究方向，在2014-2017年間，復(fù)合年均增長(zhǎng)率 (CAGR) 比2010-2014年要高。

  比如，神經(jīng)網(wǎng)絡(luò)這一方向的論文發(fā)表數(shù)量，2014-2017年之間，復(fù)合年均增長(zhǎng)率達(dá)到37%(如圖中紅色曲線) ，最為突出。

  做個(gè)對(duì)比，在2010-2014年之間，神經(jīng)網(wǎng)絡(luò)論文發(fā)表數(shù)，復(fù)合年均增長(zhǎng)率僅有3%。

  arXiv論文

  自2010年以來(lái)，arXiv論文總體呈現(xiàn)迅速增長(zhǎng)，從2010年發(fā)布的1,073篇，到2017年發(fā)布的13,325篇，增長(zhǎng)超過11倍(12x) 。許多細(xì)分領(lǐng)域也呈現(xiàn)增長(zhǎng)。

  這表示，論文作者們傾向于把自己的研究成果傳播出去，不論是經(jīng)過同行評(píng)審還是在AI會(huì)議上發(fā)表的論文。這也體現(xiàn)了，AI這個(gè)領(lǐng)域競(jìng)爭(zhēng)激烈的特質(zhì)。

  在細(xì)分領(lǐng)域中，計(jì)算機(jī)視覺(CV) 是自2014年起增長(zhǎng)最快的一個(gè) (上圖藍(lán)色曲線) ，從1,099篇增長(zhǎng)到2017年的4,895篇，漲幅近400%。

  AI論文引用量

  FWCI是領(lǐng)域權(quán)重引用影響系數(shù)，可以用來(lái)衡量論文的影響力。

  報(bào)告重新定義了一種“改裝版” (Re-based) 的FWCI，不按地區(qū)，而按世界平均值，來(lái)計(jì)算影響力。

  在這個(gè)標(biāo)準(zhǔn)之下，雖然歐洲發(fā)表的AI論文數(shù)高于中國(guó)和美國(guó)，不過論文影響力曲線比較平緩；相比之下，中國(guó)發(fā)表的論文影響力增長(zhǎng)劇烈：與2000年相比，2016年平均每位中國(guó)AI論文作者的引用率增長(zhǎng)了44%。

  不過在這方面，美國(guó)依然全球領(lǐng)先，美國(guó)AI論文作者的平均引用率，比世界平均值高出83%。

  AAAI論文

  AAAI 2018，提交論文，中美占70%，中選論文，中美占67%。

  中國(guó)的論文提交數(shù)高出美國(guó)約1/3，但二者中選論文數(shù)相差無(wú)幾，中國(guó)入選265篇，美國(guó)入選268篇。

  高校AI課程注冊(cè)情況

  AI和ML進(jìn)軍高校的速度提升了不少。

  報(bào)告顯示，截止到2017年底，AI課程注冊(cè)人數(shù)是2012年的3.4倍，ML課程注冊(cè)人數(shù)是2012年的5倍。

  其中，UC伯克利的ML課程的注冊(cè)人數(shù)增長(zhǎng)最快，是2012年的6.8倍，但此數(shù)值較2016年增長(zhǎng)速度有明顯下降。

  報(bào)告進(jìn)一步統(tǒng)計(jì)了非美國(guó)地區(qū)院校AI+ML課程注冊(cè)人數(shù)的變化。結(jié)果顯示，清華是非美國(guó)院校外增長(zhǎng)率最高的高校，幾乎是第二名多倫多大學(xué)的2倍。

  縱向?qū)Ρ葋?lái)看，清華2017年AI+ML課程注冊(cè)人數(shù)是2010年的16倍。

  學(xué)術(shù)會(huì)議熱度

  在大型會(huì)議中，NeurIPS (曾用名NIPS) 、CVPR和ICML，是參與人數(shù)最多的三大AI會(huì)議。自2012年以來(lái)，論參與人數(shù)的增長(zhǎng)率，這三者也領(lǐng)先于其他會(huì)議。

  NeurIPS和ICML參與人數(shù)增長(zhǎng)最快：將2018年與2012年相比，NeuRIPS增長(zhǎng)3.8倍 (4.8x) ，ICML增長(zhǎng)5.8倍 (6.8x) 。

  上面討論的是大型會(huì)議，但小型會(huì)議的參與人數(shù)同樣有明顯的增長(zhǎng)，甚至可以比大型會(huì)議的增長(zhǎng)更加明顯。

  這里最突出的是，ICLR 2018的參會(huì)人數(shù)達(dá)到了2012年的20倍。

  原因很可能是近年來(lái)，AI領(lǐng)域越來(lái)越關(guān)注深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)了。

  AI創(chuàng)業(yè)投資情況

  從2015年1月到2018年1月，人工智能創(chuàng)業(yè)公司的數(shù)量增長(zhǎng)到了原來(lái)的2.1倍，而所有活躍的創(chuàng)業(yè)公司增長(zhǎng)到了原來(lái)的1.3倍。

  大多數(shù)情況下，創(chuàng)業(yè)公司的增長(zhǎng)都保持相對(duì)穩(wěn)定，而人工智能創(chuàng)業(yè)公司呈指數(shù)級(jí)增長(zhǎng)。

  在風(fēng)投資金方面，從2013年到2017年，人工智能領(lǐng)域的風(fēng)投資金增長(zhǎng)到了原來(lái)的4.5倍，而所有的風(fēng)投資金只增長(zhǎng)到了原來(lái)的2.08倍。這些數(shù)據(jù)都是年度數(shù)據(jù)，不是逐年累積的。

  圖表中有兩個(gè)高峰期，1997-2000年風(fēng)投資金的激增，對(duì)應(yīng)的是網(wǎng)絡(luò)泡沫時(shí)期。2014-2015年出現(xiàn)了一個(gè)較小的增長(zhǎng)，因?yàn)楫?dāng)時(shí)正處于一個(gè)相對(duì)較大的經(jīng)濟(jì)增長(zhǎng)時(shí)期。

  人才需求

  報(bào)告顯示，近幾年，社會(huì)需要的AI相關(guān)人才大幅度增加，目前對(duì)有ML技能的人才需求最大，其次是深度學(xué)習(xí)。

  可以看出，ML人才需求也是這兩年增長(zhǎng)速度最快的。