2017年，以斯坦福大學(xué)為首、包括吳恩達(dá)、李開(kāi)復(fù)等一眾大咖專家團(tuán)隊(duì)齊力打造的人工智能指數(shù)（AI Index）重磅年度報(bào)告首次發(fā)布。從學(xué)術(shù)、業(yè)界發(fā)展、政府策略等方面對(duì)全年的人工智能全球發(fā)展進(jìn)行了回顧，堪稱全年人工智能最強(qiáng)報(bào)告。
18年12月12日，哈佛大學(xué)，麻省理工學(xué)院，斯坦福大學(xué)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(bào)告。
人工智能領(lǐng)域這一行業(yè)的發(fā)展速度，不僅僅是通過(guò)實(shí)際產(chǎn)品的產(chǎn)生以及研究成果來(lái)衡量，還要考慮經(jīng)濟(jì)學(xué)家和政策制定者的預(yù)測(cè)和擔(dān)憂。這個(gè)報(bào)告的目標(biāo)是使用硬數(shù)據(jù)衡量人工智能領(lǐng)域的發(fā)展。
在2017年12月份發(fā)布的第一期報(bào)告中，重點(diǎn)介紹了人工智能領(lǐng)域的投資和工作崗位前所未有的增長(zhǎng)速度，尤其是在游戲和計(jì)算機(jī)視覺(jué)領(lǐng)域進(jìn)展飛速。
這次18年的《報(bào)告》以更加精細(xì)的數(shù)據(jù)以及更廣泛的視角分析人工智能領(lǐng)域的發(fā)展。
報(bào)告中多次提及了中國(guó)人工智能的發(fā)展以及清華大學(xué)：
美國(guó)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(guó)家，18年發(fā)表的論文在全球范圍內(nèi)占比28%，中國(guó)緊隨其后，占比25%。；
大學(xué)人工智能和機(jī)器學(xué)習(xí)相關(guān)課程注冊(cè)率在全球范圍都有大幅提升，其中最矚目的是清華大學(xué)，相關(guān)課程2017年的注冊(cè)率比2010年高出16倍，比2016年高出了將近3倍；
各國(guó)對(duì)人工智能應(yīng)用方向重視不同。中國(guó)非常重視農(nóng)業(yè)科學(xué)，工程和技術(shù)方面的應(yīng)用，相比于2000年，2017年，中國(guó)加大了對(duì)農(nóng)業(yè)方面的重視。
吳恩達(dá)也在今天的推特中重磅推薦了這份報(bào)告，稱“數(shù)據(jù)太多了”，并劃重點(diǎn)了兩個(gè)報(bào)告亮點(diǎn)：人工智能在業(yè)界和學(xué)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(lái)看報(bào)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(tái)回復(fù)“指數(shù)2018”獲取報(bào)告94頁(yè)完整版。）
人工智能研究全球化
沒(méi)有全球視野，就沒(méi)有AI故事。2017年的報(bào)告嚴(yán)重偏向北美活動(dòng)，18年的報(bào)告縮小了全球差距，用“全球視野”分析人工智能領(lǐng)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(zhǎng)，在歐洲和亞洲，這種趨勢(shì)更加明顯。在中國(guó)、日本以及韓國(guó)在人工智能論文發(fā)表以及書(shū)籍出版方面領(lǐng)先于其他東方國(guó)家。事實(shí)上，如上圖所示，美國(guó)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(guó)家，18年發(fā)表的論文在全球范圍內(nèi)占比28%，中國(guó)緊隨其后，占比25%。
在機(jī)器學(xué)習(xí)方面，論文發(fā)表數(shù)量占多數(shù)的是研究游戲中的“人機(jī)大戰(zhàn)”。
人工智能課程注冊(cè)量清華矚目
作為中國(guó)的人工智能最強(qiáng)高校，清華大學(xué)也在這一報(bào)告中多次被提到：大學(xué)人工智能和機(jī)器學(xué)習(xí)相關(guān)課程注冊(cè)率在全球范圍都有大幅提升，最引人注目的是清華大學(xué)相關(guān)課程的增長(zhǎng)率，從2017年的注冊(cè)率比2010年高出16倍，比2016年高出了將近3倍。
各國(guó)人工智能應(yīng)用方向
從報(bào)告中可以看出，各國(guó)對(duì)人工智能應(yīng)用方向重視不同。中國(guó)非常重視農(nóng)業(yè)科學(xué)，工程和技術(shù)方面的應(yīng)用，相比于2000年，2017年，中國(guó)加大了對(duì)農(nóng)業(yè)方面的重視。而歐洲和北美非常看重人文學(xué)科以及醫(yī)療方面的應(yīng)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(yán)重
上圖顯示了所需的Al技能每年的職位空缺數(shù)量，當(dāng)然，也能看出AI技能的職位空缺的增長(zhǎng)速度。各個(gè)崗位數(shù)據(jù)具有相關(guān)性。
雖然機(jī)器學(xué)習(xí)是最重要的技能，但深度學(xué)習(xí)（DL）正在以最快的速度增長(zhǎng)，2015年到2017年這一時(shí)間段，深度學(xué)習(xí)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(yán)重。上圖的顯示按照技能分類，各個(gè)技能之間有相關(guān)性。申請(qǐng)人的數(shù)目并不代表雇傭人數(shù)，但總體而言，在美國(guó)，男性占人工智能相關(guān)職位申請(qǐng)申請(qǐng)人數(shù)的71%。在人工智能各個(gè)子學(xué)科之間，深度學(xué)習(xí)和機(jī)器人學(xué)對(duì)比其他學(xué)科，性別比例相對(duì)平衡。
國(guó)際大會(huì)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(biāo)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(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)，參與人數(shù)的增長(zhǎng)率，這三者也領(lǐng)先于其他會(huì)議。值得一提的是，ICML在2018年一年的時(shí)間增長(zhǎng)了將近一倍。
最新的政府政策
中國(guó)方面，2017年7月，政府發(fā)布新一代Al發(fā)展計(jì)劃，制定了一直到2030年的AI發(fā)展戰(zhàn)略。計(jì)劃到2020年使中國(guó)的AI技術(shù)達(dá)到世界上最先進(jìn)的水平。到2025年，中國(guó)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(jí)和經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的動(dòng)力。到2030年，中國(guó)將成為世界主要的AI新中心。
美國(guó)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(yíng)公司在美國(guó)AI技術(shù)開(kāi)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(lǐng)域提供了大量的資金。
在歐盟地區(qū)，法國(guó)最近發(fā)表了三份報(bào)告：(1)法國(guó)Al計(jì)劃，其中提出了一項(xiàng)關(guān)于AI研究、教育、創(chuàng)新的戰(zhàn)略；(2)編寫(xiě)了一份側(cè)重于社會(huì)和監(jiān)管問(wèn)題的報(bào)告；(3)《 Mission Villani report》，該報(bào)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(guó)從2016年開(kāi)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(qiáng)英國(guó)的數(shù)據(jù)基礎(chǔ)設(shè)施。
two more thing
計(jì)算機(jī)視覺(jué)是人工智能的子學(xué)科，在自動(dòng)駕駛汽車開(kāi)發(fā)、增強(qiáng)現(xiàn)實(shí)和物體識(shí)別能力方向有廣泛應(yīng)用，就像機(jī)器學(xué)習(xí)一樣，訓(xùn)練算法隨著時(shí)間的推移得到改進(jìn)。
就性能而言，人工智能算力繼續(xù)飆升，尤其是在計(jì)算機(jī)視覺(jué)等領(lǐng)域。通過(guò)測(cè)量ImageNet的基準(zhǔn)性能，該報(bào)告發(fā)現(xiàn)，在18個(gè)月內(nèi)，最準(zhǔn)確圖片分類模型，訓(xùn)練時(shí)間從“小時(shí)左右”降至“4分鐘左右”。訓(xùn)練速度快了大約16倍。其他領(lǐng)域，比如物體分割，在短短三年內(nèi)就提高了72%的精度。
【來(lái)源：傳送門(mén)】
