當地時間 12 月 11 日，斯坦?！敢匀藶楸尽?a target="_blank">人工智能研究院與 OpenAI 合作完成的2019 AI Index 年度報告發布。作為斯坦福大學「AI100」項目的一部分，AI Index 旨在研究影響人工智能產業的最大趨勢、突破性研究進展以及人工智能對社會的影響，今年已是該報告發布的第三個年頭。

今年，該報告還研究了諸如人工智能招聘、私人投資、國家對人工智能研究的推動作用、研究人員離開學術界進入工業界以及人工智能在特定行業中發揮了多大作用等趨勢。

同時，報告還指出了 AI 領域在減少 AI 系統的訓練時長和降低計算成本所取得的長足進展，而訓練時長和計算成本也是 AI 普及率的最大阻力之二。報告顯示：「在一年半的時間里，在云基礎設施上訓練一個大型圖像分類系統所需的時間從 2017 年 10 月的 3 小時左右減少到了 2019 年 7 月的 88 秒左右。」

今年報告的一些要點如下：

人工智能成為了最受計算機科學博士青睞的領域，而在 2018 年，有 21% 的畢業生畢業于機器學習或人工智能專業。

從 1998 年到 2018 年，經過同行評審的人工智能研究增長了 300%。

繼 2006 年超越美國之后，中國現在每年出版的人工智能期刊和發表的會議論文數量與歐洲相當。

被引用的人工智能會議論文中，超過 40% 的論文作者來北美，而約有 1/3 論文作者來自東亞。

2015 年至 2019 年，新加坡、巴西、澳大利亞、加拿大和印度在人工智能招聘方面經歷了最快的增長期。

2014 年至 2018 年間申請的人工智能專利絕大多數是在美國和加拿大等國家申請的，并且 94% 的專利是在富裕國家申請的。

2010 年至 2019 年間，發表在 arXiv 上的人工智能論文總數增長了 20 倍。

這份報告由斯坦?！敢匀藶楸尽谷斯ぶ悄苎芯吭号c OpenAI 合作編寫而成。2016 年，它作為斯坦福大學對人工智能的進步和影響進行的長達一個世紀的研究項目——「AI100」的一部分而開啟。

斯坦福大學名譽教授兼指導委員會主席 Yoav Shoham 在電話采訪中向 VentureBeat 表示：「我們希望做到的，就是對數據的質量和客觀性保持嚴謹。」

Shoham 一開始就在 AI Index 指導委員會中任職，并擔任對報告進行整合的小組主席。委員會的其他成員包括麻省理工學院的經濟學家 Erik Brynjolfsson、Partnership on AI 執行董事 Terah Lyons，以及其他來自斯坦福國際研究院、哈佛大學、OpenAI 和麥肯錫全球研究所的成員。

這項工作旨在幫助公眾了解 AI 這一領域的進展，并向政策決策者和企業決策者提供本國與其他國家的排名情況。

報告作者對 VentureBeat 表示，今年是發布該報告的第三年，報告的數據來源是發布之初的三倍，并且首次配備了一個能夠從 34 個維度對各國進行比較的工具——Global AI Vibrancy。

Shoham 稱，與此前已做的一些工作一樣，現在對各國人工智能進行排名還為時過早。

「僅僅對各國進行排名很容易，無非是評估一些東西、加上一堆數字，然后說，美國是第一，中國是第二，你的國家是第幾。然而我們并不想這樣做，因為這樣做的話會扭曲很多事情并且能夠評估的維度如此之多。總而言之，雖然排名之類的東西不失為一個好想法，但我們認為現在這樣做還為時過早?！?/p>

對此，Global Vibrancy 工具則提供了一種選擇，它可以用總體數字和人均趨勢來進行評估，以判斷出 AI 熱點地區（比如說以色列，它的人均深度學習研究比任何其他國家都高）或 AI 發展走在前沿的國家（如芬蘭和新加坡）。

今年早些時候，一家咨詢公司聯合聯合國證實，目前約有 30 個國家制定了國家級的人工智能戰略。

例如，Elsevier 的 Scopus 研究了 arXiv 此類知識庫的發表率，并指出歐洲的人工智能研究論文比世界上任何其他地區都要多，但以色列的人均深度學習研究最高，美國的人工智能研究論文的引用率最多。

與 AI 研究相關的公司或行業正呈增長之勢，尤其是在美國、中國、日本、法國、德國和英國。

Shoham 指出：「十年前，二十年前，所有的創新都發生在學術界，然后工業界撿起一些研究來完善并將其商業化。而這已經不是事實了。學術界和工業界之間的界限變得模糊，而兩界的研究者和從業者也在相互跨越這條界限。我認為領先的學術機構正在達成共識：這是一種新常態?！?/p>

報告顯示，盡管相比于 2004 年的 20%，現在已有 60% 的博士研究生選擇進入工業界而非學術界，然而學術界發表的研究論文仍然超出政府和企業，其中 92% 的論文作者來自中國，90% 的論文作者來自歐洲，85% 的論文作者來自美國。

Shoham 表示，某種程度上而言，這一進展結果是喜憂參半的，因為一些在基準測試中取得高分結果的人工智能系統或許比這些結果所體現出來的要更脆弱得多。

他期待對話人工智能領域取得更多的進展，例如說他自己正在從事的研究領域。有些系統可能在例如斯坦福大學的 SQuAD 問答測試等標準測試上表現良好，然而可能僅適用于狹隘的任務。

對此，他指出：「問題就在于，這些任務面向的都是高度專業化的領域，一旦離開這個領域，它們的表現就會急劇下降，我們委員會也深知這一點。不過現在 AI 領域確實也取得了不少值得興奮的進展，包括我提到的所有這些系統，但是這些系統目前離實現人類對語言的理解還很遠。因此，我們在報告中試圖對這一點進行細致入微的闡述。」

不僅如此，報告還列舉了人工智能系統實現了人類水平的一些案例，比如 DeepMind 的 AlphaStar 就在《星際爭霸 2》中打敗了人類，以及人類通過使用深度學習能夠眼睛圖像中檢測出糖尿病視網膜病變。

責任編輯：ct