剛剛，斯坦福全球AI報告正式發(fā)布。

  從去年開始，斯坦福大學主導、來自MIT、OpenAI、哈佛、麥肯錫等機構的多位專家教授，組建了一個小組，每年發(fā)布AI index年度報告，全面追蹤人工智能的發(fā)展現(xiàn)狀和趨勢。

  “我們用硬數(shù)據(jù)說話。”報告的負責人、斯坦福大學教授、前任谷歌首席科學家Yoav Shoham談到這份最新的報告時表示。

  今年的報告，從學術、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、自然語言理解等領域的技術進展。

  報告要點：

  一、美國AI綜合實力最強

  美國的AI論文發(fā)布數(shù)量雖然不是第一，但美國學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AI創(chuàng)業(yè)公司的數(shù)量，比2015年增長2.1倍。而從2013年到2017年，美國AI初創(chuàng)企業(yè)獲得的融資額增長了4.5倍。均高于平均水平一倍以上。

  二、中國AI追趕速度驚人

  清華2017年學AI和機器學習的學生數(shù)量，是2010年16倍。

  70%的AAAI論文來自美國或中國，兩國獲接收的論文數(shù)量相近，但中國提交的論文總量比美國多30%。

  基于經(jīng)同行評議論文數(shù)據(jù)庫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（25%）和美國（17%）。

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

  中國一年的機器人部署安裝量，從2012到現(xiàn)在增長了500%。ROS.org來自中國的訪問量，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。

  整體來說，自2016年以來，美國、加拿大、英國政府在國會/議會會議中對人工智能和機器學習的提及激增。

  80%的AI教授是男性，統(tǒng)計數(shù)據(jù)來自UC伯克利、斯坦福、UIUC、CMU、UC London、牛津和蘇黎世聯(lián)邦理工學院。

  美國AI工作崗位的應聘者中71%為男性。

  看過這份報告之后，人工智能大牛吳恩達總結了兩點：1、AI正在快速發(fā)展，不管是學術界還是工業(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。

  以下是這份報告的主要內(nèi)容：

  AI論文情況分析

  發(fā)表總量增長迅猛

  從1996年到2017年，CS領域的年發(fā)表論文增長了約五倍 (6x) ，AI領域的年發(fā)表論文增長了約七倍 (8x) 。對比一下，所有學科的年發(fā)表論文總量增長了不到兩倍 (

  劃重點，AI論文的年發(fā)表量，比CS論文增長要快。

  各地區(qū)AI論文發(fā)表情況

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

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

  細分領域論文發(fā)表情況

  2017年發(fā)表的AI論文中，有56%來自機器學習與概率推理這一研究方向。

  對比一下，2010年發(fā)表的AI論文，只有28%來自這個方向。

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

  比如，神經(jīng)網(wǎng)絡這一方向的論文發(fā)表數(shù)量，2014-2017年之間，復合年均增長率達到37%(如圖中紅色曲線) ，最為突出。

  做個對比，在2010-2014年之間，神經(jīng)網(wǎng)絡論文發(fā)表數(shù)，復合年均增長率僅有3%。

  arXiv論文

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

  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)過同行評審還是在AI會議上發(fā)表的論文。這也體現(xiàn)了，AI這個領域競爭激烈的特質(zhì)。

  在細分領域中，計算機視覺(CV) 是自2014年起增長最快的一個 (上圖藍色曲線) ，從1,099篇增長到2017年的4,895篇，漲幅近400%。

  AI論文引用量

  FWCI是領域權重引用影響系數(shù)，可以用來衡量論文的影響力。

  報告重新定義了一種“改裝版” (Re-based) 的FWCI，不按地區(qū)，而按世界平均值，來計算影響力。

  在這個標準之下，雖然歐洲發(fā)表的AI論文數(shù)高于中國和美國，不過論文影響力曲線比較平緩；相比之下，中國發(fā)表的論文影響力增長劇烈：與2000年相比，2016年平均每位中國AI論文作者的引用率增長了44%。

  不過在這方面，美國依然全球領先，美國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%。

  中國的論文提交數(shù)高出美國約1/3，但二者中選論文數(shù)相差無幾，中國入選265篇，美國入選268篇。

  高校AI課程注冊情況

  AI和ML進軍高校的速度提升了不少。

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

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

  報告進一步統(tǒng)計了非美國地區(qū)院校AI+ML課程注冊人數(shù)的變化。結果顯示，清華是非美國院校外增長率最高的高校，幾乎是第二名多倫多大學的2倍。

  縱向對比來看，清華2017年AI+ML課程注冊人數(shù)是2010年的16倍。

  學術會議熱度

  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，論參與人數(shù)的增長率，這三者也領先于其他會議。

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

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

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

  原因很可能是近年來，AI領域越來越關注深度學習和強化學習了。

  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)量增長到了原來的2.1倍，而所有活躍的創(chuàng)業(yè)公司增長到了原來的1.3倍。

  大多數(shù)情況下，創(chuàng)業(yè)公司的增長都保持相對穩(wěn)定，而人工智能創(chuàng)業(yè)公司呈指數(shù)級增長。

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

  圖表中有兩個高峰期，1997-2000年風投資金的激增，對應的是網(wǎng)絡泡沫時期。2014-2015年出現(xiàn)了一個較小的增長，因為當時正處于一個相對較大的經(jīng)濟增長時期。

  人才需求

  報告顯示，近幾年，社會需要的AI相關人才大幅度增加，目前對有ML技能的人才需求最大，其次是深度學習。

  可以看出，ML人才需求也是這兩年增長速度最快的。