1956年, “人工智慧(AI)”一詞正式誕生。 如今, 它已應用于無人駕駛、語音辨識和電腦視覺等多種智慧場景。 為洞察該領域的進展, 近日, 由斯坦福大學率領的人工智慧前沿專家們組成的AI 100發佈了一份報告, 這份報告指明了當前人工智慧發展的現狀, 以宏觀角度評估科技的進步。
報告研究並評估了學術界、相關行業、開源軟體、大眾興趣中的至少18個獨立的領域。 另外還包括對“類人表現”等技術進步的評估, 例如語音辨識、問答、電腦視覺演算法等。 具體指標包括發表的學術論文、課程招生人數、AI創企、職位空缺、搜索詞頻率以及社會影響等等。
報告大致分為以下四部分:
行業體量(Volume of Activity)
技術現狀(Technical Performance)
趨勢前瞻(Derivative Measures)
類人能力表現(Towards Human-Level Performance)
行業體量學術界
1.論文發表量
下圖表示Scopus資料庫中每年發表的帶有“人工智慧”標籤的電腦科學論文數量。
可以發現, 2017年AI論文發表量比1996年增長了9倍以上。
下圖展示了所有領域論文數量的增長率(黃色)、電腦科學論文數量增長率(藍色)以及AI領域論文增長率(紫色)。
資料表明, 人工智慧相關論文數量的大幅增長不單單因為它是電腦科學領域的一個分支。 可以看到, 目前電腦科學每年發表的的論文數量比1996年增長了6倍, 而AI增長了9倍。
2.課程招生
研究人員統計了斯坦福大學人工智慧和機器學習入門課程的學生人數。 作為人工智慧的一個分類, 機器學習課程是重點關注物件, 因為機器學習在人工智慧的發展過程中舉足輕重, 並且近些年, 該課程的招生人數急劇上漲。
自1996年以來, 斯坦福大學的人工智慧入門課程的招生人數增長了11倍。
與其他學校的對比:
注意:該圖僅代表高校中的趨勢,並不反映所有學術機構。
3.參會人數
這裡分析了出席相關會議的人數。分為大型會議(人數超過1000)與小型會議(人數小於1000)。
大型會議出席人數統計表。該圖表明瞭人們的關注點正在發生改變,從原來喜歡符號推理轉變為現在的機器學習和深度學習
小型會議出席人數統計表。雖然人們開始更加關注機器學習和深度學習,但仍有一小部分研究者繼續研究符號推理
相關行業1.AI創企
2017年,在美國獲得風投的活躍AI創企數量已超過600家,比2000年增長了14倍。
2.AI相關投資
從圖中可以發現,美國AI創企的投融資情況曾在2000年前出現過一次小高峰,但由於當時的技術局限,AI並沒有引起資本市場的注意。從2013年開始,AI領域的投資金額直線上升,到2017年已突破30億美元,比2000年增長了6倍
3.職位空缺
研究人員從Indeed和Monster兩個招聘網站上統計了AI相關職位。
Indeed上美國對AI人才的需求
Indeed上其他國家對AI人才的需求
和投融資情況類似,2013年起,AI行業的人才需求量也開始快速上升,至2017年,僅美國就有超過4500個相關崗位。而加拿大和英國對AI人才的需求急劇增長,趨勢超過了美國(雖然增速快,但兩國AI人才市場體量只有美國的5%和27%)。
Monster上人工智慧不同領域的職位空缺
4.機器人進口量
開源軟體
1.GitHub項目統計
GitHub上TensorFlow和Scikit-Learn套裝軟體被收藏的次數。二者都是受歡迎的深度
GitHub上其他AI和ML套裝軟體的收藏次數
大眾興趣
對於含有“人工智慧”關鍵字的熱門文章,人們“點贊”(藍色)和“不喜歡”(紅色)的比例
技術現狀視覺
1.物體檢測
在LSVRC競賽上AI系統檢測物體的表現與人類水準的對比。AI為圖像分類的錯誤率從2010年的28.
2.視覺問答
AI系統回答有關圖像的問題時的表現與人類水準的對比
自然語言理解
1.解析
AI在分析句法結構上的表現
2.機器翻譯
AI在英德互譯時的表現
3.回答問題
AI從文本中尋找答案的表現
4.語音辨識
AI從電話錄音中識別語音的能力
前瞻趨勢學術-行業動態
報告將AI論文發表的數目、課程人數以及風投數量綜合到一張圖表中,展示了2000年至今的發展趨勢。
可以看出,剛開始,論文的增幅是遙遙領先的。到了2010年左右,投資者似乎看到了AI的潛力,從2013年開始投資額急劇上漲。學術界也從那時開始和行業一起繁榮發展。
AI活力指數(AI Vibrancy Index)
該指數匯總了學術界、行業的各種統計結果,作為展示AI領域活力的量化指標。
類人能力表現AI發展里程碑
注意:該圖僅代表高校中的趨勢,並不反映所有學術機構。
3.參會人數
這裡分析了出席相關會議的人數。分為大型會議(人數超過1000)與小型會議(人數小於1000)。
大型會議出席人數統計表。該圖表明瞭人們的關注點正在發生改變,從原來喜歡符號推理轉變為現在的機器學習和深度學習
小型會議出席人數統計表。雖然人們開始更加關注機器學習和深度學習,但仍有一小部分研究者繼續研究符號推理
相關行業1.AI創企
2017年,在美國獲得風投的活躍AI創企數量已超過600家,比2000年增長了14倍。
2.AI相關投資
從圖中可以發現,美國AI創企的投融資情況曾在2000年前出現過一次小高峰,但由於當時的技術局限,AI並沒有引起資本市場的注意。從2013年開始,AI領域的投資金額直線上升,到2017年已突破30億美元,比2000年增長了6倍
3.職位空缺
研究人員從Indeed和Monster兩個招聘網站上統計了AI相關職位。
Indeed上美國對AI人才的需求
Indeed上其他國家對AI人才的需求
和投融資情況類似,2013年起,AI行業的人才需求量也開始快速上升,至2017年,僅美國就有超過4500個相關崗位。而加拿大和英國對AI人才的需求急劇增長,趨勢超過了美國(雖然增速快,但兩國AI人才市場體量只有美國的5%和27%)。
Monster上人工智慧不同領域的職位空缺
4.機器人進口量
開源軟體
1.GitHub項目統計
GitHub上TensorFlow和Scikit-Learn套裝軟體被收藏的次數。二者都是受歡迎的深度
GitHub上其他AI和ML套裝軟體的收藏次數
大眾興趣
對於含有“人工智慧”關鍵字的熱門文章,人們“點贊”(藍色)和“不喜歡”(紅色)的比例
技術現狀視覺
1.物體檢測
在LSVRC競賽上AI系統檢測物體的表現與人類水準的對比。AI為圖像分類的錯誤率從2010年的28.
2.視覺問答
AI系統回答有關圖像的問題時的表現與人類水準的對比
自然語言理解
1.解析
AI在分析句法結構上的表現
2.機器翻譯
AI在英德互譯時的表現
3.回答問題
AI從文本中尋找答案的表現
4.語音辨識
AI從電話錄音中識別語音的能力
前瞻趨勢學術-行業動態
報告將AI論文發表的數目、課程人數以及風投數量綜合到一張圖表中,展示了2000年至今的發展趨勢。
可以看出,剛開始,論文的增幅是遙遙領先的。到了2010年左右,投資者似乎看到了AI的潛力,從2013年開始投資額急劇上漲。學術界也從那時開始和行業一起繁榮發展。
AI活力指數(AI Vibrancy Index)
該指數匯總了學術界、行業的各種統計結果,作為展示AI領域活力的量化指標。
類人能力表現AI發展里程碑