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AIindex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YoavShoham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、UCLondon、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。

　　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

　　AAAI2018，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。