歡迎關(guān)注“創(chuàng)事記”微信訂閱號：sinachuangshiji
文/邊策 十三
來源：量子位（ID:QbitAI）
全球AI遇冷了嗎？不存在的。中國AI發(fā)展怎么樣？論文總數(shù)更上一層樓。
這就是一年一度權(quán)威報告《斯坦福2019全球AI報告》給出的結(jié)果。
而且縱橫全球盤點2019，其中諸多新變化也非常醒目， 比如中國AI論文發(fā)表數(shù)除了全球領(lǐng)先——還首次超越歐洲，AI專業(yè)受到空前熱捧，清華AI課程注冊3年翻4倍。
進一步放眼全球，AI投資超過了700億，相當(dāng)于每天2億多美元砸向AI領(lǐng)域。自動駕駛依然是最受青睞的投資標(biāo)的。
通過這份報告，幾乎能夠宏觀完整地了解全球AI的年度情況。
因為該報告由斯坦福大學(xué)聯(lián)合OpenAI、Google、麥肯錫等機構(gòu)發(fā)布，從2017年開始，該AI指數(shù)報告就成為了業(yè)界重要參考，今年已經(jīng)是第三次。
所以在這一年的時間里，全球的AI還發(fā)生了哪些變化，完整圖景，我們一一解析傳送如下。
報告由九章內(nèi)容組成：研發(fā)、學(xué)術(shù)會議、技術(shù)性能、經(jīng)濟、教育、自動駕駛與自動武器、公眾認(rèn)知、社會考量、國家戰(zhàn)略與全球AI活力。涵蓋了從AI技術(shù)到社會影響的各個方面。
相比過去兩年，這份報告將自動駕駛技術(shù)、AI國家戰(zhàn)略、AI人才教育單獨提出，分別各列為一章，突顯了自動駕駛技術(shù)的重要性，以及各國紛紛重視AI的國際形勢。
另外，這也是斯坦福以人為本人工智能學(xué)院（HAI）成立以來第一次發(fā)布AI指數(shù)報告，HAI是今年3月斯坦福大學(xué)成立的由李飛飛教授領(lǐng)導(dǎo)的新部門。
△HAI負責(zé)人John Etchemendy和李飛飛
報告要點
一、AI論文數(shù)量持續(xù)增長，中國成績突出
1、在2010年至2019年之間，arXiv上AI論文總數(shù)增加了20倍。從1998年到2018年，經(jīng)過同行評審的AI論文增長了300％。
2、中國現(xiàn)在每年出版的AI期刊和會議論文數(shù)量與歐洲一樣多，而之前在2006年超過美國成為全球第一，但值得注意的是，美國論文的引用影響力FWCI——仍比中國高50％。
3、全球AI期刊中超過32％的引用來自東亞，AI會議論文引用中有40％以上來自北美，北美占全球AI專利引用比例的60％以上。
4、參加AI會議的人數(shù)繼續(xù)大幅增加。NeurIPS 2019預(yù)計將有13500名與會者，比2018年增長41％，比2012年增長800％。
二、AI專業(yè)、崗位依舊受熱捧，清華AI課程注冊人數(shù)3年增4倍
1、人工智能是計算機科學(xué)博士學(xué)位專業(yè)領(lǐng)域中最受歡迎的領(lǐng)域，2018年，超過21％的計算機科學(xué)博士研究生專注于人工智能和機器學(xué)習(xí)。
2、在美國，人工智能工作的比例從2012年的0.3％增長到2019年發(fā)布的總工作量的0.8％。人工智能的勞動力需求正在增長，尤其是在高科技服務(wù)和制造業(yè)領(lǐng)域。
3、在全球大學(xué)中，人工智能和相關(guān)學(xué)科的入學(xué)率繼續(xù)快速增長。清華大學(xué)AI相關(guān)課程注冊人數(shù)3年增長了4倍。
4、在研究生教育中，人工智能已迅速成為北美計算機科學(xué)博士學(xué)位學(xué)生中最受歡迎的專業(yè)，其學(xué)生人數(shù)是第二大最受歡迎的專業(yè)（安全/信息保障）的兩倍。
三、AI技術(shù)突破顯著：訓(xùn)練用時大大縮短
1、在一年半的時間里，在云基礎(chǔ)架構(gòu)上訓(xùn)練大型圖像分類系統(tǒng)所需的時間大大縮短，從2017年10月的大約3個小時，減少到2019年7月的大約88秒。訓(xùn)練成本急速下降。
2、在SuperGLUE和SQuAD2.0基準(zhǔn)測試中，一些廣泛的NLP分類任務(wù)的進展非常迅速，但是在某些需要推理的NLP任務(wù)或人類級別的概念學(xué)習(xí)任務(wù)下，性能仍然較低。
3、2012年之前，人工智能的結(jié)果緊追摩爾定律，計算每兩年翻一番。2012年以后，計算量每3.4個月翻一番。
四、AI產(chǎn)業(yè)投資持續(xù)增長，自動駕駛分得最大蛋糕
1、2019年，全球私有AI投資超過700億美元，與AI相關(guān)的創(chuàng)業(yè)投資超過370億美元，并購交易金額340億美元，IPO為50億美元。
2、在全球范圍內(nèi)，對AI初創(chuàng)公司的投資繼續(xù)穩(wěn)步上升。從2010年13億美元到2018年的404億美元，資金以超過48％的年均增長率增長。
3、自動駕駛汽車在過去一年中獲得了全球投資的最大份額（77億美元），其次是AI醫(yī)療（47億美元），面部識別（47億美元），視頻內(nèi)容（36億美元）和欺詐檢測和金融（31億美元）。
4、在2015年至2018年期間，加州行駛的里程總數(shù)和測試自動駕駛汽車公司總數(shù)已增長了七倍。2018年，加利福尼亞州為50多家公司和500多個自動駕駛汽車提供了測試許可，行駛了200萬英里。
5、全世界的國會記錄、議員報告和立法記錄中，與人工智能有關(guān)的立法有了顯著增加。
AI論文占全球論文3%，美國引用數(shù)仍遙遙領(lǐng)先
AI論文數(shù)量
根據(jù)Elsevier Scopus統(tǒng)計，來自5,000多家國際出版商的22,800多種學(xué)術(shù)出版物，1998到2018年間，發(fā)表的AI論文在所有論文中的比例增長了兩倍。
在上世紀(jì)90年代后期，AI論文只占不到1％，而今已經(jīng)接近3％。
哪個國家或地區(qū)的同行評審AI論文增長最快？當(dāng)之無愧的是中國。
2000年，中國發(fā)表的AI論文占比為10%，如今這一比例已經(jīng)增加到28%，超過了歐洲的27%。
這也是中國發(fā)表的AI論文數(shù)量在雄踞全球第一后，首次超過整個歐洲。
政府附屬機構(gòu)在中國和歐洲貢獻了最多的AI論文，而美國則是公司貢獻了主要的AI論文。
2018年，中國的政府機構(gòu)生產(chǎn)的AI論文數(shù)量是公司的近三倍。自1998年以來，政府附屬的AI論文數(shù)量增長了300倍，而企業(yè)AI論文同期增長了66倍。
AI論文影響力
所謂FWCI，是指該地區(qū)AI論文收到的平均引用次數(shù)，除以同一年全球所有出版AI論文的平均引用次數(shù)。它是領(lǐng)域權(quán)重引用影響系數(shù)，可以用來衡量論文的影響力。
所謂FWCI，表示引用的論文與AI的世界平均水平相當(dāng)。FWCI為0.85，則表明論文的引用率比AI的世界平均值低15％。
歐洲每年發(fā)表的AI論文數(shù)量最多，F(xiàn)WCI相對穩(wěn)定，與世界平均水平持平。中國的FWCI近年來大幅提高。
盡管如此，美國的總引用量仍超過其他地區(qū)。美國的作者被引用比全球平均水平高40％。
近年來，AI的工業(yè)界與學(xué)術(shù)界合作研究變得越來越普遍。一篇論文中作者既有來自學(xué)校也有來自公司的情況越來越常見。這種合作在美國、中國、日本、法國、德國和英國普遍存在。
arXiv上的AI論文
近年來，AI研究人員開始采用在arXiv上發(fā)布論文預(yù)印本的做法。在2010年至2019年期間，在arXiv上發(fā)表的AI論文總數(shù)增加了20倍以上。
在這一時期，“計算與語言” 子類別的提交數(shù)量增長了近60倍。從2014年開始，“計算機視覺”是規(guī)模最大的子類，直到2019年被“機器學(xué)習(xí)”超越。
在AI期刊論文引用方面，東亞國家的影響力啊最大，32.1%的AI論文引用了這一地區(qū)發(fā)表的文章。
但是在AI學(xué)術(shù)會議和AI專利方面，北美遙遙領(lǐng)先其他地區(qū)，42.9%的引文來自北美，專利引用的比例更是超過了60%。
GitHub上的AI項目
GitHub是一個討論AI繞不開的一個網(wǎng)站，很多開發(fā)人員在上面公布相關(guān)的軟件代碼。星號表示某個特定代碼段或項目的受歡迎程度，下圖顯示了各種AI和ML軟件包在GitHub上的星標(biāo)數(shù)。
一個明顯的趨勢是企業(yè)支持的研究框架的出現(xiàn)，例如Tensorflow和PyTorch呈現(xiàn)高速增長。
sci-kit learning和Caffe這兩個非行業(yè)框架繼續(xù)顯示出越來越高的知名度，但是它們的增長速度似乎低于其他公司提出的框架。
中國論文數(shù)量最多，總數(shù)首次超越歐洲
會議的參會人數(shù)強烈地表明了該學(xué)科的行業(yè)水平和學(xué)術(shù)熱情。AI學(xué)術(shù)會議不僅在規(guī)模上，而且在數(shù)量和聲望方面都在增長。
2019年，NeurIPS將有1.35萬人，CVPR大約有9,227人參會，ICML有6,400人，IJCAI-19有3015人。
NeurIPS、CVPR和ICML仍然是參加人數(shù)最多的AI會議。NeurIPS和ICML的增長速度最快，與2012年相比，增長了八倍多。
除了以上的頂級學(xué)術(shù)會議，小型AI會議的出席人數(shù)也呈現(xiàn)逐年增長的趨勢。ICLR的2019年出席人數(shù)是2014年的15倍以上。
報告以AAAI為例，統(tǒng)計了2019年該會議提交和接受的論文數(shù)量。中國提交和接受的論文數(shù)量最多。超過68％的論文來自學(xué)生第一作者。以色列的論文接受率最高（24％），其次是德國（23％）、加拿大（22％）、美國和新加坡（均為20％）。
機器學(xué)習(xí)、NLP和計算機視覺仍然是投遞論文最多的前三個主題領(lǐng)域。與上一年相比，提交量增長排名前三的學(xué)科領(lǐng)域分別是是不確定性推理（194％）、應(yīng)用推理（176％）、人類和人工智能（161％）。
提交量下滑最快的前三個學(xué)科領(lǐng)域分別是認(rèn)知系統(tǒng)（-56％），計算可持續(xù)性（-34％）和人類計算與眾包（+ 0.9％）。
博弈論和經(jīng)濟范式的接受率最高（32.3％），其次是啟發(fā)式搜索（27.5％），認(rèn)知系統(tǒng)（27.2％）。
AI落地：自動駕駛依然最熱，醫(yī)療和刷臉并列第二
全球招聘情況
哪些國家的AI招聘增長最快？
在所有抽樣國家中，招聘率一直在上升，特別是對于許多新興市場。
△各個國家AI招聘指數(shù)
該指數(shù)是通過LinkedIn會員的百分比計算得出。
招聘增長最快的國家包括新加坡、巴西、澳大利亞、加拿大和印度。
AI技術(shù)普及程度
哪個國家的人工智能技術(shù)滲透率最高?
△各個國家AI技術(shù)滲透率
在印度，人工智能技能在特定行業(yè)的平均滲透率是全球相同職業(yè)平均水平的2.6倍。
為了對各個行業(yè)和國家的AI技能滲透率進行更深入的行業(yè)分解，選擇了以下五個全球AI技能滲透率最高的行業(yè)作為樣本。
分別是軟件和IT服務(wù)、硬件和網(wǎng)絡(luò)、教育、金融和制造業(yè)。
△五個行業(yè)中，各個國家AI技術(shù)滲透率排名
印度、美國、法國、中國和以色列在所有國家的AI技能滲透率方面經(jīng)常名列前茅。
值得注意的是，報告中指出，由于LinkedIn在中國和印度職場的覆蓋率不到40%，所以這項調(diào)查的結(jié)果可能不能夠展現(xiàn)AI普及程度的全貌。
投資活動
在全球范圍內(nèi)，對人工智能初創(chuàng)企業(yè)的投資持續(xù)穩(wěn)步上升。
△人工智能私有投資總額(單位：十億美元)
從2010年籌集的13億美元到2018年超過404億美元(截止到11月4日，2019年達到了374億美元)。
在2010年到2018年間，資金的平均年增長率超過48%。
獲得資助的AI公司數(shù)量也在增加，2018年超過3000家AI公司獲得資助。
△全球獲得資助AI公司數(shù)量
2014年至2019年(截至11月4日)，全球人工智能初創(chuàng)企業(yè)共獲得15798筆投資，平均投資額約為860萬美元。
注意，這項調(diào)查只考慮投資超過40萬美元的AI公司。
在初創(chuàng)公司投融資的數(shù)量方面，美國仍然占主導(dǎo)地位。
△人工智能私有投資總額(單位：十億美元)
中國在這方面排名第二位。
那么哪些國家正在崛起為人工智能中心呢？
如果按人均水平進行調(diào)整，以色列實際上是去年投資最多的國家。
△人均AI私有投資
其次是新加坡和冰島。
獲得投資最多的AI領(lǐng)域
那么哪些領(lǐng)域是投資規(guī)模最大、增長最快的呢？
自動駕駛在全球AI投資中的占比最高，為9.9%。
其次是藥物，癌癥和治療 ，面部識別，視頻內(nèi)容等。
AI教育培訓(xùn)：中美均處尖端水平
越來越多的AI教育超出了實體大學(xué)的范圍。在線學(xué)習(xí)在教育和發(fā)展全球勞動力中的AI技能中發(fā)揮著關(guān)鍵作用。
AI在線教育
報告通過在線教育平臺Coursera的全球技能指數(shù)（GSI）對60個國家和地區(qū)的業(yè)務(wù)，技術(shù)和數(shù)據(jù)科學(xué)技能的10個行業(yè)進行了基準(zhǔn)測試，以揭示全球AI技能教育發(fā)展的趨勢。
Cousera評估各國在AI整體以及數(shù)學(xué)、機器學(xué)習(xí)、統(tǒng)計、編程和軟件工程的相關(guān)技能方面的技能水平。
以下是世界熱點地圖，顯示了所涵蓋的60個國家的AI熟練程度排名。該地圖顯示了每個國家的四分位數(shù)排名類別，分別由尖端（76％-100％），競爭性（51％-75％），新興（26％-50％）和落后（0％-25％）表示。
中國和美國的AI教育都屬于尖端水平。
大學(xué)AI教育
下圖顯示了美國大學(xué)注冊的AI和ML入門課程的學(xué)生人數(shù)。
在2012年至2018年期間，斯坦福大學(xué)的人工智能入門課程的入學(xué)人數(shù)增長了五倍，UIUC的機器學(xué)習(xí)入門課程的入學(xué)人數(shù)增長了12倍。
一些學(xué)校表示，入學(xué)人數(shù)的增長受到課程數(shù)量的限制，因此這些圖表可能不足以代表對這些課程的實際需求。
報告還統(tǒng)計了美國之外外幾所計算機科學(xué)領(lǐng)先的大學(xué)的AI和ML課程注冊情況。
其中多倫多大學(xué)的AI + ML入門注冊學(xué)生人數(shù)最多，其次是俄羅斯國立高等經(jīng)濟學(xué)院和清華大學(xué)。
相對于2015年，2018年清華大學(xué)招生的注冊數(shù)量增長了四倍，多倫多大學(xué)增長了三倍，而墨爾本大學(xué)增長了兩倍。
首次單列自動駕駛
自動駕駛是今年報告中的一大亮點。
包括全球、美國國家政策、加州以及安全性可靠性。
全球范圍情況
報告指出自動駕駛是最明顯、最具潛在突破性的應(yīng)用之一。Bloomberg Philanthropy 的數(shù)據(jù)提供了自動駕駛在全球的測試情況。
△測試自動駕駛國家的世界地圖
北歐國家和荷蘭在部署電動汽車(EV)充電站和將自動駕駛用于物流供應(yīng)鏈管理方面取得了重大進展。
△測試自動駕駛的城市
在德國和比利時的合作下，自動駕駛卡車車隊將從阿姆斯特丹(荷蘭)運送至安特衛(wèi)普(比利時)，從鹿特丹(荷蘭)運至魯爾河谷(德國)。
新加坡也在大城市中為AV指定了測試區(qū)域。
美國各州自動駕駛政策
加利福尼亞州是第一個制定自動駕駛汽車測試法規(guī)的州。
考慮制定自動駕駛相關(guān)法律的州數(shù)量一直在增加。
△美國各州自動駕駛相關(guān)法律
自2012年以來，至少有41個州和華盛頓特區(qū)考慮過與自動駕駛汽車相關(guān)的立法。
目前，已經(jīng)有10個州獲批無人駕駛的全面部署。
加州無人駕駛情況
2018年，加州授權(quán)了50多家公司和500多輛自動駕駛車輛進行測試，行駛里程超過200萬英里。
△加州自動駕駛公司和正在測試的自動駕駛車輛總數(shù)
這兩個指標(biāo)的年復(fù)合增長率(2015-2018)都在90%左右，自2015年以來增長了7倍。
△加州自動駕駛行駛里程總數(shù)
2018年是自動駕駛覆蓋總里程增長最快的一年，總計超過200萬英里。
自2015年以來，自動駕駛總行駛里程的復(fù)合年增長率(2015-2018)為64％。
安全性和可靠性
2018年，在加州發(fā)生的自動駕駛相關(guān)車禍共46起，行駛里程為205萬英里。
也就是說每百萬英里——160萬公里，有22.44起車禍。
△自動駕駛每百萬英里出車禍率
公眾認(rèn)知：AI成為全球央行關(guān)鍵詞
中央銀行
世界各地的中央銀行都對AI表現(xiàn)出了濃厚的興趣。
下圖展示了14家中央銀行全球綜合文件類型。
△全球中央銀行綜合文件中提到“人工智能”的數(shù)量
報告顯示，中央銀行提到“人工智能”一次的數(shù)量越來越多。
下面這張圖展示了過去十年時間里，中央銀行提及“人工智能”次數(shù)的排名。
△過去十年世界各大中央銀行提及“人工智能”次數(shù)
從圖中可以看到，英國央行、日本央行和美聯(lián)儲提及“人工智能”一詞的次數(shù)是較多的。
美國政府的看法
美國政府官員越來越關(guān)注人工智能。
△政府報告中提及“人工智能”次數(shù)
圖表中的每個數(shù)據(jù)點都代表，與往年相比，2017-2018年國會期間，圍繞人工智能的活動增加了10倍以上。
下面幾張圖表顯示了美國、加拿大和英國政府會議的會議記錄中提到“人工智能”、“機器學(xué)習(xí)”的次數(shù)。
△1995年-2019年，美國國會會議記錄提及“人工智能”和“機器學(xué)習(xí)”的次數(shù)
△2002年-2019年，加拿大會議記錄提及“人工智能”和“機器學(xué)習(xí)”的次數(shù)
△1980年-2019年，英國會議記錄提及“人工智能”和“機器學(xué)習(xí)”的次數(shù)
加拿大和英國2019年提及這兩個詞語的次數(shù)有所下降，都是在2018年達到了次數(shù)的巔峰。
這里需要注意的是，國與國之間的計算方式不同的，因此兩國之間的對比是比較困難的。
行業(yè)的看法
在眾多行業(yè)中，在2018年至2019年第一季度的財報電話會議中，金融行業(yè)提到人工智能的次數(shù)最多。
△各行業(yè)2018年至2019年第一季度的財報電話會議中提及“人工智能”次數(shù)
其次是電子技術(shù)、制造業(yè)、醫(yī)療保健技術(shù)和技術(shù)服務(wù)行業(yè)。
網(wǎng)絡(luò)搜索和世界新聞
下面的時間軸顯示了2004年1月至2019年8月，在美國使用Web搜索者使用Google趨勢對短語“數(shù)據(jù)科學(xué)”、“大數(shù)據(jù)”、“云計算”和“機器學(xué)習(xí)”的相對搜索興趣。
△美國對“數(shù)據(jù)科學(xué)”、“大數(shù)據(jù)”、“云計算”和“機器學(xué)習(xí)”等短語的相對搜索興趣
下面的時間軸對比了今天用來指代AI的一些術(shù)語，包括“機器學(xué)習(xí)”、“深度學(xué)習(xí)”、“人工智能”，以及深度學(xué)習(xí)軟件“TensorFlow”。
下面的時間線顯示了自2017年1月1日起，GDELT每日監(jiān)測的65種語言的全球新聞報道的百分比，其中包含了相同的4個術(shù)語。
這張圖顯示，關(guān)于云計算和大數(shù)據(jù)的在線新聞報道穩(wěn)步下降，而數(shù)據(jù)科學(xué)和機器學(xué)習(xí)有所增加。
國家競爭：紛紛出臺AI戰(zhàn)略
過去幾年中，官方的AI戰(zhàn)略文件的數(shù)量一直在增加。普華永道（PwC）創(chuàng)建了使用NLP方法研究了各個國家的AI戰(zhàn)略。
各個國家最關(guān)心AI的哪個方面，普華永道統(tǒng)計了48份AI戰(zhàn)略文檔后發(fā)現(xiàn)， 94％的文件中包含“學(xué)術(shù)伙伴關(guān)系”，48％的文件中包含AI R＆D，超過42％的文件中提到AI治理。
提及保護消費者和公平的次數(shù)最少，只在出現(xiàn)2％的文件中出現(xiàn)過。
△各國AI戰(zhàn)略報告提到的關(guān)鍵詞
世界熱點圖顯示了在以下國家和地區(qū)的全球樣本中提及AI的文檔數(shù)量。中美兩國遙遙領(lǐng)先其他國家，并且AI戰(zhàn)略已經(jīng)提上日程。
△各國官方AI文檔數(shù)量
這份報告還用論文、專利、AI融資企業(yè)數(shù)量等28個衡量了30個國家或地區(qū)的AI活力指數(shù)。顏色越深，AI活力指數(shù)越高。美國、新加坡、中國的AI活力是全球前三。
最后，報告還回顧了幾個大國的AI具體戰(zhàn)略措施。
2017年6月，中國發(fā)布下一代AI開發(fā)計劃，成為最積極推動人工智能戰(zhàn)略的國家之一，計劃還宣布要到2030年成為人工智能全球領(lǐng)導(dǎo)者。
美國啟動AI計劃時間稍晚。2019年2月，特朗普簽署了啟動《美國AI計劃》的行政命令，該計劃將采取多管齊下的方法，來加快美國在AI領(lǐng)域的國家領(lǐng)導(dǎo)地位。
2019年6月，白宮還啟動了美國AI研發(fā)戰(zhàn)略計劃，為投資AI的聯(lián)邦機構(gòu)定義了幾個重點領(lǐng)域重點包括：（1）持續(xù)對人工智能進行長期投資；（2）人與人工智能合作的有效方法；（3）理解并解決對人工智能的道德、法律和社會影響；（4）確保安全和AI的安全性；（5）為AI訓(xùn)練和測試開發(fā)共享的公共數(shù)據(jù)集和環(huán)境；（6）通過標(biāo)準(zhǔn)和基準(zhǔn)來衡量和評估AI技術(shù)；（7）更好地了解國家AI研發(fā)勞動力需求，（8）擴大公私伙伴關(guān)系加快AI的發(fā)展。
通過這份報告，可以看出中美兩國已經(jīng)成為AI領(lǐng)域的領(lǐng)導(dǎo)者，未來雙方的角力還會持續(xù)下去。
總之，這是一份完整詳盡的全球AI指數(shù)報告，歲末年終，從各個方面展示了AI全球圖景。
如果希望完整了解報告原文，歡迎使用傳送門。
傳送門
斯坦福2019全球AI報告：
https://hai.stanford.edu/sites/g/files/sbiybj10986/f/ai_index_2019_report.pdf
斯坦福2018全球AI報告：
http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf
斯坦福2017全球AI報告：
https://hai.stanford.edu/sites/g/files/sbiybj10986/f/2017-report.pdf
