中國(guó)網(wǎng)/中國(guó)發(fā)展門戶網(wǎng)訊 本文梳理?2021?年度斯坦福大學(xué)《人工智能指數(shù)報(bào)告》主要結(jié)論，以期為讀者提供人工智能（AI）這一復(fù)雜領(lǐng)域的直觀感知，并從多個(gè)角度展示新冠肺炎（COVID-19）疫情對(duì)人工智能發(fā)展的影響，為政策制定者、研究人員、企業(yè)高管及普通公眾提供來(lái)源于全球的人工智能相關(guān)重要數(shù)據(jù)。 

研發(fā)

2019—2020?年，全球發(fā)表人工智能領(lǐng)域論文的數(shù)量增長(zhǎng)了?34.5%。這一數(shù)據(jù)大幅超出?2018—2019?年的增長(zhǎng)比例（19.6%）。

在主要國(guó)家和地區(qū)中，發(fā)表同行評(píng)審人工智能論文數(shù)量最多的機(jī)構(gòu)類型均是學(xué)術(shù)機(jī)構(gòu)。但產(chǎn)出論文數(shù)量排名第?2?的機(jī)構(gòu)類型在不同國(guó)家和地區(qū)卻各不相同：在美國(guó)，各大企業(yè)附屬的研究機(jī)構(gòu)所發(fā)表的論文占論文總數(shù)量的?19.2%；而在中國(guó)和歐盟，產(chǎn)出論文數(shù)量排名第?2?的機(jī)構(gòu)為政府。其中，中國(guó)政府機(jī)構(gòu)產(chǎn)出論文數(shù)量占論文總數(shù)量的?15.6%，而歐盟的該數(shù)據(jù)為?17.2%。

2020?年，中國(guó)在世界范圍內(nèi)的人工智能期刊論文被引用次數(shù)首次超過(guò)了美國(guó)。2004?年，中國(guó)的人工智能期刊論文發(fā)表總數(shù)量曾短暫超過(guò)美國(guó)，后續(xù)在?2017?年又重新奪回領(lǐng)先優(yōu)勢(shì)。然而，在過(guò)去?10?年中，美國(guó)的人工智能領(lǐng)域相關(guān)會(huì)議論文被引用次數(shù)一直且明顯高于中國(guó)。

受到?COVID-19?的影響，2020?年主要的人工智能相關(guān)學(xué)術(shù)會(huì)議大都以線上方式召開，因此登記的參會(huì)人數(shù)大幅增加。2020?年，9?個(gè)會(huì)議的參會(huì)人數(shù)相對(duì)?2019?年幾乎翻了一番。

在過(guò)去的?6?年里，arXiv?上與人工智能相關(guān)的論文數(shù)量增長(zhǎng)了?6?倍多，從?2015?年的?5?478?篇增長(zhǎng)到?2020?年的?34?736?篇。

2019?年公開發(fā)表的人工智能論文的數(shù)量占全球同行評(píng)審科學(xué)論文總數(shù)量的?3.8%，高于?2011?年的?1.3%。 

政策和戰(zhàn)略

自?2017?年加拿大發(fā)布全球首個(gè)國(guó)家人工智能戰(zhàn)略以來(lái)，截至?2020?年?12?月，已有?30?多個(gè)國(guó)家和地區(qū)發(fā)布了類似文件。

全球人工智能伙伴關(guān)系（GPAI）和經(jīng)濟(jì)合作與發(fā)展組織（OECD）的人工智能政策觀察站、人工智能專家網(wǎng)絡(luò)于?2020?年啟動(dòng)。這些國(guó)際組織的成立推動(dòng)了政府間的協(xié)作，以共同支持面向所有人的人工智能發(fā)展。

在美國(guó)，第?116?屆國(guó)會(huì)（2019?年?1?月—2021?年1?月）是美國(guó)歷史上對(duì)人工智能關(guān)注度最高的國(guó)會(huì)。該屆國(guó)會(huì)在立法、委員會(huì)報(bào)告和國(guó)會(huì)研究服務(wù)報(bào)告中提到人工智能的次數(shù)是第?115?屆國(guó)會(huì)的?3?倍多。 

經(jīng)濟(jì)

巴西、印度、加拿大、新加坡和南非是?2016—2020?年人工智能行業(yè)雇用人數(shù)增長(zhǎng)最多的國(guó)家。盡管受到了?COVID-19?的影響，2020?年各國(guó)的人工智能行業(yè)雇傭的員工人數(shù)仍在繼續(xù)增長(zhǎng)。

更多人工智能領(lǐng)域的私人投資集中到了更少的初創(chuàng)公司中。2020?年的私人人工智能投資金額比?2019?年增加了?9.3%。這一數(shù)字比?2018—2019?年（5.7%）增加的比例更高。不過(guò)，新融資的人工智能相關(guān)公司數(shù)量連續(xù)?3?年減少。

盡管解決與使用人工智能相關(guān)的倫理問(wèn)題的呼聲越來(lái)越高，但行業(yè)內(nèi)解決這些問(wèn)題的努力仍然是非常有限的。例如，人工智能中的公平性和公正性等問(wèn)題仍然很少受到公司的關(guān)注。此外，與?2019?年相比，2020?年認(rèn)為“個(gè)人或個(gè)體隱私的風(fēng)險(xiǎn)與人工智能相關(guān)”的公司仍然很少，正在試圖減輕或規(guī)避這些風(fēng)險(xiǎn)的公司比例并沒(méi)有變化。

盡管?COVID-19?大流行導(dǎo)致了經(jīng)濟(jì)衰退，但麥肯錫的一項(xiàng)調(diào)查中有一半的受訪者表示?COVID-19?并沒(méi)有對(duì)他們?cè)谌斯ぶ悄茴I(lǐng)域的投資產(chǎn)生影響。而實(shí)際上有?27%?的人表示他們的投資仍有所增加。只有不到?1/4?的企業(yè)減少了它們對(duì)人工智能的投資。

2019—2020?年，美國(guó)的人工智能相關(guān)工作崗位比例有所下降，這是?6?年來(lái)的首次下降。2019—2020?年，美國(guó)發(fā)布的人工智能總數(shù)也下降了?8.2%（從?2019?年的?325?724?個(gè)工作崗位減少到?2020?年的?300?999?個(gè)）。 

教育

過(guò)去?4?年，世界頂尖大學(xué)加大了對(duì)人工智能領(lǐng)域教育的投入。構(gòu)建或部署實(shí)用人工智能模型所需技能的本科和研究生課程數(shù)量分別增加了?102.9%?和?41.7%。

過(guò)去?10?年，北美地區(qū)更多的人工智能專業(yè)博士畢業(yè)生選擇在產(chǎn)業(yè)界工作，而選擇在學(xué)術(shù)界工作的則較少。其中，選擇進(jìn)入產(chǎn)業(yè)界工作的人工智能專業(yè)應(yīng)屆博士比例增加了?48%，從?2010?年的?44.4%?增至?2019?年的?65.7%。相比之下，進(jìn)入學(xué)術(shù)界的人工智能專業(yè)應(yīng)屆博士比例下降了?44%，從?2010?年的?42.1%?降至?2019?年的?23.7%。

在過(guò)去?10?年中，在美國(guó)獲得計(jì)算機(jī)科學(xué)博士學(xué)位的總?cè)藬?shù)中，人工智能專業(yè)博士人數(shù)所占比例從?14.2%?上升到?2019?年的?23%?左右。與此同時(shí)，其他以前非常流行的計(jì)算機(jī)科學(xué)博士學(xué)位的受歡迎程度有所下降，包括網(wǎng)絡(luò)、軟件工程和編程語(yǔ)言。與?2010?年相比，程序編譯專業(yè)博士學(xué)位人數(shù)都有所減少，而人工智能和機(jī)器人/視覺(jué)專業(yè)則大幅增加。

在經(jīng)歷了?2?年的增長(zhǎng)之后，北美地區(qū)的人工智能領(lǐng)域由大學(xué)轉(zhuǎn)到產(chǎn)業(yè)界工作的教師人數(shù)從?2018?年的?42?人下降到了?2019?年的?33?人。2004—2019?年，美國(guó)卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）人工智能領(lǐng)域的教師離職人數(shù)最多（16?人），其次是喬治亞理工學(xué)院（14?人）和華盛頓大學(xué)（12?人）。

2019?年，北美人工智能專業(yè)博士中國(guó)際學(xué)生的比例繼續(xù)上升，達(dá)到?64.3%，比?2018?年增長(zhǎng)?4.3%。在外國(guó)畢業(yè)生中，有?81.8%?的人留在美國(guó)。

在歐盟，絕大多數(shù)人工智能專業(yè)的學(xué)術(shù)課程都是在碩士及以上階段開設(shè)的。學(xué)士和碩士階段最常開設(shè)的課程是機(jī)器人學(xué)和自動(dòng)化，而相關(guān)短期課程中最常開設(shè)的專業(yè)是機(jī)器學(xué)習(xí)（ML）。 

倫理挑戰(zhàn)

自?2015?年以來(lái)，提交給人工智能相關(guān)學(xué)術(shù)會(huì)議的論文標(biāo)題中包含倫理相關(guān)關(guān)鍵詞的論文數(shù)量有所增長(zhǎng)。不過(guò)，在主要人工智能會(huì)議上標(biāo)題能夠匹配倫理相關(guān)關(guān)鍵詞的論文平均數(shù)量多年來(lái)仍然較小。

2020?年，與人工智能倫理道德使用相關(guān)的五大最受關(guān)注的新聞話題分別是：歐盟委員會(huì)發(fā)布的人工智能白皮書、谷歌解聘道德研究員?Timnit Gebru、聯(lián)合國(guó)成立的人工智能道德委員會(huì)、梵蒂岡的人工智能道德計(jì)劃，以及美國(guó)?IBM?公司正在取消其人臉識(shí)別相關(guān)業(yè)務(wù)。 

多樣性問(wèn)題

10?多年來(lái)，人工智能專業(yè)女性博士畢業(yè)生和計(jì)算機(jī)科學(xué)終身教職員工中的比例一直很低。美國(guó)計(jì)算機(jī)研究協(xié)會(huì)（CRA）的一項(xiàng)年度調(diào)查顯示，北美人工智能專業(yè)博士的女性畢業(yè)生人數(shù)占該專業(yè)博士畢業(yè)生人數(shù)的比例還不到?18%。一項(xiàng)人工智能指數(shù)調(diào)查結(jié)果顯示，在世界上的幾所大學(xué)中計(jì)算機(jī)科學(xué)系終身教職員工中僅有?16%?是女性。

2019?年，在美國(guó)人工智能專業(yè)博士畢業(yè)生新移民中，45%?是白人，22.4%?是亞裔，3.2%?是西班牙裔，2.4%?是非裔美國(guó)人。

在過(guò)去?10?年中，白人（非西班牙裔）新畢業(yè)計(jì)算機(jī)博士的比例變化不大，平均約為?62.7%。而同期黑人或非裔美國(guó)人（非西班牙裔）和西班牙裔計(jì)算機(jī)博士的比例則明顯下降，平均分別下降了?3.1%?和?3.3%。

近年來(lái)，全球人工智能頂級(jí)學(xué)術(shù)會(huì)議?NeurIPS?中的“Black-in-AI”（黑種人從事人工智能小組）研討會(huì)的參與人數(shù)顯著增加。2019?年參會(huì)人數(shù)和提交論文數(shù)是?2017?年的?2.6?倍，而接受論文數(shù)是?2017?年的?2.1?倍。 

技術(shù)性能

生成一切。人工智能系統(tǒng)現(xiàn)在可以處理文本、音頻和圖像并生成足夠高質(zhì)量的產(chǎn)品，且有望生成大量的人工智能下游應(yīng)用程序。這也促使研究人員致力于檢測(cè)生成模型的技術(shù)研究。DeepFake?檢測(cè)挑戰(zhàn)賽的數(shù)據(jù)表明了計(jì)算機(jī)區(qū)分不同輸出的能力。

計(jì)算機(jī)視覺(jué)的產(chǎn)業(yè)化。過(guò)去?10?年，得益于機(jī)器學(xué)習(xí)技術(shù)（特別是深度學(xué)習(xí)技術(shù)）的應(yīng)用，計(jì)算機(jī)視覺(jué)研究取得了巨大進(jìn)展。新的數(shù)據(jù)顯示，計(jì)算機(jī)視覺(jué)正在實(shí)現(xiàn)產(chǎn)業(yè)化。在一些較大的基準(zhǔn)庫(kù)中，算法或模型的性能已經(jīng)開始趨于平穩(wěn)。這表明計(jì)算機(jī)視覺(jué)社區(qū)需要致力于開發(fā)和確定難度更大的基準(zhǔn)，以進(jìn)一步測(cè)試性能。各公司正在投入越來(lái)越多的計(jì)算資源，以比以往更快的速度訓(xùn)練計(jì)算機(jī)視覺(jué)系統(tǒng)。同時(shí)，用于已部署系統(tǒng)的技術(shù)，如用于分析視頻靜止幀的對(duì)象檢測(cè)框架，正在迅速成熟，這表明人工智能將會(huì)進(jìn)一步在產(chǎn)業(yè)場(chǎng)景中部署。

自然語(yǔ)言處理（NLP）超越了它的評(píng)估指標(biāo)。得益于?NLP?的快速發(fā)展，已經(jīng)出現(xiàn)了語(yǔ)言能力顯著提升的人工智能系統(tǒng)，并且這些系統(tǒng)已經(jīng)開始對(duì)世界產(chǎn)生了有意義的經(jīng)濟(jì)影響。谷歌和微軟都在其搜索引擎中部署了?BERT?語(yǔ)言模型，而微軟、OpenAI?等公司也開發(fā)了其他大型語(yǔ)言模型。NLP?的研究進(jìn)展如此迅速，以至于它已經(jīng)開始超過(guò)了用于測(cè)試它們的基準(zhǔn)。例如，在?SuperGLUE上獲得能和人類的智能水平相當(dāng)?shù)能浖a(chǎn)品正在快速涌現(xiàn)。

關(guān)于推理的新分析。大多數(shù)技術(shù)問(wèn)題的測(cè)量標(biāo)準(zhǔn)都會(huì)在固定的基準(zhǔn)上顯示出在當(dāng)前時(shí)間點(diǎn)上的最佳系統(tǒng)的性能。而為人工智能指數(shù)開發(fā)的新分析方法提供了允許不斷發(fā)展的基準(zhǔn)的測(cè)量標(biāo)準(zhǔn)，并將一段時(shí)間內(nèi)一組系統(tǒng)的總體性能歸因于各個(gè)單獨(dú)的系統(tǒng)。這些新分析方法應(yīng)用于?2?個(gè)符號(hào)推理問(wèn)題：自動(dòng)定理證明和布爾公式的可滿足性。

機(jī)器學(xué)習(xí)正在改變醫(yī)療和生物學(xué)領(lǐng)域的“游戲規(guī)則”。隨著機(jī)器學(xué)習(xí)技術(shù)的引入，醫(yī)療和生物行業(yè)的格局發(fā)生了實(shí)質(zhì)性的變化。DeepMind?公司的?AlphaFold?應(yīng)用深度學(xué)習(xí)技術(shù)，在蛋白質(zhì)折疊這一長(zhǎng)達(dá)數(shù)十年的生物學(xué)難題上取得了重大突破。科學(xué)家利用機(jī)器學(xué)習(xí)模型學(xué)習(xí)化學(xué)分子的表示，以制定更有效的化學(xué)合成規(guī)劃。一家人工智能初創(chuàng)公司在?COVID-19?流行期間使用基于機(jī)器學(xué)習(xí)的技術(shù)來(lái)加速發(fā)現(xiàn)相關(guān)的藥物。

（《中國(guó)科學(xué)院院刊》供稿）

相關(guān)文章