欢迎您来到中软卓越培训(北京)-权威官方IT教育机构 加入收藏
  • 教育部授予:“软件工程专业大学生实习实训基地”资质
  • 商务部授予:“中国服务外包示范培训中心”资质
  • 工信部授予:“国家信息技术紧缺人才培养工程521计划”资格
2016年产学合作
协同育人项目
优秀合作伙伴奖

18010199982

 > 媒体报道

【斯坦福AI百年报告2017】重磅发布人工智能与机器学习全景式概览

时间:2017-12-22 作者:中软卓越 点击次数:1

“AI Index”(AI指数)近日重磅发布,这是斯坦福大学AI百年研究(AI 100)的一个项目,旨在追踪人工智能的活动和进展。该报告列出了2017年人工智能在计算机视觉、自然语言理解等方向上的最新进展,分学术、产业多个角度盘点人工智能进度。报告还综合学术论文数量、招生数量和VC投资数量,得出AI发展活力指数,数据显示,最新一波AI浪潮在2015年活力最高,自那以后其实活力开始有小幅减弱。

如果缺乏AI技术的相关数据,我们在有关AI的讨论和决策中,基本上是“盲目的”。

在与人工智能相关的讨论和决策中,我们本质上是“盲目的”。

“AI Index”(AI指数)是斯坦福大学AI百年研究的一个项目,它是一个开放的非营利性项目,旨在追踪人工智能的活动和进展。它的目的是促进以数据为基础的对AI的了解。本报告是AI Index的第一份年度报告,在这份报告中,我们通过多个视角来观察AI的活动和进展。我们汇总了网络上的数据,也贡献了原始数据,并从数据序列的组合中提取新的度量标准。

本报告的数据都将在AI Index网站(aiindex.org)上公开。但是,提供数据只是一个开始。为了真正实现作用,AI指数需要来自更大的社区的支持。最后,这份报告呼吁更多人的参与。你有能力提供数据、分析收集的数据,并列出你希望跟踪的数据。无论你是否有答案或问题,我们都希望这份报告能让你了解AI指数,并成为有关AI的话题的一部分。

报告总览

报告的前半部分展示了AI Index团队收集的数据。后半部分,我们讨论了报告中没有提到的一些关键领域、专家对报告中显示的趋势的评论,最后呼吁采取行动支持我们的数据收集工作,并加入关于AI技术的度量和交流进展的讨论。

数据部分

本报告中的数据包括4个主要部分:

  活动量

  技术表现

  衍生测量

  人类水平表现

活动量(Volume of Activity)部分有关这个领域的“多少”(how much)的方面,例如参加AI会议的人数、VC对开发AI系统的初创公司的投资等。技术表现的部分有关“how good”,例如计算机在理解图像和证明数学定理方面已经做到什么程度。在报告附录中详细描述了每个数据集的收集方法。

这两组数据证实了实际上是公认的一个事实,即:所有的图表都是“向上和向右的”,反映了AI的活动是不断增加,AI技术是不断进步的趋势。在衍生测量(Derivative Measures)部分,我们调查了趋势之间的关系。我们还引入了一个探索性的测量方法——AI活力指数(AI Vibrancy Index),结合了学术界和工业界的趋势,量化了AI作为一个领域的活力。

在衡量AI系统的表现时,很自然地会将其与人类的表现进行比较。在“人类水平表现”面这一节中,我们列出了一些值得注意的领域,其中AI系统在达到甚至超越人类水平方面取得了重大进展。我们还讨论了进行这种比较时存在的困难,并提出了适当的警告。

讨论部分

在报告了团队收集的数据之后,我们将对报告中所强调的趋势进行一些讨论,并对该报告的重要领域进行全面的讨论。

部分讨论集中在报告的局限性上。这份报告的数据源倾向于以美国为中心,并且可能只通过跟踪了定义良好的基准,因此可能高估了技术领域的进展。它还缺乏数据的人口统计数据,也不包含政府和企业对AI研发投资的信息。这些领域是非常重要的,我们打算在未来的报告中解决这些问题。

我们将进一步讨论这些局限,以及其他一些在报告中缺失的部分。正如该报告的局限性所显示的, AI Index 只是描绘了局部图景。出于这个原因,这份报告也加入了各个领域的AI专家的主观评论。专家评论部分补充了对数据背后的故事的生动解释

最后,我们将需要更多来自社区的反馈和参与来解决报告中显示的局限,揭示我们遗漏的问题,并建立一个追踪AI活动和进展的有效程序。

人工智能和机器学习全景式概览:学术、产业、人才流动、开源生态,各方各面活动量大增。

这份报告做了大量调查和统计,从学术(论文发表、会议参加、学生课程选修)、产业(创业、投资)、人才(招聘、职位空缺)、开源生态(Github AI和ML软件包)、媒体报道等方面,比较全面地展现了AI和ML的图景。

1.学术

首先,论文发表数量激增:自从1996年以来,每年发表的AI论文数量增加了9倍以上。

再看不同类别的学术论文的年度发表率与1996年的发表率相比较。下图显示了所有领域的论文、计算机科学领域的论文和计算机科学领域的AI论文的增长。数据表明,人工智能发表论文数量增多,不仅受计算机科学领域升温所致。具体而言,自1996年以来,计算机科学一般领域的论文数量增长了6倍,同期,每年的人工智能论文数量增长了9倍以上。

斯坦福大学入学选修人工智能和机器学习入门课程的学生人数,自从1996年以来增长了11倍以上。报告指出,由于其他大学的数据掌握有限,因此突出了斯坦福的数据。但是,有理由认为,其他大学的情况应该类似。同时,报告表示这只代表了高等教育图景的一个具体细节,不一定代表更广的趋势。

会议出席情况。业内人士都知道,在计算机科学领域,各种学术会议十分重要。这些出席人数表明,研究重点已经从符号推理转向了机器学习和深度学习

再来看小一些的会议的情况。尽管研究重点有所转换,但是在小一些的研究社区,仍然在符号推理方面稳步进展

2.产业

现在将目光转向产业界。下图展示了在美国,有资本支持的AI创业公司数量,从2000年以来增加了14倍

在美国投资AI创业的基金数量也在增长,从2000年以来,每年投入AI创业的资本额增加了6倍