人工智能指數(shù)2018年度報告

魏強 侯雪 陸平 曹茜芮

由斯坦福大學(xué)、麻省理工學(xué)院與OpenAI聯(lián)合發(fā)布的《人工智能指數(shù)2018年度報告》，相比2017年報告有以下兩方面的改進：一是基于對人工智能領(lǐng)域相關(guān)活動的持續(xù)跟蹤，更新了最新指標(biāo);二是站在全球化視角進行了解析。2017年的指數(shù)報告涉及較多北美區(qū)域的活動，主要是因為當(dāng)時全球只有為數(shù)不多的幾個經(jīng)濟體就人工智能項目建立了合作關(guān)系。然而，當(dāng)前人工智能已經(jīng)在全球多個國家快速發(fā)展，主要體現(xiàn)在：一是人工智能論文呈現(xiàn)多極化趨勢。如2017年Scopus數(shù)據(jù)庫中有83%的人工智能論文來自美國以外的地區(qū)，其中，28%來自歐洲地區(qū)。二是人工智能教育呈現(xiàn)泛化趨勢。如全球注冊人工智能（AI）和機器學(xué)習(xí)（ML）課程的人數(shù)在不斷增加，尤其是在中國清華大學(xué)，其相關(guān)注冊人數(shù)比2010年注冊人數(shù)增加了16倍之多。三是多個國家或地區(qū)的人工智能相關(guān)專利快速增長。除美國、中國和歐洲外，其他經(jīng)濟體也取得了進展。2014年，韓國和日本分別是第二和第三大人工智能專利申報國，僅次于美國。

一、指標(biāo)說明

（一）核心指標(biāo)

2018年人工智能指數(shù)有兩個核心指標(biāo)——活動量指標(biāo)和技術(shù)性能指標(biāo)。

活動量指標(biāo)主要用于衡量學(xué)者、企業(yè)、企業(yè)家以及公眾在人工智能領(lǐng)域的參與度，具體數(shù)據(jù)包括學(xué)習(xí)人工智能的本科生人數(shù)、申請人工智能工作的女性人數(shù)占比以及創(chuàng)辦人工智能企業(yè)所需風(fēng)投資金的增長率等。

技術(shù)性能指標(biāo)主要用于衡量人工智能細(xì)分領(lǐng)域的技術(shù)性能變化情況。新版的人工智能指數(shù)新增了國家或地區(qū)型指標(biāo)，如國家層面的機器人研發(fā)管理機構(gòu)、人工智能會議參會者等指標(biāo)?？傮w而言，2017年報告所體現(xiàn)的主要趨勢仍在延續(xù)，即人工智能活動正在向世界各地普及，且技術(shù)性能正在全面提升。

（二）其他指標(biāo)

本報告在“衍生指標(biāo)”章節(jié)重點分析了發(fā)展趨勢之間的關(guān)系，探索出一項新的指標(biāo)即人工智能活力指數(shù)。該指數(shù)通過綜合學(xué)術(shù)界和行業(yè)界的趨勢，從而量化人工智能領(lǐng)域的活力情況。本報告還引入一個新的定性指標(biāo)，即政府近期計劃，該指標(biāo)可用于體現(xiàn)政府近期對人工智能的投資計劃。

二、核心指標(biāo)：活動量

（一）學(xué)術(shù)研究

1、發(fā)表論文

從論文發(fā)表數(shù)量看，以斯高帕斯數(shù)據(jù)庫中論文為例，人工智能論文數(shù)比1996年增加了8倍，計算機科學(xué)論文數(shù)比1996年增加了6倍。

從發(fā)表區(qū)域看，2017年，斯高帕斯數(shù)據(jù)庫中有28%的人工智能論文來自歐洲地區(qū)，其次是中國（25%）和美國（17%）。

從發(fā)表主題看，2017年，機器學(xué)習(xí)與概率推理類的論文數(shù)占比為56%，而2010年僅為28%。2014-2017年間，大多數(shù)類別論文的發(fā)表速度高于2010-2014年。尤其值得注意的是，2010-2014年，神經(jīng)網(wǎng)絡(luò)論文的年復(fù)合增長率（CAGR）僅為3%，而2014-2017年的年復(fù)合增長率為37%。

從各地區(qū)相對活動指數(shù)（RAI）看，中國的人工智能論文主要集中在工程技術(shù)和農(nóng)業(yè)科學(xué)領(lǐng)域，而美國和歐洲的人工智能論文則主要集中在人文以及醫(yī)療與衛(wèi)生科學(xué)領(lǐng)域。2017年數(shù)據(jù)顯示，與2000年相比，上述三個地區(qū)對人工智能研究的重視程度均有所提高，且中國正轉(zhuǎn)向農(nóng)業(yè)領(lǐng)域的人工智能研究。

從論文發(fā)表主體看，2017年中國政府機構(gòu)人工智能論文發(fā)表量是企業(yè)發(fā)表量的4倍。自2007年以來，中國政府機構(gòu)發(fā)表的人工智能論文的數(shù)量增加了400%，而企業(yè)論文發(fā)表量僅增加了73%。在美國，企業(yè)發(fā)表的人工智能論文占比相對較大。2017年，美國企業(yè)人工智能論文發(fā)表量占本國所有人工智能論文發(fā)表量的比例比中國高出6.6倍，比歐洲高出4.1倍。此外，美國企業(yè)人工智能論文發(fā)表量增幅最大，其2017年企業(yè)人工智能論文發(fā)表量是2009年的1.7倍。

從論文引用影響力看（見圖1），雖然歐洲每年發(fā)布的人工智能論文數(shù)量最多，但其重新設(shè)定的領(lǐng)域加權(quán)引用影響力仍保持相對平穩(wěn)，與世界平均水平相當(dāng)。相比之下，中國重新設(shè)定的領(lǐng)域加權(quán)引用影響力大幅提升。2016年，中國人工智能作者的被引用次數(shù)比2000年高出44%。然而，在總引用次數(shù)方面，美國仍優(yōu)于其他地區(qū)。美國作者的被引用次數(shù)比全球平均水平高出83%。

2、課程注冊

以美國人工智能課程為例，美國幾所領(lǐng)先的計算機科學(xué)大學(xué)的人工智能和機器學(xué)習(xí)課程的注冊人數(shù)正在不斷增長。2017年，入門級人工智能課程的注冊人數(shù)比2012年增加了3.4倍，而入門級機器學(xué)習(xí)課程的注冊人數(shù)則比2012年增加了5倍。2017年，加州大學(xué)伯克利分校的入門級機器學(xué)習(xí)課程的注冊人數(shù)是2012年的6.8倍，這一增長率高于其他所有被調(diào)研的學(xué)校。以國際其他高校課程來說，2017年，中國的清華大學(xué)人工智能和機器學(xué)習(xí)課程的注冊人數(shù)比2010年增加了16倍。多倫多大學(xué)、維也納技術(shù)大學(xué)、不列顛哥倫比亞大學(xué)等人工智能和機器學(xué)習(xí)課程的注冊人數(shù)都逐年增長?？偟膩砜?，在所有研究的學(xué)校中，人工智能課程注冊人數(shù)增長率在一定程度上取決于學(xué)校，而地理位置并不會造成太大影響。

3、參與度

參與度指標(biāo)主要包括參加人工智能會議和注冊各種人工智能相關(guān)的機構(gòu)。數(shù)據(jù)顯示，2017年參與大型（人數(shù)超過2000人）人工智能會議的人數(shù)增長迅速，其中，神經(jīng)信息處理系統(tǒng)會議和國際機器學(xué)習(xí)會議的與會人數(shù)增長速度最快，分別是2012年與會人數(shù)的4.8倍和6.8倍。參與小型（人數(shù)不足2000人）人工智能會議的人數(shù)也有顯著增長，特別是國際學(xué)習(xí)表征會議（ICLR），2018年的與會人數(shù)比2012年增加了20倍。注冊女性機器學(xué)習(xí)研討會和AI4ALL4等機構(gòu)的人數(shù)均有所增加，女性機器學(xué)習(xí)研討會的與會人數(shù)比2014年增加了6倍，AI4ALL的畢業(yè)人數(shù)比2015年增加了9倍。這些增長表明，當(dāng)今社會一直在為提高女性和非代表性群體在人工智能領(lǐng)域的參與度而努力。

4、機器人軟件下載

機器人操作系統(tǒng)是一種廣泛使用的機器人開源軟件棧，許多商業(yè)制造商和學(xué)術(shù)研究人員都使用機器人操作系統(tǒng)。圖2顯示了ROS.org網(wǎng)站上機器人操作系統(tǒng)（ROS）二進制包下載量隨時間的變化情況，左軸代表月平均下載量，右軸代表僅來自唯一IP地址的月平均下載量。自2014年以來，總下載量和唯一IP地址下載量分別增長了352%和567%。這就表明，當(dāng)今社會對機器人技術(shù)以及機器人系統(tǒng)的應(yīng)用越來越感興趣。目前，唯一IP地址下載量的增長速度高于總下載量，由此可以推斷，機器人操作系統(tǒng)用戶也有所增加，而不僅僅是使用頻率的增加。從地區(qū)上來看，美國和歐洲的ROS.org頁面瀏覽量最多，中國緊隨其后，且中國是增長率最高的地區(qū)。

（二）行業(yè)狀況

1、創(chuàng)業(yè)/投資

從人工智能初創(chuàng)企業(yè)來看，到2018年1月，美國由風(fēng)險資本支持且正常經(jīng)營的私營初創(chuàng)企業(yè)超過了10000家，比2015年1月增加了2.1倍，呈現(xiàn)指數(shù)級增長態(tài)勢。從風(fēng)險投資資金來看，2017年，美國風(fēng)投資金總額比2013年增加了2.08倍，其中人工智能領(lǐng)域的風(fēng)投資金比2013年增加了4.5倍。

2、就業(yè)

就業(yè)方面則呈現(xiàn)兩大突出問題，一是技能崗位空缺，二是申請人性別差異較大。從崗位來看，機器學(xué)習(xí)技能的需求量最大，深度學(xué)習(xí)技能需求量的增長速度最快。2017年，需要深度學(xué)習(xí)技能的崗位空缺數(shù)量比2015年增加了35倍。從申請人性別差異來看，平均而言，美國人工智能崗位申請人中男性占比71%。由于機器學(xué)習(xí)崗位的申請人數(shù)最多，因此，該類崗位申請人中的性別差異是導(dǎo)致這一平均水平的主要原因。此外，相對于其他類別的人工智能技術(shù)，深度學(xué)習(xí)和機器人技術(shù)崗位的申請人也存在較大的性別差異。

3、專利

從各發(fā)明地區(qū)人工智能專利的數(shù)量和增長情況來看，2014年，大約30%的人工智能專利集中在美國，其次是韓國和日本，占比均為16%。在發(fā)明量最多的地區(qū)中，韓國和中國臺灣增長最快，其2014年人工智能專利數(shù)量幾乎是2004年的5倍。

4、人工智能采用

根據(jù)麥肯錫咨詢公司對2135名不同機構(gòu)受訪對象展開的調(diào)查，圖3顯示了至少已在其一個功能或業(yè)務(wù)部門引入人工智能能力的受訪對象占比情況。

分地區(qū)來看，雖然有些地區(qū)某種能力的采用程度遠(yuǎn)高于其他地區(qū)，但在人工智能能力方面，各地區(qū)的采用程度大致相等。

分領(lǐng)域來看，各行業(yè)紛紛引入人工智能能力以獲得最大行業(yè)價值。例如，金融服務(wù)業(yè)在風(fēng)險功能中大量引入人工智能，汽車行業(yè)在制造功能中大量引入人工智能，而零售業(yè)則在營銷/銷售功能中大量引入人工智能。這就意味著，特定應(yīng)用（如制造）的人工智能的發(fā)展速度可能與特別強調(diào)專業(yè)化的行業(yè)有關(guān)。

5、財報電話會議中的提及次數(shù)

各行業(yè)的企業(yè)財報電話會議中人工智能和機器學(xué)習(xí)的提及次數(shù)整體呈現(xiàn)增長態(tài)勢，其中，IT企業(yè)提及的次數(shù)最多。2015年，IT行業(yè)提及人工智能和機器學(xué)習(xí)的次數(shù)開始大幅增加，而對其他大多數(shù)行業(yè)而言，2016年才開始出現(xiàn)此類增長。IT、非必需消費品、金融和醫(yī)療行業(yè)在財報電話會議中提及人工智能的次數(shù)最多。

6、機器人機構(gòu)

從各地區(qū)工業(yè)機器人機構(gòu)的年度數(shù)量來看，自2012年以來，中國機器人機構(gòu)年度數(shù)量已增加了500%，其他地區(qū)也有顯著增長，如韓國和歐洲，分別增加了105%和122%。目前，在數(shù)量較少的地區(qū)中，中國臺灣的年度機構(gòu)數(shù)量最大，且在2012-2017年間增長最快，機器人機構(gòu)總數(shù)已超10000家。

（三）開源軟件

開源軟件有兩個最新趨勢，一是大型企業(yè)支持的框架，如谷歌的Tensorflow、臉書的Pytorch、亞馬遜的mxnet等，正在日益普及;二是相對于其他編程語言，TensorFlow最為普及。

（四）公共事務(wù)

1、媒體態(tài)度

從媒體對人工智能的評判態(tài)度來看，中性評判人工智能類文章越來越少，正面評判人工智能類文章越來越多。自2016年初期以來，2016年1月至7月，正面文章占比從12%增至30%，此后，正面文章占比一直在30%左右。

2、政府提及率

自2016年以來，美國、加拿大和英國三國政府對人工智能和機器學(xué)習(xí)相關(guān)詞匯的提及率不斷攀升。在此之前，這三個國家鮮少提及機器學(xué)習(xí)。以美國為例，美國國會對人工智能和機器學(xué)習(xí)的提及率在2018年有了顯著增長，美國數(shù)據(jù)中的每項計數(shù)代表至少提及過一次機器學(xué)習(xí)或人工智能的特定事件或?qū)υ挕?/p>

三、核心指標(biāo)：技術(shù)性能

（一）視覺

1、對象檢測

ImageNet挑戰(zhàn)賽是全球計算機對象檢測領(lǐng)域的重要競賽，能夠反映該領(lǐng)域的進展。

從準(zhǔn)確度方面看，根據(jù)2012-2018年ImageNet2012數(shù)據(jù)集的測試和驗證結(jié)果，對象檢測領(lǐng)域的性能不斷提升，測試集和驗證集準(zhǔn)確度都已達到95%以上。

從訓(xùn)練時間看，2017年6月至2018年11月間，訓(xùn)練對象檢測人工神經(jīng)網(wǎng)絡(luò)所需的時間已從1小時縮短至4分鐘左右，訓(xùn)練速度提高了約16倍。其中，算法創(chuàng)新、基礎(chǔ)設(shè)施投資是訓(xùn)練時間縮短的主要原因。

2、實例對象分割

由于對象檢測與圖像分類領(lǐng)域已經(jīng)實現(xiàn)了較高性能，ImageNet挑戰(zhàn)賽已宣告結(jié)束。自2017年來，研究者開始將研究重點轉(zhuǎn)向需要更復(fù)雜推理的視覺任務(wù)，如定位像素級精度的對象（實例對象分割）、將場景劃分為具有像素級精度的區(qū)域（語義分割）等。COCO挑戰(zhàn)賽是全球?qū)嵗龑ο蠓指畹闹匾傎?，其宗旨是?gòu)建一種可精確定位各對象并描繪其邊界的算法。自2015年以來，COCO挑戰(zhàn)賽中達到的最高平均精度提高了0.2個百分點。

（二）語言

1、句法分析

句法分析往往是進行某些自然語言處理任務(wù)的第一個步驟。目前幾乎普遍使用深度學(xué)習(xí)技術(shù)進行句法分析。2003至2018年間，句法分析的性能提高了約10%。

2、機器翻譯

目前，機器翻譯的性能有大幅提升。2018年，BLEU模型在英語譯德語方面的得分比2008年提高3.5倍，而在德語譯英語方面的得分比2008年提高2.5倍。

3、回答問題

AI2推理挑戰(zhàn)賽（ARC）。AI2推理挑戰(zhàn)數(shù)據(jù)集包含7787個小學(xué)水平（美國3-9年級）的多項選擇題，這些問題可分為挑戰(zhàn)題集（2590個問題）和簡易題集（5197個問題）。2018年4月至11月期間，AI2推理挑戰(zhàn)賽中的簡易題集性能得分由63%提升至69%，挑戰(zhàn)題集得分由27%提升至42%。

用語言理解評估（GLUE）。通用語言理解評估基準(zhǔn)是一項新基準(zhǔn)，旨在通過一系列任務(wù)測試自然語言理解（NLU）系統(tǒng)，并促進非特定任務(wù)系統(tǒng)的開發(fā)。該基準(zhǔn)由九項子任務(wù)組成：兩項單句任務(wù)（衡量語言可接受性和情緒），三項相似性與釋義任務(wù)，以及四項自然語言推理任務(wù)。語料庫大小從1000到400000不等。評估標(biāo)準(zhǔn)主要有準(zhǔn)確度/F1和Matthews相關(guān)性系數(shù)。盡管評估基準(zhǔn)于2018年5月發(fā)布，但到2018年10月，性能已經(jīng)由最初公布基線（約70%）提高至約80%。

四、其他指標(biāo)：衍生指標(biāo)

第一項衍生指標(biāo)是學(xué)術(shù)界-行業(yè)界動態(tài)，該指標(biāo)可體現(xiàn)所選學(xué)術(shù)指標(biāo)以及行業(yè)界動態(tài)的增長情況。第二項衍生指標(biāo)是人工智能活力指數(shù)，該指標(biāo)是學(xué)術(shù)指標(biāo)和行業(yè)指標(biāo)的綜合體現(xiàn)。

1、學(xué)術(shù)界-行業(yè)界動態(tài)

為探索學(xué)術(shù)界與行業(yè)界人工智能相關(guān)活動之間的關(guān)系，本報告首先從上述章節(jié)中選取了一些有代表性的衡量指標(biāo)，其中包括斯高帕斯數(shù)據(jù)庫中人工智能論文的發(fā)表量、美國幾所大學(xué)入門級人工智能和機器學(xué)習(xí)課程的綜合注冊人數(shù)以及對人工智能初創(chuàng)企業(yè)的風(fēng)險投資。這些指標(biāo)體現(xiàn)的表征量無法直接進行對比。為分析各趨勢之間的關(guān)系，本報告規(guī)范了從2010年開始使用的衡量指標(biāo)，并顯示了各指標(biāo)的增長情況，而非絕對數(shù)量。

2、人工智能活力指數(shù)

人工智能活力指數(shù)是學(xué)術(shù)界-行業(yè)界三個衡量指標(biāo)（論文發(fā)表量、課程注冊人數(shù)和風(fēng)險投資）的綜合體現(xiàn)，本報告利用該指數(shù)衡量人工智能領(lǐng)域的活力。人工智能活力指數(shù)主要受風(fēng)險投資的影響，因為相對于其他兩項指標(biāo)，風(fēng)險投資增幅最大。

五、不足之處

為進一步改進人工智能指數(shù)報告，三位人工智能領(lǐng)域?qū)＜医ㄗh加入新的要素和信息。

（一）常識推理與自然語言理解

IBM和意大利帕多瓦大學(xué)的弗朗西斯卡·羅西（Francesca Rossi）指出，深刻的自然語言理解以及常識推理能力仍然是挑戰(zhàn)所在，這兩項能力的衡量指標(biāo)有助于推動人工智能系統(tǒng)對話能力以及其他方面的發(fā)展。因此，人工智能指數(shù)報告中可以添加一些指標(biāo)來跟蹤與這些能力相關(guān)的測試和挑戰(zhàn)賽的進展，如威諾格拉德模式挑戰(zhàn)賽、AI2的Aristo項目等。此外，如通過人工智能增強人類智能，而非取代人類智能，那么非常重要的一點應(yīng)是從人機對抗環(huán)境向人機合作環(huán)境轉(zhuǎn)變。因此，報告中可增加非自主系統(tǒng)數(shù)量這一指標(biāo)，以顯示人機合作方面的進展。

（二）帶有人工智能組件的機器人

麻省理工學(xué)院的羅德尼·布魯克斯（Rodney Brooks）希望進一步改善機器人出貨量指標(biāo)。機器人出貨量指標(biāo)的有效性取決于信息源，然而許多信息源提供的工業(yè)機器人出貨量中僅含有極少的（甚至根本沒有）人工智能組件，這就使得機器人出貨量指標(biāo)難以衡量人工智能的真實進展。此外，也可著眼于帶有人工智能組件的機器人，如無人機、家庭機器人等。

（三）政府支出與軍事應(yīng)用

悉尼威爾士大學(xué)和柏林工業(yè)大學(xué)的托比·沃爾什（Toby Walsh）指出，近兩年，人工智能領(lǐng)域的最大進展之一可能是政府和行業(yè)投資的增加。他建議：一方面增加衡量投資增長的量化指標(biāo)，通過相關(guān)指標(biāo)對各國投資進行有效分析，可以衡量人工智能研發(fā)重點的轉(zhuǎn)移情況。另一方面，人工智能的軍事應(yīng)用備受關(guān)注，可增加可衡量各國軍方對人工智能技術(shù)的開發(fā)和采用情況的指標(biāo)。