史丹佛AI 指數年度報告：清華課程擴張全球最快，DL職位空缺激增35倍

大資料文摘出品

作者：魏子敏、蔣寶尚

2017年，以史丹佛大學為首、包括吳恩達、李開復等一眾大咖專家團隊齊力打造的人工智慧指數（AI Index）重磅年度報告首次釋出。從學術、業界發展、政府策略等方面對全年的人工智慧全球發展進行了回顧，堪稱全年人工智慧最強報告。

18年12月12日，哈佛大學，麻省理工學院，史丹佛大學以及OpenAI等聯合釋出了第二屆人工智慧指數（AI Index）年度報告。

人工智慧領域這一行業的發展速度，不僅僅是透過實際產品的產生以及研究成果來衡量，還要考慮經濟學家和政策制定者的預測和擔憂。這個報告的目標是使用硬資料衡量人工智慧領域的發展。

在2017年12月份釋出的第一期報告中，重點介紹了人工智慧領域的投資和工作崗位前所未有的增長速度，尤其是在遊戲和計算機視覺領域進展飛速。

這次18年的《報告》以更加精細的資料以及更廣泛的視角分析人工智慧領域的發展。

報告中多次提及了中國人工智慧的發展以及清華大學：

• 美國僅佔到全球論文釋出內容的17%，歐洲是論文最高產的國家，18年發表的論文在全球範圍內佔比28%，中國緊隨其後，佔比25%。；

• 大學人工智慧和機器學習相關課程註冊率在全球範圍都有大幅提升，其中最矚目的是清華大學，相關課程2017年的註冊率比2010年高出16倍，比2016年高出了將近3倍；

• 各國對人工智慧應用方向重視不同。中國非常重視農業科學，工程和技術方面的應用，相比於2000年，2017年，中國加大了對農業方面的重視。

吳恩達也在今天的推特中重磅推薦了這份報告，稱“資料太多了”，並劃重點了兩個報告亮點：人工智慧在業界和學界都發展迅速；人工智慧的發展仍需要更加多樣包容。

一起來看報告的精華內容！

人工智慧研究全球化

沒有全球視野，就沒有AI故事。2017年的報告嚴重偏向北美活動，18年的報告縮小了全球差距，用“全球視野”分析人工智慧領域的研究以及投資。

今年的 AI Index 指出，在全球各地，人工智慧的商業落地以及研究成果都以爆炸式增長，在歐洲和亞洲，這種趨勢更加明顯。在中國、日本以及韓國在人工智慧論文發表以及書籍出版方面領先於其他東方國家。事實上，如上圖所示，美國僅佔到全球論文釋出內容的17%，歐洲是論文最高產的國家，18年發表的論文在全球範圍內佔比28%，中國緊隨其後，佔比25%。

在機器學習方面，論文發表數量佔多數的是研究遊戲中的“人機大戰”。

人工智慧課程註冊量清華矚目

作為中國的人工智慧最強高校，清華大學也在這一報告中多次被提到：大學人工智慧和機器學習相關課程註冊率在全球範圍都有大幅提升，最引人注目的是清華大學相關課程的增長率，從2017年的註冊率比2010年高出16倍，比2016年高出了將近3倍。

各國人工智慧應用方向

從報告中可以看出，各國對人工智慧應用方向重視不同。中國非常重視農業科學，工程和技術方面的應用，相比於2000年，2017年，中國加大了對農業方面的重視。而歐洲和北美非常看重人文學科以及醫療方面的應用，歐洲的研究方法更為全面。

人工智慧技能和崗位

職位空缺嚴重

上圖顯示了所需的Al技能每年的職位空缺數量，當然，也能看出AI技能的職位空缺的增長速度。各個崗位資料具有相關性。

雖然機器學習是最重要的技能，但深度學習（DL）正在以最快的速度增長，2015年到2017年這一時間段，深度學習的職位空缺數量增加了35倍。

性別分佈：不平衡仍存在

人工智慧相關崗位的性別差距依然嚴重。上圖的顯示按照技能分類，各個技能之間有相關性。申請人的數目並不代表僱傭人數，但總體而言，在美國，男性占人工智慧相關職位申請申請人數的71%。在人工智慧各個子學科之間，深度學習和機器人學對比其他學科，性別比例相對平衡。

國際大會和框架發展

上圖顯示了各種Al和ML軟體包在GitHub上的受歡迎比率，從獲星標數量可以大致哪種AI框架最受歡迎。從2015年到2018年，Tensoflow一直佔據第一，scikit-learn一直佔據著第二的位置。

在大型會議中，NeurIPS (曾用名NIPS) 、CVPR和ICML，是參與人數最多的三大AI會議。自2012年以來，參與人數的增長率，這三者也領先於其他會議。值得一提的是，ICML在2018年一年的時間增長了將近一倍。

最新的政府政策

中國方面，2017年7月，政府釋出新一代Al發展計劃，制定了一直到2030年的AI發展戰略。計劃到2020年使中國的AI技術達到世界上最先進的水平。到2025年，中國將在AI理論上取得重大突破，人工智慧將成為產業升級和經濟結構調整的動力。到2030年，中國將成為世界主要的AI新中心。

美國方面，2018年9月，DARPA宣佈投資20多億美元以克服AI技術的限制。私營公司在美國AI技術開發/投資中發揮重要作用，2017年，亞馬遜和Alphabet等科技公司分別向AI領域提供了大量的資金。

在歐盟地區，法國最近發表了三份報告：(1)法國Al計劃，其中提出了一項關於AI研究、教育、創新的戰略；(2)編寫了一份側重於社會和監管問題的報告；(3)《 Mission Villani report》，該報告側重於政策和減少人才外流，並闡述了多樣性在AI研究中的重要性。英國從2016年開始釋出一系列的

2018年4月：政府投資9.5億英鎊（1 2億美元）用於支援研究，教育，並增強英國的資料基礎設施。

two more thing

計算機視覺是人工智慧的子學科，在自動駕駛汽車開發、擴增實境和物體識別能力方向有廣泛應用，就像機器學習一樣，訓練演算法隨著時間的推移得到改進。

就效能而言，人工智慧算力繼續飆升，尤其是在計算機視覺等領域。透過測量ImageNet的基準效能，該報告發現，在18個月內，最準確圖片分類模型，訓練時間從“小時左右”降至“4分鐘左右”。訓練速度快了大約16倍。其他領域，比如物體分割，在短短三年內就提高了72%的精度。