本文由 「AI前線」原創，原文連結：尷尬了，騰訊報告AI人才30萬，然而實際只有兩萬
譯者｜核子可樂
編輯｜Tina
AI 前線導讀：” 過去幾年以來，全球市場對於 AI 專業人士的需求正呈現出指數級增長趨勢。隨著各類企業越來越多地利用人工智慧方案為自身業務提供支援，其對具備豐富經驗、博士學位且技術嫻熟之人才的旺盛需求也一直保持著強勁的提升勢頭。”
此份報告總結了我們對全球 AI 人才儲備在範圍與廣度層面的研究結果。儘管這些資料以視覺化方式反映了 2018 年年初全球人才市場的分佈情況，但我們必須承認，其中體現的仍然是以西方世界為主的人工智慧人才市場模式。
我們所釋出的內容與騰訊公司近期整理的《2017 年全球人工智慧人才白皮書》較為類似，但涵蓋範圍更為廣泛。 騰訊公司在研究當中發現，目前人工智慧行業當中存在“30 萬活躍研究人員與從業人員當中，已經有 20 萬”擁有穩定的僱傭關係，另外約 10 萬人則正在學術界進行研究或學習。他們公佈的人數遠遠超過我們得出的 22000 這一最高估值，這種差異主要是由於騰訊方面計入了整個技術地段，而不僅僅是接受過培訓的技術專家。然而，我們的報告著重於發現目前這部分規模相對更小的“AI 專家”在世界各地的具體分佈情況。
我們在本次調查當中共採用了兩大流行資料來源。首先，我們使用了來自領英的搜尋結果，其根據我們設定的專業引數顯示出技術專家總數。此外，為了構建起一套更高階的子集，我們還整理出領導各 AI 內不同層級主要 AI 會議的高影響力專家姓名。最後，我們將這些資料同來自全球社群的其它報告及調查結論進行結合，希望藉此瞭解這部分人才發展趨勢將在不久的未來呈現出怎樣的發展態勢。
由於我們主要依賴於英語資料來源，因此我們對於人才儲備的觀點可能不具備良好的全球代表性。因此，報告的後半部分將重點對亞洲及非洲的人才與資金情況進行評估——在這些區域內，我們統計資料的可靠性出現明顯下降，且與行業或學術產出熱點並不匹配。
根據我們對領英資料進行的廣泛調查，我們發現目前世界範圍內共有約 22000 名擁有博士學位的研究人員能夠從事 AI 研究與應用工作，而其中只有 3074 位人才正在尋找工作。而在規模更小的高階子集當中，我們發現目前全球有 5400 名 AI 專家曾經在全球領先的人工智慧大會上發表演講，且他們精確技術與團隊合作事務，能夠切實將相關成果引入研究與應用層面。
我們如何定義“人才”
為企業構建個性化 AI 應用程式要求相關人才隊伍具備對機器學習 / 深度學習技術的深刻理解，擁有多年工作經驗，且能夠在跨學科環境當中進行協作與開發。
目前人工智慧就業市場中“人才”嚴重短缺的現實表明，當下有能力立足商業、學科與工程領域實現學術研究與應用軟體開發工作的人才數量仍極為有限。
這類技術團隊應該有能力發現可利用現代機器學習技術解決的問題，從零開始構建並實施相關解決方案，而後優化該解決方案以提升工作效率。
在我們的調查當中，我們所定義的“專家”必須極具才能或實踐經驗，以確保其能夠代表這一領域當中最為頂尖的領導者、前輩或者頂尖後起之秀。我們使用兩種不同方式以準確確定全球人才群體的數量：領英搜尋結果加學術會議參與者。
領英
通過使用領英結果，我們設定以下搜尋標準，從而全面瞭解成為 AI 專家的具體定義。總體來講，這些引數的設定為了能夠找到不遲於 2015 年獲得博士學位的候選人，從而體現出其工作經驗 1。雖然博士學校從技術層面講並不是認定人工智慧專家的必要條件（因為在真實應用環境當中，人工智慧解決方案對經驗的要求要高於學位），但我們發現獲取博士學位無疑是評估不同國家人才儲備量的重要前提 2。
為了符合這一子集的具體要求，除了一項或多項高階概念之外（包括深度學習、人工神經網路、機器學習、計算機視覺、自然語言處理或機器人技術），配置引數還必須提及“AI”或“人工智慧”等明確表述。另外，這些候選人亦必須在技術層面擁有熟練的水平：我們對數字進行了過濾，確保結果中只包含對 Python、TensorFlow 或者 Theano 擁有深入瞭解，因此具備真實世界中應用程式開發經驗的人群。 利用這些廣泛的搜尋引數，我們共找到總計 22064 名專家。
我們還執行了一套更高階的子集，其中不包含“AI”或“人工智慧”等限定符，省略了“Python”，但包含更多僅限於 AI 領域的特定框架。這一搜尋的基本思路，在於發現候選人所掌握的、我們在自身工作當中經常使用的具體框架（包括 torch、caffe 以及 nltk），且不再使用“AI”這類熱門詞彙進行候選人篩選 3。在這一輪搜尋當中，我們找到的數字非常接近於我們的會議主講者調查數量：我們發現了 6138 名相關專家，其中 1735 名錶示其可以接受新的工作崗位。
在視覺化方面，我們決定選擇不太保守的統計結果，從而儘可能多地涵蓋具備潛在跨學科技能的人才。
學術會議
除了較為狹義的領英搜尋結果之外，我們還統計了已發表論文或文章的作者，以評估其他高層級影響力人士以及這一領域中的“後起之秀”。從理論層面講，這些候選人需要能夠在受控環境當中建立起 AI 理論應用，且適用於其它更為複雜的現實環境。在這一人才庫當中，我們發現了曾經在過去幾年當中發表過研究論文的 5400 名專家。
在我們的研究當中，將以下會議列為優先關注物件：神經資訊處理系統會議（簡稱 NIPS）、國際機器學習學會（簡稱 ICML）大會，以及國際學習代表會議（簡稱 ICLR）。我們從這些會議當中整理出研究人員姓名，並使用 Mechanical Turk 查詢到其居住地、經歷以及教育背景。
資料集偏向
根據我們的資料結果，歐洲與亞洲國家的研究人員在數量上要遠低於美國、英國或加拿大研究人員。但我們必須承認，這很可能主要因為領英是一套專注於西方國家的平臺。我們的搜尋結果顯示，中國擁有 413 名候選人，新加坡有 291 名，日本有 204 名，韓國則有 147 名。
根據 Meenakshi Chaudhary 整理的最新領英使用者國家分佈清單顯示，即使是在各已開發國家當中，領英使用者的普及度也存在巨大差異。Chaudhary 提到，“美國、印度、巴西、英國以及加拿大的領英使用者數量最為可觀”，這表明領英的具體使用比例在某些國家及市場當中對樣本資訊以及由此分析出的結論產生著重要影響。因此，雖然領英統計結果中的亞洲專家數量遠低於北美或歐洲，但考慮到領英的使用普及水平在亞洲相對較低，因此這些數字其實已經相當之高。
對學術會議上的演講進行整理而得出的結論也存在類似的情況。由於我們將關注重點放在了西方世界內以英語為主體語言的會議當中，因此相關搜尋範圍很可能未能涵蓋各研究中心、私有實驗室、智庫、高校與研究機構、獨立研究人員及顧問等其它機構。這些人才雖然確實屬於專家甚至是人工智慧領域的領導者，但其小規模或個人工作成果可能並不會被納入全球社群。
- （‘深度學習’或‘人工神經網路’或‘機器學習’或‘神經網路’或‘語音識別’或‘計算機視覺’或‘影像處理’或‘自然語言處理’或‘自然語言理解’或‘機器人’）以及（‘Python’或‘Tensorflow’或‘Keras’或‘Theano’）以及（‘AI’或‘人工智慧’）。
- 如果不設定 2015 年或之前畢業這一條件，則人才儲備量將增加到 9 萬人——這一結果開始與騰訊的統計數字趨近，也顯示也很大一部分自認為屬於 AI 人秀的群體實際上缺乏真正的工作經驗或深厚的專業知識。
- （‘深度學習’或‘人工神經網路’或‘機器學習’或‘神經網路’或‘語音識別’或‘計算機視覺’或‘影像處理’或‘自然語言處理’或‘自然語言理解’或‘機器人’）以及（‘Tensorflow’或‘Keras’或‘Theano’或‘pytorch’或‘torch’或‘caffe’）。
全球 AI 人才熱點
北美地區
在我們統計的 22000 份領英個人資料當中，近半數候選人（9010 名）在美國生活及工作。大多數領英專家在其研究領域當中提到電腦科學（12856 名）或計算機工程（3879 名），其它不太常見的學習領域則包括數學（2592 名）、物理學（2157 名）以及 IT（1175 名）。這些專家中有相當一部分曾經效力於谷歌（756 名）、微軟（357 名）或者 IBM（265 名），且擁有 3 到 10 年的工作經驗。
美國在 AI 人才市場上的主導地位並不令人意外。Paysa 最近對人工智慧人才儲備情況進行的一項研究發現，僅在美國本土每年的人工智慧相關薪酬支出就高達近 6 億 5 千萬美元 ; 與此同時，數家美國企業還共同籌集另外 10 億美元用於資助人工智慧開發工作——這意味著小國很難在這一領域與美國開展競爭。
儘管如此，加拿大仍在領英與會議主講人數量層面位列第三，這意味著其憑藉著 1154 份高階個人資料成為美國強有力的競爭對手——特別是考慮到加拿大相對有限的人口與 GDP 總量。加拿大的人工智慧人才庫當中包含眾多原在校學生以及新晉國際研究人員，在具體位置方面蒙特利爾一馬當先（Facebook、谷歌、優步、三星以及 DeepMind 等都在這裡設有實驗室），多倫多、埃德蒙頓與溫哥華則緊隨其後。
歐洲地區
英國是僅次於美國的人才儲備亞軍，共擁有 1861 名高階候選人。英國一直是人工智慧領域的一大重要參與方，而這也引發了嚴重的人才流失現象：根據 Ian Sample 在《衛報》上發表的文章，眾多 AI 教授由於人才需求“嚴重超過供應量”而積極轉投回報更為豐厚的其它領域。
在另一方面，德國則面臨著截然相反的狀況。正如博世人工智慧中心人工智慧研究人員負責人 Yasser Jadidi 在接受《金融時報》採訪時所指出，德國在“年輕專家與學者”方面擁有強大的影響力，且這些人仍然“保持低調”。憑藉著 276 位會議主講人構成的強大學術力量，德國一直在考慮如何將人工智慧專業知識商業化。德國南部的 Cyber Valley 等新興技術中心正在尋求與行業及學術界實現資源共享的空間。
其它歐洲國家同樣擁有著可觀的專家數量：法國擁有 797 份符合篩選條件的領英個人資料，西班牙則擁有 606 份。總體而言，近年來歐洲已經穩定成為尋找人工智慧人才的有利競爭地點。
亞洲地區
不過，我們迄今為止所發現的以北美與歐洲為主體的人工智慧全球態勢，並不足以準確描繪世界範圍內的 AI 人才分佈情況。亞洲在我們統計的領英與會議主講資料中並不具備正確的代表性，這主要是由於我們採取了以英語為中心的搜尋方法。儘管我們搜尋發現的亞洲候選人數量相對較低，但紙質出版物與資金投入額度卻給出了完全不同的結論。
下面，我們對中國、新加坡、日本以及韓國在各自市場上取得了令人難以置信的發展成就加以總結。我們還將介紹為何人才市場會呈現出如此突出的東西方鴻溝，且這一問題難以解決的具體原因。
總體而言，我們發現亞洲國家更注重 AI 技術的實際應用，而非投資於學術研究。
中國
中國的 AI 市場發展速度相當驚人。根據美中經濟與安全評估委員會在其 2017 年的年度報告當中所指出，“中國政府已經承諾在人工智慧領域投入超過 70 億美元資金，而以深圳為代表的多個城市亦為人工智慧初創企業提供 100 萬美元啟動支援。相比之下，美國聯邦政府於 2015 年投入 11 億美元用於未明確分類的人工智慧研究，且主要以競爭性補助形式發放。”
根據這份報告，以百度、阿里巴巴以及騰訊為代表的中國技術企業已經成為“AI 領域的全球領導者”，這一趨勢亦在中國政府的有力推動下成為一種主流趨勢。就在去年 7 月，CNN 報導稱中國國務院正計劃在未來幾年內建立起總價值高達 1500 億美元的人工智慧產業。
儘管資金投入迎來了大幅度飛躍，但西方世界在很大程度上仍不瞭解中國正在人工智慧領域進行哪些工作。正如吳恩達在採訪當中所提到，“中國對英語世界所發生的一切都擁有著相當深刻的認識，但西方對中國的瞭解則恰恰相反“。雖然中國研究人員能夠用英語進行表達並涉足西方的研究領域，但由於語言障礙的存在，英語社群與中國的研究方向仍然存在著巨大差異。正因為如此，中國在西方世界的視野之外取得了巨大的學術飛躍。根據奧巴馬政府於 2016 年年末整理得出的一份人工智慧報告，儘管我們在領英當中僅搜尋到 413 份符合條件的個人資料以及其中的 206 位會議主講人，但中國近期在人工智慧的紙質刊物論文發表數量上已經領先於美國。從傳統角度來看，論文發表數量正是特定地區研究活動活躍度與人才成長良好性的主要指標——不過也有一些人對中國發表論文的影響力與質量抱有質疑。
在發表於《The Aleph》上的一篇文章中，Alex Barrera 指出中國之所以近年來快速實現教育水平提升，主要是源自其擁有北京大學與清華大學這兩所全球前三十強一流學府（根據泰晤士高校排名）。Barrera 認為這種趨勢還將繼續持續下去，“雖然像史丹佛大學這類頂尖學術機構仍然在全球範圍內保持領先地位，但像北京大學這樣的高校正在縮小差距。史丹佛大學在特定領域擁有更高的評價分數，但在技術轉化等方面事實上卻落後於其它大學。”
儘管中國的人工智慧教育一直在快速發展，但人工智慧教學人員仍存在嚴重短缺。中國的眾多人工智慧從業人員主要來自電氣工程或電腦科學等其它分支領域。總而言之，儘管中國人才庫的增長勢頭仍將繼續保持下去，但中國顯然還需要一段時間才能建立起真正能夠與美國正面對抗的完善市場體系。
新加坡
最近的報告也強調稱，新加坡正迅速成為全球範圍內的一大人工智慧研究中心。根據亞洲新聞頻道於 2017 年釋出的報導，新加坡國家研究基金會將投資 1.1 億美元，用於“建立旨在提升新加坡未來五年內人工智慧技術水平的國家計劃”。
我們整理出的資料已經確定，新加坡全國至少擁有 291 名高素質人工智慧人才，以及 21 位在全球領先會議當中釋出研究結果的高階專家。Kaishi Partners 公司總監 Michael James Milne 在來信中估計，目前新加坡與整個東南亞地區約有 1500 名合格的人工智慧專家。
數量快速增加的資料中心也從另一個側面給這些數字提供著支援。而這些研究中心正在這座國際化大都市當中快速紮根。Marvelstone Ventures 公司的 Joel Ko 最近在採訪中證實，Marvelstone 方面正計劃建立一座新的人工智慧中心，其將“每年孵化 100 家相關初創企業”。
日益增長的政府與私人資金注入再次證明：新加坡的人工智慧技術必將在未來幾年內實現顯著提升，而這些變化也將吸引到更多人才的加入。
韓國
在谷歌旗下 DeepMind 團隊打造的“AlphaGo”專案成功擊敗韓國前圍棋冠軍李世石之後，韓國政府立即宣佈將在未來五年當中投資 8.63 億美元用於人工智慧研究。
自那裡開始，我們對韓國的相關新聞報導進行了持續追蹤（感謝 Rufina K. Pakr 的翻譯），其中顯示韓國政府正在人工智慧基礎設施方面傾注大量投資。2017 年 12 月 22 日，韓國科學技術部公佈創新發展計劃，政府方面承諾向 AI 及相關領域投入 1.56 萬億韓元（約合 15.3 億美元），甚至將其標榜為韓國的“第四次產業革命”。同樣的，智慧知識學會理事會設定的 2018 年發展目標是在 13 個創新增長領域投入 7.96 萬億韓元。韓國目前的計劃是到 2025 年，憑藉創新部門創造 55 萬個新的工作崗位。
《自然》雜誌的 Mark Zastrow 指出，這筆資金將被投入到兩大現有 AI 研究專案當中——其具體工作包括：利用 Exobrain 與 IBM 的沃森計算機開展競爭 ; 外加計算機視覺研究專案 Deep View。作為這一領域的行業領導者，韓國已經取得領先地位，並在 2017 年獲得了全球人工智慧專利數量榜上的第三名。
在我們整理出的資料當中，我們發現目前在韓國工作的 147 名 AI 專家當中有相當大的一個子集——21 名——曾在最近的學術會議當中擔任主講人。不過儘管在人工智慧方面擁有強大的行業影響力，但韓國的人工智慧論文數量僅排名全球第七，這意味著其學術研究力量還遠不及中國與日本。
日本
與中國不同，日本在機器人與人工智慧研究方面擁有著悠久的歷史——這一點在很大程度上已經得到了媒體的充分報導。而正如人們所廣泛瞭解到的那樣，日本目前面臨的主要難題在於臭名昭著的行業隔離狀況——這主要源於嚴重的“語言障礙與嚴格的商業慣例約束”。然而，日本的人工智慧學術規模明顯強於韓國以及新加坡，其目前擁有約 117 名曾出席 NIPS 及其它全球領先技術會議的活躍研究人員。
人工智慧學校們已經注意到日本與其它亞洲國家開展相關合作當中面臨的挑戰：東京大學退休 AI 教授 Mitsuru Ishizuka 指出，日本的研究速度嚴重落後於“中國目前的推進態勢”。儘管日本擁有可觀的人才規模，但其中相當一部分仍然明顯偏向學術領域：117 名會議主講人與 204 名領英使用者這一數字，要遠低於中國、新加坡以及韓國。加拿大駐日本二等祕書兼貿易委員 Anta Pan 在一封電子郵件中指出，日本的 AI 人才短缺問題已經眾所周知：“在先進資訊科技專業研究生招收到的 15659 名學生當中，只有 619 名與 AI 技術存在緊密關聯，且其中 123 人有意繼續攻讀博士學位。”
不過去年 8 月，日本政府宣佈“計劃投資數十億日元資助下一代半導體與其它對人工智慧發展至關重要的技術。”Pan 先生預計，2018 財年相關資金投入很可能達到 2017 年 517 億日元（摺合 5.75 億加元）的一倍，這意味著屆時將有超過 1000 億日元（摺合 11 億加元）的資金配套上馬。如此可觀的資金傾注很可能刺激到更多本土人才投向於研究領域當中。事實上，可觀的資金投入已經取得了一些成果：就在去年 8 月，深度學習初創企業 Preferred Networks 就從豐田手中籌集到 9500 萬美元，致力於研究自動駕駛技術。
非洲地區
儘管不像東、西兩大世界那樣多產，但非洲國家近年來在人工智慧研究與開發方面的成果也同樣值得肯定。
非洲機器智慧研究所（簡稱 MIIA）主席 Jacques Ludik 估計，其協會目前約有 1500 名成員，其中 70% 可被歸類為所在領域的專家。Ludik 指出其面臨的主要挑戰在於資金獲取難度太高，而非洲大陸的農業與移動領域急需人工智慧技術成果的引入。
微軟研究院博士後研究員兼 FATE（人工智慧公平透明度問責與道德）小組成員 Timnit Gebru 在信件中指出，非洲機器學習的資金來源多種多樣：以 B4 Capital Group 為例，其專門為非洲及南美洲的人工智慧專案提供援助。這種靈活資金的支援使得非洲能夠打造出針對各個領域特定需求的個性化 AI 解決方案。舉例來說，衣索比亞擁有 88 種活躍與小範圍語言，因此其一直在積極開發自然語言處理解決方案以改善溝通能力。
Nouha Abardazzou 在其文章當中明確證實了 AI 技術在非洲農業及醫療衛生方面作出的貢獻（部分通過移動開發實現）。近期上線的人工智慧驅動應用 ECX 電子交易平臺就利用物聯網裝置及 AI 以建立起咖啡追蹤解決方案，並貫穿整條供應鏈中的所有環節。在醫療衛生行業，SOPHiA 人工智慧方案則可分析“基因組資料以鑑定患者基因組譜中的致病性突變”。
2017 年當中，公眾對於非洲在人工智慧領域扮演的角色有了更為明確的認知。Gebru 最近在 NIPS 2017 大會中組織起首屆非洲人工智慧研討會。該項研討會不僅高度關注非洲區域內進行的各項相關研究，同時亦重視黑人研究人員為全球人工智慧發展作出的努力。同樣的，MIIA 也於 2017 年 10 月於南非約翰內斯堡舉辦了第一屆 AI 非洲會議。此次會議取得了巨大成功，吸引到來自非洲乃至世界各地的專業研究人員的參與，並深入討論了深度學習技術在非洲大陸上的實際應用。
全球趨勢分析結論
美國規模最大的出入境人才交流趨勢
“大動作”
我們整理出的會議研究人員參與資料，也能夠在一定程度上反映出研究人員在工作或學術研究當中的往來趨勢。通過觀察候選人母校與其當前工作地點之間的差異，我們發現學生們可能會前往美國接受教育，而後轉移到其它國家進行工作。
以上曲線圖顯示，來自加拿大、英國、德國、法國以及中國的候選人們更有可能移居美國以從事 AI 專業工作。此外，這些國家也擁有最為旺盛的人才交流趨勢：“入境”代表研究人員移民至美國並從事相關工作的研究人員數量 ; “出境”則表示在美國獲取博士學位後，轉而在其它國家進行就業的研究人員數量。
通過曲線圖可以看到，美國正充當著世界範圍內的人工智慧研究與教育“中心”，併成為全球人工智慧學術與商業領域間的橋樑。根據我們此前根據領英個人資料作出的評估，以色列與日本學者在整體 AI 從業者中的比例分別高達 75% 與 57%，這也直接體現出跨國與全球合作已經成為行業與學術領域共享 AI 及專業知識的關鍵所在。
有趣的是，亞洲與歐洲之間幾乎不存在人才往來。就目前來看，AI 人才現象的全球化面貌主要反映著西方世界的實際傾向。
學術界對相關行業
將領英個人資料與會議主講人資料進行比較，我們得出了一些有趣的觀察結論。假定這一子集當中的會議主講人們都擁有我們從領英處蒐集到的個人資料，那麼幾乎可以肯定的是，大概三分之一的 AI 專家會在特定時間點上通過大型學術會議展示自己的研究成果。
學術人士參與技術大會並進行演講自然容易理解，但這類情況在相關行業當中同樣存在。NIPS 主講人統計結果表明，2017 年的大會由 88% 的學術人士與 12% 的行業主講人組成。另外，雖然三比一這一比例看起來已經很高，但我們還發現了另一種明顯的趨勢：像以色列以及日本這樣的國家在 AI 學術層面的人員佔比實際上還要更高。
德國等國的學者與行業專家間比值同樣較高，其中 44% 的領英候選人可能曾經擔任技術大會主講人 ; 相比之下英國等國家的比例則較低，只有 14% 的 AI 專家積極參加技術會議。這些趨勢再次反映出我們在前文當中提及的趨勢性結論：在德國，大多數人工智慧研究工作立足學術機構進行 ; 而在英國，人工智慧則更多由行業進行驅動，並在此期間由學術界進行人才輸送。
以色列（75%）與日本（57%）在會議主講人與領英個人資料總量的比值層面分列前兩位，這意味著其 AI 研究工作主要由學術界負責推動——這一結論也符合相關趨勢性研究報告。儘管如此，但著眼於全球市場，行業似乎仍然是支援人工智慧技術發展的核心推動力。
愛爾蘭（1.7%）、巴西（3.3%）以及西班牙（4.4%）在會議主講人與領英個人資料數量間的比值最低，這表明這些國家中的大多數候選人都在行業驅動型 AI 研究部門當中工作。
結論
儘管人工智慧人才主要以美國為中心，但歐洲、非洲以及亞洲市場明顯也擁有著自己的可觀全球 AI 人才熱點。與此同時，這些領域正逐漸與西方英語國家的學術會議以及領英求職社群建立起愈發緊密的聯絡，且這一趨勢有望在未來幾年中繼續保持調整增長。
更多幹貨內容，可關注AI前線，ID：ai-front，後臺回覆「AI」、「TF」、「大資料」可獲得《AI前線》系列PDF迷你書和技能圖譜。