2019年全球AI指數報告 人工智慧蓬勃發展

（來自：Standford，via TheVerge）

首先：從 1998 到 2018 年，AI 相關的同行評審論文的發表數量增長了 300% 。出席會議的人數也顯著增長，NeurIPS 預計為 1.35 萬人，較 2012 年增長 800% 。

人工智慧教育同樣受到了追捧，有關機器學習的大學和線上課程，參與者人數也持續增加。目前看來，AI 算是北美電腦科學專業畢業生中最受歡迎的專業。

超過 21% 的電腦科學博士選擇了專門從 AI 研究行業，是排名第二的學科（安全 / 資訊保障）的兩倍多。

大多數指標上，美國仍然是全球 AI 領域的領導者。儘管中國發表的 AI 相關論文數量超過了任何其它地區，但美國發表論文的影響力更大，較全球平均水平高出 40% 。

中美兩國私有資金對 AI 領域的投入都很大（數十上百億美元計），AI 專利的申請數量也超過其它競爭對手（是排名第二的日本地區的三倍）。同時，AI 演算法正在變得越來越快，訓練的成本也越來越便宜。

在流行資料集（ImageNet）的訓練上，機器視覺演算法所需的時間，已從 2017 年 10 月的大約 3 個小時、減少到 2019 年 7 月的 88 秒，成本也從數千美元下降到兩位數。

自動駕駛汽車行業獲得了更多的私人投資（全球略低於 10%，約 77 億美元），其次是醫學研究和麵部識別（兩者都吸引了 47 億美元）。

增長最速的工業 AI 領域，相對也不那麼浮華。2018 年的時候，機器人流程自動化拿到了 10 億美元投資，供應鏈管理方面亦超過 5 億美元。

在給人留下深刻印象的同時，還需注意一個重大的問題 —— 無論 AI 提升的幅度有多大，都距離媒體大肆渲染的目標相去甚遠。

換言之，儘管人工智慧世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：

人工智慧已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智慧方面仍存在著難以逾越的鴻溝。

回顧 1990 年代，當時計算機在跳棋和國際象棋上打敗了人類選手，引發了人們對於 AI 未來的無限遐想。

2016 年之後，AI 開始在《Dota 2》等遊戲中發揮實力，在 2017 年實現了對人類皮膚癌影像的分類，並於 2018 年達成了媲美專業人士的中英文翻譯。

激動之餘，業界仍對 AI 的發展前景持謹慎樂觀的態度。以視訊和棋盤遊戲為例，其特點是具有清晰、易模仿的規則，因此特別適合對 AI 展開訓練。

這樣的成績，通常依賴於耗費一個人幾輩子的訓練量，以突顯人類相較於計算機的學習速度。此外，AI 難以將同樣的經驗，輕鬆複製到另一個領域中。

比如某個 AI 可以像腫瘤醫生一樣準確地判定乳腺癌腫瘤，但讓它來判斷肺癌的話，就有些無能為力了（更別提開處方和做出診斷了）。

綜上所述，AI 系統更像是一款特定於某些應用場景的‘一次性工具’，而不具有人類的通用智慧（甚至打不過五歲的小朋友）。

當然，這並不意味著 AI 一無是處。如本報告所述，儘管機器學習有一定的侷限性，但其在資金、興趣和技術成就方面，仍在相當快速地發展著。