【前沿】222頁斯坦福人工智能報告出爐：全球AI投資猛增680億，北美博士學術機構(gòu)就業(yè)率下降

數(shù)學算法俱樂部

日期 ： 2021年04月28日       

正文共 ：2155字

來源 ： 新智元

智慧起航，共創(chuàng)未來

【導讀】根據(jù)2021年的AI指數(shù)報告，由斯坦福大學的人工智能研究所制作的222頁文檔中包含了大量的數(shù)據(jù)和圖表，本文將選取15個圖表方便大家理解全球人工智能的重大發(fā)展和挑戰(zhàn)。

1、我們生活在一個「人工智能」的時代

 

 

如圖所示，人工智能的研究正在蓬勃發(fā)展：在2019年，全球發(fā)表了超過12萬篇的AI論文。在2000年至2019年之間，人工智能的論文占所有同行評審論文的比例從0.8％上升到了2019年的3.8％。

 

2、中國取得論文引用次數(shù)最多的獎項

 

 

中國的研究人員在過去發(fā)表的關于人工智能的研究論文最多，在2017年就處于領先地位。截至2020年，中國學者的論文被外國學者引用的數(shù)量也是最多的。

 

人工智能指數(shù)指導委員會的聯(lián)合主任杰克·克拉克（Jack Clark）認為該獎項對中國來說是“學術成就的指標”，同時也反映了不同國家/地區(qū)的人工智能生態(tài)系統(tǒng)正在不斷更新。

 

因為中國有明確的人工智能刊物發(fā)表的政策，政府機構(gòu)在學術研究中扮演著很重要的角色，然而美國重大的研發(fā)活動主要會發(fā)生在一些大公司內(nèi)部。

克拉克認為如果處在一個行業(yè)中，那么撰寫期刊文章的動力就會減弱。因為這主要是為了給公司帶來聲望。

 

3、更快的訓練速度=更好的人工智能技術

 

該數(shù)據(jù)來自MLPerf，主要是對機器學習的性能進行客觀的排名。

在2018年，機器花了6分鐘20秒訓練出最好的系統(tǒng)， 我們認為是相對比較厲害的水平了，但是在2020年機器通過專門的加速器芯片只花了47秒就實現(xiàn)了這一非凡的進步。

 

4、AI無法識別飲用咖啡的活動

 

在過去的幾年中，人工智能已經(jīng)非常擅長靜態(tài)圖像的識別。計算機視覺的下一個前沿領域?qū)菍σ曨l的識別。研究人員正在構(gòu)建可以識別視頻片段的系統(tǒng)，因為如果將這種識別系統(tǒng)運用于現(xiàn)實世界中（比如自動駕駛汽車，監(jiān)控攝像頭等），它將大有用處。

在對人類200種日常生活的調(diào)查中，圖表顯示人工智能系統(tǒng)在識別咖啡飲用這一活動時是最困難對。這似乎是一個很嚴重的問題，因為喝咖啡是一項非?；镜幕顒樱越窈笮枰谶@個領域需要更多的研究。

 

5、自然語言處理發(fā)展很快，但還需要更嚴格的測試

自然語言處理（NLP）隨著計算機視覺的發(fā)展而迅速發(fā)展。衡量NLP系統(tǒng)的性能也變得很棘手，所以我們需要對NLP做更多更嚴密的測試。

 

6、引人深思的警告

用于語音識別和文本生成等任務的語言模型已經(jīng)非常健全，但是許多人對此都帶有嚴重的偏見和問題。

此處的示例顯示了一些領先公司的語音識別程序中的錯誤率。研究人員測試其系統(tǒng)的性能時，很少測試其系統(tǒng)的有害偏差。

 

7、全球化的AI就業(yè)市場

 

LinkedIn的數(shù)據(jù)顯示，從2016年到2020年，巴西，印度，加拿大，新加坡和南非的AI招聘人數(shù)增長最快。但這并不意味著這些國家的絕對就業(yè)人數(shù)最多（美國和中國繼續(xù)保持領先地位），LinkedIn發(fā)現(xiàn)，即使在2020年突發(fā)的新冠疫情也沒有影響AI行業(yè)的招聘。

 

值得注意的是，印度和中國中都只有較小比例的人在LinkedIn上填寫了個人資料，因此這些國家的數(shù)據(jù)可能不具有絕對的代表性。

 

8、資金繼續(xù)大量涌入

根據(jù)圖表可以看出2020年，全球企業(yè)對AI的投資猛增至近680億美元，比前一年增長了40％。

  

9、初創(chuàng)浪潮有所衰退

創(chuàng)業(yè)企業(yè)私人投資仍在同比增長，但是增速較慢。

該圖顯示，對于AI初創(chuàng)公司的私人投資越來越少。盡管新冠疫情可能影響了初創(chuàng)企業(yè)的活動，但其實初創(chuàng)企業(yè)從2018年就開始下降，一直到現(xiàn)在都一直是下降的趨勢。所以這似乎是一個行業(yè)日趨成熟的信號。

 

10、COVID的影響

另一方面，雖然AI行業(yè)在很大程度上不受新冠疫情的影響，但該圖顯示2020年的私人投資向其他某些領域出現(xiàn)傾斜，這些領域在應對COVID-19的進程中發(fā)揮了重要作用。

 

比如說對于制藥業(yè)相關公司的投資熱潮最為明顯，教育行業(yè)和游戲行業(yè)的投資也出現(xiàn)了增長，這可能是因為學生和成年人在去年花了很多錢買計算機。

 

11、風險與挑戰(zhàn)

在電信，金融服務和汽車等行業(yè)中，很多公司正在穩(wěn)步增加對AI工具的運用。但是大多數(shù)公司都不知道或不擔心這種新技術帶來的風險。

與AI有關的倫理道德問題（例如隱私和公平性）是當今AI研究中最熱門的話題之一，但很顯然很多企業(yè)都還沒有意識到。

 

12、AI博士的待遇也不容樂觀

雖然大學里面增加了很多與人工智能相關的課程，也增加了終身制教職人員的數(shù)量，但是學術界仍然沒有為畢業(yè)的AI博士提供更多的任職機會。

該圖表代表北美的博士畢業(yè)生中絕大多數(shù)正在企業(yè)工作，而不是學術機構(gòu)。

 

13、倫理道德層面存在的問題

一般的公司可能不太關心人工智能層面的倫理道德問題，相反研究人員越來越在意。

圖表顯示了在一些AI會議上，有關與道德相關的論文越來愈多，這是令人鼓舞的。但是在人工智能行業(yè)中對于倫理偏見有關的定量測試才剛剛開始出現(xiàn)，今后有望成為AI科學領域新的組成部分。

 

14、多樣性的問題 （第一部分）

 

在AI系統(tǒng)中解決偏見和歧視的一種方法就是保證工作環(huán)境的多樣性。報告指出，在學術界和工業(yè)界，從事人工智能方面工作者“仍然主要是男性，人員構(gòu)成缺乏多樣性”。

該圖根據(jù)計算機研究協(xié)會的年度調(diào)查數(shù)據(jù)顯示在北美AI博士畢業(yè)生中，女性僅占約20％。

 

15、多樣性的問題 （第二部分）

 

該報告還講述了關于種族/民族認同的問題。很少有公司會針對女孩和代表性不足的少數(shù)族裔制定優(yōu)秀者STEM計劃，這也是今后值得關注和改善的。

— THE END —

?【數(shù)學漫畫】數(shù)學家死后

?【轉(zhuǎn)載】你被殺死在了大學最好的年紀里

?【數(shù)學之美】一把直尺，一個圓規(guī)

?完美數(shù)：數(shù)學寶庫中的一顆璀璨明珠

?15歲進少年班，21歲打破西方技術壁壘！這位95后正在改變世界

?名校博士被撤銷學位，只因7行文字抄襲及1張互聯(lián)網(wǎng)圖片……