2018年AI指數報告發布，中、美、歐人工智慧進展大PK！

斯坦福大學的第二份年度AI指數報告匯總分析了人工智慧領域的研究進展和趨勢的數據和論文

人工智慧領域的發展速度是當前這個教計算機和機器人如何認識世界、感知世界並最終在物理世界和虛擬世界中執行複雜任務的AI行業最具爭議的話題之一。這個行業發展的快慢和要達到什麼目標不僅要用實際產品的進展和科研里程碑來衡量，還應該參考AI領軍人、未來學家、學者、經濟學家以及政策制定者的預測和意見。人工智慧將要改變這個世界，但什麼時候，以何種方式，仍然是一個未知數。

最近，一個專家團隊公布的研究結果可以很好地回答這些問題。專家團隊的成員來自哈佛、MIT，斯坦福、非盈利組織OpenAI、以及AI產業合作夥伴等。他們一起作為第二屆AI指數的一部分。他們的目標是通過使用確實的數據來衡量AI領域的進展，並且要嘗試搞清楚這些進展，那就需要弄清楚很多棘手的話題，就比如車間自動化、人工智慧的總體追求，再比如可以讓機器來執行任意人類能完成的任務的智力類型。

在去年12月發表了第一份人工智慧指數年度報告，報告表示人工智慧領域的投資和工作都在以一種空前的速度發展，儘管在一些細分領域比如說在遊戲和視覺領域的進展搶眼，但能實現各種工作任務自動化的AI的通用智商還很低。而且, 去年的報告缺乏作者所說的 "全球視角", 第二版著手用新的、更精細的數據和更國際化的視角來回答許多相同的問題。在2018版報告引言中寫道，

「沒有全球化的視野，就講不好人工智慧的故事，2017版的報告嚴重偏向了北美地區的活動，這反映了有限的國際合作夥伴關係，並不是因為存在內在偏見。今年，我們著手填補這一全球性漏洞。我們意識到要想讓這份報告真正的綜合全面還有很長的一段路要走，這需要內部和外部通力協作。」

圖：1998-2017年間，各地區發表AI論文數量，圖源： AI Index Report 2018

秉持著全球化分析的精神，第二份人工智慧指數報告發現，人工智慧的商業落地和研究工作以及投資幾乎在全球各地都在爆炸式增長。這種趨勢在歐洲和亞洲特別明顯。中國、日本和南韓的人工智慧論文發表、大學招生以及專利申請方面在東方國家遙遙領先。實際上，歐洲發表的AI論文數量最多，佔去年全球AI相關論文總數的28%.僅此於歐洲，中國佔比25%，而美國僅佔比17%。

圖 | 1998-2017年間，Scopus 平台 AI 各子領域論文數量年增長情況 （ 圖源： AI Index Report 2018 ）

當談及人工智慧活動的類型，報告顯示機器學習和所謂的概率推理（讓AI玩遊戲戰勝人類的認知相關的活動）這兩類是最熱的研究領域，發表的論文數量最多。

緊跟著的熱門領域是計算機視覺。計算機視覺是AI的基礎子學科之，它幫助開發自動駕駛汽車、增強現實、對象識別以及神經網路等。計算機視覺就行機器學習一樣，可以訓練這些演算法隨著時間推移不斷改善。

目前來講，重要性弱些的領域是自然語言處理。自然語言處理讓機器理解你在說些什麼，並作出反應，並能制定總體規劃和決策，這是當自動化機器成為日常生活中不可分割一部分時，所需要的能力。

這份報告有個相當有趣的發現，那就是全球各地區在AI研究領域的側重點不同。中國高度重視AI在農業科學、工程和技術上的應用，而歐洲和北美則更關注人文科學、醫學和健康科學，並且歐洲採用的研究方法更為全面。

圖 | 2000 年和2017 年中國、美國、歐洲區域的AI 研究熱點方向（ 圖源： AI Index Report 2018 ）

報告還提到一些有趣的小道消息，美國發表的AI研究論文儘管數量較中國和歐洲低，但其論文的引用率遠高於中國和歐洲。在中國和歐洲，政府相關的組織和研究機構發表的論文數量遠超過中歐的企業尤其是在醫學領域。然而美國的AI研究更多地是由企業主導，這可能得益於蘋果、亞馬遜、谷歌、Facebook和微軟等科技巨頭在AI領域的巨額投資。

就表現而言，人工智慧仍在飛速發展，尤其是計算機視覺等領域。通過測試已經被廣泛使用的圖像訓練資料庫ImageNet的基準性能，AI指數報告發現ImageNet就可以構建一個最新精度在進行圖像分類的模型所需要的時間在短短18個月內從「大約1個小時降低到約4分鐘」。訓練速度提高了約16倍。在其他領域，比如對象分割，主要是利用軟體區分圖像的背景和主題，在短短3年內，精度提高了約72%。

對於機器翻譯和解析等領域，AI讓軟體可以理解語法結構，更容易的回答問題，且準確性和熟練度越來越高。但隨著演算法越來越接近人類對語言的理解，獲得的成果越來越少。

在單獨的「人類級表現里程碑」章節，AI指數報告在遊戲操作及醫療分析等有著卓越進展的領域盤點了數個2018年的重大事件。這些進展包括Google的DeepMind在經典的第一人稱射擊遊戲雷神之錘中奪旗等目標導向的遊戲模式中的進展，以及在在線競技遊戲DOTA2中先後對戰業餘及前職業選手的標誌性表現。

圖： ImageNet 的訓練時間 圖源： AI Index Report 2018

所有這些確實的數據都很好地幫助我們理解AI現在表現如何、這些年是如何發展的以及未來的發展規劃。涉及到關於自動化的更深奧的問題時，或者是涉及到AI在刑事司法、邊境監控、戰爭以及其他政府潛在政策比性能影響更大的領域的應用途徑時，我們仍處於黑暗地帶。AI要變得更加成熟，面臨的障礙不止是技術上的，還有這些軟體能在醫院、教育系統、機場和警局可靠無錯運行前人們的偏見和安全上的顧慮。

不幸的是，這些並沒有阻止企業和政府繼續在現實世界中部署AI戰略。今年，我們發現亞馬遜向執法機關出售面部識別軟體，同時谷歌向國防部的無人機項目Project Maven支持計算機視覺技術被發現後捲入了巨大的爭議。

谷歌隨即表示將在合同到期後立即撤出該項目，並且發表了一份內容廣泛的AI倫理準則，包括保證絕不發展AI武器監控系統或者向任何違反「國際公認的法律和人權」的項目提供幫助。 但是很明顯，矽谷的領袖們將AI看作一個巨大的商業機遇，並把這些項目和合同看作是參與AI研究軍備競賽的經濟獎勵。

（圖源： Alex Castro / The Verge ）

在世界的其他地方，AI正在幫助政府的持續不斷地監視公民的社會活動。根據紐約時報的報道，中國使用了數百萬攝像頭，配合面部識別等AI輔助技術，為14億人口建造了世界上最龐大的監控系統。這個系統將與中國新的社會信用體系聯網，該體系通過搜集和分析人們線上線下的日常數據，根據教育、財務背景以及其他參數來為公民評分並按層級給予不同的資源和特權。

隨著自動化的到來，我們已經理解了可預見的未來並不會出現大規模的失業潮，但是更大的問題是，我們作為一個社會是否做好準備迎接未來的工作性質向不穩定、低薪並且沒有健康保險等安全保障的轉變。

並不是每個人都會立即失去工作。不如說，一些工種會隨著時間消亡，而另一些則會變成半自動的。而且有些工作將一直需要人類的參與。工人的命運將取決於僱主的約束，勞動法規以及是否有一個足夠好的系統幫助人們轉換到新角色或產業。例如，麥肯錫全球研究院去年11月份的一份報告表明，到2030年，全世界將有8億份工作消失，但是只有6%的工作可能完全自動化。從人工工作向AI或機器人輔助工作轉變的過程如何發展，決定了這是一次全面危機還是歷史性變革。

美國智庫全球發展中心在今年7月發表的一篇論文集中討論了人工智慧和機器人自動化對全球勞動力市場的潛在影響。 研究人員發現，目前還沒有做好足夠的準備工作來應對整體自動化帶來的後果，我們花費了太多的時間來討論在小範圍的市場中實現完全自動化的一般倫理和可行性。這篇論文總結到， 「諸如盈利能力、勞動法規、工會和企業社會的期望等問題至少和確定哪些工作實現自動化受到的技術限制這類問題同樣重要，」

但AI帶來的並非所有都是黑暗和厄運。AI指數報告背後的部分理念是提出正確的問題，這樣才能確保政策制定者、公眾和AI行業的領軍人物都有數據做出明智的決策。可能現在要想可靠地衡量人工智慧對社會的影響還為時過早，畢竟這個行業才剛剛起步。但提前考慮人工智慧對日常生活、工作和衛生保健、教育和執法等 公共機構的影響，並為這些即將到來的改變做好準備是與人工智慧研究和產品開發同樣重要的事情。只有做好兩手準備，我們才能避免這個即將改變世界的技術有可能帶來的風險。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！