700亿美元投入AI,自动驾驶融资最多,学者「下海」激增:斯坦福2019 AI年度报告出炉

2020-02-08 投稿人 : www.sil-vinhas.com 围观 : 1462 次

接下来,我们将在章节中介绍报告的一些要点。

研发

Scopus论文统计结果

1。人工智能论文在所有论文中的比例

根据Scopus数据,从1998年到2018年,同行评议的人工智能论文数量增加了300%以上,占同行评议期刊数量的3%,占已发表会议论文数量的9%。

2。地区差异

中国2006年出版的年度人工智能期刊和论辩论文超过了美国,现在相当于整个欧洲。但是,在美国发表的论文的场加权引用影响因子(FWCI)仍然比中国高出约50%(注:FWCI是场加权引用影响的全称,它是用该地区人工智能出版物的平均引用数除以同一出版年份、主题领域和文件类型的世界上所有人工智能出版物的平均引用数而得到的)。关于

Scopus

Scopus

的年度人工智能论文。论文组织

在中国和欧洲,政府机构贡献的人工智能论文数量最多,而在美国,更高比例的人工智能论文来自企业研究组织。

2018年,中国政府研究机构发表的人工智能论文比中国企业多近300倍。此外,自1998年以来,中国政府机构的人工智能论文数量也增加了三倍,而同期中国企业的人工智能论文数量增加了66倍。

在美国,来自企业的人工智能论文数量占相对较大的份额。2018年,美国企业人工智能论文的比例是中国企业的7倍多,是欧洲企业的近2倍。

1998-2018,中国不同类型机构发表的论文总数

1998-2018,美国不同类型机构发表的论文总数

1998-2018,欧洲不同类型机构发表的论文总数

4。引用

尽管Scopus发表的人工智能论文数量在欧洲是最高的,但欧洲的FWCI相对一般,相当于世界平均水平。相对而言,中国FWCI的增长是显着的,但还没有达到全球平均水平。

1998-2018,不同地区人工智能作者的FWCI因子(1表示全球平均值)。

5。产学研合作在美国、中国、法国、香港、瑞士、加拿大、日本、德国和英国十分普遍。

世界学术-企业合作地图:人工智能论文总数

arXiv论文统计

1。2010年至2019年,关于第十四次评估报告的大赦国际论文总数增加了20倍。自2010年以来,提交给arxiv“计算语言”类别的论文增加了近60倍。

从体型来看,计算机视觉和模式识别自2014年以来一直是arXiv的最大子类,但机器学习在2019年成为人工智能论文的最大子类。除了显示人们对计算机视觉和机器学习(及其广义上的应用)的兴趣正在增长之外,这张图表还显示了其他人工智能应用的增长,例如机器人技术,从2010年到2019年增长了30多倍。

2010-2019,arXiv

2的人工智能论文数量。arxiv

2018,北美发表的深入研究论文最多,其次是欧洲。东亚的论文在2018年达到了与欧洲相同的水平。关于

arXiv的深入研究论文数量。

就国家而言,从2015年到2018年,中国成为在arXiv上发表深度研究论文数量第二多的国家,仅次于美国。

2015-2018,根据深度研究论文的数量列于arXiv的国家

新加坡、瑞士、澳大利亚、以色列、荷兰和卢森堡人均深度研究论文数量较高。

2015-2018,arXiv国家根据人均深入研究论文数量进行排名

微软学术图表(MAG)论文统计

1。人工智能期刊论文编号

根据MAG统计,2018年,37%的人工智能期刊论文来自东亚,24%来自欧洲和中亚,22%来自北美。其中,2015年至2018年,中国人工智能期刊论文数量最多。从

1990-2018人工智能期刊论文的区域分布。

2。人工智能期刊论文被引用

全球超过32%的人工智能期刊引用来自东亚,31%来自欧洲,27%来自北方

2014-2018,不同地区人工智能期刊引文(世界期刊引文的百分比)

3。2018年发布的人工智能会议论文中,33%来自东亚,27%来自北美,26%来自欧洲。南亚的论文在世界人工智能大会上发表的论文中所占的比例一直在稳步上升,2018年上升了近6%。

1990-2018,人工智能会议论文在世界不同地区的分享

4。人工智能会议论文被引用

从2014年到2018年,超过40%的人工智能会议论文被北美引用。

5。人工智能专利

从1990年到2018年,超过51%的已发表人工智能专利属于北美,欧洲和中亚的份额下降到23%,接近东亚。94%的人工智能专利在高收入国家申请,来自中等收入和高收入国家的份额增加到4%。

1990-2018,人工智能专利在世界不同地区的份额。

在国家层面,从2015年到2018年,中国在发布的人工智能专利数量上仅排名第八。

6。人工智能专利被引用

在2014-2018年期间,北美占全球人工智能专利引用活动的60%以上。

7。GitHub星号

在GitHub统计结果中,有一个趋势值得关注,即企业支持的研究框架如谷歌的TensorFlow和脸书的PyTorch的快速发展。

Keras的受欢迎程度似乎在下降,但Keras已经被整合到TensorFlow中,因此它的受欢迎程度也部分反映在TensorFlow指标中。scikit-learn和Caffe这两个非工业框架的受欢迎程度继续缓慢增长,但它们的增长轨迹看起来比企业框架慢。

2015-2019,不同人工智能软件库的累积GitHub之星。“人工智能中的女性”在许多西欧国家(尤其是荷兰和丹麦)以及阿根廷、加拿大和伊朗,女性参与人工智能研究的比例相对较高。

至少有一名女性作者的人工智能论文的百分比。

Meeting

Attendees

AI会议与会者继续显着增长。2019年,最大的会议神经网络项目预计将有13,500名与会者(实际与会者13,000人),比2018年增加41%,比2012年增加800%。AAAI和CVPR会议的年出席率也增加了约30%。相对于2012年与会者,

1984-2019会议与会者

的增长。

以下显示了小型人工智能会议的与会者人数,以及小型会议的与会者人数相对于2014年与会者人数的增长情况。小型人工智能会议的定义是2019年与会者少于3000人的会议。2019年ICLR的参与者人数是2014年的15倍。为什么增长如此之快?这可能是因为当前人工智能领域非常重视深度学习和强化学习。

2000-2019年小型会议与会者人数

AAAI会议数据

1。论文数据

本报告统计AAAI会议相关数据。数据显示,提交和收到的论文大多来自中国。超过68%的第一批提交论文的作者是学生。以色列的接收率最高(24%),其次是德国(23%)、加拿大(22%)、美国和新加坡(均为20%)。

不同国家提交和接受AAAI 2019年论文

下图显示了按研究主题排序的论文提交和接受情况。前三个研究主题仍然是机器学习、自然语言处理和视觉。

与去年相比,提交数量增幅最大的前三个研究主题是不确定性推理(194%)、应用(176%)、人类和人工智能(161%)。

提交数量降幅最大的前三个研究主题是认知系统(-56%)、计算可持续性(-34%)、人类计算和众包(0.9%)。

接受率最高的研究课题是博弈论和经济范式(32.3%),其次是启发式搜索(27.5%)和认知系统(27.2%)。

AAAI 2019年不同研究课题论文的提交和接收

下图显示了ImageNet数据集上图像分类精度随时间的变化,可视为图像识别监督和学习领域进步的标志。

1。图像分类:ImageNet

下图显示了ImageNet数据集上图像分类精度随时间的变化,可视为图像识别监督和学习领域进步的标志。

第一个超越人类表现的方法于2015年发布,图像网挑战赛将于2017年暂停。然而,这个数据集仍然是新的计算机视觉模型的重要基准,新的研究进展仍在继续。最近发布的三种可以成功处理此任务的方法使用附加数据进行培训,并用另一行(橙色)标记。

ImageNet上的分类性能

2。图像分类:ImageNet培训时间和成本

在2017年10月至2019年7月的一年半时间里,在云基础架构上培训大型图像分类系统所需的时间从大约3小时减少到大约88秒。在同一时期,培训这种系统的费用也同样下降了。

ImageNet培训时间

3。语义分割

语义分割技术的进步对现实世界人工智能视觉系统(如用于自主驾驶的系统)的发展做出了重要贡献。基于两个数据集(城市景观和PASCAL-Context)的交叉比(IoU)指数用于衡量这一领域的进展。一些系统使用附加数据进行培训。

Cityscapes-based语义分段性能

NLP

许多NLP分类任务的进度可以通过SuperGLUE和SQuAD2.0基准来衡量。可以看出,该模型在这两个基准上取得了快速进展。然而,在一些需要推理的自然语言处理任务(如AI2创造挑战)和人一级概念学习任务(Omniglot Challenge)中的表现仍然很低。

通过胶水指数

超级胶水得分和超级胶水指数上的人类基准测量的基准性能增长

从2016年8月到2019年5月,SQuAD1.1 F1得分从67增加到95。SQuAD2.0的进度甚至更快。F1得分从2018年5月的62分上升到2019年6月的90分。

在SQuAD1.0上训练F1得分为75或更高的问答模型所需的时间从2017年10月的7小时以上降至2019年3月的不到19分钟。2018年12月,使用公共云实例培训问答模型的成本从8美元降至57美分,推理时间从638毫秒降至7毫秒。在2012年之前,人工智能的结果显示,按照摩尔定律,计算能力每两年翻一番。2012年后,计算能力每3.4个月翻一番。

1959-2019,人工智能和计算发展(对数坐标)

阿尔法星(Alphastar):DeepMind在2019年开发的阿尔法星在《星际争霸 2》年击败了一名顶级职业选手。

与2018年人工智能指数报告相比,今年的版本增加了三个新的里程碑:

Alphafold:2018年底,DeepMind开发的Alphafold可以利用大量的几何序列数据来预测蛋白质的3D结构,其精度达到了前所未有的水平。

阿尔法星(Alphastar):DeepMind在2019年开发的阿尔法星在年击败了一名顶级职业选手。

糖尿病视网膜病变检测达到专家级精度:最近的一项研究对深度学习算法进行了最大的临床验证。该算法的精度明显高于人类专家的精度。当使用深度学习时,在降低假阴性病例的比率和假阳性病例的比率之间存在权衡。

Economy

Global招聘市场

新加坡、巴西、澳大利亚、加拿大和印度在2015年至2019年间人工智能招聘增长最快。

各国人工智能人才招聘指数(注:此表涵盖中国和印度,但上图中的中国和印度人工智能人才招聘指数可能无法充分显示两国的情况,因为中国和印度的劳动力不到林肯总劳动力的40%。)

在美国,人工智能相关职位占今年10月职位总数的1.32%,高于2010年的0.26%,机器学习占总数的0.51%。高科技服务和制造业对人工智能工作者的需求增长尤其迅速。

人工智能相关职位占总职位的比例。

2019美国工业对人工智能人才的需求。

华盛顿州对人工智能人才的需求最高,近1.4%的职位与人工智能相关。加利福尼亚州和马萨诸塞州的比例为1.3%,而纽约、哥伦比亚特区(DC)和弗吉尼亚州的比例分别为1.2%、1.1%和1%。

2019年,全球私营部门对人工智能的投资达到700多亿美元,其中人工智能初创公司370亿美元,并购340亿美元,首次公开募股50亿美元,少数股权约20亿美元。

全球范围内,人工智能初创企业的投资持续稳步增长,从2010年的13亿美元增至2018年的404亿美元(截至2019年11月4日,2019年为374亿美元),年均投资增长率超过48%。

去年,无人驾驶汽车在全球投资中所占比重最大,达3335,477亿美元,占总投资的9.9%。紧随其后的是医学和癌症研究(47亿美元,占总投资的6.1%)、面部识别(47亿美元,占总投资的6.0%)、视频内容(36亿美元,占总投资的4.5%)以及欺诈检测和金融(31亿美元,占总投资的3.9%)。

从2018年1月至2019年10月,各人工智能子行业的私人投资占总投资的比例。

Industry Applications

在受访的大公司中,2019年有58%的公司在至少一项职能或业务中使用人工智能,而2018年为47%。

接受调查的大公司中,只有19%的公司表示他们正在采取措施减轻与算法的可解释性相关的风险,而13%的大公司正在减轻与平等和公平相关的风险,如算法偏差和歧视。

2019,大量企业采取措施降低人工智能风险。“教育”人工智能及相关学科的注册学生人数继续快速增长。除了传统大学,在线学习者的数量也在快速增长。

人工智能很快成为北美最受计算机科学博士生欢迎的学科,学生人数是第二大热门学科(安全/信息安全)的两倍。2018年,超过21%的计算机科学博士课程是人工智能/机器学习。以人工智能/机器学习为导向的计算机博士生的比例和人数

在美国和加拿大,研究人工智能的博士生人数持续增加。目前,60%以上的博士生是国际学生,而2010年不到40%。

2010-2018,攻读人工智能博士学位的国际学生比例的变化。

目前,工业已经成为最大的人工智能人才流动。2018年,60%以上的人工智能博士从事工业,而2004年为20%。2018年,进入美国工业界的人工智能医生人数是选择教学职位的人工智能医生人数的两倍。

2004-2018,人工智能医生进入工业界的比例。

在美国,离开学术界进入工业界的人工智能教师人数持续增长,2018年发生了40多起此类事件,而2012年只有15起,2004年没有。

2004-2018,离开学术界进入工业界的人数。

使人工智能工作人员的性别状况多样化的尝试没有取得很大进展。2018年,妇女在新任命的工作人员中不到20%。同样,自2010年以来,美国人工智能女博士候选人的比例一直保持在20%左右。

2010-2018,美国女博士候选人的比例。

2015年至2018年间,加州自动驾驶汽车的总里程和在此进行汽车测试的自动驾驶公司数量增加了六倍。2018年,加州向50多家自动驾驶公司和500多辆自动驾驶汽车颁发了测试许可证,这些汽车的总里程超过200万英里。

该报告还显示了2018年加州自动驾驶汽车事故(California Autopilot Car Facement)的总结报告,详细说明了汽车事故的类型和车辆损坏的程度,如下图所示:

Public Awareness

世界各地的央行都对人工智能表现出极大的兴趣,尤其是英格兰银行、日本银行和美联储。

在世界各地的议会记录、委员会报告和立法草案中,与人工智能相关的法律和法规大幅增加。

Social Considerations

在59份人工智能伦理原则文件中,公平性和可解释性是最常见的伦理挑战。

59大赦国际道德原则文件中涵盖的道德挑战。

在2018年年中至2019年年中的3600多篇全球人工智能和伦理新闻文章中,主要话题是人工智能的使用伦理、数据公关

人工智能的使用案例表明,人工智能为17项联合国可持续发展目标做出了贡献,目前已经解决了约169项联合国可持续发展目标中的一半。然而,在大规模部署人工智能促进可持续发展方面,仍有一些瓶颈需要克服。

链接到完整版本报告: _ index _ 2019 _ report.pdf

12月18日,机器离线技术分享会邀请了专门从事自动化的硅谷公司MoBagel mobile bagel的两位嘉宾介绍自动化技术的全过程,并详细说明自动化机器学习如何实现机器学习的普及。

演讲分享后,我们还安排了一个自动化实战工作坊,通过对实际案例的讲解,帮助人们深刻理解全过程自动化技术的商业应用,并亲身体验移动百吉醒酒器人工智能。)自动化机器学习平台。回到搜狐看更多

http://ios.nzhouguanglai.com.cn