人工智能与机器学习全景式概览.docxVIP

????

???

斯坦福AI百年报告2017：人工智能与机器学习全景式概览

???

?

?

?

?

?

?

???

???

?

???

?

?

?

?

?

?

”关注

“AIIndex”（AI指数）近日重磅发布，这是斯坦福大学AI百年研究（AI100）的一个项目，旨在追踪人工智能的活动和进展。该报告列出了2017年人工智能在计算机视觉、自然语言理解等方向上的最新进展，分学术、产业多个角度盘点人工智能进度。报告还综合学术论文数量、招生数量和VC投资数量，得出AI发展活力指数，数据显示，最新一波AI浪潮在2015年活力最高，自那以后其实活力开始有小幅减弱。

报告全文：/2017-report.pdf

如果缺乏AI技术的相关数据，我们在有关AI的讨论和决策中，基本上是“盲目的”。

在与人工智能相关的讨论和决策中，我们本质上是“盲目的”。

“AIIndex”（AI指数）是斯坦福大学AI百年研究的一个项目，它是一个开放的非营利性项目，旨在追踪人工智能的活动和进展。它的目的是促进以数据为基础的对AI的了解。本报告是AIIndex的第一份年度报告，在这份报告中，我们通过多个视角来观察AI的活动和进展。我们汇总了网络上的数据，也贡献了原始数据，并从数据序列的组合中提取新的度量标准。

本报告的数据都将在AIIndex网站（）上公开。但是，提供数据只是一个开始。为了真正实现作用，AI指数需要来自更大的社区的支持。最后，这份报告呼吁更多人的参与。你有能力提供数据、分析收集的数据，并列出你希望跟踪的数据。无论你是否有答案或问题，我们都希望这份报告能让你了解AI指数，并成为有关AI的话题的一部分。

报告总览

报告的前半部分展示了AIIndex团队收集的数据。后半部分，我们讨论了报告中没有提到的一些关键领域、专家对报告中显示的趋势的评论，最后呼吁采取行动支持我们的数据收集工作，并加入关于AI技术的度量和交流进展的讨论。

数据部分

本报告中的数据包括4个主要部分：

活动量

技术表现

衍生测量

人类水平表现?

活动量（VolumeofActivity）部分有关这个领域的“多少”（howmuch）的方面，例如参加AI会议的人数、VC对开发AI系统的初创公司的投资等。技术表现的部分有关“howgood”，例如计算机在理解图像和证明数学定理方面已经做到什么程度。在报告附录中详细描述了每个数据集的收集方法。

这两组数据证实了实际上是公认的一个事实，即：所有的图表都是“向上和向右的”，反映了AI的活动是不断增加，AI技术是不断进步的趋势。在衍生测量（DerivativeMeasures）部分，我们调查了趋势之间的关系。我们还引入了一个探索性的测量方法——AI活力指数（AIVibrancyIndex），结合了学术界和工业界的趋势，量化了AI作为一个领域的活力。

在衡量AI系统的表现时，很自然地会将其与人类的表现进行比较。在“人类水平表现”面这一节中，我们列出了一些值得注意的领域，其中AI系统在达到甚至超越人类水平方面取得了重大进展。我们还讨论了进行这种比较时存在的困难，并提出了适当的警告。

讨论部分

在报告了团队收集的数据之后，我们将对报告中所强调的趋势进行一些讨论，并对该报告的重要领域进行全面的讨论。

部分讨论集中在报告的局限性上。这份报告的数据源倾向于以美国为中心，并且可能只通过跟踪了定义良好的基准，因此可能高估了技术领域的进展。它还缺乏数据的人口统计数据，也不包含政府和企业对AI研发投资的信息。这些领域是非常重要的，我们打算在未来的报告中解决这些问题。

我们将进一步讨论这些局限，以及其他一些在报告中缺失的部分。正如该报告的局限性所显示的，AIIndex只是描绘了局部图景。出于这个原因，这份报告也加入了各个领域的AI专家的主观评论。专家评论部分补充了对数据背后的故事的生动解释。

最后，我们将需要更多来自社区的反馈和参与来解决报告中显示的局限，揭示我们遗漏的问题，并建立一个追踪AI活动和进展的有效程序。

人工智能和机器学习全景式概览：学术、产业、人才流动、开源生态，各方各面活动量大增

这份报告做了大量调查和统计，从学术（论文发表、会议参加、学生课程选修）、产业（创业、投资）、人才（招聘、职位空缺）、开源生态（GithubAI和ML软件包）、媒体报道等方面，比较全面地展现了AI和ML的图景。

1、学术

首先，论文发表数量激增：自从1996年以来，每年发表的AI论文数量增加了9倍以上。

再看不同类别的学术论文的年度发表率与1996年的发表率相比较。下图显示了所有领域的论文、计算机科学领域的论文和计算机科学领域的AI论文的增长。数据表明，人工智能发表论文数量增多，不仅受计算机科学领域升温所致。具体而言，自1996年