斯坦福大学发布2019人工智能索引报告

12月12日讯，斯坦福大学发布了2019人工智能索引报告(2019AI Index Report)。这是斯坦福大学第三年发布该报告。

以下是报告亮点：

从1998年到2018年，同行评议的人工智能论文数量增长了300%以上，占同行评议期刊出版物的3%，占已发表会议论文的9%。

中国现在每年出版的人工智能期刊和会议论文与欧洲一样多，早在2006年就已经超过美国。但美国出版物的领域加权引用影响仍比中国高出约50%。

新加坡、瑞士、澳大利亚、以色列、荷兰和卢森堡人均在arXiv上发表的深度学习论文数量相对较高。

超过32%的世界人工智能期刊引文来自东亚。超过40%的世界人工智能会议论文引文来自北美。

2014-2018年间，北美占全球人工智能专利引用活动的60%以上。

许多西欧国家，特别是荷兰和丹麦，以及阿根廷、加拿大和伊朗，研究人工智能研究的女性比例相对较高。

出席人工智能会议的人数继续大幅增加。2019年，最大的NeurIPS预计有13500人参加，比2018年增长41%，比2012年增长800%。即使是像AAAI和CVPR这样的会议每年的出席率也增长了30%左右。

WiML研讨会的参与者人数是2014年的8倍，AI4的校友人数也是2015年的20倍。这些增加反映出继续努力将妇女和代表性不足的群体纳入人工智能领域。

在一年半的时间里，在云基础设施上训练大型图像分类系统所需的时间从2017年10月的约3小时减少到2019年7月的约88秒。同时，训练这样一个系统的费用也同样下降。

在SuperGLUE和SQuAD2.0基准测试中获得的一些广泛的自然语言处理分类任务方面的进展非常迅速；在一些需要推理的NLP任务(如AI2推理挑战)或人类级别的概念学习任务(如Omniglot挑战)上的性能仍然较低。

在2012年之前，人工智能的结果紧跟摩尔定律，每两年计算翻番。2012年后，计算每3.4个月翻一番。

2015年至2019年，新加坡、巴西、澳大利亚、加拿大和印度的人工智能招聘增长最快。

2019年，全球私人人工智能投资超过700亿美元，与人工智能相关的初创企业投资超过370亿美元，并购340亿美元，IPO50亿美元，少数股权价值约20亿美元。

在全球范围内，对人工智能初创企业的投资继续稳步上升。融资总额从2010年的13亿美元增至2018年的404亿美元(截至11月4日，2019年为374亿美元)，年均增长率超过48%。

去年，自动驾驶以77亿美元(占全球总投资的9.9%)获得了全球投资的最大份额，其次是药物、癌症和治疗(47亿美元，6.1%)、面部识别(47亿美元，6.0%)、视频内容(36亿美元，4.5%)和欺诈检测和财务(31亿美元，3.9%)。

58%的受访大公司表示，2019年至少有一个职能或业务部门采用人工智能，高于2018年的47%。

只有19%的受访大公司表示，他们的组织正在采取措施降低与算法可解释性相关的风险，13%的公司正在降低对公平和公正的风险，如算法偏见和歧视。

全球范围内，人工智能和相关学科以及在线课程的招生人数都继续快速增长。

在研究生教育阶段，人工智能迅速成为北美计算机科学博士生中最受欢迎的专业，其学生数量是第二受欢迎专业(安全/信息保证)的两倍多。2018年，超过21%的计算机科学博士毕业生专攻人工智能/机器学习。

在美国和加拿大，在人工智能领域毕业的国际博士生数量继续增长，目前超过60%的博士生来自这些项目(2010年不到40%)。

到目前为止，工业已经成为人工智能人才的最大消费群体。2018年，超过60%的人工智能博士毕业生进入了工业领域，高于2004年的20%。2018年，在美国，从事工业的人工智能博士毕业生人数是从事学术工作的两倍多。

在美国，人工智能教师离开学术界从事工业的速度继续加快，2018年有40多人离开，高于2012年的15人，2004年则没有。

按照性别划分，人工智能教师的多样化并没有显示出很大的进展，2018年，女性在新聘教师中所占比例不到20%。同样，自2010年以来，美国女性人工智能博士学位获得者的比例几乎保持在20%不变。

2015-2018年间，加利福尼亚州测试自动驾驶的总行驶里程数和公司总数增长了7倍以上。2018年，加利福尼亚州为50多家公司和500多辆AVs公司颁发了测试许可证，行驶里程超过200万英里。

全球央行通讯显示出对人工智能的浓厚兴趣，特别是来自英国央行、日本央行和美联储的兴趣。

全世界国会记录、委员会报告和立法记录中与人工智能相关的立法显著增加。

公平性、可解释性和可解释性被认为是59份人工智能伦理原则文件中最常提及的伦理挑战。

在2018年年中至2019年年中确定的3600多篇关于道德和人工智能的全球新闻文章中，主要议题是人工智能道德使用、数据隐私、人脸识别的使用、算法偏差和大技术的作用的框架和指南。

人工智能可以通过迄今为止确定的用例为17个联合国可持续发展目标(SDG)中的每一个做出贡献，这些用例涉及169个联合国可持续发展目标中的大约一半，但要大规模部署人工智能促进可持续发展，仍需克服瓶颈。