2018年AI指数报告发布，中、美、欧人工智能进展大PK

2018 年全球的人工智能研究进展究竟有什么特点？近日，一支国际联合团队的一份年度 AI 指数报告，汇总分析了人工智能领域的研究进展和趋势的数据和论文。

人工智能领域的发展一直是全球科技界关注的问题。这个行业发展的快慢和要达到什么目标不仅要用实际产品的进展和科研里程碑来衡量，还应该参考 AI 领军人、未来学家、学者、经济学家以及政策制定者的预测和意见。人工智能将要改变这个世界，但什么时候，以何种方式，仍然是一个未知数。

最近，一个专家团队公布的研究结果可以很好地回答这些问题。专家团队的成员来自哈佛、麻省理工学院、斯坦福、非盈利组织 OpenAI 、以及 AI 产业合作伙伴等。他们一起作为第二届 AI 指数的一部分。他们的目标是通过使用确实的数据来衡量AI领域的进展，并且要尝试搞清楚这些进展，这就需要弄清楚很多棘手的话题，就比如车间自动化、人工智能的总体方向、机器模仿人类执行的任务类型。

2017 年 12 月，第一份人工智能指数年度报告得以发表，报告显示，人工智能领域的发展速度很快，尽管在一些细分领域进展抢眼，比如说游戏和计算机视觉，但在实现各种任务自动化上， AI 整体智商水平还很低。而且, 去年的报告被认为缺乏一定的 “全球视角”, 第二版着手用新的、更精细的数据和更国际化的视角来回答许多相同的问题。

2018 版报告引言中写道，“没有全球化的视野，就讲不好人工智能的故事，2017 版的报告严重偏向了北美地区的活动，这反映了有限的国际合作伙伴关系，并不是因为存在内在偏见。今年，我们着手填补这一全球性漏洞。我们意识到要想让这份报告真正的综合全面还有很长的一段路要走，这需要内部和外部通力协作。”

图 | 1998-2017年间，各地区发表AI论文数量，（图源： AI Index Report 2018）

而第二份人工智能指数报告发现，人工智能的商业落地和研究工作以及投资几乎在全球各地都在爆炸式增长。这种趋势在欧洲和亚洲特别明显。中国、日本和韩国的人工智能论文发表、大学招生以及专利申请方面在东方国家遥遥领先。

实际上，欧洲发表的 AI 论文数量最多，占去年全球 AI 相关论文总数的28%，仅此于欧洲，中国占比 25%，而美国仅占比 17%。

图 | 1998-2017年间，Scopus 平台 AI 各子领域论文数量年增长情况 （ 图源： AI Index Report 2018 ）

在人工智能任务类型上，报告显示机器学习和所谓的概率推理（让AI玩游戏战胜人类的认知相关的活动）这两类是最热的研究领域，发表的论文数量最多。

紧跟着的热门领域是计算机视觉。计算机视觉是 AI 的基础子学科，它帮助开发自动驾驶汽车、增强现实、对象识别以及神经网络等。计算机视觉就行机器学习一样，可以训练这些算法随着时间推移不断改善。

目前来讲，重要性弱些的领域是自然语言处理。自然语言处理让机器理解你在说些什么，并作出反应，并能制定总体规划和决策，这是当自动化机器成为日常生活中不可分割一部分时所需要的能力。

这份报告有个相当有趣的发现，那就是全球各地区在AI研究领域的侧重点不同。中国高度重视 AI 在农业科学、工程和技术上的应用，而欧洲和北美则更关注人文科学、医学和健康科学，并且欧洲采用的研究方法更为全面。

图 | 2000 年和2017 年中国、美国、欧洲区域的AI 研究热点方向（ 图源： AI Index Report 2018 ）

报告还提到一些有趣的“小道消息”，美国发表的 AI 研究论文尽管数量较中国和欧洲低，但其论文的引用率远高于中国和欧洲。在中国和欧洲，政府相关的组织和研究机构发表的论文数量远超过企业，尤其是在医学领域。然而美国的 AI 研究更多地是由企业主导，这可能得益于苹果、亚马逊、谷歌、Facebook 和微软等科技巨头在 AI 领域的巨额投资。

就表现而言，人工智能仍在飞速发展，尤其是计算机视觉等领域。通过测试已经被广泛使用的图像训练数据库 ImageNet 的基准性能，AI 指数报告发现 ImageNet 就可以构建一个最新精度在进行图像分类的模型所需要的时间在短短 18 个月内从“大约 1 个小时降低到约 4 分钟”。训练速度提高了约 16 倍。在其他领域，比如对象分割，主要是利用软件区分图像的背景和主题，在短短 3 年内，精度提高了约 72%。

对于机器翻译和解析等领域，AI 让软件可以理解语法结构，更容易的回答问题，且准确性和熟练度越来越高。但随着算法越来越接近人类对语言的理解，获得的成果越来越少。

在单独的“人类级表现里程碑”章节，报告在游戏及医疗分析等有着卓越进展的领域盘点了数个 2018 年的重大事件。

这些进展包括谷歌 的 DeepMind 在游戏雷神之锤中夺旗等目标导向的进展，以及在 DOTA2 中先后对战业余及前职业选手的标志性表现。

图 | ImageNet 的训练时间 （图源： AI Index Report 2018）

所有这些确实的数据都很好地帮助我们理解 AI 现在表现如何、这些年是如何发展的以及未来的发展规划。

涉及到关于自动化的更深奥的问题时，或者是涉及到 AI 在刑事司法、边境监控、战争以及其他政府潜在政策比性能影响更大的领域的应用途径时，我们仍处于黑暗地带。AI要变得更加成熟，面临的障碍不止是技术上的，还有这些软件能在医院、教育系统、机场和警局可靠无错运行前人们的偏见和安全上的顾虑。

不幸的是，这些并没有阻止企业和政府继续在现实世界中部署 AI 战略。今年，我们发现亚马逊向执法机关出售面部识别软件，同时谷歌向国防部的无人机项目 Project Maven 支持计算机视觉技术被发现后卷入了巨大的争议。

谷歌随即表示将在合同到期后立即撤出该项目，并且发表了一份内容广泛的 AI伦理准则，包括保证绝不发展 AI 武器监控系统或者向任何违反“国际公认的法律和人权”的项目提供帮助。 但是很明显，硅谷的领袖们将 AI 看作一个巨大的商业机遇，并把这些项目和合同看作是参与 AI 研究军备竞赛的经济奖励。

（图源： Alex Castro / The Verge ）

随着自动化的到来，我们已经理解了可预见的未来并不会出现大规模的失业潮，但是更大的问题是，我们作为一个社会是否做好准备迎接未来的工作性质向不稳定、低薪并且没有健康保险等安全保障的转变。

并不是每个人都会立即失去工作。不如说，一些工种会随着时间消亡，而另一些则会变成半自动的。而且有些工作将一直需要人类的参与。工人的命运将取决于雇主的约束，劳动法规以及是否有一个足够好的系统帮助人们转换到新角色或产业。例如，麦肯锡全球研究院去年11月份的一份报告表明，到2030年，全世界将有 8 亿份工作消失，但是只有 6% 的工作可能完全自动化。从人工工作向AI或机器人辅助工作转变的过程如何发展，决定了这是一次全面危机还是历史性变革。

美国智库全球发展中心在今年7月发表的一篇论文集中讨论了人工智能和机器人自动化对全球劳动力市场的潜在影响。 研究人员发现，目前还没有做好足够的准备工作来应对整体自动化带来的后果，我们花费了太多的时间来讨论在小范围的市场中实现完全自动化的一般伦理和可行性。这篇论文总结到， “诸如盈利能力、劳动法规、工会和企业社会的期望等问题至少和确定哪些工作实现自动化受到的技术限制这类问题同样重要。”

但 AI 带来的并非所有都是黑暗和厄运。AI 指数报告背后的部分理念是提出正确的问题，这样才能确保政策制定者、公众和AI行业的领军人物都有数据做出明智的决策。可能现在要想可靠地衡量人工智能对社会的影响还为时过早，毕竟这个行业才刚刚起步。但提前考虑人工智能对日常生活、工作和卫生保健、教育和执法等 公共机构的影响，并为这些即将到来的改变做好准备是与人工智能研究和产品开发同样重要的事情。只有做好两手准备，我们才能避免这个即将改变世界的技术有可能带来的风险。