AI指数2018年度报告_191页_3mb

AI Index 2018 年度报告总结

核心内容

AI Index 2018 年度报告旨在跟踪、整理、提取和可视化与人工智能（AI）相关数据，以帮助决策者、研究人员、管理人员、记者和公众理解AI的复杂领域。报告关注AI活动量、技术性能、政府举措、人力资源绩效和多样性等方面。

主要观点

• 全球视角：2018年报告首次加入全球视角，弥补了2017年报告对北美偏重的问题。
• AI发展迅速：AI论文数量、课程注册人数、AI创业公司数量、专利数量等指标显示AI发展在全球范围内迅速扩张。
• 技术性能提升：AI在多个技术领域如计算机视觉、自然语言处理、机器翻译等表现出显著进步。
• 多样性挑战：AI领域中男性占主导地位，且女性和少数族裔的代表性不足，但有组织正在努力提升多样性。
• 政府与行业合作：各国政府和企业对AI的投资和政策制定正在增加，AI Vibrancy指数表明行业与学术界的活跃度在提高。

关键信息

活动量

• AI论文数量：自1996年以来，AI论文数量增加了8倍，而计算机科学论文增加了6倍。
• 地区分布：2017年，AI论文中28%来自欧洲，25%来自中国，17%来自美国。
• 课程注册：全球AI和机器学习（ML）课程注册人数持续增长，尤其是中国的清华大学。
• 创业公司：AI创业公司数量从2015年到2018年增长了2.1倍，而所有创业公司增长了1.3倍。
• 专利：2014年，AI专利中30%来自美国，16%来自韩国和日本，中国和韩国、日本的增长显著。

技术性能

• ImageNet准确度：从2010年到2018年，AI在ImageNet上的准确度不断提升。
• ImageNet训练时间：从2017年6月到2018年11月，训练时间减少至4分钟。
• COCO实例分割：2018年，COCO挑战中平均精度从2015年的72%提高。
• 自然语言理解：GLUE基准测试显示AI在多个任务上的性能提升，BERT模型成为重要的研究进展。
• 机器翻译：BLEU分数从2008年到2018年增长了3.5倍（英语到德语）和2.5倍（德语到英语）。

人力资源与多样性

• AI教授性别分布：80%的AI教授是男性，但有组织正在努力提高多样性。
• AI4ALL和WiML：这些组织在提升AI领域的多样性方面取得进展，其活动注册人数显著增加。

其他措施

• AI Vibrancy指数：结合学术界和工业界指标，量化AI的活跃度。
• 政府举措：美国、中国和欧洲均发布了AI相关政策和投资计划，如美国的“为人工智能的未来做准备”、中国的国家AI计划和欧盟的AI研究资金。
• 军用AI：AI在军事领域的应用日益增加，但相关问题如自主武器系统引发关注。

结构

1. AI Index 2018报告简介
2. 概览
3. 活动量
4. 研究
5. 行业
6. 开源软件
7. 公共利益
8. 技术性能
9. 其他措施
10. 人力资源绩效里程碑
11. 少了什么东西？
12. 附录

附录与数据来源

• 数据来源：Scopus、arXiv、Elsevier、大学数据、Sand Hill Econometrics、Monster.com、Prattle、IFR.org、TrendKite、Google、Microsoft、OpenAI、欧盟委员会等。
• 方法论：报告使用多种方法论和指标来确保数据的准确性和全面性。

未来方向建议

• 常识推理和自然语言理解：增加相关指标以评估AI在对话和复杂任务中的表现。
• 人类与AI协作：测量非自治系统中人类与机器合作的情况。
• 因果推理：关注AI在因果关系方面的研究进展。
• 军用AI：跟踪军方在AI技术上的投资和发展。

致谢

• 机构与组织：arXiv、ROS.org、Sand Hill Econometrics、Monster.com、IFR.org、TrendKite、艾伦人工智能研究所、欧盟委员会等。
• 大学与研究人员：斯坦福大学、加州大学伯克利分校、伊利诺伊大学厄巴纳-香槟分校等。
• 个人贡献者：Yoav Shoham、Raymond Perrault、Erik Brynjolfsson、Jack Clark、James Manyika、Juan Carlos Niebles、Terah Lyons、John Etchemendy、Barbara Grosz、Zoe Bauer、Paul Ginsparg、WiML董事会成员、Michael Chui、Barry Haddow、Sam Bowman、AAAI、James A. Landay 等。

此报告为AI社区提供了全面的数据和分析，强调了AI的全球发展、技术进步、人力资源和多样性问题，以及未来需要关注的方向。