电竞之家_品味电竞生活移动版

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。