斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

本文作者： camel

編輯：郭奕欣

2017-12-09 21:44

導(dǎo)語：打造 AI 界的「GDP 指標」

雷鋒網(wǎng) AI 科技評論按：前兩天斯坦福大學(xué)計算機科學(xué)院教授，前谷歌首席科學(xué)家 Yoav Shoham 來到中國做了場《人工智能的過去、現(xiàn)在和未來》的報告，報告中他除了介紹了人工智能的發(fā)展歷史、現(xiàn)在所面臨的困境以及如何克服這些困境做了非常經(jīng)常的解讀外，還重點講述了他一年來主導(dǎo)的一份工作：AI Index。

「AI Index」是什么？

了解一個國家的經(jīng)濟發(fā)展，我們要當(dāng)然要看 GDP；但是想了解人工智能的發(fā)展?fàn)顩r時，我們看什么呢？Yoav Shoham 教授想要說的就是：AI Index。

這件事要從 2014 年說起，當(dāng)時斯坦福大學(xué)決定啟動一個叫做「AI100」的項目，中文理解就是「人工智能百年研究」。項目的首要目標簡單來說就是持續(xù)地去調(diào)查、總結(jié)人工智能未來 100 年在學(xué)術(shù)研究、經(jīng)濟、道德倫理、法律等方面的進展和對此的展望。

在去年 9 月份，「AI100」的 panel 小組推出了第一份《斯坦福人工智能百年研究：2030 年的人工智能與人類生活》的報告。

但是「AI 100」有一個缺點就是，它每五年才會推出一份報告，不能及時跟蹤 AI 的發(fā)展。于是在去年（2016 年）Yoav Shoham 退出了「AI100」的領(lǐng)導(dǎo)小組，并和 Ray、Erik、Jack 和 Kelven 等人開始領(lǐng)導(dǎo)、開發(fā)一項旨在及時跟蹤并反映人工智能當(dāng)前發(fā)展的現(xiàn)狀的一個指標體系——AI Index。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

如《AI index 2017 annual report》報告中所說：

AI 領(lǐng)域在迅猛地發(fā)展，即使是專家也很難理解和跟蹤整個領(lǐng)域的進展。沒有相關(guān)合理的數(shù)據(jù)來呈現(xiàn) AI 技術(shù)的現(xiàn)狀，那么我們?nèi)ラ_會或者做一些 AI 相關(guān)的決策其實就像是在「flying blind」。
而現(xiàn)在，我們真的在「flying blind」！

Yoav Shoham 教授希望能通過這個開放的、公益的、基于數(shù)據(jù)的 AI index 報告給各個領(lǐng)域的 AI 研究人員提供導(dǎo)航。這個報告有幾個特點，如下：

1、這是一個年報；

2、它所使用的所有數(shù)據(jù)都是公開的，且歡迎所有人提供新的數(shù)據(jù)；

3、This is just a beginning. Yoav 呼吁更多人加入，來共同改進 AI Index。

報告講了啥？

簡單來說，《AI Index》年報大致有兩塊：

1、數(shù)據(jù)章節(jié)：調(diào)查圖表，并簡要說明遺漏了哪些東西，以及附錄的獲取和處理數(shù)據(jù)的方法；

2、討論章節(jié)：前面的圖表太冰冷，各位領(lǐng)域大牛（例如吳恩達）來場溫暖解讀。

數(shù)據(jù)章節(jié)

一、活動體量——該領(lǐng)域的「how much」

1、學(xué)術(shù)

AI Index從三個方面考量人工智能研究的發(fā)展：論文數(shù)量、高校招生情況以及AI會議參會人數(shù)的變化。

（1）發(fā)表論文數(shù)量

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

可以看到，從 1996 年到現(xiàn)在，AI相關(guān)的論文數(shù)量增長了近 9 倍！9倍是什么概念呢？或許對比一下更有感覺——

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

對比從 1996 年到現(xiàn)在所有論文、CS 領(lǐng)域論文和 AI 領(lǐng)域論文，增長比例分別為 2 倍、6 倍和 9 倍。通過仔細地觀察圖標就會發(fā)現(xiàn)，CS 論文數(shù)量在 04 年到 09 年有一個很快速的增長，而 AI 領(lǐng)域論文數(shù)量也隨之開始急速增長，這說明 AI 的蓬勃發(fā)展是由 CS 其他領(lǐng)域的研究所驅(qū)動的。

（2）招生數(shù)量

限于數(shù)據(jù)的原因，AI Index只收集了斯坦福、伯克利、佐治亞大學(xué)、伊利諾伊大學(xué)香檳分校、華盛頓大學(xué)、卡內(nèi)基·梅隆大學(xué)的招生情況。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

斯坦福大學(xué)從1990年開始招收 ML、AI 的學(xué)生，我們看到ML的招生人數(shù)在2000年前一直都非常少，單絲從2006年之后則開始迅速增長。

而招收學(xué)習(xí)AI的學(xué)生數(shù)在90年代經(jīng)歷了一次漲幅之后跌落到了冰點。從 1996 年的冰點開始招生人數(shù)只是緩慢增長，但是在2006年后招生人數(shù)也出現(xiàn)了迅猛增長，2017年的人數(shù)是1996年的 11 倍之多。（注：17 年下降是由于學(xué)校管理的問題）

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

對比一下在AI方向幾所高校的招生情況，可以看到伯克利在這方面似乎更有熱情一些，而其他幾所學(xué)校就稍微比較緩慢了一些。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

在ML方面，斯坦福大學(xué)則較為活躍。另一個值得注意的是，CMU 從 12 年才開始有 ML 這門專業(yè)，卻發(fā)展迅速。

（3）參會人數(shù)

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

以上是在2016 年參會人數(shù)超過一千人的大會。這種整體“碗底形”的數(shù)據(jù)表也說明人們的注意力逐漸由符號推理轉(zhuǎn)向了機器學(xué)習(xí)和深度學(xué)習(xí)，真所謂“三十年河?xùn)|，三十年河西”。我們也知道今年的NIPS會議的參會人數(shù)高達8000多人。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

這個則是在2016 年參會人數(shù)小于一千人的小會。從這里也可以看到盡管人們的注意力轉(zhuǎn)移了，但仍有一小群人在 AI 中穩(wěn)步地推進符號推理方法的研究?？傆幸徊糠秩说膶W(xué)術(shù)研究不是跟風(fēng)的。

2、產(chǎn)業(yè)

（1）AI 相關(guān)的初創(chuàng)公司

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

在21世紀之前，AI公司幾乎沒有。但是從2000年之后則迅速出現(xiàn)很多AI公司，尤其是在2006年之后，致力于發(fā)展 AI 系統(tǒng)的美國初創(chuàng)公司數(shù)量開始呈指數(shù)增長，2016年的AI公司數(shù)量是 2000 年的 14 倍之多。

（2）AI 相關(guān)的基金

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

投向美國 AI 初創(chuàng)公司的資金從2012年之后才開始注意到人工智能，并開始大量地投資。對比一下 2000 年，2016年的總量是其 6 倍。

（3）職位空缺

以下數(shù)據(jù)主要來源于兩個網(wǎng)站 Indeed.com 和 Monster.com。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

數(shù)據(jù)從2013年開始，我們可以看到在美國從 2013 年到現(xiàn)在要求有 AI 技能的工作增長了 4.5 倍。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

不同國家的 AI 相關(guān)職位空缺增長情況也不一樣，可以看出加拿大和英國在這兩年增長非常迅速。不過雖然增長較快，但它們的絕對數(shù)量只有美國的 5% 和 27%。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

在特定領(lǐng)域，可以看出有 ML 相關(guān)經(jīng)驗的工作顯得更多，空缺量兩年時間增長了近10 K。而對深度學(xué)習(xí)有要求的工作在今年也成倍增長。

（4）機器人影響

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

北美和全球范圍內(nèi)，工業(yè)機器人裝置的貨運數(shù)量在2009年之后增長了近200K。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

北美和全球范圍內(nèi)，工業(yè)機器人增長倍數(shù)。可以看出從 2009 年之后，工業(yè)機器人貨運數(shù)量急劇增長。

3、開源軟件——Github 項目統(tǒng)計

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

Github 上 tensorflowh（深度學(xué)習(xí)軟件包）和 Scikit-learn（機器學(xué)習(xí)軟件包）的 star 數(shù)（相當(dāng)于喜歡或者收藏），深度學(xué)習(xí)的關(guān)注度似乎遠多于機器學(xué)習(xí)的關(guān)注度。

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

來張集體照，Tensorflow簡直是“遙遙領(lǐng)先”。

4、公眾興趣——媒體報道情緒

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

包含「Artificial Intelligence」詞項的媒體文章數(shù)量：積極和消極?？梢钥闯龇e極占大部分，尤其是進入 2017 年以后。

二、技術(shù)表現(xiàn)——該領(lǐng)域的「how good」

1、視覺——物體檢測

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

大場景視覺識別挑戰(zhàn)（LSVRC）比賽中物體檢測的表現(xiàn)?？梢钥闯?，從 2010 年 28.5% 的誤差率迅速降低到 2017 年的 2.5%，甚至超過了人類的表現(xiàn)。

2、視覺——視覺問答

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

對一個圖片問題的開放式回答任務(wù)中 AI 系統(tǒng)的表現(xiàn)。嗯，離人類表現(xiàn)差的還遠。

3、自然語言處理——Parsing

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI 系統(tǒng)在檢測語句語法結(jié)構(gòu)任務(wù)中的表現(xiàn)在近十年的時間里似乎并沒有太多的改變。

4、機器翻譯

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI 系統(tǒng)在英-德之間新聞翻譯任務(wù)中的表現(xiàn)在2015年之后有一次大的提升。注意之所以會出現(xiàn)下降，是因為翻譯系統(tǒng)在不同的任務(wù)中會有不同的表現(xiàn)能力。

5、問答

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI 系統(tǒng)在從文件中給問題找答案任務(wù)中的表現(xiàn)也像翻譯系統(tǒng)一樣，在2015年有一次大的提升，但是隨后則較為緩慢。

6、語音識別

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI 系統(tǒng)在識別手機電話中語音任務(wù)中的表現(xiàn)在進入今年以后逐漸逼近甚至超越人類水平。

7、理論證明

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

自動定理證明的一大組定理證明問題的平均易處理性。（易處理性有下降是因為不同的 solver 可能只擅長特定的問題）

8、SAT Solving

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

在工業(yè)應(yīng)用問題上 SAT（學(xué)術(shù)能力測驗）solver 解決問題的比率，從2009年已經(jīng)能夠做好及格水平，但是近十年也并沒有較大的提升。

三、衍生測量——多方數(shù)據(jù)交叉比較

1、學(xué)術(shù)-工業(yè)

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

很明顯，數(shù)據(jù)顯示學(xué)術(shù)活動（論文發(fā)表和招生數(shù)量）驅(qū)動了工程的發(fā)展。在 2010 年，投資者開始注意到 AI 的發(fā)展，到 2013 年投資開始急劇增長。

2、AI 活力指數(shù)

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI 活力指數(shù)匯總了來自學(xué)術(shù)界和產(chǎn)業(yè)界的結(jié)果（論文出版，招生數(shù)量和投資），以量化 AI 作為一個領(lǐng)域的活力。為了計算 AI 活力指數(shù)，我們對以上三個因素求了平均。

這只是一個簡單的計算，Yoav 等人希望通過這個簡單的調(diào)查能夠引發(fā)人們對如何更準確地分析 AI 指數(shù)的指標產(chǎn)生興趣，并能夠探討出一個能夠經(jīng)得住時間考驗的方案來。

四、朝向人類水平性能

把 AI 系統(tǒng)和人類對比，這幾乎是自然而然的事情。顯然在某些任務(wù)中，例如計算，計算機遠遠優(yōu)于人類。但在處理復(fù)雜任務(wù)（例如問答、游戲、醫(yī)學(xué)診斷等）時 AI 系統(tǒng)就比較難以評估了。

AI 系統(tǒng)往往是針對狹窄的背景設(shè)計的，所以它在某一個特定任務(wù)中可能會表現(xiàn)出卓越的性能；但是如果稍微地修改一下任務(wù)，AI 系統(tǒng)的性能可能就會大大降低。而人類則完全不同。

不過雖然拿人類和 AI 系統(tǒng)進行比較有點困難，但是在某些方面，這類比較還是非常有意思的。例如下面羅列的這些 milestones：

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

1980 年，黑白棋
在 20 世紀 80 年代，李開復(fù)和 Sanjoy Mahajan 開發(fā)了 BILL，這是一個用語玩「黑白棋」游戲的貝葉斯學(xué)習(xí)系統(tǒng)。1989 年這個程序贏得了美國電腦玩家的全國錦標賽，并以 56-8 的成績擊敗了排名最高的美國選手 Brian Rose。在 1997 年，一個名為 Logistello 的程序在對陣黑白棋世界冠軍的比賽中六場全勝。

1995 年，跳棋
1952 年，亞瑟·塞繆爾（Arthur Samuels）制作了一系列玩跳棋的程序，并通過自我學(xué)習(xí)進行改進。然而直到 1995 年，一個名為 Chinook 的跳棋程序才擊敗了世界冠軍。

1997 年，國際象棋
在 20 世紀 50 年代就有一些計算機科學(xué)家語言計算機將在 1967 年擊敗人類國際象棋冠軍。但直到 1997 年，IBM 的 DeepBlue 系統(tǒng)才擊敗了國際象棋冠軍加里·卡斯帕羅夫（Gary Kasparov）。今天你可以在智能手機上運行的國際象棋與大師級的程序進行玩。

2011年，Jeopardy！
在 2011 年，IBM 的 Watson 計算機系統(tǒng)參加了熱門的智力競賽節(jié)目 Jeopardy！對抗前贏家 Brad Rutter 和 Ken Jennings。最終，Watson 贏得了 100 萬美元的第一名。

2015 年，Atari 游戲
2015 年，Google DeepMind 的一個團隊使用強化學(xué)習(xí)系統(tǒng)來學(xué)習(xí)如何玩 49 個 Atari 游戲。這個系統(tǒng)可以在大部分游戲中達到人類級別的表現(xiàn)（例如突出重圍），盡管有些仍然顯得遙不可及（例如蒙特祖瑪?shù)膹?fù)仇）。

2016 年，ImageNet 中的對象檢測
在 2016 年 ImageNet 自動標注的誤差率從 2010 年的 28.5% 降到低于 3%，而人類的誤差則是 5%。

2016 年，圍棋
2016 年 3 月，Google DeepMind 團隊開發(fā)的 AlphaGo 系統(tǒng)擊敗了世界上最流弊的圍棋高手之一李世石，4-1。在 2017 年 3 月，DeepMind 發(fā)布的 AlphaGo Master，又打敗世界排名第一的圍棋大師柯潔。在 2017 年 10 月份，《自然》期刊上發(fā)表了另一個新版本的 AlphaGo Zero，以 100-0 的比分完敗之前的 AlphaGo。

2017 年，皮膚癌分類
在 2017 年《Nature》上的一篇文章中，Esteva 等人描述了一個 AI 系統(tǒng)，他們用一組包含了 2094 中不同疾病的 129450 張臨床圖像的數(shù)據(jù)集訓(xùn)練了這個系統(tǒng)，隨后將它與 21 位認證皮膚科專家的診斷性能進行比較，發(fā)現(xiàn) AI 系統(tǒng)在對皮膚癌的分類上可以媲美于皮膚科專家。

2017 年，語音識別
2017 年，微軟和 IBM 分別實現(xiàn)了可以媲美于人類的語音識別能力。

2017 年，撲克
2017 年 1 月，來自 CMU 的一個名為 Libratus 的程序在一個有 12 萬長比賽的錦標賽中擊敗了四位頂級的人類玩家。
2017 年 2 月，來自 Alberta 大學(xué)的一個名為 DeepStack 程序在 3000+場游戲中擊敗了 11 名專業(yè)選手。

2017 年，Ms.Pac - Man
微軟收購的深度學(xué)習(xí)團隊 Maluuba 開發(fā)了一個 AI 系統(tǒng)，在 Atari 2600 上學(xué)到了如何達到游戲的最高分 999,900。

雷鋒網(wǎng)注：以上所有的數(shù)據(jù)都是公開的，報告中還提供了數(shù)據(jù)的具體收集方式。有興趣的同學(xué)可以下載「AI Index」報告。

五、遺漏了什么？

前面的內(nèi)容覆蓋了很多，但很顯然并沒有包含 AI 的全部，這個報告還有很多有待改進的地方。

1、技術(shù)表現(xiàn)

這個報告有很多重要的技術(shù)領(lǐng)域并沒有覆蓋到，有些領(lǐng)域還沒有明確的標準化的基準（如對話系統(tǒng)、planning、機器人的連續(xù)控制）。在其他一些領(lǐng)域，則有可能是它們還沒有顯著的進步，例如常識推理，所以很難進行技術(shù)表現(xiàn)的評估。第三，有一些領(lǐng)域還沒來得及收集相關(guān)的數(shù)據(jù)（例如推薦系統(tǒng)、標準化測試）。

2、國際化

這份報告（的數(shù)據(jù)）目前主要還是以美國為中心，而我們知道中國在 AI 方面的研究和投資也是極為活躍的。之所以沒有覆蓋的中國，主要原因是 Yoav 等人還沒來得及拿到中國 AI 相關(guān)的數(shù)據(jù)。未來這一情況可能會得到改善。

3、多樣性和包容性

那些研究和開發(fā)人工智能系統(tǒng)的人在塑造人工智能對社會影響方面發(fā)揮著重要的作用。AI Index報告中應(yīng)該量化誰來參與到人工智能的交流中，以及衡量誰有影響未來人工智能研究和開發(fā)的權(quán)力。

4、政府和法人投資

本報告展示的風(fēng)險投資數(shù)據(jù)僅僅關(guān)注美國，并且僅能代表人工智能研發(fā)（R＆D）投資總額的一小部分。政府和企業(yè)在 AI 研發(fā)上其實已經(jīng)投入大量的資金，這些數(shù)據(jù)可能很難收集，要想進一步深入，可能需要一些高度協(xié)調(diào)的合作。

5、特定垂直領(lǐng)域的影響

報告還缺少 AI 在醫(yī)療保健、汽車、金融、教育等領(lǐng)域的影響的相關(guān)指標。這些領(lǐng)域可能是最重要也最難處理的，因為相關(guān)指標很難被識別和聚合，它們要求有對其領(lǐng)域有很深入了解的背景知識的人來做才好。所以 Yoav 等人也期待有這些領(lǐng)域的專家能夠與他們合作，共同完善報告的這部分內(nèi)容。

此外，這份報告也沒有討論種族、性別等方面的調(diào)查。

6、社會影響

這份報告也沒有關(guān)于 AI 造成的社會風(fēng)險有關(guān)的問題。在隨后的報告中，Yoav 等人希望能夠提供有助于 AI 安全性、AI 可預(yù)測性、AI 算法的公平性、AI 時代的隱私、AI 的道德影響以及其他主題的討論。

以上問題這么多，主要原因還是：缺人、缺數(shù)據(jù)！所以 Yoav 等人迫切地希望有人能夠加入到他們，共同完善或者說改進 AI Index 這份報告，為 AI 社區(qū)的人提供 AI 發(fā)展準確、及時的直觀趨勢。

專家論壇

數(shù)據(jù)總是冰冷的且不完整的，它只能描繪過去，卻無法告訴人們現(xiàn)在和未來。AI Index 獨創(chuàng)性地在報告中加入一系列跨學(xué)術(shù)界、產(chǎn)業(yè)界、政府和媒體的 AI 專家的觀點，讓人們對 AI 的現(xiàn)在和未來有一個生動的認識。下面雷鋒網(wǎng)整理了其中 5 位專家的觀點，以饗讀者，感興趣的讀者可以查看報告原文。

Barbara Grosz（哈佛大學(xué)）

Barbara Grosz是哈佛大學(xué)工程與應(yīng)用科學(xué)學(xué)院自然科學(xué)家

AI Index 的這份報告非常值得稱贊，它彌補了很多缺失。但是報告中還沒有覆蓋到人工智能技術(shù)與人的交互的這方面。鑒于最近人們越來越重視開發(fā)能夠補充或者增強人的能力而不是復(fù)制人類的人工智能技術(shù)，這一點還是尤其值得關(guān)注的。例如 IJCAI-16 就是以「人類認知 AI」為主題，AAAI-18 以「人與 AI 的合作」為主題，最近幾年有見到許許多多關(guān)于 AI 與人的研討會和座談會。

這種 gap 反映在自然語言處理的部分，報告中提到了 parsing 、機器翻譯等，但是卻沒有提到對話系統(tǒng)或聊天機器人。parsing 和機器翻譯不需要考慮人的情感，但是對話系統(tǒng)和聊天機器人卻需要。這是很重要的一點。

正如 AI Index 報告所指出的那樣，只有當(dāng)有很好的方法來衡量這些因素時才會把它們放到報告中。對考慮到人類因素的 AI 技術(shù)進行測量還真的是一個巨大的挑戰(zhàn)，但是這卻非常重要。光考慮 AI 算法和系統(tǒng)的效率、計算能力不行，還要考慮它們對人類生活的影響。如果 AI Index 報告能夠促進對這些指標的衡量，那么它將對 AI 領(lǐng)域做出非常大的貢獻，不論是對計算機工作者，還是整個社會。

此外，我也希望能夠看到未來 AI Index 報告能夠不僅調(diào)查人工智能課程的入學(xué)情況，也希望能夠包括研究人工智能道德問題的課程情況。隨著智能系統(tǒng)日益遍及我們的日常生活，AI 的教學(xué)課程需要向?qū)W生傳達考慮道德的重要性。

AI Index 還需要考慮諸如有多少公司在設(shè)計 AI 系統(tǒng)時會考慮這個系統(tǒng)是否應(yīng)該被設(shè)計出來，有多少 AI 系統(tǒng)設(shè)計者在他們的設(shè)計過程中會考慮他們設(shè)計出的系統(tǒng)是否會出現(xiàn)意想不到的結(jié)果并盡力去改善它們。

李開復(fù)（創(chuàng)新工場）

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

AI index 對人工智能的討論做出了很大的努力。在其首份報告中有許多重要的統(tǒng)計數(shù)據(jù)可以用來了解 AI 的發(fā)展，不過主要是針對美國市場的?，F(xiàn)在讓我填補一些中國在 AI 方面的狀況。

「數(shù)據(jù)從來都不嫌多。」（There's no data like more data.）數(shù)據(jù)越多，AI 就越智能。那么中國到底生成了多少數(shù)據(jù)呢？

中國擁有世界上最多的手機和互聯(lián)網(wǎng)用戶，是美國或者印度的大約三倍之多?？赡芎芏嗳藭J為中美之間的數(shù)據(jù)也是三倍這么大，而事實是遠比這個大。在中國，人們使用手機支付是美國人的 50 倍；中國的糧食運輸量是美國的十倍；共享單車公司摩拜只花了 10 個月的時間就從一無所有到每天 2000 萬的訂單。2000 萬輛自行車提交它們的 GPS 數(shù)據(jù)和其他傳感器信息到服務(wù)器上，每天創(chuàng)造了 20TB 的數(shù)據(jù)。同樣的，據(jù)報道，中國的汽車共享公司 DiDi 將其數(shù)據(jù)與一些試點城市的交通管制聯(lián)系起來。所有這些互聯(lián)網(wǎng)連接的東西都將產(chǎn)生數(shù)據(jù)，這有助于使現(xiàn)有的產(chǎn)品和應(yīng)用程序更加高效，也出現(xiàn)一些我們從來沒有想到過的應(yīng)用程序。

中國的 AI 產(chǎn)品質(zhì)量如何呢？很多人可能還記得中國在 15 年前除了模仿之外別無所有。但是現(xiàn)在聰明而又熱切的中國科技巨頭和企業(yè)家們已經(jīng)被西方的創(chuàng)新所推動，甚至超過了海外的同行們。舉一個 AI 的例子，中國人臉識別創(chuàng)業(yè)公司 Face++最近在 3 個計算機視覺比賽中獲得了第一名，領(lǐng)先于來自 Google、Microsoft、Facebook 和 CMU 的團隊。

中國國務(wù)院宣布了一個明確的計劃，到 2030 年要成為 AI 創(chuàng)新中心。

中國政府對技術(shù)發(fā)展持一個開放的態(tài)度。中國的環(huán)境也更有利于快速啟動和迭代。2017 年 7 月，中國國務(wù)院公布了「下一代人工智能發(fā)展規(guī)劃」，其目標非常明確，就是到 2030 年成為全球人工智能創(chuàng)新中心。該計劃有望推動人工智能作為主要行業(yè)和省級政府的重中之重。如果你認為這只是一個大話，你可以看下中國過去在高鐵等一些項目中的政策，最后都得到了很好的執(zhí)行。我們可以期待中國政府在人工智能方面的政策也將走向類似的道路。

中國在 AI 領(lǐng)域具有前沿的科技、專業(yè)的實驗以及高速的發(fā)展，這些將使中國變成一個非常強大的 AI 大國。在這個 AI 時代，我預(yù)測中、美雙寡頭不僅是不可避免的，事實上它已經(jīng)到了。

吳恩達（Coursera，Stanford）

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

人工智能是新電力，正在悄然改變著諸多的行業(yè)。而 AI Index 則幫助我們當(dāng)代人跟蹤并駕馭這種社會轉(zhuǎn)型，同時也將幫助后代回顧并理解 AI 的崛起。

此外，AI 現(xiàn)在是一個全球現(xiàn)象，AI Index 也提示我們每一個人，必須超越自己的國界，了解全球的進步。美國和中國享有最大的投資以及最快速的應(yīng)用，加拿大和英國在這方面也做出了開創(chuàng)性的研究貢獻。由于人工智能改變了許多技術(shù)系統(tǒng)的基礎(chǔ)——從網(wǎng)絡(luò)搜索到自動駕駛，到客戶服務(wù)聊天機器人。這給許多國家提供了在某些應(yīng)用領(lǐng)域跳躍發(fā)展的機會，制定有明智的人工智能政策的國家將更加迅速地發(fā)展，而相反哪些政策模糊的國家將面臨落后的風(fēng)險。

深度學(xué)習(xí)首先顛覆了語音識別，其次是計算機視覺。今天自然語言處理和機器人也正在經(jīng)歷類似的革命。最近語音和視覺精度的提高也導(dǎo)致了使用語音（例如）或計算機視覺（如自動駕駛汽車）的應(yīng)用呈現(xiàn)出蓬勃發(fā)展的現(xiàn)象。今天自然語言處理的深度學(xué)習(xí)轉(zhuǎn)型也正在順利進行，這將導(dǎo)致相應(yīng)的應(yīng)用（如聊天機器人）的蓬勃發(fā)展。機器人技術(shù)的深度學(xué)習(xí)也獲得了巨大的推動力，這也將導(dǎo)致許多新的應(yīng)用（如新的制造能力）。

Sebastian Thrun（斯坦福大學(xué)，Udacity）

斯坦福教授發(fā)布首份AI Index報告，指引 AI工作者不再「flying blind」

Sebastian Thrun是谷歌無人車之父

人工智能領(lǐng)域已經(jīng)有了 60 多年的歷史，并且已經(jīng)產(chǎn)生了重大的影響。例如，AI 是 Google 搜索算法、Amazon 網(wǎng)站設(shè)計、Netflix 電影推薦等的核心。但是，現(xiàn)在強大的計算能力和規(guī)模空前的數(shù)據(jù)相結(jié)合的出現(xiàn)漸漸成為了社會游戲規(guī)則的改變者。

在過去的幾年里，系統(tǒng)已經(jīng)發(fā)展到了與高技能的人類相媲美，甚至超越的地步。DeepMind 的 AlphaGo 擊敗了世界上最好的圍棋大師。在我們自己的實驗室，我們發(fā)現(xiàn) AI 系統(tǒng)可以比一些取得資格證書的皮膚科醫(yī)生更準確地診斷皮膚癌的圖像。此外，我也一直認為 Google 的自動駕駛汽車比我這樣的普通司機開得更好。還有創(chuàng)業(yè)公司 Cresta 現(xiàn)在已經(jīng)證明，人工智能系統(tǒng)與人類專家合作可以使在線銷售團隊的效率翻番。

我相信在不遠的將來，AI 將能夠使我們擺脫重復(fù)的工作。人工智能系統(tǒng)將能夠在工作中觀看人類專家，并逐漸掌握我們再日常工作中所應(yīng)具備的技能。當(dāng)這種情況發(fā)生時，機器將會進行越來越多的重復(fù)性工作，而我們?nèi)祟悇t將有更多的時間進行創(chuàng)造性工作。

這樣的革命在歷史上也有類似情況。在蒸汽機發(fā)明之前，我們大部分都是農(nóng)民，大多數(shù)人都是通過自己的體力（而不是腦力）來定義的，不斷地在耕種上進行高度重復(fù)的工作。而現(xiàn)在機器已經(jīng)把農(nóng)民變成了超人，根據(jù) FarmersFeedUS.org 的數(shù)據(jù)，一個美國農(nóng)民可以養(yǎng)活 155 個人。結(jié)果就是美國只有不到 2% 的人口在從事農(nóng)業(yè)，這使我們中 98% 的人能夠去做別的工作，而其中 75% 的美國勞動力都在辦公室中。我們成為律師、會計師、醫(yī)生、軟件工程師等等。當(dāng)然，我們的大部分工作現(xiàn)在也仍然是高度重復(fù)性的?？梢韵胂?，今天的 AI 技術(shù)可以學(xué)習(xí)那些重復(fù)性工作的模式，并幫助我們更快地完成工作。最終在 AI 協(xié)助下，無論是生活還是對世界的認知，我們可能將變成真正的「超人」。

這是好還是壞呢？我認為，當(dāng)未來的人類回顧歷史時，將會認為這是人類的巨大進步。當(dāng)我們許多人不再從事重復(fù)性的體力勞動時，我們變得更有教育，變得更具創(chuàng)造力。隨著這場新的革命，我們將進入一個前所未有的人類創(chuàng)造力的時代。

當(dāng)然這也給人類帶來重負。據(jù)估計，如果自動駕駛出租車成為了日常交通的主要方式，那么人類有 1/9 的就業(yè)機會將面臨危險。為了適應(yīng)這些變化，我們?nèi)祟惐仨毘蔀榻K身學(xué)習(xí)者，我們必須掌握新的技能，學(xué)習(xí)新的技術(shù)。從整個社會的角度來考慮，我們需要找到新的方式來幫助所有人來適應(yīng)這些變化。

這也是為什么這份報告（AI Index）很重要的原因。它認真地研究了人工智能的最新進展，并記錄其對社會的影響。我希望這份報告能夠為公眾對 AI 的討論有建設(shè)性的貢獻。如果我們掌握了 AI 所帶來的挑戰(zhàn)，如果我們能夠為這些挑戰(zhàn)做好準備，而且如果我們能領(lǐng)先做好的話，那么未來將是驚人的。這對我們所有人都是如此。

Michael Wooldridge（牛津大學(xué)）

Michael Wooldridge是牛津大學(xué)計算機科學(xué)系主任以及人工智能國際聯(lián)合會議和歐洲人工智能協(xié)會主席

這份報告用一系列的證據(jù)表明，人工智能技術(shù)在 AI 早期的一些核心問題（游戲、機器翻譯、定理證明和問答等）方面正在取得穩(wěn)步地進展；在許多方面，人工智能已經(jīng)達到甚至超過人類的專業(yè)水平。報告還提供了非常明確的證據(jù)說明，人工智能正在吸引學(xué)生和工業(yè)街的注意力，人工智能課程招生人數(shù)激增，人工智能公司大幅增長。

顯然，目前是人工智能的一個泡沫期。這個報告促使我想到一些問題：這個泡沫最終是會破裂（參見 1996-2001 年的互聯(lián)網(wǎng)泡沫）還是會緩慢地縮減？以及什么時候發(fā)生？當(dāng)發(fā)生之后會留下什么？我最擔(dān)心的就是目前正在目睹的大規(guī)模投資之后會出現(xiàn)幻滅，我們可能會看到另一個 AI 寒冬?，F(xiàn)在 AI 行業(yè)內(nèi)有大量的行業(yè)騙子和蛇油推銷員（snake oil salesman，通過夸大項目具有神奇的能力來銷售自己的產(chǎn)品的人），他們所銷售的是他們期望 AI 做到的，卻不是當(dāng)前 AI 能做到的。這可能會導(dǎo)致人們對 AI 變得越來越沮喪。

不過，雖然我認為未來數(shù)年內(nèi) AI 的泡沫會縮減是不可避免的，但我認為有理由期望一個溫和的縮減，而不是一個劇烈的破裂。主要原因是，AI Index 清楚地表明，AI 正在履行人們期望的東西，在各種任務(wù)中，AI 系統(tǒng)正在穩(wěn)步地（有時是快速地）提高性能，而且這些研究在許多不同的應(yīng)用領(lǐng)域都取得了巨大的成功。換句話說，我認為在當(dāng)前 AI 泡沫下有實質(zhì)的東西——現(xiàn)在各大公司都明白如何高效地使用 AI 技術(shù)。因為這些，所以我不相信我們會再次看到 AI 寒冬。（所以我期待閱讀 2027 年的 AI Index 報告，看這個語言是如何被消除的。）