2021 年度的斯坦福 AI Index 報告正式發(fā)布，從七大版塊出發(fā)，探討了過去一年中的 AI 總體發(fā)展情況。

由斯坦福大學發(fā)起的人工智能指數(shù)（AI Index）是一個追蹤 AI 動態(tài)和進展的非營利性項目，旨在全面研究 AI 行業(yè)狀況，旨在促進基于數(shù)據(jù)的 AI 廣泛交流和有效對話。 剛剛，AI Index 正式發(fā)布了 2021 年度報告。 報告下載地址：https://aiindex.stanford.edu/report/ 2021 AI Index 報告極大地擴展了可用數(shù)據(jù)量，并與大量外部組織合作校準數(shù)據(jù)、深化該報告與 Stanford HAI 的聯(lián)系。該報告還從多個方面展示了 COVID-19 對 AI 發(fā)展的影響。例如「技術表現(xiàn)」章節(jié)探討了 AI 初創(chuàng)公司如何利用機器學習技術加速 COVID 相關藥物研發(fā)；「經(jīng)濟」章節(jié)表明 AI 招聘和私人投資并未受到新冠大流行的嚴重影響，仍處于增長態(tài)勢。 該報告從研發(fā)、技術表現(xiàn)、經(jīng)濟、教育等多個維度探討了過去一年的 AI 發(fā)展，得出了如下重要結論：

對 AI 領域的私人投資額呈現(xiàn)顯著增長，其中「藥物、癌癥、分子學、藥物研發(fā)」獲得最大比例的投資——138 億美元，是 2019 年的 4.5 倍；

中國在學術工作方面的成績超過美國。多年前，中國的 AI 期刊發(fā)表文章數(shù)量即超過美國，現(xiàn)在中國首次在期刊引用量上也占據(jù)了優(yōu)勢。不過在過去十年中，美國的 AI 會議論文（及高被引論文）數(shù)量仍超過中國；

合成媒體（deepfake）數(shù)量大增，文本、圖像、視頻合成方面都出現(xiàn)了突破。這顯示了 AI 的飛快發(fā)展，但也引發(fā)了人們對其濫用、誤用的潛在擔憂；

AI 應用的倫理挑戰(zhàn)引起 AI 社區(qū)的更多關注。2015-2020 年間涉及倫理及相關關鍵詞的論文數(shù)量增長迅速；

AI 領域面臨多樣性挑戰(zhàn)。2019 年，美國 45% 的 AI 博士新生是白人，僅有 2.5% 是非裔美國人，3.2% 是西班牙裔。目前，AI 研究者正在努力提升該領域的多樣性；

自 2017 年加拿大發(fā)布國家 AI 戰(zhàn)略后，多個國家采取了類似措施，截至 2020 年有 30 多個國家發(fā)布了國家 AI 戰(zhàn)略；

更多 AI 博士選擇進入工業(yè)界，而不是留在學術界，離開學界進入企業(yè)的教授數(shù)量也在持續(xù)增長；

企業(yè)主導了 AI 研究者的常用工具，如企業(yè)開發(fā)的軟件庫（谷歌的 TensorFlow 和 Keras、Facebook 的 PyTorch）成為 GitHub 上最熱門的框架；

政府對 AI 領域的興趣繼續(xù)增長，如美國政府斥資數(shù)十億美元投入 AI 的民用與非民用。美國國會提及「AI」的次數(shù)是上一屆國會的三倍；

監(jiān)控技術呈現(xiàn)出快速、廉價的特點，得到越來越廣泛的使用。2020 年圖像分類、人臉識別、視頻分析、語音識別等技術取得顯著進展，用于大規(guī)模監(jiān)控的技術快速成熟。

該報告共包括「研發(fā)」、「技術表現(xiàn)」、「經(jīng)濟」、「AI 教育」、「AI 應用的倫理挑戰(zhàn)」、「AI 多樣性」、「AI 政策與國家戰(zhàn)略」七個部分。以下將介紹每個章節(jié)的核心內(nèi)容。 第一章：研發(fā) 報告首先從「同行評審 AI 論文」、「AI 期刊論文」、「AI 會議論文」、「AI 專利」、「arXiv 論文」五個部分概述了 AI 領域的論文發(fā)表情況。 同行評審論文數(shù)量猛增 自 2000 至 2019 年，同行評審 AI 論文數(shù)量增長了約 12 倍，同期同行評審論文占所有論文發(fā)表量的比例從 2000 年的 0.82% 增長到 2019 年的 3.8%。

中國 AI 期刊論文被引量首超美國 就 AI 期刊論文而言，2020 年發(fā)表的 AI 期刊論文數(shù)量是 2000 年的 5.4 倍。其中，2020 年當年發(fā)表的 AI 期刊論文數(shù)量就比 2019 年增長了 34.5%，大大超過 2018 至 2019 年的漲幅（19.6%）。

2000-2020 年 AI 期刊論文發(fā)表數(shù)量。 其中，中國的 AI 期刊論文發(fā)表數(shù)量最多（占比 18.0%），超過美國（12.3%）和歐洲（8.6%）。這對于中國而言并非首次。

2000-2020 年不同地理區(qū)域的 AI 期刊論文發(fā)表數(shù)量占世界總量的比例。 值得一提的是，2020 年中國的 AI 期刊論文被引量首次超過美國。不過，在過去十年中，美國的 AI 會議論文引用量仍超過中國。

2000-2020 年 AI 期刊論文引用量的占比情況，中國以 20.7% 的比例首次超過美國（19.8%）。 AI 會議快速發(fā)展 過去十年，AI 會議論文數(shù)量呈迅猛增長態(tài)勢。2020 年，AI 會議論文數(shù)量占所有會議論文的比例已高達 20.2%。

2000-2020 年，AI 會議論文發(fā)表數(shù)量占所有會議論文的比例。 2019 年，中國的 AI 會議論文發(fā)表數(shù)量占比超過美國。然而，從 AI 會議論文被引用量來看，美國在過去 21 年中持續(xù)占據(jù)主導地位。2020 年，美國以 40.1% 的比例名列第一，中國則以 11.8% 的比例位居第二，二者差距仍然很大。

2000-2020 年不同地區(qū)的 AI 會議論文發(fā)表數(shù)量的占比情況。

2000-2020 年不同地區(qū)的 AI 會議論文被引用量的占比情況。 arXiv 論文發(fā)表情況 除了傳統(tǒng)的期刊和會議以外，預印本平臺的論文發(fā)表也很重要。過去 6 年中，arXiv 平臺上的 AI 相關論文增長了五倍多，從 2015 年的 5478 篇增長到 2020 年的 34,736 篇。其中中國的 arXiv 論文發(fā)表總數(shù)仍遜色于美國和歐洲，不過從占比情況來看，中國正在奮起直追。

2015-2020 年，不同地區(qū)在 arXiv 上發(fā)表 AI 論文數(shù)量的占比情況。 就 arXiv 上的六個 AI 細分領域而言，2015-2020 年間，機器人學 (cs.RO) 和機器學習 (cs.LG) 論文數(shù)量增長最快，分別增長了 11 倍和 10 倍。2020 年，機器學習與計算機視覺 (cs.CV) 占比最高，分別為 32.0% 和 31.7%。2019-2020 年，增長最快的類別是計算與語言 (cs.CL) 和機器人學 (cs.RO)，論文數(shù)量分別增長了 35.4% 和 35.8%。 此外，得益于數(shù)據(jù)和算力的發(fā)展，深度學習論文數(shù)量飛速增長。

2010-2019 年，arXiv 平臺上深度學習論文的發(fā)表數(shù)量。 新冠疫情促使 AI 會議參會人數(shù)暴漲 由于新冠疫情的影響，大多數(shù) AI 會議以線上的形式舉行，參會人數(shù)出現(xiàn)了很大增長。2020 年，該報告統(tǒng)計的九個會議的參數(shù)總人數(shù)幾乎翻了一番。

2010-2020 年，參加大小型 AI 會議的人數(shù)。 大公司參與度高，或加劇計算鴻溝 有研究表明，大型科技企業(yè)對 AI 頂會的參與度有所增加。研究者認為學術界算力的不均勻分布（即「計算鴻溝」）將加劇深度學習時代的不平等。大型科技企業(yè)擁有更多資源來設計 AI 產(chǎn)品，但其多樣化程度遜色于較小型的機構，而這引發(fā)了對 AI 偏見及公平性的擔憂。下圖展示了大企業(yè)在 10 個 AI 頂會中的參與度，這或許會加速計算鴻溝。

2000-2019 年，大型科技企業(yè)的 AI 會議論文數(shù)量占比情況。 TensorFlow 仍是最流行的 AI 軟件庫 除了論文、會議情況以外，該章節(jié)還介紹了 AI 開源軟件庫。其中谷歌開發(fā)的 TensorFlow 框架仍然是最流行的 AI 軟件庫，其次是 Keras 和 PyTorch。

2014-2020 年，AI 庫的流行程度（按照 GitHub 星數(shù)來計算）。 第二章：技術表現(xiàn) 本章概括了計算機視覺、語言、語音、概念學習、推理等多個 AI 子領域的技術進展。 AI 生成一切 目前，AI 系統(tǒng)可以合成高質(zhì)量的文本、語音和圖像，甚至人類都很難辨別真?zhèn)?。這將帶來大量 AI 下游應用，并促使研究者投入到生成模型檢測技術的研究中。下圖展示了過去兩年中生成模型的進展：

2018-2020 年生成模型在 STL-10 數(shù)據(jù)集上的 FID 得分。

2014-2020 年 GAN 人臉生成技術進步。 計算機視覺的產(chǎn)業(yè)化 計算機視覺在過去的十年里取得了巨大的進步，這主要歸功于機器學習技術（特別是深度學習）的應用。新的數(shù)據(jù)顯示，計算機視覺正在產(chǎn)業(yè)化：在一些最大的基準上，表現(xiàn)開始趨于平緩，這表明社會需要制定和商定更難的基準，以進一步獲得測試表現(xiàn)。 與此同時，企業(yè)正在投入越來越多的計算資源，比以往任何時候都以更快的速度訓練計算機視覺系統(tǒng)。同時，用于已部署系統(tǒng)的技術（如用于分析視頻靜止幀的目標檢測框架）正在迅速成熟，這表明將進一步部署 AI。

ImageNet 挑戰(zhàn)的 TOP-1 準確率變化。

COCO 密集姿態(tài)估計挑戰(zhàn)的平均精度變化。 NLP 評估指標 自然語言處理的迅速發(fā)展產(chǎn)生了 AI 系統(tǒng)，其語言能力顯著提高，已開始對世界產(chǎn)生有意義的經(jīng)濟影響。谷歌和微軟都在他們的搜索引擎中部署了 BERT 語言模型，而從微軟到 OpenAI 等公司也開發(fā)了其他大型語言模型。 這一點可以從在 SuperGLUE 上獲得人類水平性能的系統(tǒng)的快速興起看出。SuperGLUE 是為響應早期 NLP 進展（超越 GLUE 評估的功能）而開發(fā)的 NLP 評估套件。

SuperGLUE 基準。

SQUAD 1.1 和 SQUAD 2.0 的 F1 SCORE 變化。

GPT-3 在 42 個基準上的表現(xiàn)。 AI 推理問題 大多數(shù)技術問題的度量都顯示了在固定的基準上，即每個時間點最佳系統(tǒng)的性能。針對 AI 指數(shù)開發(fā)的新分析提供了一些指標，這些指標考慮到了一個不斷發(fā)展的基準，并考慮到隨著時間的推移，將一組系統(tǒng)的總體性能的一部分歸因于單個信用系統(tǒng)。這些分析適用于兩個符號推理問題：自動定理證明和布爾公式的可滿足性。

2016-2020 年解決所有 400 個實例的總時間（布爾滿足問題）。

1997-2020 年解決的問題百分比（自動定理證明）。 機器學習變革醫(yī)療保健和生物學領域 機器學習正在改變醫(yī)療保健和生物學領域。DeepMind 的 AlphaFold 應用深度學習技術在數(shù)十年來的蛋白質(zhì)折疊生物學挑戰(zhàn)中獲得重大突破。

2006-2020 年 CASP 最佳團隊在自由建模中的預測準確度。 科學家們用機器學習模型來學習化學分子的表示，以便制定更有效的化學合成計劃。AI 創(chuàng)業(yè)公司 PostEra 在疫情期間利用基于機器學習的技術加速推進與 COVID 相關的藥物發(fā)現(xiàn)。

PostEra：Moonshot 提交的藥物總數(shù)。 第三章：經(jīng)濟 AI 的興起不可避免地提出了這樣一個問題：這些技術將在多大程度上影響企業(yè)、勞動力和更廣泛的經(jīng)濟？AI 最近取得的進展和突破為企業(yè)提供了大量利益和機遇，從自動化提高生產(chǎn)率、使用算法為消費者定制產(chǎn)品到大規(guī)模分析數(shù)據(jù)等等。 然而，AI 帶來的效率和生產(chǎn)率的提高也包含巨大的挑戰(zhàn)：企業(yè)必須尋找和留住技能型人才以滿足其生產(chǎn)需求，同時要注意采取措施來降低使用 AI 的風險。此外，COVID-19 大流行給全球經(jīng)濟帶來了混亂和持續(xù)的不確定性。私營企業(yè)是如何依賴和擴展 AI 技術來幫助企業(yè)渡過這一最困難的時期的？ AI 生物獲最多投資 藥物、癌癥、分子、藥物發(fā)現(xiàn)是 2020 年私人 AI 投資額最大的一個項目，超過 138 億美元，是 2019 年的 4.5 倍。

2019 年與 2020 年 AI 全球私人投資的領域分布。 AI 人才招聘仍在繼續(xù)增長 巴西、印度、加拿大、新加坡和南非是 2016 年至 2020 年 AI 招聘增長最快的國家。盡管出現(xiàn)了 COVID-19 大流行，但所有采樣國家 2020 年的 AI 雇傭人數(shù)仍在繼續(xù)增長。

2020 年 AI 招聘指數(shù)的國家分布情況。

2016-2020 年 AI 招聘指數(shù)在不同國家的變化。 AI 私人投資趨勢 越來越多的 AI 私人投資集中到少數(shù)的初創(chuàng)企業(yè)。盡管受到疫情影響，但 2020 年私人 AI 投資額較 2019 年增長了 9.3%，增幅高于 2019 年（5.7%），不過新成立的公司數(shù)量連續(xù)三年處于下降趨勢。

2015-2020 年度 AI 基金公司的私人投資額。 AI 道德問題的受關注度 麥肯錫的一項調(diào)查顯示，盡管越來越多人呼吁解決 AI 使用相關的道德問題，但業(yè)界在解決這些問題的努力上非常少。例如，AI 的公平性等問題仍然受到很少公司的關注。此外，與 2019 年相比，2020 年將個人或個人隱私風險視為相關風險的公司較少。

2020 年機構采取措施以緩解 AI 帶來的風險比例。 AI 領域投資受疫情影響了嗎？ 盡管疫情導致了經(jīng)濟衰退，麥肯錫的一項調(diào)查中有一半的受訪者表示冠狀病毒對他們在 AI 領域的投資沒有影響，而實際上有 27% 的人表示他們的投資有所增加。不到四分之一的企業(yè)減少了對 AI 的投資。

疫情期間的 AI 投資變化。 美國的 AI 崗位比例有所下降 從 2019 年到 2020 年，美國的 AI 崗位比例有所下降，這是 6 年來的首次下降。在美國發(fā)布的 AI 崗位總數(shù)也下降了 8.2%，從 2019 年的 325724 個職位減少到 2020 年的 300999 個職位。

2013-2020 年按國家劃分的 AI 職位。 第四章：AI 教育 隨著 AI 成為經(jīng)濟活動越來越重要的驅(qū)動力，越來越多的人想要了解它并獲得從事該領域工作的必要資格。同時，工業(yè)界對 AI 的需求不斷增長，吸引越來越多的教授離開教育界，進入私營企業(yè)。本章重點介紹 AI 人才變化趨勢。 世界頂尖大學加大對 AI 教育的投入 2020 年進行的一項 AI 指數(shù)調(diào)查顯示，過去四年中，世界頂尖大學加大了對人工智能教育的投入。在過去的四個學年里，在本科和研究生階段教學生構建或部署實用 AI 模型所需技能的課程數(shù)量分別增加了 102.9% 和 41.7%。

AI 博士畢業(yè)生選擇 計算機研究協(xié)會（CRA）的一項年度調(diào)查顯示，過去 10 年，北美更多的 AI 博士畢業(yè)生選擇在工業(yè)界工作，選擇學術界工作的較少。 具體而言，在過去十年中，選擇進入業(yè)界工作的 AI 博士比例增加了 48%，從 2010 年的 44.4% 增至 2019 年的 65.7%。相比之下，進入學術界的 AI 博士比例下降了 44%，從 2010 年的 42.1% 降至 2019 年的 23.7%。

AI 專業(yè)在 CS 博士中的比例 根據(jù) CRA 的調(diào)查，在過去 10 年中，美國 AI 相關博士占 CS 博士學位總數(shù)的比例從 14.2% 上升到 2019 年的 23% 左右。與此同時，其他以前比較流行的計算機科學博士的受歡迎程度有所下降，包括網(wǎng)絡、軟件工程和編程語言。與 2010 年相比，編譯器專業(yè)獲得博士學位的人數(shù)有所減少，而 AI 和機器人 / 視覺專業(yè)的博士人數(shù)則大幅增加。

AI 教師轉(zhuǎn)行業(yè)界 在經(jīng)歷了兩年的增長之后，北美地區(qū)從大學 AI 教職人員轉(zhuǎn)到業(yè)界發(fā)展的人數(shù)從 2018 年的 42 人下降至 2019 年的 33 人（其中 28 人是終身教職，5 人是非終身教職員工）。 2004 年至 2019 年間，卡內(nèi)基梅隆大學的人工智能教師離職人數(shù)最多（16 人），其次是佐治亞理工學院（14 人）和華盛頓大學（12 人）。 AI 博士中的國際學生 2019 年，北美 AI 博士中的國際學生比例繼續(xù)上升，達到 64.3%，相比 2018 年增長 4.3%。在外國畢業(yè)生中，81.8% 的國際學生選擇留在美國，8.6% 的人選擇在美國以外的地方工作。

除此以外，在歐盟，絕大多數(shù)專業(yè)的 AI 學術課程是在碩士級別教授的；機器人技術和自動化是迄今為止本科生和碩士項目中最常教授的課程，而機器學習（ML）在專業(yè)短期課程中占主導地位。 第五章：AI 應用的倫理挑戰(zhàn) 隨著 AI 對人類生活的影響日益深刻，其所面對的倫理挑戰(zhàn)也越來越明顯。各種技術的應用可能會導致意想不到的負面影響，比如隱私侵犯；基于性別、種族 / 民族、性取向、性別身份的歧視；以及不透明決策等問題。打造負責任的、公平的 AI 創(chuàng)新，從來沒有像今天這樣重要。 報告的第五章首先介紹了近期頒布的大量 AI 原則和框架文件，以及與 AI 道德問題相關的媒體報道，然后回顧了在 AI 會議中提出的道德相關研究、全球各地大學計算機系開設的道德課程。此外，報告還討論了人臉識別技術偏見方面的研究。 學術會議中的道德 AI 如圖 5.3.1 所示，自 2015 年以來，向 AI 會議提交的論文里，標題含有倫理相關關鍵詞的數(shù)量大幅增加。

但近年來，在主流 AI 會議中與倫理相關關鍵詞匹配的論文標題的平均數(shù)量依然很低。圖 5.3.2 展示了六個主流會議所有出版物中倫理相關關鍵詞匹配的平均數(shù)量。

2020 年，與 AI 道德應用相關的五大新聞最受關注：

歐盟委員會 (European Commission) 發(fā)布關于人工智能的白皮書（5.9%）；

谷歌解雇道德研究人員 Timnit Gebru (3.5%)；

聯(lián)合國成立人工智能道德委員會 (2.7%)；

梵蒂岡的人工智能倫理規(guī)劃 (2.6%)；

IBM 宣布退出人臉識別業(yè)務 (2.5%)。

第六章：AI 領域的多樣性 AI 領域的多樣性問題存在已久，當前 AI 研究者仍以男性為主，且在種族、民族、性別認同和性取向方面缺乏多樣性，學術界和行業(yè)界皆是如此。這加劇了 AI 系統(tǒng)現(xiàn)有的不平等。 報告的第六章介紹了 AI 人才和學術界的多樣性統(tǒng)計。鑒于該方面公開的數(shù)據(jù)較少，關于 AI 多樣性問題對社會及技術發(fā)展影響程度的統(tǒng)計、分析、評估都會受到限制。從學術界和產(chǎn)業(yè)界獲得更多的數(shù)據(jù)，對于衡量該問題的嚴重程度以及解決問題至關重要。 近年來，AI 博士畢業(yè)生和計算機科學終身教授的女性成員比例一直很低。根據(jù)計算機研究協(xié)會 (CRA) 的一項年度調(diào)查，北美 AI 博士項目的女性畢業(yè)生占所有博士畢業(yè)生的平均比例不足 18% 。

一項 AI 指數(shù)調(diào)查顯示，在世界各地大學的計算機系中，女性教師僅占全部終身制教師的 16% 。

此外，根據(jù) CRA 的 Taulbee 調(diào)查，2019 年新增的美國居民 AI 博士生中，白人 (非西班牙裔) 所占比例最高（45.6%) ，其次是亞洲人 (22.4%)，非洲裔美國人（非西班牙裔，2.4%）和西班牙裔（3.2%）占比很低。

第七章：AI 與國家戰(zhàn)略

未來幾十年，AI 將重塑全球競爭力格局，為早期實踐者帶來強大的經(jīng)濟和戰(zhàn)略優(yōu)勢。報告的第七章介紹了全球 AI 政策制定的概況，對當下各國家和地區(qū)的 AI 戰(zhàn)略進行了梳理。此外本章還介紹了美國對 AI 領域的公共投資，以及立法機構、中央銀行和非政府組織如何應對日益增長的 AI 技術政策框架需求。

自加拿大 2017 年發(fā)布了全球第一個國家級人工智能戰(zhàn)略以來，截至 2020 年 12 月，已有其他 30 多個國家和地區(qū)發(fā)布了類似文件。中國在 2017 年發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，這是世界上最全面的人工智能發(fā)展戰(zhàn)略之一。

2019 年 2 月，白宮發(fā)布《美國人工智能倡議》，將聯(lián)邦政府 AI 研發(fā)的投資需求列為優(yōu)先事項，確保 AI 技術的安全開發(fā)、測試和部署的技術標準。該倡議還強調(diào)要培養(yǎng)一支 AI 人才隊伍，并表示將致力于與國際伙伴合作，提升美國在 AI 領域的領導地位。然而，這項倡議缺乏項目時間線細節(jié)，目前尚不清楚是否會有更多致力于 AI 的研究或其他實際內(nèi)容。

政府對 AI 的關注度依然高漲，美國政府在 AI 的民用和非民用方面投入了數(shù)十億美元。在本屆國會中，AI 的提及量是上一屆的三倍。

2019 年和 2020 年的綜合數(shù)據(jù)表明，創(chuàng)新與技術、國際事務和國際安全、工業(yè)和監(jiān)管等主題是美國人工智能政策文件的主要關注點。 AI Index 聯(lián)合主席 Jack Clark 表示：「從數(shù)據(jù)中可以清楚地看到，2020 年人工智能對世界產(chǎn)生的影響更加重要，技術仍將以飛快的速度向前發(fā)展?！? 「這份報告還向我們強調(diào)，政府需要投入更多的資金來收集有關 AI 的數(shù)據(jù)，研究者需要為新一代 AI 系統(tǒng)開發(fā)更難的測試。各種維度的文獻分析表明，在人工智能發(fā)展方面，美國和中國已經(jīng)成為彼此對等的國家?！?/p>

編輯：jq