明星大侦探第二季,斯坦福全球AI陈述:人才需求两年暴增35倍,我国机器人布置量涨500%,家长意见和建议

来历:量子位

作者:安妮 栗子 乾明 一璞

刚刚,斯坦福全球AI陈说正式发布。

从上一年开端,斯坦福大学主导、来自MIT、OpenAI、哈佛、麦肯锡等组织的多位专家教授,组建了一个小组,每年发布AI index年度陈说,全面追寻人工智能的开展现状和趋势。

“咱们用硬数据说话。”陈说的负责人、斯坦福大学教授、上一任谷歌首席科学家Yoav Shoham谈洪荒妙善道到这份最新的陈说时表明。

本年明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张的陈说,从学术、工业、开源、政府等方面详细介绍了人工智能开展的现状,而且记录了核算机视觉、自然言语了解等范畴的技能开展。

陈说关键:

一、美国AI归纳实力最强

二、我国AI追逐速度惊人

三、全球AI开展提速但仍不均衡

明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张

看过这份陈说之后,人工智能大牛吴恩达总结了两点:1、AI正在快速开展,不管是学术界仍是工业界都是如此。2、AI的开展仍不均衡,在多样性、包容性方面仍需尽力。

以下是这份陈说的主要内容:

AI论文状况剖析宣布总量添加迅猛

从1996年到2017年,CS范畴的年宣布论文添加了约五倍 (6x) ,AI范畴的年宣布论文添加了约七倍 (8x) 。比照一下,一切学科的年宣布论文花都僵尸差人总量添加了不到两倍 (<3x) 。

划要点,AI论文的年宣布量,比CS论文添加要快。

各区域AI论文宣布状况

2017年,Scopus上面的AI论文,有83%来自美国以外的当地。详细数据是,28%来自欧洲,25%来自我国,17%来自美国。

从2007年到2017年,我国的年宣布AI论文数添加了150%。

细分范畴论文宣布状况

江玉婷

2017年宣布的AI论文中,有56%来自机器学习谢月镜与概率推理这一研讨方向。

比照一下,2010年宣布的AI论文,只要28%来自这个方向。

别的,图表里显现的大部分研讨方向,在2014-2017年间,复合年均添加率 (CAGR) 比2010-2014年要高。

比方,神经网络这一方向的论文宣布数量,2014-2017年之间,复合年均添加率到达37% (如图中赤色曲线) ,最为杰出。

做个比照,在2010-2014年之间,神经网络论文宣布数,复合年均添加率仅有3%。

arXiv论文

自2010年以来,arXiv论文全体呈现迅速添加,从2010年发布的1,073篇,到2017年发布的13,325篇,添加逾越11倍 鞍山大斌子(12x) 。许多细分领爸爸不要了域也呈现添加。

这表明,论文作者们倾向于把自己的研讨成果传达出去,不论是通过同行评定仍是在AI会议上宣布的论文。这也体现了,AI这个范畴竞赛剧烈的特质。

在细分范畴中,核算机视觉 (miaoboCV) 是自2014年起添加最快的一个 (上图蓝色曲线) ,从1,099篇添加到2017年的4,895篇,涨幅近400%。

AI论文引证量

FWCI是范畴权重引证影响系数,能够用来衡量论文的影响力。

陈说从头界说了一种“改装版” (Re-based) 的FWCI,不按区域,而按国际均匀值,来明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张核算影响力。

在这个规范之下,尽管欧洲宣布的AI论文数高于我国和美国,不过论文影响力曲线比较陡峭;比较之下,明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张我国宣布的论文影响力添加剧烈:与2000年比较,2016年均匀每位我国AI论文作者的引证率添加了44%。

不过在这方面,美国仍然全球抢先,美国AI论文作者的均匀引证率,比国际均匀值高出83%。

AAAI论文

AAAI 2018,提交论文,中美占70%,中选论文,中美占67%。

我国的论文提交数高出美国约1/3,但二者中选论文数相差无秘鲁伟人甲由几,我国当选265篇,消除灵岩伟人美国当选268篇。

高校AI课程注册状况

AI和ML进军高校的速度提高了不少。

陈说显现,截止到2017年末,AI课程注册人数是2012年的3.4倍,ML课程注册人数是2012年的5倍。

其间,UC伯克利的ML课程的注册人数添加最快,是2012年的6.8倍,但此数值较2016年添加速度有显着下降。

陈说进一步核算了非美国区域院校AI+ML课程注册人数的改变。成果显现,清华对错美国院校外添加率最高的高校,几乎是第二名多伦多章一城微博大学的2倍。

纵向比照来看,清华2017年AI+ML课程注册人数是2010年的16倍。

学术会议热度

在大型会议中,NeurIPS (曾用名NIPS) 、CVPR和ICML,是参加人数最多的三大AI会议。自2012年以来,论参加人数的添加率,这三者也抢先于其他会机巴议。

NeurIPS和ICML参加人数添加最快:将2018年与2012年比较,NeuRIPS添加3.8倍 (4.8x) ,ICML添加5.8倍 (6.8x) 。

上面评论的是大型会议,但小型会议的参加人数相同有显着的添加,乃至能够比大型会议的添加愈加显着。

这儿最杰出的是,ICLR 2018的参会人数到达了2012年的20倍。

原因很可能是近年来,AI范畴越来越重视深度学习和强化学习烟影摇风了。

AI创业出资状况

从2015年1月到2018年1月,人工智能创业公司的数量添加到了本来的2.1倍,而一切活泼的创业公司添加到了本来的1.3倍日本秘戏图。

大多数状况下,创业公司的添加都坚持相对安稳,而人工智能创业公司呈指数级添加。

在风出资金方面,从2013年到2017年,人工智能范畴的风出资金添加到了本来的4.5倍,而一切的风出资金只添加到了本来的2.08倍。这些数据都是年度数据,不是逐年累积的。

图表中有两个高峰期,1997-2000年风出资金的激增,对应的是网络泡沫时期。2014-2015年呈现了一个较小的添加,因为其时正处于一个相对较大的经济添加时期。

人才需求

陈说显现,近几年,社会需求的AI相关人才大幅度添加,现在对有ML技能的人才需求最大,其次是深度学习。

能够看出,ML人才需求也是这两年添加速度最快的。

陈说核算,2017年,全球ML人才需求是2015年的35倍,从2016年到2017年的增幅尤为显着。全球对AI人才的需求在2016年骤增。

专利

2014年,大约30%的人工智能专利发明人来自美国,其次是韩国和日本,各具有16%。

在韩国和我国台湾区域,专利的添加速度较快。2014年人工智能专利的数量几乎是2004年的5倍。

财报电话会议中提及AI和ML的次数

2015年,科技公司在财报电话会议中提及AI和ML的次数开端有所添加。

2016年,其他职业提及AI次数才开端添加。

比较之下,科技职业的公司提及AI和ML的次数远比其他明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张职业多。

在财报电话会议中,除了科技职业之外,提及AI次数最多的公司,基本上散布在消费、金融和医疗保健职业。

机器人装置量

2012年到2017年,我国机器人年装置量增艾帝雅长了500%,其他区域,比方韩国和欧洲,别离添加了105%和122%。

在装置量较小的区域中,我国台湾比较杰出,在2012-2017年添加最快。

开源结构GitHub标星数

各结构的标星数反映着他们在开发者集体中的盛行程度。不过,因为开发者们日常不会“取关”GitHub项目,所以这些星星都是多年来积累下的。

咱们能够显着发现,TensorFlow的受欢迎程度在开发者中遥遥抢先、稳天咒纳兰坤步添加。

排除了榜首抢手,第二名和第三名别离是scikit-learn和BVLC/caffe。

TensorFlow官方力推的keras排到了第四,但近一年来几无添加气势。

别的两大抢手PyTorch和MXNet别离排到了第七和第六,尤其是PyTorch,作为一个年青的结构,自2017年头发布以明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张来至今,GitHub标星数至少添加了4倍。获取新用户的气势很猛,不知道其间有多少被TensorFlow逼疯的人类。

各类使命最新成果

这个部分分为CV和NLP两块,别离列举了各干流使命从开展之初到现在的成果前进状况。

ImageNet图画识别准确率

2017年是ImageNet竞赛的最终一届,2018年这项竞赛就不再进行了。不过,验证集仍然有人在用。

图中,蓝色的线条为ImageNet应战赛历年的成果改变,因为每年竞赛所用的数据不同,周围多了一条黄色线条,是以ImageNet 2012验证集为点评规范制作的。

能够看出,到2015年,机器在图画分类使命上的才能现已显着逾越了人眼,而即便竞赛不再持续,学术研讨者仍然在仔细推动该使命的体现。

这也旁边面阐明,假如一项作业有了清晰的点评规范和固定的应战内容,研讨者们环绕此竞赛,更明星大侦察第二季,斯坦福全球AI陈说:人才需求两年暴增35倍,我国机器人安置量涨500%,家长定见和主张简略让技能在该范畴获得打破。

ImageNet练习速度

这张图是练习ImageNet图画分类神经网络所需时刻的历年改变(当然,是买得起满足核算资源的人和组织所用的时长)。

从2017年6月的1小时,到2018年11月的4分钟,ImageNet图画分类神经网络的练习速度提高了16倍,除了硬件方面的奉献,算法上的提高也不容小觑。

图画切割COCO

ImageNet应战赛“退休”之后,CV范畴的朋友们就把要点放在了微软的COCO,应战语义切割和实例切割。

四年来,COCO数据集上图画切割应战的精确度现已提高了0.2,2018年的成果比2015提高了72%。不过,现在还没有逾越0.5,这一项还有足够的前进空间。

别的值得一提的是,COCO竞赛近年来占有冠军方位的多是来自我国的公司,包含旷视、商汤等核算机视觉独角兽日常包办数个项俄罗斯圣彼得堡气候意图冠军。

语法剖析(Parsing)

在确认语句结构这种语法剖析的使命上,2003年到2018年的15年间,AI的体现(F1 Score得分)提高了将近10%。

机器翻译

在机器翻译使命上,陈说拿英语-德语相互翻译举例,评价了AI模型在经典机器翻译评价算法BLEU规范中的体现。

陈说显现,2018年英语转德语的BLEU评分是2008年的3.5倍,德语转英语成果是2008年的2.5倍。

机器问答:AI2 Reasoning Challenge(ARC)

在问答范畴,AI体现前进更显着,能够按月计数了。

陈说核算了2018年从四月到11月间,AI在ARC推理应战赛上成果的改变:简略组得分从63%提高到69%,应战组得分从27%提高到42%。

这些,都仅是半年间的前进。

机器问答:GLUE

相同用于机器问答的GLUE基准(General Language Understanding Evaluation)推出至今只要7个月的时刻,但现在的体现现已比半年条件高了90%。

G广州越秀气候LUE的推出者、纽约大学助理教授Sam Bowman说,尽管环绕GLUE的大型社区还没有呈现,不过现已有了像谷歌BERT这样的代表性技能用了GLUE基准,问世一个月内现已被引证8次。在EMNLP会议中,GLUE时常被评论,可能会成为言语了解范畴中的一个基准线。

政府提及

全体来说,自2016年以来,美国、加拿大、英国政府在国会/议会会议中提及人工智能和机器学习的次数激增。

2016年之前,机器学习很少被提及,与人工智能比较,机器学习在总提及量中只占很小的一部分。

来历:量子位

奇特的股票日内T+0高频买卖课程(第二期)

梦境的收益曲线,通过练习,你也能够完成!

国内顶尖日内反转团队,毫无保留的技能教授!

股票日内买卖———其实就像捅破一张纸那么简略!

上海 3月30日-3月31日 周末两天

报名电话/微信:18516600808

加尼瑞克 公司 人工智能 开发
声明:该文观念仅代表作者自己,搜狐号系信息发布平犁鼻器台,搜狐仅供给信息存储空间效劳。
点击展开全文

上一篇:

下一篇:

相关推荐