
斯坦福重磅發(fā)布 丨AI 指數(shù)年度報告丨附報告下載
斯坦福大學(xué)近日重磅發(fā)布了 AI 指數(shù) 2017 年度報告,從學(xué)術(shù)、產(chǎn)業(yè)、技術(shù)等多個角度盤點了 AI 領(lǐng)域的動態(tài)和進度。
點擊【閱讀原文】下載 "AI 指數(shù)年度報告"
毋庸置疑 ,AI 是近年來的行業(yè)熱點,吸引了越來越多的從業(yè)者、行業(yè)領(lǐng)袖、決策者和公眾的關(guān)注。AI 指數(shù)是斯坦福大學(xué) AI 百年研究的一個項目,旨在追蹤 AI 領(lǐng)域的行業(yè)動態(tài),促進對 AI 的了解。
報告中進行了大量的調(diào)查和統(tǒng)計,主要包括 4 個部分:
活動量(Volume of Activity)
這部分圍繞 AI 領(lǐng)域的“多少”(how much)方面。例如,論文發(fā)表數(shù)量、參會人數(shù)、創(chuàng)業(yè)投資等。
技術(shù)表現(xiàn)(Technical Performance)
這部分圍繞 AI 表現(xiàn)“有多好”(how much)的方面。例如,計算機理解圖像和證明定理的性能。
衍生測量(Derivative Measures)
我們對各個趨勢之間的關(guān)系進行探究。還引入了一種探索性的方法,即AI 活力指數(shù)(AI Vibrancy Index),將學(xué)術(shù)界和行業(yè)的AI 趨勢結(jié)合起來,對AI領(lǐng)域的現(xiàn)狀進行量化。
接近人類表現(xiàn)(Towards Human Performance)
我們列舉了 AI 在接近或超越人類表現(xiàn)方面取得的重大進展,以及當(dāng)中遇到的困難與挑戰(zhàn)。
活動量丨Volume of Activity
學(xué)術(shù)界
1. 論文發(fā)表數(shù)量
自 1996 年以來,計算機科學(xué)領(lǐng)域的論文數(shù)量增長了 6 倍,但在同一時期,每年發(fā)表的 AI 論文數(shù)量增加 了 9 倍。
以下學(xué)術(shù)論文的 Scopus 數(shù)據(jù)庫中所收錄,關(guān)鍵詞為“人工智能”的計算機科學(xué)論文發(fā)表數(shù)量。
2. 選課人數(shù)
自1996年以來,斯坦福大學(xué)的 AI 課程選課人數(shù)增加了 11 倍。
機器學(xué)習(xí)(ML)是 AI 的一個分支。在這里之所以強調(diào)機器學(xué)習(xí)課程,是因為其選課人數(shù)的激增,而且機器學(xué)習(xí)技術(shù)對最近許多 AI 成果至關(guān)重要。
下圖為斯坦福大學(xué)的 AI 和機器學(xué)習(xí)課程的選課人數(shù)。
由于其他大學(xué)的數(shù)據(jù)有限,因此在報告中突出斯坦福的數(shù)據(jù)。但是根據(jù)參考數(shù)據(jù),可以推測其他大學(xué)的趨勢與斯坦福類似。
3. 參會情況
以下為 AI 會議的參會人數(shù)。
研究重點轉(zhuǎn)移,大型 AI 會議(1000人以上)中,研究重點已經(jīng)從符號推理轉(zhuǎn)向機器學(xué)習(xí)和深度學(xué)習(xí)。
但是在小型 AI 會議(1000人以下)中,符號推理方面仍在穩(wěn)步發(fā)展。
行業(yè)
1. AI 創(chuàng)業(yè)公司
以下為風(fēng)投資本支持的 AI 創(chuàng)業(yè)公司數(shù)量。自 2000 年以來,這一數(shù)量增加了 14倍。
2. AI 創(chuàng)業(yè)基金
在美國投資 AI 創(chuàng)業(yè)的基金數(shù)量也在增長,自 2000 年以來,每年投入 AI 創(chuàng)業(yè)的資本增加了 6 倍:
3. 職位需求
根據(jù)兩個在線求職平臺 Indeed 和 Monster 的數(shù)據(jù),AI 相關(guān)崗位需求也在增長。自 2013 年以來,在美國需要 AI 技能的工作崗位已經(jīng)增長了4.5 倍。
根據(jù) Indeed 的數(shù)據(jù),不同國家需要 AI 技能的工作崗位也在增加。
Monster 平臺發(fā)布每年 AI 相關(guān)工作職位的數(shù)據(jù),按具體技能劃分。
4. 機器人進口
下面是產(chǎn)業(yè)自動化的情況。北美和全球的工作機器人購買量在增加。
開源軟件
GitHub 項目統(tǒng)計
以下是 GitHub 上,TensorFlow 和 Scikit-Learn 軟件包獲得的星標(biāo)(star)數(shù)量。(TensorFlow 和 Scikit-Learn 是用于進行深度學(xué)習(xí)和機器學(xué)習(xí)的熱門軟件包。)
以下是 Github 上其他 AI 和 ML 軟件包的星標(biāo)情況。
公共認知
媒體報道
關(guān)于 AI 的主流媒體文章報道中,含有正面情緒(藍線)和負面情緒(紫線)的文章比例。
技術(shù)表現(xiàn)丨Technical Performance
視覺
1. 物體檢測
大型視覺識別挑戰(zhàn)(LSVRC)比賽中,AI 系統(tǒng)檢測物體的性能也在顯著提升。自 2010 年以來,錯誤率從 28.5 %下降到低于 2.5%。
2. 視覺問答
視覺問答(Visual Question Answering),是一種涉及計算機視覺和自然語言處理的學(xué)習(xí)任務(wù)。以下為在開放式回答有關(guān)圖像問題的任務(wù)中,AI 系統(tǒng)的性能。
自然語言理解
1. 句法分析
AI 系統(tǒng)在確定句子句法結(jié)構(gòu)上的表現(xiàn)。
2. 機器翻譯
AI 系統(tǒng)在翻譯英語和德語方面的表現(xiàn)。
3. 問答
AI 系統(tǒng)在文檔中找到問題答案的性能。
4. 語音識別
AI 系統(tǒng)在識別語音錄音的表現(xiàn),2016 已經(jīng)達到人類水平。
結(jié)語
這份報告中有以下亮點:
· 學(xué)術(shù)領(lǐng)域:自1996 年以來,AI 論文發(fā)表量增加了 9 倍;同時相關(guān)課程的選課人數(shù)也在增長。例如,斯坦福大學(xué)的 AI 課程選課人數(shù)比 20 年前,增加了 11 倍。
· 產(chǎn)業(yè)領(lǐng)域:自 2000 年以來,有資本支持的 AI 創(chuàng)業(yè)公司數(shù)量增長了 14 倍。針對AI 創(chuàng)業(yè)的投資在同一時期增加了 6 倍。
· 技術(shù)表現(xiàn):AI 在圖像和語音識別上都逐漸接近人類水平。AI 系統(tǒng)在針對現(xiàn)實問題的應(yīng)用上表現(xiàn)出色,例如物體檢測、理解和回答、圖像分類等方面。
· 接近人類表現(xiàn):AI 在某些方面已經(jīng)能夠接近人類的表現(xiàn)。比如在游戲應(yīng)用中,AI 在國際象棋、圍棋等方面都有不俗的表現(xiàn)。盡管如此,但當(dāng)中也存在一些困難和挑戰(zhàn),比如在處理信息的深層含義方面,AI 與人類表現(xiàn)仍有一定的差距。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10