大数据中国

搜索
大数据中国 首页 行业资讯 产业观察 查看内容
斯坦福《2018全球AI年度报告 》多维度数据公开
2018-12-18 01:21 |原作者: 李兰松|来自: 数据观| 查看: 2654| 评论: 0

下载报告:http://www.bigdatas.cn/thread-88070-1-1.html
近日,斯坦福大学发布《2018全球AI年度报告 》。这份报告从学术、工业、政策等角度全面介绍全球人工智能的发展现状,更加注重全球数据。本报告要实现两个目标:更新上一年的指标以及尽可能地提供全球性的背景。

报告指出,美国的 AI 研究力量仍是全球最强,但中国的追赶速度很快。报告特别介绍了清华大学学习 AI 课程的学生数量:2017 年人工智能+机器学习课程的入学人数比 2010 年时多 16 倍。

人工智能研究全球化

没有全球视野,就没有AI故事。2017年的报告严重偏向北美活动,18年的报告缩小了全球差距,用“全球视野”分析人工智能领域的研究以及投资。

今年的 AI Index 指出,在全球各地,人工智能的商业落地以及研究成果都以爆炸式增长,在欧洲和亚洲,这种趋势更加明显。在中国、日本以及韩国在人工智能论文发表以及书籍出版方面领先于其他东方国家。事实上,如上图所示,美国仅占到全球论文发布内容的17%,欧洲是论文最高产的国家,18年发表的论文在全球范围内占比28%,中国紧随其后,占比25%。

在机器学习方面,论文发表数量占多数的是研究游戏中的“人机大战”。

人工智能课程注册量清华瞩目

作为中国的人工智能最强高校,清华大学也在这一报告中多次被提到:大学人工智能和机器学习相关课程注册率在全球范围都有大幅提升,最引人注目的是清华大学相关课程的增长率,从2017年的注册率比2010年高出16倍,比2016年高出了将近3倍。

各国人工智能应用方向

从报告中可以看出,各国对人工智能应用方向重视不同。中国非常重视农业科学,工程和技术方面的应用,相比于2000年,2017年,中国加大了对农业方面的重视。而欧洲和北美非常看重人文学科以及医疗方面的应用,欧洲的研究方法更为全面。

人工智能技能和岗位

职位空缺严重

上图显示了所需的Al技能每年的职位空缺数量,当然,也能看出AI技能的职位空缺的增长速度。各个岗位数据具有相关性。

虽然机器学习是最重要的技能,但深度学习(DL)正在以最快的速度增长,2015年到2017年这一时间段,深度学习的职位空缺数量增加了35倍。

性别分布:不平衡仍存在

人工智能相关岗位的性别差距依然严重。上图的显示按照技能分类,各个技能之间有相关性。申请人的数目并不代表雇佣人数,但总体而言,在美国,男性占人工智能相关职位申请申请人数的71%。在人工智能各个子学科之间,深度学习和机器人学对比其他学科,性别比例相对平衡。

国际大会和框架发展

上图显示了各种Al和ML软件包在GitHub上的受欢迎比率,从获星标数量可以大致哪种AI框架最受欢迎。从2015年到2018年,Tensoflow一直占据第一,scikit-learn一直占据着第二的位置。

在大型会议中,NeurIPS (曾用名NIPS) 、CVPR和ICML,是参与人数最多的三大AI会议。自2012年以来,参与人数的增长率,这三者也领先于其他会议。值得一提的是,ICML在2018年一年的时间增长了将近一倍。

最新的政府政策

中国方面,2017年7月,政府发布新一代Al发展计划,制定了一直到2030年的AI发展战略。计划到2020年使中国的AI技术达到世界上最先进的水平。到2025年,中国将在AI理论上取得重大突破,人工智能将成为产业升级和经济结构调整的动力。到2030年,中国将成为世界主要的AI新中心。

美国方面,2018年9月,DARPA宣布投资20多亿美元以克服AI技术的限制。私营公司在美国AI技术开发/投资中发挥重要作用,2017年,亚马逊和Alphabet等科技公司分别向AI领域提供了大量的资金。

在欧盟地区,法国最近发表了三份报告:(1)法国Al计划,其中提出了一项关于AI研究、教育、创新的战略;(2)编写了一份侧重于社会和监管问题的报告;(3)《 Mission Villani report》,该报告侧重于政策和减少人才外流,并阐述了多样性在AI研究中的重要性。英国从2016年开始发布一系列的

2018年4月:政府投资9.5亿英镑(1.2亿美元)用于支持研究,教育,并增强英国的数据基础设施。

two more thing

计算机视觉是人工智能的子学科,在自动驾驶汽车开发、增强现实和物体识别能力方向有广泛应用,就像机器学习一样,训练算法随着时间的推移得到改进。

就性能而言,人工智能算力继续飙升,尤其是在计算机视觉等领域。通过测量ImageNet的基准性能,该报告发现,在18个月内,最准确图片分类模型,训练时间从“小时左右”降至“4分钟左右”。训练速度快了大约16倍。其他领域,比如物体分割,在短短三年内就提高了72%的精度。

免责声明: 除非特别声明,文章均为网络转载,仅代表作者观点,与大数据中国网无关。其原创性以及文中陈述文字和内容未经本站证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。如果本文内容有侵犯你的权益,请发送信息至ab12-120@163.com,我们会及时删除

最新评论

关闭

站长推荐上一条 /1 下一条

 
 
在线客服①
在线客服②
大数据行业交流
大数据行业交流
大数据求职招聘
大数据求职招聘
服务电话:
15010106923
微信联系:
hb-0310
服务邮箱:
ab12-120@163.com
官方微信扫一扫
大数据中国微信

QQ   
冀ICP备15018178号-3

版权所有: Discuz! © 2001-2013 大数据.

GMT+8, 2019-7-23 02:57 , Processed in 0.047479 second(s), 24 queries .

返回顶部