2018 年全球的人工智能研究進展究竟有什么特點?近日，一支國際聯合團隊的一份年度 AI 指數報告，匯總分析了人工智能領域的研究進展和趨勢的數據和論文。
人工智能領域的發展一直是全球科技界關注的問題。這個行業發展的快慢和要達到什么目標不僅要用實際產品的進展和科研里程碑來衡量，還應該參考 AI 領軍人、未來學家、學者、經濟學家以及政策制定者的預測和意見。人工智能將要改變這個世界，但什么時候，以何種方式，仍然是一個未知數。
最近，一個專家團隊公布的研究結果可以很好地回答這些問題。專家團隊的成員來自哈佛、麻省理工學院、斯坦福、非盈利組織 OpenAI 、以及 AI 產業合作伙伴等。他們一起作為第二屆 AI 指數的一部分。他們的目標是通過使用確實的數據來衡量AI領域的進展，并且要嘗試搞清楚這些進展，這就需要弄清楚很多棘手的話題，就比如車間自動化、人工智能的總體方向、機器模仿人類執行的任務類型。
2017 年 12 月，第一份人工智能指數年度報告得以發表，報告顯示，人工智能領域的發展速度很快，盡管在一些細分領域進展搶眼，比如說游戲和計算機視覺，但在實現各種任務自動化上， AI 整體智商水平還很低。而且, 去年的報告被認為缺乏一定的 "全球視角", 第二版著手用新的、更精細的數據和更國際化的視角來回答許多相同的問題。
2018 版報告引言中寫道，“沒有全球化的視野，就講不好人工智能的故事，2017 版的報告嚴重偏向了北美地區的活動，這反映了有限的國際合作伙伴關系，并不是因為存在內在偏見。今年，我們著手填補這一全球性漏洞。我們意識到要想讓這份報告真正的綜合全面還有很長的一段路要走，這需要內部和外部通力協作。”
圖 | 1998-2017年間，各地區發表AI論文數量，(圖源： AI Index Report 2018)
而第二份人工智能指數報告發現，人工智能的商業落地和研究工作以及投資幾乎在全球各地都在爆炸式增長。這種趨勢在歐洲和亞洲特別明顯。中國、日本和韓國的人工智能論文發表、大學招生以及專利申請方面在東方國家遙遙領先。
實際上，歐洲發表的 AI 論文數量最多，占去年全球 AI 相關論文總數的28%，僅此于歐洲，中國占比 25%，而美國僅占比 17%。
圖 | 1998-2017年間，Scopus 平臺 AI 各子領域論文數量年增長情況 ( 圖源： AI Index Report 2018 )
在人工智能任務類型上，報告顯示機器學習和所謂的概率推理(讓AI玩游戲戰勝人類的認知相關的活動)這兩類是最熱的研究領域，發表的論文數量最多。
緊跟著的熱門領域是計算機視覺。計算機視覺是 AI 的基礎子學科，它幫助開發自動駕駛汽車、增強現實、對象識別以及神經網絡等。計算機視覺就行機器學習一樣，可以訓練這些算法隨著時間推移不斷改善。
目前來講，重要性弱些的領域是自然語言處理。自然語言處理讓機器理解你在說些什么，并作出反應，并能制定總體規劃和決策，這是當自動化機器成為日常生活中不可分割一部分時所需要的能力。
這份報告有個相當有趣的發現，那就是全球各地區在AI研究領域的側重點不同。中國高度重視 AI 在農業科學、工程和技術上的應用，而歐洲和北美則更關注人文科學、醫學和健康科學，并且歐洲采用的研究方法更為全面。
圖 | 2000 年和2017 年中國、美國、歐洲區域的AI 研究熱點方向( 圖源： AI Index Report 2018 )
報告還提到一些有趣的“小道消息”，美國發表的 AI 研究論文盡管數量較中國和歐洲低，但其論文的引用率遠高于中國和歐洲。在中國和歐洲，政府相關的組織和研究機構發表的論文數量遠超過企業，尤其是在醫學領域。然而美國的 AI 研究更多地是由企業主導，這可能得益于蘋果、亞馬遜、谷歌、Facebook 和微軟等科技巨頭在 AI 領域的巨額投資。
就表現而言，人工智能仍在飛速發展，尤其是計算機視覺等領域。通過測試已經被廣泛使用的圖像訓練數據庫 ImageNet 的基準性能，AI 指數報告發現 ImageNet 就可以構建一個最新精度在進行圖像分類的模型所需要的時間在短短 18 個月內從“大約 1 個小時降低到約 4 分鐘”。訓練速度提高了約 16 倍。在其他領域，比如對象分割，主要是利用軟件區分圖像的背景和主題，在短短 3 年內，精度提高了約 72%。
對于機器翻譯和解析等領域，AI 讓軟件可以理解語法結構，更容易的回答問題，且準確性和熟練度越來越高。但隨著算法越來越接近人類對語言的理解，獲得的成果越來越少。
在單獨的“人類級表現里程碑”章節，報告在游戲及醫療分析等有著卓越進展的領域盤點了數個 2018 年的重大事件。
這些進展包括谷歌 的 DeepMind 在游戲雷神之錘中奪旗等目標導向的進展，以及在 DOTA2 中先后對戰業余及前職業選手的標志性表現。
圖 | ImageNet 的訓練時間 (圖源： AI Index Report 2018)
所有這些確實的數據都很好地幫助我們理解 AI 現在表現如何、這些年是如何發展的以及未來的發展規劃。
涉及到關于自動化的更深奧的問題時，或者是涉及到 AI 在刑事司法、邊境監控、戰爭以及其他政府潛在政策比性能影響更大的領域的應用途徑時，我們仍處于黑暗地帶。AI要變得更加成熟，面臨的障礙不止是技術上的，還有這些軟件能在醫院、教育系統、機場和警局可靠無錯運行前人們的偏見和安全上的顧慮。
不幸的是，這些并沒有阻止企業和政府繼續在現實世界中部署 AI 戰略。今年，我們發現亞馬遜向執法機關出售面部識別軟件，同時谷歌向國防部的無人機項目 Project Maven 支持計算機視覺技術被發現后卷入了巨大的爭議。
谷歌隨即表示將在合同到期后立即撤出該項目，并且發表了一份內容廣泛的 AI倫理準則，包括保證絕不發展 AI 武器監控系統或者向任何違反“國際公認的法律和人權”的項目提供幫助。 但是很明顯，硅谷的領袖們將 AI 看作一個巨大的商業機遇，并把這些項目和合同看作是參與 AI 研究軍備競賽的經濟獎勵。
(圖源： Alex Castro / The Verge )
隨著自動化的到來，我們已經理解了可預見的未來并不會出現大規模的失業潮，但是更大的問題是，我們作為一個社會是否做好準備迎接未來的工作性質向不穩定、低薪并且沒有健康保險等安全保障的轉變。
并不是每個人都會立即失去工作。不如說，一些工種會隨著時間消亡，而另一些則會變成半自動的。而且有些工作將一直需要人類的參與。工人的命運將取決于雇主的約束，勞動法規以及是否有一個足夠好的系統幫助人們轉換到新角色或產業。例如，麥肯錫全球研究院去年11月份的一份報告表明，到2030年，全世界將有 8 億份工作消失，但是只有 6% 的工作可能完全自動化。從人工工作向AI或機器人輔助工作轉變的過程如何發展，決定了這是一次全面危機還是歷史性變革。
美國智庫全球發展中心在今年7月發表的一篇論文集中討論了人工智能和機器人自動化對全球勞動力市場的潛在影響。 研究人員發現，目前還沒有做好足夠的準備工作來應對整體自動化帶來的后果，我們花費了太多的時間來討論在小范圍的市場中實現完全自動化的一般倫理和可行性。這篇論文總結到， “諸如盈利能力、勞動法規、工會和企業社會的期望等問題至少和確定哪些工作實現自動化受到的技術限制這類問題同樣重要。”
但 AI 帶來的并非所有都是黑暗和厄運。AI 指數報告背后的部分理念是提出正確的問題，這樣才能確保政策制定者、公眾和AI行業的領軍人物都有數據做出明智的決策。可能現在要想可靠地衡量人工智能對社會的影響還為時過早，畢竟這個行業才剛剛起步。但提前考慮人工智能對日常生活、工作和衛生保健、教育和執法等 公共機構的影響，并為這些即將到來的改變做好準備是與人工智能研究和產品開發同樣重要的事情。只有做好兩手準備，我們才能避免這個即將改變世界的技術有可能帶來的風險。
京公網安備 11010502049343號