人工智能 2021年指数报告2

REPORT HIGHLIGHTS

第一章:研究与发展

• 2019 - 2020年，人工智能期刊发文量增长34.5%，增速远高于2018 - 2019年(19.6%)。
• 在每个主要国家和地区，同行评议的人工智能论文来自学术机构的比例最高。但第二重要的发起者有所不同:在美国，企业附属研究占全部出版物的19.2%，而在中国(15.6%)和欧盟(17.2%)政府是第二重要的。
• 2020年，中国在人工智能期刊的全球引用份额上首次超过美国，2004年在人工智能期刊的总发表数量上短暂超过美国，然后在2017年重新占据领先地位。然而，在过去十年里，美国被引用的人工智能会议论文一直(而且明显)多于中国。
• 为应对COVID-19，大多数大型人工智能会议都以虚拟方式举行，因此出席人数显著增加。2020年，参加九场会议的人数几乎翻了一番。
• 仅在过去六年中，arXiv上与人工智能相关的出版物数量增长了六倍多，从2015年的5478份增至2020年的34736份。
• 2019年，人工智能论文占全球所有同行评议科学论文的3.8%，高于2011年的1.3%。

第二章:技术性能

生成一切:人工智能系统现在可以合成文本、音频和图像，达到足够高的标准，以至于对于某些受限的技术应用来说，人类很难分辨合成和非合成输出的区别。这将产生大量的人工智能下游应用，既有社会用途，也有不那么有用的用途。这也促使研究人员投资于检测生成模型的技术;深度伪造检测挑战数据表明了计算机能够很好地区分不同的输出。

计算机视觉的产业化:计算机视觉在过去十年中取得了巨大的进步，这主要归功于机器学习技术(尤其是深度学习)的应用。新的数据显示，计算机视觉正在工业化:在一些最大的基准上，性能开始趋于平缓，这表明社区需要开发并同意更难的基准，以进一步测试性能。与此同时，公司正以前所未有的速度投入越来越多的计算资源来训练计算机视觉系统。与此同时，用于分析视频静止帧的对象检测框架等已部署系统的技术正在迅速成熟，这表明人工智能将进一步部署。

自然语言处理(NLP)超越了它的评估指标:NLP的快速发展产生了语言能力显著提高的人工智能系统，并开始对世界产生有意义的经济影响。谷歌和微软都在他们的搜索引擎中部署了BERT语言模型，而从微软到OpenAI等公司也开发了其他大型语言模型。NLP的进展如此迅速，以至于技术进步已经开始超过测试它们的基准。这一点可以从SuperGLUE上获得人类水平性能的系统的迅速出现中看出。SuperGLUE是一个NLP评估套件，针对早期NLP进程超出GLUE所评估能力的情况而开发。

对推理的新分析:大多数技术问题的度量都显示了在固定基准上的最佳系统在每个时间点的性能。为人工智能指数开发的新分析提供了指标，允许一个不断演变的基准，以及一组系统在一段时间内的整体表现，将信用归为单个系统的一部分。这些应用于两个符号推理问题，自动化布尔公式的定理证明与可满足性。

机器学习正在改变医疗保健和生物学领域的游戏:随着机器学习的采用，医疗保健和生物学行业的格局发生了实质性的变化。DeepMind的AlphaFold应用了深度学习技术，在长达数十年的蛋白质折叠生物学挑战中取得了重大突破。科学家们使用ML模型来学习化学分子的表示，以便更有效地制定化学合成计划。人工智能初创公司PostEra在大流行期间使用基于ml的技术加速新冠病毒相关药物的发现。

第三章:经济

2020年，“药物、癌症、分子、药物发现”获得的私人人工智能投资金额最大，超过138亿美元，比2019年高出4.5倍。

巴西、印度、加拿大、新加坡和南非是人工智能招聘增长最快的国家2016年到2020年。尽管COVID-19大流行，但2020年样本国家的人工智能招聘继续增长。

人工智能领域的更多私人投资正流向更少的初创企业。尽管出现大流行，但2020年民间人工智能投资比2019年增长9.3%，增幅高于2018 - 2019年(5.7%)，但新投资企业数量已连续第三年下降。

麦肯锡(McKinsey)的一项调查显示，尽管越来越多的人呼吁解决与使用人工智能相关的伦理问题，但在该行业解决这些问题的努力有限。例如，人工智能领域的公平和公平等问题仍然很少受到企业的关注。此外，与2019年相比，2020年将个人或个人隐私风险视为相关风险的公司更少，且其公司正在采取措施减轻这些特定风险的受访者比例没有变化。

尽管大流行造成了经济低迷，但在麦肯锡的一项调查中，有一半的受访者表示，冠状病毒对他们在人工智能方面的投资没有影响，而实际上有27%的受访者表示，他们的投资有所增加。不到四分之一的企业减少了对人工智能的投资。

从2019年到2020年，美国人工智能招聘职位的份额出现下降，这是六年来的首次下降。2019年至2020年，美国发布的人工智能工作岗位总数也减少了8.2%，从2019年的325724个减少到2020年的300999个。

第四章:人工智能教育

2020年进行的一项人工智能指数调查显示，在过去四年里，世界顶级大学增加了对人工智能教育的投资。在过去的四年里，教授学生在本科和研究生水平上构建或部署实用AI模型所需技能的课程数量分别增加了102.9%和41.7%。

美国计算机研究协会(CRA)的一项年度调查显示，过去10年，北美选择在工业领域工作的人工智能博士越来越多，选择学术界工作的博士越来越少。新产品的份额
在过去十年中，选择行业工作的人工智能博士人数增长了48%，从2010年的44.4%增至2019年的65.7%。相比之下，新的人工智能博士进入学术界的比例下降了44%，从2010年的42.1%下降到2019年的23.7%。

根据CRA的调查，在过去10年里，人工智能相关博士在美国授予的计算机科学博士总数中所占比例从14.2%上升到2019年的约23%。与此同时，其他以前很受欢迎的计算机科学博士的受欢迎程度有所下降，包括网络、软件工程和编程语言。与2010年相比，编译类专业的博士学位都有所减少，而人工智能和机器人/视觉专业的博士学位则大幅增加。

在经历了两年的增长后，北美大学的人工智能教职员工从2018年的42人降至2019年的33人(其中28人是终身教职员工，5人是非终身教职员工)。卡内基梅隆大学
在2004年至2019年期间，乔治亚大学的人工智能教师离职人数最多(16人)，其次是乔治亚大学理工学院(14门)和华盛顿大学(12门)。

2019年，北美新AI博士中国际学生的比例继续上升64.3%——较2018年增长4.3%。在外国毕业生中，81.8%的人留在美国，8.6%的人在美国以外的地方找工作。

在欧盟，绝大多数专业的人工智能学术课程在硕士水平授课;到目前为止，机器人和自动化是专业学士和硕士项目中最经常教授的课程，而机器学习(ML)在专业短期课程中占主导地位。

第五章:人工智能应用的伦理挑战

自2015年以来，人工智能大会上提交的论文中包含伦理相关关键词的论文数量有所增长，但主要人工智能会议上符合伦理相关关键词的论文平均数量多年来一直较低。

2020年最受关注的与人工智能道德使用相关的五个新闻话题是《人工智能》的发布欧盟委员会关于人工智能的白皮书、谷歌解雇伦理研究员蒂姆尼特·格布鲁、联合国成立的人工智能伦理委员会、梵蒂冈的人工智能伦理计划，以及IBM退出人脸识别业务。

第六章:AI的多样性

十多年来，人工智能博士毕业生和计算机科学终身教授的女性比例一直很低。北美人工智能博士项目的女性毕业生所占比例低于计算机研究协会的一项年度调查显示，博士毕业生的平均比例为18%(CRA)。一项人工智能指数调查显示，在全球几所大学的计算机科学终身教授中，女性教师仅占16%。

CRA的调查显示，2019年，美国新住院人工智能博士毕业生中，45%为白人，22.4%为亚裔，3.2%为西班牙裔，2.4%为非洲裔。

在过去10年里，新获得计算机专业博士学位的白人(非西班牙裔)的比例几乎没有变化，平均为62.7%。黑人或非裔美国人(非西班牙裔)和西班牙裔计算的比例
同期博士生的比例明显较低，平均分别为3.1%和3.3%。

Black参与人工智能研讨会，与神经信息会议在同一地点近年来，处理系统(神经系统)有了显著的发展。2019年参会人数和提交论文数是2017年的2.6倍，录用论文数是2017年的2.1倍。

在AI酷儿(Queer In AI)于2020年进行的会员调查中，近一半的受访者表示，他们认为该领域缺乏包容性是他们在成为AI/ML领域从业者时面临的障碍。超过40%的受访成员表示，他们在工作或学校经历过歧视或骚扰。

第七章:人工智能政策与国家战略

自加拿大于2017年发布了全球首个国家人工智能战略以来，截至2020年12月，其他30多个国家和地区也发布了类似文件。

2020年，全球人工智能伙伴关系(GPAI)和经济合作与发展组织(OECD)人工智能政策观测站和人工智能专家网络的启动促进了政府间合作，共同支持人工智能的发展。

在美国，第116届国会是历史上最关注人工智能的国会会议。本届国会在立法、委员会报告和国会研究服务处(CRS)报告中提到人工智能的次数是第115届国会的三倍多。

 

如何引用这份报告

Daniel Zhang, Saurabh Mishra, Erik Brynjolfsson, John Etchemendy, Deep Ganguli, Barbara Grosz, Terah Lyons, James Manyika, Juan Carlos Niebles, Michael Sellitto, Yoav Shoham, Jack Clark, and Raymond Perrault, The AI Index 2021 Annual Report, AI Index Steering Committee, Human-Centered AI Institute, Stanford University, Stanford, CA, March 2021.