15张图表带你速览2021人工智能最新趋势 _人工智能

文章插图

「中国人工智能研究论文总数已经超过了美国，成为全球第一」
「人工智能初创企业获得的资本青睐越来越少」
「主流NLP系统也存在种族歧视」
这些话题都出自斯坦福大学Human-Centered人工智能研究所近期发布的「2021年人工智能指数报告」。报告内容覆盖AI研发、技术性能、经济、教育、道德、多样性以及各国相关政策和国家战略等大量内容。
这份报告长达222页，包含大量数据和图表，我们从中精选了15份图表，带你速览这份斯坦福「2021年人工智能指数报告」，了解2021年人工智能发展现状。

作者 | Eliza Strickland
编译 | 机器之能

「2021年人工智能指数报告」由斯坦福大学Human-Centered人工智能研究所，以及来自哈佛大学，经济合作与发展组织，the Partnership on AI合作组织和SRI International的11名专家组成的指导委员会共同编制。这份报告引用了大量AI研究数据，引用了包括：arXiv的AI研究数据，Crunchbase的资金数据，以及对Black in AI和Queer in AI等团体的调查。
报告对2021年度人工智能最新的研究趋势和进展进行了总结，并分析了资本、政策对AI技术的影响，以及深度学习、图像识别、语言识别等AI主要子领域的研究。
一人工智能的盛夏

文章插图

人工智能研究工作正处在爆炸增长期：2019年全球发布了超过12万篇人工智能研究领域的同行评审论文。自2000年以来，人工智能领域论文在同行评审论文中的占比，从0.8%一路攀升至2019年的3.8% 。
二中国在人工智能研究领域取得显著成就

文章插图

自2017年中国研究人员发表的同行评审论文首次超过欧洲以来，中国的人工智能研究论文数量持续上升。到2020年，中国研究人员发布的人工智能研究论文在权威期刊的引用率已经领先全球。
AI指数指导委员会联合主任Jack Clark表示，这些数据对中国来说似乎是「学术成功的指标」，也在一定程度上映射出不同国家在人工智能生态体系建设方面的现状。他认为研究论文更像是一种学术权威认证，一个领域的学术性越弱，其行业实用性可能会越强。他指出：「中国有获得期刊出版物的明确政策，政府机构在研究中发挥更大的作用，而在美国，大部分这方面的研发主要集中在企业内部。」
三快速训练=更好的AI

文章插图

MLPerf以训练速度与硬件的关系为基础，分析了机器学习的系统性能，客观地对机器学习系统性能进行排名。通过对各种图像分类器系统在标准ImageNet数据库上进行培训，并根据训练时间进行排名。2018年，训练最佳系统需要6.2分钟；2020年，培训最佳系统需要47秒。这一进步也得益于近年来机器学习专用芯片的快速发展。
报告认为，硬件加速对机器学习的影响至关重要。系统训练耗时几秒和几小时的差别巨大，这种差异直接影响着研究人员的想法，以及研究的类型和数量，以及它可能影响到的研究风险。
四 AI不能理解「喝咖啡」？

文章插图

在过去的几年里，人工智能在静态图像识别方面的进展突飞猛进，而计算机视觉未来必将朝着视频识别的方向发展。研究人员正在构建可以从视频剪辑中识别各种活动的系统，因为如果将机器视觉应用到现实世界（例如自动驾驶汽车、监控摄像头等），这种类型的识别可能会大有用处。计算机视觉性能的基准之一是ActivityNet数据集，其中包含来自2万个视频的近650小时镜头。在其中显示的200项日常生活活动中，人工智能系统在2019年和2020年都很难识别「喝咖啡」这项活动。这似乎是一个主要问题，因为喝咖啡是所有其他活动的基本活动。无论如何，这是未来几年值得关注的领域。
五自然语言识别需要更难的测试

文章插图

自然语言处理（NLP）的迅速崛起似乎遵循了计算机视觉的轨迹，在过去十年中，计算机视觉从学术领域的分支专业发展成为广泛的商业部署。今天的NLP也由深度学习驱动，Jack Clark认为，NLP继承了计算机视觉工作的策略，例如对大型数据库的训练和特定应用程序的微调。他说：「我们看到这些创新非常迅速地流向人工智能的另一个领域。」