斯坦福重磅发布 丨AI 指数年度报告丨附报告下载
斯坦福大学近日重磅发布了 AI 指数 2017 年度报告,从学术、产业、技术等多个角度盘点了 AI 领域的动态和进度。
点击【阅读原文】下载 "AI 指数年度报告"
毋庸置疑 ,AI 是近年来的行业热点,吸引了越来越多的从业者、行业领袖、决策者和公众的关注。AI 指数是斯坦福大学 AI 百年研究的一个项目,旨在追踪 AI 领域的行业动态,促进对 AI 的了解。
报告中进行了大量的调查和统计,主要包括 4 个部分:
活动量(Volume of Activity)
这部分围绕 AI 领域的“多少”(how much)方面。例如,论文发表数量、参会人数、创业投资等。
技术表现(Technical Performance)
这部分围绕 AI 表现“有多好”(how much)的方面。例如,计算机理解图像和证明定理的性能。
衍生测量(Derivative Measures)
我们对各个趋势之间的关系进行探究。还引入了一种探索性的方法,即AI 活力指数(AI Vibrancy Index),将学术界和行业的AI 趋势结合起来,对AI领域的现状进行量化。
接近人类表现(Towards Human Performance)
我们列举了 AI 在接近或超越人类表现方面取得的重大进展,以及当中遇到的困难与挑战。
活动量丨Volume of Activity
学术界
1. 论文发表数量
自 1996 年以来,计算机科学领域的论文数量增长了 6 倍,但在同一时期,每年发表的 AI 论文数量增加 了 9 倍。
以下学术论文的 Scopus 数据库中所收录,关键词为“人工智能”的计算机科学论文发表数量。
2. 选课人数
自1996年以来,斯坦福大学的 AI 课程选课人数增加了 11 倍。
机器学习(ML)是 AI 的一个分支。在这里之所以强调机器学习课程,是因为其选课人数的激增,而且机器学习技术对最近许多 AI 成果至关重要。
下图为斯坦福大学的 AI 和机器学习课程的选课人数。
由于其他大学的数据有限,因此在报告中突出斯坦福的数据。但是根据参考数据,可以推测其他大学的趋势与斯坦福类似。
3. 参会情况
以下为 AI 会议的参会人数。
研究重点转移,大型 AI 会议(1000人以上)中,研究重点已经从符号推理转向机器学习和深度学习。
但是在小型 AI 会议(1000人以下)中,符号推理方面仍在稳步发展。
行业
1. AI 创业公司
以下为风投资本支持的 AI 创业公司数量。自 2000 年以来,这一数量增加了 14倍。
2. AI 创业基金
在美国投资 AI 创业的基金数量也在增长,自 2000 年以来,每年投入 AI 创业的资本增加了 6 倍:
3. 职位需求
根据两个在线求职平台 Indeed 和 Monster 的数据,AI 相关岗位需求也在增长。自 2013 年以来,在美国需要 AI 技能的工作岗位已经增长了4.5 倍。
根据 Indeed 的数据,不同国家需要 AI 技能的工作岗位也在增加。
Monster 平台发布每年 AI 相关工作职位的数据,按具体技能划分。
4. 机器人进口
下面是产业自动化的情况。北美和全球的工作机器人购买量在增加。
开源软件
GitHub 项目统计
以下是 GitHub 上,TensorFlow 和 Scikit-Learn 软件包获得的星标(star)数量。(TensorFlow 和 Scikit-Learn 是用于进行深度学习和机器学习的热门软件包。)
以下是 Github 上其他 AI 和 ML 软件包的星标情况。
公共认知
媒体报道
关于 AI 的主流媒体文章报道中,含有正面情绪(蓝线)和负面情绪(紫线)的文章比例。
技术表现丨Technical Performance
视觉
1. 物体检测
大型视觉识别挑战(LSVRC)比赛中,AI 系统检测物体的性能也在显著提升。自 2010 年以来,错误率从 28.5 %下降到低于 2.5%。
2. 视觉问答
视觉问答(Visual Question Answering),是一种涉及计算机视觉和自然语言处理的学习任务。以下为在开放式回答有关图像问题的任务中,AI 系统的性能。
自然语言理解
1. 句法分析
AI 系统在确定句子句法结构上的表现。
2. 机器翻译
AI 系统在翻译英语和德语方面的表现。
3. 问答
AI 系统在文档中找到问题答案的性能。
4. 语音识别
AI 系统在识别语音录音的表现,2016 已经达到人类水平。
结语
这份报告中有以下亮点:
· 学术领域:自1996 年以来,AI 论文发表量增加了 9 倍;同时相关课程的选课人数也在增长。例如,斯坦福大学的 AI 课程选课人数比 20 年前,增加了 11 倍。
· 产业领域:自 2000 年以来,有资本支持的 AI 创业公司数量增长了 14 倍。针对AI 创业的投资在同一时期增加了 6 倍。
· 技术表现:AI 在图像和语音识别上都逐渐接近人类水平。AI 系统在针对现实问题的应用上表现出色,例如物体检测、理解和回答、图像分类等方面。
· 接近人类表现:AI 在某些方面已经能够接近人类的表现。比如在游戏应用中,AI 在国际象棋、围棋等方面都有不俗的表现。尽管如此,但当中也存在一些困难和挑战,比如在处理信息的深层含义方面,AI 与人类表现仍有一定的差距。
数据分析咨询请扫描二维码
需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20