近日，斯坦福大學(xué)發(fā)布了《人工智能指數(shù) 2022》（Artificial Intelligence Index Report 2022）報告，這是斯坦福大學(xué)連續(xù)第五年發(fā)布該類型的報告，該報告旨在成為世界上最可信、最權(quán)威的 AI 數(shù)據(jù)和洞察來源。今年的報告分為五個章節(jié)，包括最新的研究進展、技術(shù)、AI 倫理、投資與教育、AI 政策。
本期的智能內(nèi)參，我們帶來《人工智能指數(shù) 2022》的要點翻譯總結(jié)，從權(quán)威機構(gòu)角度分析全球人工智能行業(yè)的最新進展。
一、研究進展
研發(fā)是推動人工智能 (AI) 快速發(fā)展的不可或缺的力量。每年學(xué)術(shù)界、工業(yè)界、政府和?間組織通過?量論?、期刊?章、人工智能會議等為 AI 研發(fā)做出貢獻(xiàn)。從 2010 年到 2021 年，人工智能出版物的總數(shù)翻了?番，從 2010 年的 162,444 篇增長到 2021 年的 334,497 篇。
▲ 2010-21 年全球 AI 出版物數(shù)量
其中，2021 年這些出版物的 51.5% 是期刊?章，21.5% 是會議論?，17.0% 來自存儲庫。細(xì)分領(lǐng)域方面，自 2015 年以來，模式識別和機器學(xué)習(xí)方?的出版物增加了?倍多。其他受深度學(xué)習(xí)影響較?的領(lǐng)域，如計算機視覺、數(shù)據(jù)挖掘和自然語言處理，增幅較小。
▲ 2010-21 年按研究領(lǐng)域的 AI 出版物數(shù)量
按論文來源的部門來分，教育機構(gòu)仍是 AI 研究的主力，而美國和歐盟的公司參與研發(fā)的程度也很高。值得一提的是，中國是唯一一個教育比重不斷上升的國家（地區(qū)）。而且，迄今為止，過去 12 年中美國和中國之間的合作數(shù)量最多，自 2010 年以來增加了五倍。其次是英國與美國和中國之間的合作，增加了自 2010 年以來增長了 3 倍多。2021 年，美國和中國之間的合作數(shù)量是英國和中國之間的 2.7 倍。
▲ 2010-21 年按?業(yè)分列的 AI 出版物（占總數(shù)的百分比）
▲ 美國和中國在?工智能出版物方面的合作，2010-21
按地區(qū)來看，2021 年，東亞和太平洋地區(qū)以 42.9% 的期刊發(fā)文量領(lǐng)先，其次是歐洲和中亞（22.7%）和北美（15.6%）。此外，南亞、中東和北非的增?最為顯著，在過去 12 年中，它們的 AI 期刊出版物數(shù)量分別增 長了約 12 倍和 7 倍。
▲ 2010-21 年按地區(qū)分列的 AI 期刊出版物（占世界總數(shù)的百分比）
按地理區(qū)域來分，中國保持領(lǐng)先地位，2021 年為 31.0%，其次是歐盟和英國，為 19.1%，美國為 13.7%。
▲ 2010-21 年按地理區(qū)域劃分的 AI 期刊出版物（占世界總數(shù)的百分比）
在論?的被引次數(shù)上，中國的份額逐漸增加，?歐盟以及英國和美國的被引次數(shù)減少。這三個地理區(qū)域的總引?量占全球總引?量的 66% 以上。
▲ 2010-21 年按地理區(qū)域劃分的 AI 期刊引?次數(shù)（占世界總數(shù)的百分比）
在專利方面，2021 年提交的專利數(shù)量是 2015 年的 30 倍以上，復(fù)合年增?率為 76.9%。中國的專利數(shù)已經(jīng)占了世界?半，并獲得約 6% 的授權(quán)。
▲ AI 專利申請數(shù)量，2010?21 年
▲ 2010-21 年按地理區(qū)域劃分的??智能專利申請（占世界總數(shù)的百分?）
AI 開源軟件庫方面，TensorFlow 仍最受歡迎的，GitHub 累計星數(shù)約為 161,000，? 2020 年略有增加，遠(yuǎn)高于排名第二的 OpenCV。
▲ AI LIBRARY 的 GITHUB STARS 數(shù)量（超過 40K STARS），2014?21
二、技術(shù)表現(xiàn)
今年技術(shù)性能這?章節(jié)對 AI 各個?領(lǐng)域的技術(shù)進步進?了?以往更多的分析，包括計算機視覺、語?、強化學(xué)習(xí)等技術(shù)的趨勢。
1、計算機視覺
圖像分類：圖像分類是指機器對圖像中看到的內(nèi)容進行分類的能力。 過去?年圖像識別系統(tǒng)技術(shù)取得了巨?的進步，特別是研究?員已經(jīng)采?了更多的機器學(xué)習(xí)技術(shù)。截? 2021 年底，頂級圖像分類系統(tǒng)在 Top-1 準(zhǔn)確度上每 10 次分類嘗試平均產(chǎn)? 1 個錯誤，相比之下，2012 年底 每 10 次嘗試平均 4 次 錯誤 。2021 年，最頂級的預(yù)訓(xùn)練系統(tǒng)是 CoAtNets，由?歌研究?員制作。
圖像生成：圖像?成是?成與真實圖像?法區(qū)分的圖像的任務(wù)。如下圖所示，2021 年，AI 已經(jīng)可以合成非常難以區(qū)分的人臉照片。
▲ GAN 在?臉?成??的進展
深度偽造檢測：許多人工智能系統(tǒng)現(xiàn)在可以?成與真實圖像?法區(qū)分的假圖像，例如通過換臉來實現(xiàn)所謂的“深度偽造”。近幾年，研究人員一直試圖通過制作更強大的深度偽造檢測算法來跟上偽造步伐。FaceForensics++ 是?個深度偽造檢測基準(zhǔn)測試，。2012 年，最強的 AI 技術(shù)可以在四個 FaceForenics++ 數(shù)據(jù)集中正確識別 69.9% 的深度偽造。2021 年，該數(shù)字增加到 97.7% 。
醫(yī)學(xué)圖像分割：醫(yī)學(xué)圖像分割是指 AI 系統(tǒng)在醫(yī)學(xué)圖像中分割感興趣對象（例如器官、病變或腫瘤）的能?。目前，AI 能夠在 CVC-ClinicDB 數(shù)據(jù)集上以 94.2% 的正確率識別結(jié)腸鏡檢查息?，相比 2015 年提?了 11.9 個百分點。
人臉檢測：雖然目前的一些面部識別算法的成功率接近 100%，但因為疫情的影響，戴口罩面部識別成為了 AI 技術(shù)新的挑戰(zhàn)。2021 年，北京郵電?學(xué)的研究?員發(fā)布 了 6000 張蒙??臉的?臉識別數(shù)據(jù)集，以應(yīng)對?規(guī)模戴?罩帶來的新識別挑戰(zhàn)。研究?員在各種?部識別數(shù)據(jù)集上運?了?系列現(xiàn)有的最先進的檢測算法，結(jié)果表明，與未蒙?相?，頂級?法在蒙??孔上的表現(xiàn)要差 5 到 16 個百分點。
▲ 北郵 MLFW 數(shù)據(jù)庫
▲ 最新 AI MLFW 數(shù)據(jù)庫檢測準(zhǔn)確性
2、語言理解
目前的英文語言理解用的最新基準(zhǔn)測試為 SuperGLUE，于 2019 年 5 月發(fā)布。在測試中，AI 系統(tǒng)在八種不同的任務(wù)上進行測試。截至目前最先進的系統(tǒng)為 SS-MoE 模型，在 SuperGLUE 上的得分為 91.0，已經(jīng)超過了人類。
▲ SuperGLUE 得分
在另一項斯坦福問答數(shù)據(jù)集（SQuAD）中，AI 最新得分為 95.7 和 93.2，也超過了人類的表現(xiàn)。
▲ SQUAD 1.1 和 SQUAD 2.0 得分
但是，對于需要邏輯推理的問題上 AI 貌似仍力不從心。在由新加坡國立大學(xué)科學(xué)家創(chuàng)建的數(shù)據(jù)集 ReClor 中，困難問題的最好表現(xiàn)只有 69.3% 的準(zhǔn)確率。
▲ 需要邏輯推理的閱讀理解數(shù)據(jù)集（RECLOR）：準(zhǔn)確性
自然語言推理方面，目前斯坦福?然語?推理 (SNLI) 數(shù)據(jù)集表現(xiàn)最好的模型是 FacebookAIUSA 的 EFL，其在 2021 年 4 ?的得分為 93.1%。
3、強化學(xué)習(xí)
強化學(xué)習(xí)的測試標(biāo)準(zhǔn)是 2013 年推出的 Arcade Learning Environment（Atari-57），2019 年末，DeepMind 的 MuZero 算法在 Atari-57 上 實現(xiàn)了最先進的性能。到了 2021 年，來?清華?學(xué)和字節(jié)跳動的研究?員開發(fā)出了 GDI-H3 模型，該模型在 Atari 上的性能超過了 MuZero -57 的近一倍。
▲ ATARI-57 得分
4、機器人
調(diào)查結(jié)果顯?在過去七年中，機器??臂的價格有明顯的下降趨勢。2017 年，價格中位數(shù)機器人手臂的價格是 42,000 美元。從那時起，價格已經(jīng)下降了 46.2%，?致達(dá)到了 2021 年的 22,600 美元。
▲ 2017-21 年機器人?臂的平均價格
并且，現(xiàn)在機器人相關(guān)的 AI 技術(shù)的普及率也出現(xiàn)了大幅提升。
▲ 機器人教授使?的人工智能技能比例
三、AI 投資和教育
1、工作
新西蘭的人工智能招聘增?最快 ——2021 年是 2016 年的 2.42 倍，其次 是?港（1.56）、愛爾蘭（1.28）、盧森堡（1.26）和瑞典（1.24）。此外，從 2020 年到 2021 年，許多國家或地 區(qū)的 AI 招聘增?率有所下降
▲ 2021 年按地理區(qū)域劃分的相對??智能招聘指數(shù)
在 2021 年所有職位發(fā)布中，??智能職 位發(fā)布的份額最?的是機器學(xué)習(xí)技能（占所有職位發(fā)布的 0.6%），其次是人?智能（0.33%）、神經(jīng)?絡(luò)（0.16%）和?然語?處理（0.13%） ）。
美國信息部?的所有職位發(fā)布中有 3.30% 與 AI 相關(guān)，其次是科學(xué)和技術(shù)服務(wù)（占所有列表的 2.59%）、制造（2.02%）和?融和保險（1.81%）。
▲ 2021 年按?業(yè)分列的美國 AI 職位發(fā)布（占所有職位發(fā)布的百分?）
AI 的滲透率方面，印度在??智能技能滲透率??領(lǐng)先世界 ——2015 年? 2021 年全球平均?平的 3.09 倍 —— 緊隨其后的是美國（2.24）和德國（1.7）。之后是中國（1.56）、以?列（1.52）和加拿?（1.41）。
▲ 2015-21 年按地理區(qū)域劃分的相對 AI 技能滲透率
2、投資
目前，私人投資仍是 AI 投融資的主流，其次是并購、公開發(fā)行和少數(shù)股權(quán)。2021 年，全球?qū)??智能的私?投資總額約為 935 億 美元，是 2020 年私?投資總額的兩倍多。
▲ 按投資活動劃分的全球企業(yè)對??智能的投資，2013-21 年
在披露融資?額的公司中，與 2020 年相?，2021 年 1 億 美元? 5 億美元的 AI 融資輪數(shù)增加了?倍多，? 5000 萬 美元? 1 億美元的融資輪數(shù)也增加了?倍多。
▲ 2013-21 年??智能領(lǐng)域的私?投資
2021 年，美國在獲得資助的 AI 公司的總體私?投資??居世界?位，約為 529 億美元，是排名第?的國家中國（172 億美元）的三倍。排在第三位的是英國（46.5 億美元），其次是以?列（24 億美元）和德國
（19.8 億美元）。2021 年，美國有 299 家新投資的 AI 公司，其次是中國，有 119 家，英國有 49 家，以?列有 28 家。
▲ 2021 年按地理區(qū)域劃分的 AI 私?投資
行業(yè)領(lǐng)域方面，2021 年??智能領(lǐng)域最?的私?投資是數(shù)據(jù)管理、處理和云（約 122 億美元）。在過去五年中，醫(yī)療和保健 類別獲得了全球最?的私?投資（289 億美元）；其次是 數(shù)據(jù)管理、處理和云計算（269 億美元）；?融科技（249 億美元）；和零售（219.5 億美元）。
3、教育
在北美，?多數(shù)與??智能相關(guān)的課程都是作為本科階段 CS 課程的?部分提供的。從 2010 年到 2020 年，北美博?機構(gòu)的新 CS 本科畢業(yè)? 數(shù)量增?了 3.5 倍。2020 年，超過 31,000 名 本科?完成了計算機科學(xué)學(xué)位，? 2019 年增加了 11.60%。并且，2020 年每 5 名 CS 學(xué)?中就有 1 名獲得了 AI / ML 博?學(xué)位。
▲ 2010-20 年北美博?機構(gòu)的新 CS 本科??數(shù)
▲ 2020 年按專業(yè)劃分的美國新 CS 博?（占總數(shù)的百分?）
四、AI 政策
從 2016 年到 2021 年， 共有 25 個國家通過了 55 項與??智能相關(guān)的法案，其中美國以 13 項法案占據(jù)榜首，其次是俄羅斯、?利時、西班?和英國。2021 年頒布的法律數(shù)量上，西班?、英國和美國領(lǐng)先，各超過三項。
▲ 2021 年與 AI 相關(guān)的法案數(shù)量國家排名
美國 2015 年只有一項聯(lián)邦法案與人工智能相關(guān)，2021 年提升到了 130 項。
▲ 2016 年以來典型的國家人工智能相關(guān)立法
在 2021 財年 (FY)，?國防美國政府機構(gòu)共為 AI 研發(fā)?出分配了 15.3 億美元，約為 2018 財年?出的 2.7 倍。預(yù)計 2022 財年這?數(shù)字將增? 8.8%，申請總額為 16.7 億美元。
▲ 美國聯(lián)邦?國防??智能研發(fā)預(yù)算，2018-22 財年
而美國國防部 2021 年在 500 個??智能研發(fā)項?中撥款 92.6 億美元，? 2020 年的 86.8 億美元增加 6.68%。國防部在人工智能上的支出也是最多的，2021 年，它在與??智能相關(guān)的合同上花費了 11.4 億 美元，大約是第??的部?衛(wèi)?與公眾服務(wù)部（2.34 億美元）花費的五倍。
▲ 國防部前五名資?最多的項?
▲ 2021 年美國政府部?和機構(gòu)在 AI 上的最高合同?出
智東西認(rèn)為，雖然 2021 年是個多事之秋，但人工智能的發(fā)展仍然一路高歌猛進，私人投資翻一番，新技術(shù)不斷突破都給這個行業(yè)的發(fā)展打了強心劑。尤其值得欣慰的是，在中美國家關(guān)系日趨復(fù)雜的現(xiàn)在，AI 行業(yè)的中美合作仍很緊密，這是人類科學(xué)技術(shù)在沖突與斗爭大環(huán)境下的一絲慰藉。
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。