斯坦福大學(xué)發(fā)布了2019人工智能索引報告（2019 AI Index Report）。這是斯坦福大學(xué)第三年發(fā)布該報告。

以下是報告亮點：

從1998年到2018年，同行評議的人工智能論文數(shù)量增長了300%以上，占同行評議期刊出版物的3%，占已發(fā)表會議論文的9%。

中國現(xiàn)在每年出版的人工智能期刊和會議論文與歐洲一樣多，早在2006年就已經(jīng)超過美國。但美國出版物的領(lǐng)域加權(quán)引用影響仍比中國高出約50%。

新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡人均在arXiv上發(fā)表的深度學(xué)習(xí)論文數(shù)量相對較高。

超過32%的世界人工智能期刊引文來自東亞。超過40%的世界人工智能會議論文引文來自北美。

2014-2018年間，北美占全球人工智能專利引用活動的60%以上。

許多西歐國家，特別是荷蘭和丹麥，以及阿根廷、加拿大和伊朗，研究人工智能研究的女性比例相對較高。

出席人工智能會議的人數(shù)繼續(xù)大幅增加。2019年，最大的NeurIPS預(yù)計有13500人參加，比2018年增長41%，比2012年增長800%。即使是像AAAI和CVPR這樣的會議每年的出席率也增長了30%左右。

WiML研討會的參與者人數(shù)是2014年的8倍，AI4的校友人數(shù)也是2015年的20倍。這些增加反映出繼續(xù)努力將婦女和代表性不足的群體納入人工智能領(lǐng)域。

在一年半的時間里，在云基礎(chǔ)設(shè)施上訓(xùn)練大型圖像分類系統(tǒng)所需的時間從2017年10月的約3小時減少到2019年7月的約88秒。同時，訓(xùn)練這樣一個系統(tǒng)的費用也同樣下降。

在SuperGLUE和SQuAD2.0基準(zhǔn)測試中獲得的一些廣泛的自然語言處理分類任務(wù)方面的進展非常迅速；在一些需要推理的NLP任務(wù)（如AI2推理挑戰(zhàn)）或人類級別的概念學(xué)習(xí)任務(wù)（如Omniglot挑戰(zhàn)）上的性能仍然較低。

在2012年之前，人工智能的結(jié)果緊跟摩爾定律，每兩年計算翻番。2012年后，計算每3.4個月翻一番。

2015年至2019年，新加坡、巴西、澳大利亞、加拿大和印度的人工智能招聘增長最快。

2019年，全球私人人工智能投資超過700億美元，與人工智能相關(guān)的初創(chuàng)企業(yè)投資超過370億美元，并購340億美元，IPO 50億美元，少數(shù)股權(quán)價值約20億美元。

在全球范圍內(nèi)，對人工智能初創(chuàng)企業(yè)的投資繼續(xù)穩(wěn)步上升。融資總額從2010年的13億美元增至2018年的404億美元（截至11月4日，2019年為374億美元），年均增長率超過48%。

去年，自動駕駛以77億美元（占全球總投資的9.9%）獲得了全球投資的最大份額，其次是藥物、癌癥和治療（47億美元，6.1%）、面部識別（47億美元，6.0%）、視頻內(nèi)容（36億美元，4.5%）和欺詐檢測和財務(wù)（31億美元，3.9%）。

58%的受訪大公司表示，2019年至少有一個職能或業(yè)務(wù)部門采用人工智能，高于2018年的47%。

只有19%的受訪大公司表示，他們的組織正在采取措施降低與算法可解釋性相關(guān)的風(fēng)險，13%的公司正在降低對公平和公正的風(fēng)險，如算法偏見和歧視。

全球范圍內(nèi)，人工智能和相關(guān)學(xué)科以及在線課程的招生人數(shù)都繼續(xù)快速增長。

在研究生教育階段，人工智能迅速成為北美計算機科學(xué)博士生中最受歡迎的專業(yè)，其學(xué)生數(shù)量是第二受歡迎專業(yè)（安全/信息保證）的兩倍多。2018年，超過21%的計算機科學(xué)博士畢業(yè)生專攻人工智能/機器學(xué)習(xí)。

在美國和加拿大，在人工智能領(lǐng)域畢業(yè)的國際博士生數(shù)量繼續(xù)增長，目前超過60%的博士生來自這些項目（2010年不到40%）。

到目前為止，工業(yè)已經(jīng)成為人工智能人才的最大消費群體。2018年，超過60%的人工智能博士畢業(yè)生進入了工業(yè)領(lǐng)域，高于2004年的20%。2018年，在美國，從事工業(yè)的人工智能博士畢業(yè)生人數(shù)是從事學(xué)術(shù)工作的兩倍多。

在美國，人工智能教師離開學(xué)術(shù)界從事工業(yè)的速度繼續(xù)加快，2018年有40多人離開，高于2012年的15人，2004年則沒有。

按照性別劃分，人工智能教師的多樣化并沒有顯示出很大的進展，2018年，女性在新聘教師中所占比例不到20%。同樣，自2010年以來，美國女性人工智能博士學(xué)位獲得者的比例幾乎保持在20%不變。

2015-2018年間，加利福尼亞州測試自動駕駛的總行駛里程數(shù)和公司總數(shù)增長了7倍以上。2018年，加利福尼亞州為50多家公司和500多輛AVs公司頒發(fā)了測試許可證，行駛里程超過200萬英里。

全球央行通訊顯示出對人工智能的濃厚興趣，特別是來自英國央行、日本央行和美聯(lián)儲的興趣。

全世界國會記錄、委員會報告和立法記錄中與人工智能相關(guān)的立法顯著增加。

公平性、可解釋性和可解釋性被認為是59份人工智能倫理原則文件中最常提及的倫理挑戰(zhàn)。

在2018年年中至2019年年中確定的3600多篇關(guān)于道德和人工智能的全球新聞文章中，主要議題是人工智能道德使用、數(shù)據(jù)隱私、人臉識別的使用、算法偏差和大技術(shù)的作用的框架和指南。

人工智能可以通過迄今為止確定的用例為17個聯(lián)合國可持續(xù)發(fā)展目標(biāo)（SDG）中的每一個做出貢獻，這些用例涉及169個聯(lián)合國可持續(xù)發(fā)展目標(biāo)中的大約一半，但要大規(guī)模部署人工智能促進可持續(xù)發(fā)展，仍需克服瓶頸。