首先:从 1998 到 2018 年,AI 相关的同行评审论文的发表数量增长了 300% 。出席会议的人数也显著增长,NeurIPS 预计为 1.35 万人,较 2012 年增长 800% 。
人工智能教育同样受到了追捧,有关机器学习的大学和线上课程,参与者人数也持续增加。目前看来,AI 算是北美计算机科学专业毕业生中最受欢迎的专业。
超过 21% 的计算机科学博士选择了专门从 AI 研究行业,是排名第二的学科(安全 / 信息保障)的两倍多。
大多数指标上,美国仍然是全球 AI 领域的领导者。尽管中国发表的 AI 相关论文数量超过了任何其它地区,但美国发表论文的影响力更大,较全球平均水平高出 40% 。
中美两国私有资金对 AI 领域的投入都很大(数十上百亿美元计),AI 专利的申请数量也超过其它竞争对手(是排名第二的日本地区的三倍)。同时,AI 算法正在变得越来越快,训练的成本也越来越便宜。
在流行数据集(ImageNet)的训练上,机器视觉算法所需的时间,已从 2017 年 10 月的大约 3 个小时、减少到 2019 年 7 月的 88 秒,成本也从数千美元下降到两位数。
自动驾驶汽车行业获得了更多的私人投资(全球略低于 10%,约 77 亿美元),其次是医学研究和面部识别(两者都吸引了 47 亿美元)。
增长最速的工业 AI 领域,相对也不那么浮华。2018 年的时候,机器人流程自动化拿到了 10 亿美元投资,供应链管理方面亦超过 5 亿美元。
在给人留下深刻印象的同时,还需注意一个重大的问题 —— 无论 AI 提升的幅度有多大,都距离媒体大肆渲染的目标相去甚远。
换言之,尽管人工智能世界正在蓬勃发展,但 AI 本身仍在某些重要方面被卡着脖子。AI Index 报告在“绩效里程碑”时间表上写到:
人工智能已经达到、或者超越了人类的专业知识水平,但这仅限特定领域,AI 在通用智能方面仍存在着难以逾越的鸿沟。
回顾 1990 年代,当时计算机在跳棋和国际象棋上打败了人类选手,引发了人们对于 AI 未来的无限遐想。
2016 年之后,AI 开始在《Dota 2》等游戏中发挥实力,在 2017 年实现了对人类皮肤癌图像的分类,并于 2018 年达成了媲美专业人士的中英文翻译。
激动之余,业界仍对 AI 的发展前景持谨慎乐观的态度。以视频和棋盘游戏为例,其特点是具有清晰、易模仿的规则,因此特别适合对 AI 展开训练。
这样的成绩,通常依赖于耗费一个人几辈子的训练量,以突显人类相较于计算机的学习速度。此外,AI 难以将同样的经验,轻松复制到另一个领域中。
比如某个 AI 可以像肿瘤医生一样准确地判定乳腺癌肿瘤,但让它来判断肺癌的话,就有些无能为力了(更别提开处方和做出诊断了)。
综上所述,AI 系统更像是一款特定于某些应用场景的‘一次性工具’,而不具有人类的通用智能(甚至打不过五岁的小朋友)。
当然,这并不意味着 AI 一无是处。如本报告所述,尽管机器学习有一定的局限性,但其在资金、兴趣和技术成就方面,仍在相当快速地发展着。
扫一扫
在手机上阅读