2018年12月，斯坦福大學AI指數指導委員會發布了《 2018AI指數年度報告》，報告中詳細地分析了人工智能在學術領域和眾多工業領域的研究與發展。報告中的數據與分析顯示，近年來中國在人工智能領域的發展速度很快，但美國在論文引用、專利、人道主義、AI投融資等方面，仍處於世界領先。

本文將逐個章節詳細介紹報告的主要內容與數據結論，片尾附《人工智能大事記1980-2018》，僅供學習參考。文章版權歸原作者所有，觀點不代表本機構立場。

作者：Yoav Shoham, Raymond Perrault, Erik Brynjolfsson, Jack Clark, James Manyika, Juan Carlos Niebles, Terah Lyons, John Etchemendy, Barbara Grosz and Zoe Bauer,

發佈日期：2018年12月

編譯：學術plus 譚惠文

AI 2018年度報告 目錄

AI Index 2018報告簡介

主體內容

學術研究：論文發表丨課程丨參與丨機器人軟件

行業動態：創業/投資丨工作丨專利丨人工智能採用調查丨收益電話丨機器人安裝

開源軟件：GitHub項目統計

公共利益：媒體報道情緒丨政府

技術性能

願景丨自然語言理解

其他措施

衍生措施丨政府舉措

致謝丨附錄

1. 學術研究

人工智能（AI）論文數量增加趕超計算機科學（CS）論文，自1996年以來，AI論文增加了8倍.CS論文在同一時間段內增加了6倍。

歐洲是最大的AI論文最大來源 在2017年Scopus的摘要和引文數據庫中，歐洲論文占人工智能論文的28%，其次是中國（25％）和美國（17％）。

2014至2017年，關於神經網絡的Scopus論文數量增長率為37％，總的來說，機器學習和概率推理、神經網絡、計算機視覺方面的論文最多，增張速度也最快，反映了這些領域的火熱程度。

中國、美國、歐洲區域的AI研究重點方向（2000-2017年） 2000 年中國在工程、技術研究活躍程度高於平均水平，但醫療健康、農業、社會科學、人道主義方面的研究活躍度比較低。到了 2017 年，這幾個領域活躍程度有所提高，其中最突出的是農業科學。而美國和歐洲整體發展比較均衡，2017年，美國在人道主義和醫療健康領域的研究更為突出。而中國在人道主義方面研究遠低於世界平均水平。

2007到2017年，中國政府的AI相關論文數量增加400％，中國企業則增加了73％。

雖然歐洲每年發佈的AI論文數量最多，但歐洲的FWCI（ field-weighted citation impact）仍相對平穩，與世界平均水平相當。 相比之下，中國已大幅增加其重新定位的FWCI。 2016年，中國的AI作者被引用率比2000年高出44％。儘管如此，美國的總引用率仍高於其他地區。引用美國作者比全球平均水平高出83％。

70％的AAAI論文來自美國或中國。在2018年的AAAI會議上，70％的提交論文和67％的論文與美國或中國有關。

參加大型人工智能會議的人數激增。在大型會議中，NeurIPS、CVPR和ICML，是參與人數最多的AI三大會議。2012年以來，參與人數的增長，這三者也領先於其他會議，分別增長了4.8倍、6.8倍和3.5倍。

機器人軟件瀏覽量最大的五個區域。美國和歐洲的ROS（robot operating system）瀏覽量最高。中國的點擊量5年裡增長了18倍。

2. 行業動態

美國人工智能創業公司數量成指數趨勢增長

2013-2017年，AI風投公司融資增加了4.5倍。1997-2000年所有風險投資基金的繁榮可以解釋為互聯網泡沫。 2014年和2015年較小的繁榮則反映了經濟增長相對較大的時期。

AI正在創造越來越多的職位。人工智能技能不是相互排斥的。 雖然機器學習（ML）是最重要的技能要求，但深度學習（DL）正在以最快的速度增長。2015到2017年，深度學習相關的職位空缺數量增加了35倍。

2014年，大約三分之一的AI專利來自美國，其次是韓國和日本，大約各佔AI專利總數的16％。韓國和臺灣地區專利增長速度最快，10年間增長了近5倍。而中國增長速度也比較快，但在2008，AI專利數量和速度同時出現了拐點，一定程度放緩了發展趨勢。

和其他工業部門相比，IT行業最先表現出對AI和ML的概念的敏感。其他行業則從2016年開始大量提及AI及其相關概念。信息技術，金融和醫療保健行業在財報電話會議中提到人工智能的次數最多。

2012年以來，中國每年以500%增長速度安裝機器人，韓國和歐洲分別增長了105％和122％。

3. 開源軟件

下圖為各種AI和ML軟件包在GitHub上加星標的次數。 這粗略地衡量了各種AI編程框架的流行程度。而最近，Tensorflow（谷歌），Pytorch（Facebook），mxnet（亞馬遜））支持的框架日益普及，其中，TensorFlow相對於其他語言的更收歡迎。

4. 公共利益

下圖反應了媒體文章中對人工智能的態度，這些文章被分類為正面，負面或中性文章。

美國國會越來越關注人工智能與機器學習

人工智能大事記 1980-2018

1980 奧賽羅

20世紀80年代，李開復和Sanjoy Mahajan開發了BILL，這是一個基於貝葉斯學習的系統，用於玩奧賽羅的棋盤遊戲。1989年，該計劃贏得了美國全國電腦玩家錦標賽，並以56-8擊敗了排名最高的美國選手布萊恩羅斯。1997年，一項名為Logistello的計劃在與奧賽羅衛冕世界冠軍的六場比賽中贏得了每場比賽。

1995 跳棋

1952年，亞瑟·薩繆爾斯（Arthur Samuels）製作了一系列節目，通過自我遊戲改進了跳棋遊戲。1995年，Chinook擊敗了世界冠軍。

1997 國際象棋

1997年IBM的DeepBlue系統擊敗國際象棋冠軍加里卡斯帕羅夫。現在智能手機上運行的國際象棋程序可以在大師級別上進行。

2011 Jeopardy!

2011年，IBM Watson計算機系統參與了流行的智力競賽節目Jeopardy！對陣前獲勝者Brad Rutter和Ken Jennings。沃森贏得了100萬美元的第一名獎金。

2015 Atari Games

2015年，Google DeepMind團隊使用強化學習系統來學習如何玩49個Atari遊戲。該系統能夠在大多數遊戲中實現人類級別的表現。

2016 ImageNet

2016年，ImageNet自動貼標的錯誤率從2010年的28％下降到不到3％。而人的錯誤率約為5％。

2016 GO！

2016年3月，由Google DeepMind團隊開發的AlphaGo系統以4比1擊敗了世界上最偉大的Go玩家之一Lee Sedol。DeepMind於2017年3月發佈了AlphaGo Master，擊敗了排名最高的玩家Ke Jie。2017年10月，Nature paper詳細介紹了另一個新版本AlphaGo Zero，它以100-0擊敗了最初的AlphaGo系統。

2017 皮膚癌分類

在2017年的Nature文章中，Esteva等人描述了一個人工智能系統，該系統根據1,232種不同疾病的129,450個臨床圖像數據集進行訓練的，將其診斷性能與21名經過董事會認證的皮膚科醫生對比，發現AI系統能夠以與皮膚科醫生相當的能力水平對皮膚癌進行分類。

2017年，微軟和IBM在有限的交換機域中實現了“人類奇偶校驗”（human-parity）語音識別的近距離性能。

2017 撲克

2017年1月，美國卡耐基梅隆大學開發的人工智能Libratus與4名人類頂尖德州撲克選手之間的“人機大戰”在美國匹茲堡進行，最終人工智能取得勝利。2017年2月，來自加拿大阿爾伯塔大學的DeepStack的人工智能系統是世界上第一個在 “一對一無限注德州撲克” 上擊敗了職業撲克玩家的計算機程序。

2017 Pac-Man女士

由微軟收購的深度學習團隊Maluuba創建了一個人工智能系統，學習如何在Atari 2600上達到遊戲的最高點值999,900

2018 漢英翻譯

在將新聞報道從中文翻譯成英文時，微軟機器翻譯系統實現了人性化的質量和準確性。

2018 Capture the Flag

DeepMind代理在Quake III Arena Capture the Flag（一種流行的3D多人視頻遊戲）中達到了人類級別的性能。其中表現出類似人類的行為，例如導航，跟蹤和防守。受過訓練的角色超過了人類運動員的勝利率，擊敗了幾個現有的最先進的系統。

2018 Dota 2

OpenAI的五個神經網絡團隊擊敗了Dota 2的業餘人類團隊。OpenAI Five通過自我遊戲學習。 （OpenAI Five尚未超人，因為它未能擊敗專業的人類團隊）

2018 前列腺癌分級

谷歌開發了一種深度學習系統，在前列腺切除術標本中對前列腺癌進行分級時達到70％的準確度。美國董事會認證的一般病理學家在研究中獲得的平均準確率為61％。

（全文完）

閱讀更多 信息與電子前沿 的文章

關鍵字: 機器人 人工智能 斯坦福大學