近日，斯坦福“人工智能百年（AI100）”專家小組（非盈利性項目AI Index）發起了一項AI指數報告，追蹤學術界、產業界、開源軟件和公共興趣范疇的18個分立的視角評估人工智能活躍度，盤點計算機視覺、自然語言理解等技術發展現狀（機器類人程度），從專家視角解讀人工智能創業和投資的急劇增加，探討相關領域的深入發展。

人工智能活躍度一覽

▲AI活躍度指數（來自學術界和工業界數據，如出版物、注冊創企和風險投資等)

從學術領域來看

人工智能論文大部分隸屬計算機科學的范疇，自1996年至今年度發表的論文數量已經增加9倍，作為參考，計算機科學論文數量此間增加了6倍；

高校機器學習等人工智能相關課程的開設數量和學生的參與度都大幅增加；

人工智能相關的頂級會議也變的火爆，包括如 AAAI、IJCAI、ICML等綜合性會議，以及CVPR、ACL、ICRA等專注于通用技術（計算機視覺、自然語言、機器人等）的會議。

▲學術-產業動態關系（參數包含論文出版、學業課程、投資金額，其中2016年學生課程參與度的下降是由于行政原因）

從產業領域來看

人工智能相關創企的數量從2000 年以來增加了14倍，風投金額增加了6倍；

在線招聘網站的數據顯示2013年以來美國AI相關崗位增長了4.5倍，其中自然語言處理和計算機視覺技能的比重最多；

物流和工業機器人的數量和進出口急劇增加。

從開源軟件來看

▲GitHub明星軟件庫

這里主要參考GitHub項目：TensorFlow和 Scikit-Learn等AI和ML（機器學習）軟件包被收藏（star）的次數飆升。

從公共興趣來看

▲AI公眾興趣提升

流媒體涉及“人工智能”的內容數量飆升，其中，正面文章高于負面。

從技術成熟度來看

▲AI里程碑

根據LSVRC競賽結果，圖像標注的誤差率從2010年的28.5%降至低于 2.5%；

視覺問答（Visual Question Answering，一種開放式問答）數據集發展出新版本VQA 2.0；

自然語言理解技術范疇下的語法解析（Parsing）、語種互譯（Machine Translation）、問答（Question Answering）、語音識別（Speech Recognition）等技術皆逼近人類的能力；

人工智能進行定理證明（Theorem Proving）的可追蹤性提高至80%以上，但遇到新的問題解決方案時性能不理想；

SAT（美國學業能力傾向測驗）中能回答的問題超過70%，應試競爭力強；

▲物體檢測技術成熟度示意

▲視覺問答技術成熟度示意

▲語法解析技術成熟度示意

▲新聞翻譯技術成熟度示意

▲問答技術成熟度示意

▲語音識別技術成熟度示意

▲定理證明能力示意

▲SAT測試能力示意

專家觀點

Barbara Grosz（哈佛）：小心檔口

評估人工智能系統的成熟度很關鍵的一點是看它能對人類的生活造成怎樣的影響。

根據該報告，我們正處在一個機器性能表現逼近人類能力的檔口。由于報告相關數據采集涉及的時間節點、標準化測試和地區發展不平衡，我們對機器發展水平的認知可能存在偏差。舉個例子，該報告闡述了自然語言理解技術中語法解析、語種互譯、問答、語音識別等模塊的發展水平，但沒有表征聊天機器人的成熟度，也就是多模塊結合起來的機器表現。當然，我們首先需要在細分的模塊將機器的水準至少提高到人類水平，然后逐漸提高其綜合起來的任務解決能力，追求系統的完整性（這又是另一個高難度的問題）。此外，AI指數的評估應考慮系統的設計和倫理挑戰，并找到合適的方式追蹤人工智能公司的數量和發展。

Eric Horvitz（微軟）：未來在望

將人工智能界各方指數有效的引入該評估機制中是必要的一步。

AI100項目和這份指數報告將當下的人工智能和未來人工智能的影響連接了起來。根據這份報告，我們看到了很多技術的進展，包括通用技術和機器學習，也別是卷積神經網絡等算法，也看到了大規模可用數據對于AI的支持，很多AI應用表現出了落地傾向，比如游戲（西洋棋、圍棋、撲克等）、醫療（組織切片、醫療影像等）。人工智能的學術界和產業界，包括人才市場都活躍，也讓我們離未來目標更加接近。當然，更明確的AI系統性能標準化測定和評估機制有待建立，這需要各界的參與和支持。AI是一個多維度的命題，也讓我們看到了多方面的價值潛力。

李開復（創新工場）：關注中國AI

中國國務院宣布計劃，在2030年成為人工智能創新中心。

AI100的指數報告主要針對了美國AI發展水平，但我很建議將中國AI市場，這個全球最大的移動端和互聯網市場考慮進去，包含手機支付、食物配送、共享單車等龐大的數據量，提供更多的數據和維度。此外，中國的創企表現也相當喜人，比如Face++最近就擊敗了微軟、谷歌、臉書和卡內基梅隆大學拿下三項計算機視覺大獎。中國政府（新一代人工智能發展規劃）對科技開放鼓勵的態度，以及明確的規劃目標（2030年成為AI創新中心）有利于AI的快速和迭代。未來的AI時代，中美雙巨頭壟斷的局面不可避免。

Alan Mackworth（哥倫比亞大學）：要深刻

容易獲得的數據未必是最有用的信息。

AI指數是一個很好的表征人工智能發展的報告，但需要警惕“路燈謬論”：不要僅在AI產業評估其發展階段，還要關注整個社會范圍的影響，注重數據獲取的多樣性和客觀性。舉個例子，美國的數據科技和AI技術，或者說硅谷人工智能社群，不能代表全球AI的發展，歐洲數據、亞洲數據，也別是中國的數據，十分重要。此外，學術界和產業界的數據也需要考慮其背景，比如來自學術成就中哪些是撥款資助的數據研究，除了出版物的進步，教職崗位數量是否增加了呢，產業如何平衡監管和研發進程，非政府組織（AI2、OpenAI、WEF、圖靈研究所）的觀點如何，這些都是重要的AI發展指標。換言之，不要簡單的關注產業規模，要從法律、政府、城市等更豐富的維度看看規模背后的邏輯和對應的發展機會，分析AI對于社會、就業和經濟影響。

吳恩達（Coursera，斯坦福）：“AI新電力”

人工智能是新電力。

深度學習首先改變了語音識別，然后是計算機視覺，漸漸應用于多方面的AI程序，提供AI增長動力。人工智能將逐漸滲透各行各業并引起社會變革，AI指數報告有利于幫助我們理解AI發展現狀，并幫助未來的幾代人回顧和理解AI的崛起之路。目前，中美正快速的利用投資和收購發展AI產業，英國、加拿大等也貢獻了很多開創性的研究成果。AI崛起是全球性的運動，國家政策很大程度影響該國AI發展進程和風險。

Daniela Rus（麻省理工學院）：AI是積極的

人工智能將幫助我們更好地理解和解決我們面臨的一些大挑戰。

科技正為這個世界帶來翻天覆地的變化，網絡提供了便捷，導師能遠程指導手術，機器人能幫助工廠包裝商品，聯網傳感器能監測設備，3D打印能定制產品。我們被一個充滿可能性的世界包圍著，人工智能就是一個很積極的可能性，幫助我們解決龐大而復雜的各類命題（比如天氣、自然災害、饑餓等），為我們提供更安全、便利的生活（自動駕駛、醫療、工業機器人、預測危險等）。要實現這些愿景，需要高素質的研究人員和長期的研究創新來解決，這就有勞AI指數繼續追蹤系列進展了。

Megan Smith（第3任美國CTO）& Susan Alzner（聯合國）：要人文

多樣性和包容性是最重要的。我們是因為偏見和歧視而失去了人性文化模式和系統的學習行為排斥。我們應該研發和開拓應用的同時注重倫理和價值觀的整合與培訓。

Sebastian Thrun（斯坦福）：新革命

在這場新革命中，人類的創造力將進入空前的新時代。

人工智能已經發展了60年，并被應用于谷歌搜索的核心算法，亞馬遜的網站設計和Netflix的偏好推薦，數據與計算的結合達到了前所未有的規模，并將改變整個社會的格局。AlphaGo打敗了圍棋世界冠軍，AI系統的皮膚癌圖像診斷甚至優于很多專業認證的皮膚科醫生，我甚至覺得谷歌自動駕駛系統要比一些普通人類司機還靠譜。相信不久的將來，AI將逐漸滲透我們的生活，使我們不必再進行重復性工作，越來也多的機器將幫助我們解放勞動力追求創造性。“蒸汽革命”將重演，就像農民變成工人、律師、會計師、醫生、軟件工程師等，現在的工作者也將向未來的新工種轉換，我們需要掌握新技能和新技術，適應這個變化。

Michael Wooldridge（牛津）：當心泡沫

我覺得當前的AI存在泡沫。

誠然，現在AI創投很活躍，但除了機器學習，沒有太變革型的進展，很明顯，目前存在AI泡沫，問題是，這個泡沫是不是會破裂？破滅之后我們如何面對投機冷卻，如何面對新一輪AI寒冬？事實上，泡沫是不可避免的，未來幾年還會迎來通貨緊縮。但AI正在實現更多更復雜的任務，這毫無疑問。因此，關鍵在于技術發展中實現其價值，關注其社會影響和經濟效益。

人工智能需要客觀、全面的階段性評估，幫助AI行業各界以及社會大眾了解AI發展方向和進度，從而連接學術與產業之間的斷層，指導應用落地，啟發符合現狀的創新思維。目前，人工智能部分技術成熟度已經接近人類水平，為特定的任務/應用提供了技術支持，因此推動了當前創投市場的繁榮，但同時我們也需要對高難度、耗時長的基礎科研有耐心，并做好工種過渡期的準備，保證AI產業的可持續發展，規避泡沫風險。