近日，斯坦福聯合MIT、哈佛、OpenAI等院校和機構發布了一份長達291頁的“2019年度AI指數報告”，這是斯坦福第三次發布該報告。

據悉，該報告從研究&發展、會議、技術性能、經濟、教育、公眾認知、社會學原則、國家戰略和全球AI活力等九個方面分析了AI的發展。

與去年同期的第二期重點介紹人工智能領域的投資和工作崗位的增長速度不同，今年第三期的報告則廣泛地從全球視角介紹人工智能產業發展現狀，從人才培養、自主創新、發展差異、科研成果等方面分析人工智能產業發展的關鍵因素。

AI論文增長，得益于政策節點影響

從學術界的論文數量、科研成果和人才需求來看，這些均獲得顯著上升，成果豐碩。其中，2019年對機器學習相應人才的需求比2017年暴增35倍，近十年來人工智能領域論文發表量增長七倍，而中國發表的論文數量增長了150%。從1998年到2018年，經同行評議的AI論文數量增加了300%，占全部期刊論文總數的3%，學術會議發表論文總數的9%。

論文細分領域也同樣呈現高速增長，而且人工智能的各個專業領域均進入科研熱情期。2019年發表的AI論文中，56%的論文來自機器學習與概率推理研究方向，但2010年的論文中只有28%來自這一方向。神經網絡方向的論文發表數量在2014-2019年之間的復合年均增長率達到37%，而此前只有大約3%。

按論文所屬區域來看，美國僅占到全球論文發布內容的17%，中國學者發表的論文AI期刊和會議論文數量已于2006年超過美國。2019年，中國發表的AI論文占比已經增加到28%，超過了歐洲的27%。這也是中國發表的AI論文數量首次超過整個歐洲，雄踞全球第一。

1998-2018年中國、歐洲、美國的年度AI論文總量情況

我國論文數量的增長過程其實與國家政策息息相關。觀察圖表不難發現，論文數量增長曲線的節點都對應著一些政策的發布，可以分為五個階段：

1）2013年之前的潛在發展期，該階段政策文獻較少，人工智能并未列入國家發展重點；

2）2013-2015年發展初期階段，該階段社會各界逐漸認識到人工智能的重要性；

3）2015-2016的飛速發展期，該階段出臺了大量政策文獻，發展人工智能上升為國家戰略；

4）2016-2017年的穩定發展期，對人工智能的研發和產業發展認識越發成熟，政策文獻穩步發布；

5）2017-目前，該階段經歷了人工智能發展熱潮，社會各界對人工智能的認識更加務實，相關政策更加具有針對性。

政策的引導使我國論文數量有著突飛猛進的增長，但論文影響力并未能如此。

量大但影響力仍低，我國論文是急功近利還是厚積薄發

報告表示，超過32%的AI期刊文章引用來自東亞地區，超過40%的AI會議文章引用來自北美地區，在AI領域內論文引用的影響力上，美國比中國仍然高50%。

這是由于中國急功近利，只追求論文數量而不注重論文質量么？

其實不然，中國AI學術在全世界影響力在不斷進步是毋庸置疑的。西雅圖艾倫人工智能研究所分析了微軟學術上引用率最高的AI論文，他們發現，在前10%的論文中，中國作者的比例正在穩步增長，并于2018年達到了其峰值26.5%，而美國卻下降到29%。如果這種現象持續下去，那中國有可能于兩三年內趕超美國。

另有其他數據顯示，中國作者所著AI論文的平均引用率高于世界平均水平，而且引用率還在持續上升。

中國工程院院士、中國人工智能學會理事長李德毅曾在公開場合表示，中國AI論文目前引用率仍低于美國的主要原因，是中國整個科學技術領域的暫時落后。

中國雖然擁有世界領先的計算機視覺、語音識別、自然語言處理等AI公司，譬如商湯科技、云知聲、科大訊飛和曠視科技等。

但我國在AI軟件工具方面仍然落后。由美國的學者和公司共同開發的開源平臺TensorFlow和Caffe在業界和學術界受到了廣泛歡迎，它們可以用來設計、構建和訓練算法以實現人工智能。

硬件方面同樣落后。大部分高端芯片都是由美國的制造商，如英偉達、英特爾、蘋果、谷歌和美國超威半導體公司等供應的。我們仍然缺乏設計AI系統內置芯片的專業知識。

當前，我國智能產業的77%分布在應用層，而不是在基礎層和技術層，主要是集成產品和問題解決方案，還沒有形成產業集群效應。人工智能產業的基礎不牢，需求牽引力大于科技原動力，所以目前我國在基礎層和技術層論文的引用率仍落后美國。

中國需要3到5年來趕上美英的基礎理論創新和算法水平，到那時，中國AI論文的引用率將會超越美國。

除了論文數量和引用率，報告中也表示，政府附屬機構在中國和歐洲貢獻了最多的AI論文，而美國則是公司貢獻了主要的AI論文，美國企業的AI論文比例要遠高于其他國家和地區。

其實，這與論文主要關注的領域相關，中國的AI論文更側重于工程技術和農業科學，而美國和歐洲的AI論文則傾向于關注人文科學和醫學與健康科學。工程類和農業領域更多由政府提出需求。如果是醫學類、健康類領域，國外大多由企業提供服務，更多屬于市場行為，所以企業主導相關領域論文較多。

AI雖然火熱，但人類離通用人工智能還很遠

值得一提的是，這份報告中有一個“人類級表現里程碑”（Human-Level Performance Milestones）的清單，概述了人工智能在人類或超人層面上執行的游戲成就、精確的醫療診斷和其他復雜的人工任務。今年，有兩項新的AI里程碑被列入該名單：

·DeepMind打造的游戲AI“Alphastar”在《星際爭霸2》中擊敗頂級人類專業玩家

·以專家級的準確性檢測糖尿病視網膜病變（DR）

雖然AI的表現讓人印象深刻，但我們離通用人工智能還很遠。無論AI的提高速度如何，它都無法與流行文化和大肆宣傳的頭條新聞相提并論。但必須要強調的是，盡管人工智能世界正在蓬勃發展，但人工智能本身仍然在某些重要方面受到限制。

正如報告中所言：千萬不要過度解讀這些結果，因為列表中的任務是非常具體的，這些系統也無法遷移到其他任務上，因此可擴展性有限。換句話說：AI系統是一次性使用的工具，而不是人類的通用智能。