近日，AI Index 發(fā)布了 2019 年度報告。作為一個用于追蹤 AI 動態(tài)和進(jìn)展的非營利性項目，其報告通常從研發(fā)、技術(shù)、性能等多個指標(biāo)出發(fā)，對上一年度中 AI 領(lǐng)域的發(fā)展進(jìn)行統(tǒng)計。筆者在了解之后，結(jié)合其他各項報告的數(shù)據(jù)，對AI領(lǐng)域的變化進(jìn)行了一個歸納與猜想。

一、AI 研究的發(fā)展方向逐漸由學(xué)術(shù)轉(zhuǎn)向?qū)嵺`

近年來，人工智能早已成為國家研究機(jī)構(gòu)和企業(yè)關(guān)注的焦點。隨著大數(shù)據(jù)時代的到來，以及計算能力的提升，人工智能已成為引領(lǐng)未來的新興技術(shù)。世界主要國家也將發(fā)展人工智能視為提升國家競爭力以及維護(hù)國家安全的重大戰(zhàn)略，并加快出臺相關(guān)規(guī)劃和政策，力圖在新一輪科技競爭中掌握主導(dǎo)權(quán)，從而引領(lǐng)世界。

根據(jù) Scopus 的數(shù)據(jù)，從 1998 年到 2018 年，經(jīng)過同行評議的 AI 論文數(shù)量增長了超過 300%，占同行評議期刊發(fā)表量的 3%，占已發(fā)表會議論文數(shù)的 9%。毋庸置疑，越來越多的學(xué)者正在投身于人工智能的研究之中。

此外，AI 及相關(guān)學(xué)科的注冊學(xué)生數(shù)量正在持續(xù)快速增長。不僅傳統(tǒng)大學(xué)如此，在線學(xué)習(xí)人數(shù)也增速迅猛。從北美的數(shù)據(jù)來看，AI 已經(jīng)一躍而為最受北美計算機(jī)科學(xué)博士生歡迎的學(xué)科。而在美國和加拿大，就讀人工智能專業(yè)的博士留學(xué)生數(shù)量持續(xù)增加，目前超過 60% 的博士生是國際學(xué)生，而 2010 年的同期數(shù)字還不到 40%。最關(guān)鍵的是，這些 AI 人才最大的流向地是工業(yè)界，在2018 年，有超過 60% 的 AI 博士去往工業(yè)界，而 2004 年這一數(shù)字還是 20%。

所以說，發(fā)展人工智能，已經(jīng)遠(yuǎn)遠(yuǎn)不是一般意義上的科學(xué)技術(shù)問題，而是把“信息化”提升為“智能化”這樣一個事關(guān)國家前途命運(yùn)的國家總體戰(zhàn)略的問題。也正基于此，在 2019 年，全球私有部門對人工智能的總投資達(dá)到了 700 多億美元，其中對 AI 創(chuàng)業(yè)公司的投資為 370 億美元，這是一個對 AI 創(chuàng)業(yè)公司極其有力的推動因素。所以國內(nèi)近年也有曠視科技、極鏈科技等一大批優(yōu)秀的人工智能相關(guān)企業(yè)誕生，為中國 AI 的實踐領(lǐng)域添磚加瓦。

二、AI 芯片的進(jìn)步可能才是進(jìn)一步拔高人工智能地位的關(guān)鍵

雖說摩爾定律已經(jīng)幾乎是人盡皆知，但 AI 算力的增長仍超出了大部分人的想象。根據(jù)斯坦福大學(xué)的 DawnBench 項目數(shù)據(jù)顯示，從 2017 年 10 月到 2019 年 7 月，也就是一年半的時間里，在被廣泛使用的 ImageNet 數(shù)據(jù)集上訓(xùn)練一個系統(tǒng)所需的時間就已經(jīng)從 3 小時降至 88 秒，這意味著能夠?qū)⒊杀緩?2323 美元大幅削減至 12 美元。

這種 AI 算力的飛速增長是建立在硬件革命的基石之上的，通過提升專業(yè)芯片和其他硬件，人工智能系統(tǒng)的能力被迅速拔高，AI 系統(tǒng)的訓(xùn)練時間和成本也得到大幅度的削減。

而這種提升也帶來了兩方面的影響。一方面，它讓最前沿的人工智能領(lǐng)域變成了一場鮮有人能參與的“燒錢游戲”，只有那些控制了強(qiáng)大計算機(jī)的公司或政府才能取得參賽資格，比如說 OpenAI 就剛從微軟處獲得了十個億美元的資金，以此來支持他們繼續(xù)深入研究。另一方面，這種技術(shù)的提升也將人工智能推向了世界，為普通人提供了一個接觸人工智能領(lǐng)域的機(jī)會。借助于云服務(wù)，低成本的硬件和機(jī)器學(xué)習(xí)工具可以被廣泛的普及開來，比如說谷歌的 TPU ，大眾最低只需每小時 1.35 美元便可以租賃使用，大大降低了人工智能入門的門檻。

那么這種趨勢說明了什么呢？由于此前的人工智能一般運(yùn)用于消費(fèi)及工作等領(lǐng)域，我們就以工作領(lǐng)域來進(jìn)行舉例。

在算力得到爆炸式增長前，AI 強(qiáng)大的計算能力可以幫助我們處理大部分重復(fù)性的乏味工作，從而實現(xiàn)多方面的效率提升和質(zhì)量提升，并且順帶減少工作的疲勞性失誤。然而，在涉及到如決策、研究趨勢、預(yù)測與規(guī)劃之類的工作時，AI 便不能給予我們強(qiáng)大的助力了。

而在硬件革命之后，AI 可以巨幅推進(jìn)自動化測試和代碼生成過程的速度，且相比人類更精準(zhǔn)、更嚴(yán)謹(jǐn)。此外，AI 在不斷的訓(xùn)練中，也會對自動化架構(gòu)和數(shù)據(jù)科學(xué)進(jìn)行持續(xù)的優(yōu)化、迭代。從長期來看，在未來，輔助和自動化模型代替編程將會變得非常普遍，AI 對于具體行業(yè)能力的掌握也會日漸豐富，它所能替代的工作類型和工作人群也在日益擴(kuò)大中。

要知道，麥肯錫此前便曾發(fā)布過一個報告：在交通、零售、汽車、高科技、消費(fèi)品等 19 個行業(yè)中，人工智能的引入可以創(chuàng)造 3.5 萬億到 5.8 萬億美元的潛在價值，而這些價值不存在于別處，就存在于更有意義的產(chǎn)品和服務(wù)、收入的增長、成本的節(jié)約、以及消費(fèi)者剩余這些老生常談之中。借助于 AI 的進(jìn)步，我們可能會得以挖掘出這部分價值。

三、各國的AI研究重心可能會側(cè)重于不同方向

在2018 年，中國政府研究機(jī)構(gòu)發(fā)表的 AI 論文比中國企業(yè)多出近 300 倍。而這一情況在美國則恰恰相反，企業(yè)發(fā)表的論文數(shù)量比政府下屬機(jī)構(gòu)高出 50% 以上。值得注意的一點是，雖然中國年度 AI 期刊和會議論文發(fā)表量早在 2006 年便超過了美國，但直至今日，中國論文的被引相關(guān)指數(shù)上仍比美國低 50%。這不僅說明中國的論文有很大可能在實踐價值上落后于美國，也側(cè)面說明了中國的 AI 企業(yè)仍有極大的價值可以挖掘。

此前，美國數(shù)據(jù)、技術(shù)和公共政策交叉研究智庫便曾發(fā)布過一份中、美、歐 AI 實力對比報告，從人才、研究、發(fā)展、應(yīng)用、數(shù)據(jù)、硬件六個角度對三方的 AI 力量進(jìn)行了對比。報告顯示，美國各方面綜合得分最高，為 44.2 分，中國則以 32.3 分緊隨其后，而歐盟得分僅為 23.5。

其中，中國的頂級AI研究者數(shù)量僅為 977 人，遠(yuǎn)遠(yuǎn)落后于歐盟的 5787 人和美國的 5158 人。可見，雖然中國在應(yīng)用和數(shù)據(jù)方面表現(xiàn)突出、在可用于 AI 發(fā)展和應(yīng)用的數(shù)據(jù)領(lǐng)域建立了強(qiáng)大優(yōu)勢，但人才方面還是捉襟見肘。而來自 AAAI 會議的相關(guān)數(shù)據(jù)也證實了這一點。據(jù)其顯示，來自中國的提交和被接收論文數(shù)量最多，但超過 68% 的提交論文，其第一作者是學(xué)生，而非從業(yè)人員。

AI Index 報告團(tuán)隊還在報告之外提供了一款分析工具，也就是 Global AI Vibrancy Tool 。它能夠?qū)�國家的全局活動進(jìn)行比較，其中既包括國家之間對比的視角，也包括對特定國家的專門分析。該團(tuán)隊提供的工具能讓讀者在進(jìn)行國家比較時自己設(shè)置參數(shù)，然后從他們認(rèn)為最相關(guān)的視角收獲所需的見解。

通過這個工具可以發(fā)現(xiàn)，世界各地其實都存在著 AI 人才聚集的本地中心。比如說，芬蘭擅長 AI 教育，印度則擅長 AI 技能的滲透，新加坡政府對 AI 有很好的系統(tǒng)性支持，而以色列則在對 AI 創(chuàng)業(yè)公司的人均私有投資方面出類拔萃等等。也就是說，在大眾普遍認(rèn)知中，那種 AI 發(fā)展只是美國和中國之間的角力的情況，是與現(xiàn)實情況相悖的。未來的 AI 發(fā)展，很可能會出現(xiàn)一種各國百花齊放的態(tài)勢。

四、人工智能領(lǐng)域仍有著不少的問題亟待解決

盡管人工智能有廣闊的發(fā)展前景，但是依然面臨著諸多的挑戰(zhàn)與限制。僅從數(shù)據(jù)層面來看，就存在著幾處限制與挑戰(zhàn)：

一、需要人工完成訓(xùn)練數(shù)據(jù)的標(biāo)記，否則很難獲取足夠大且全面的訓(xùn)練資料集；

二、機(jī)器學(xué)習(xí)缺乏可替代性，難以從一個應(yīng)用直接復(fù)制到另一個相似的應(yīng)用，這意味著大量的時間與金錢會被來訓(xùn)練新模型，而這會造成大量的資源浪費(fèi)；

三、數(shù)據(jù)和算法存在偏差的風(fēng)險，如不同社會之間文化的差異等等，可能需要更廣泛的步驟來解決；

四、人工智能存在被人為惡意利用的可能性，包括黑客的攻擊和欺詐性的視頻等安全威脅。

此外，深度學(xué)習(xí)也可能正在面臨困境。深度學(xué)習(xí)之前一直都是人工智能的主宰，在它成為主流以來的六年里，它已經(jīng)成為幫助機(jī)器感知和識別周圍世界的主要方式。無論是 Alexa 的語音識別還是 Waymo 的自動駕駛汽車，都離不開它的幫助。多年來，深度學(xué)習(xí)看上去越來越好，不可阻擋地讓機(jī)器擁有像人一樣流暢、靈活的智力。

但事實上，深度學(xué)習(xí)可能永遠(yuǎn)不會產(chǎn)生廣義上的“智能”。舉例來說，當(dāng)外界環(huán)境因素發(fā)生變化時，人類可以快速適應(yīng)，人工智能的神經(jīng)網(wǎng)絡(luò)卻不行。無論看起來多聰明的人工智能，都可能在一些細(xì)微的變化之中敗下陣來。它需要的是一種另類的推動力，一種幫助它對世界進(jìn)行推理的能力。

Vicarious 的共同創(chuàng)始人之一、計算機(jī)科學(xué)家迪利普 · 喬治便曾發(fā)言稱，“我們?nèi)祟惒粌H僅是模式識別器，我們也在為我們看到的東西建立模型。這些是因果模型——有我們對因果關(guān)系的理解。”

結(jié)語

人工智能作為一個處于快速發(fā)展階段的技術(shù)，其重要性與戰(zhàn)略意義不言而喻。最關(guān)鍵的是，它與其他產(chǎn)業(yè)之間也能形成互補(bǔ)互動，比如說 AI + 物品的物聯(lián)網(wǎng)、AI + 視頻的視聯(lián)網(wǎng)等等，都可能會成為我們未來生活必不可缺的一部分。

對于國家而言，加快發(fā)展人工智能是贏得全球科技競爭主動權(quán)的關(guān)鍵戰(zhàn)略抓手，是推動科技發(fā)展、生產(chǎn)力整體提升的重要戰(zhàn)略。對于 AI 企業(yè)而言，如何將人工智能更完美的運(yùn)用與落地則是它們的生存戰(zhàn)略。

人工智能未來的發(fā)展方向在何方，仍舊是我們需要思考的問題。