现在是人工智能飞黄腾达的时代，那么人工智能发展的究竟如何？即使对AI（Artificial Intelligence，人工智能简称，本文中AI和人工智能不区分通用）业内人士来说，也难以很简单就给出个结论。为了洞察人工智能发展，由哈佛，斯坦福和OpenAI等机构牵头AI业界组织了AI Index年度报告。AI Index涵盖了很多领域，逐年出版，日前2019年的报告（hai.stanford.edu/sites/g/files/sbiybj10986/f/ai_index_2019_report.pdf）已经发布，根据2019 AI Index报告：AI已经在研究，教育和技术等方面取得了巨大成就成就。

重要的结论和数据

2019年的大部分报告基本上证实了前几年强调的趋势和延续。在此我们总结一下一些重要的结论和数据：

"从1998年到2018年，AI论文的出版物增加了3倍"

人工智能研究正在迅速发展。在1998年至2018年之间，有关AI的同行评审论文的发表数量增加了300%。出席会议的人数也激增；最大的提供商NeurIPS预计今年将有13500名与会者，比2012年增长800%。

人工智能教育也相当热门。在大学和在线学习机器学习课程的人数继续增加。尽管准确数字很​​难统计，但是一个很好的指标是，人工智能是北美计算机科学专业毕业生中最受欢迎的专业。超过21%的计算机博士选择专门研究人工智能，比第二受欢迎多学科（安全/信息保证）的一倍还多。

人工智能论文数量中国已经占据第一，但是影响因子较低。在论文数量方面，中国的人工智能期刊和会议论文数量已经超过任何其他国家，高居第一。但在美国发表的论文影响更大，美国作者的论文比全球平均水平高40%。在大多数指标上，美国仍然是人工智能的全球领导者。

美国也是私募资金投资人工智能最高的国家，大概120亿美元，中国仅次于美国为68亿美元，并且AI专利的申请数量超过任何其他国家，是第二大申请国日本的三倍。

人工智能算法正在变得越来越快，训练也越来越便宜。除非可以被广泛访问使用，否则研究就没有啥意义，因此特别欢迎这个指标很关键。 AI Index指出，在流行的数据集（ImageNet）上训练机器视觉算法所需的时间从2017年10月的大约3个小时缩减到2019年7月的只需要88秒，训练的成本也从数千美金下降到两位数。

自动驾驶是私人投资最大的人工智能领域。全球私募资金投资中大概有10%的投资于自动驾驶领域，约为77亿美元。其次是医学研究和面部识别领域（两者各自有47亿美元的投资）。增长最快的工业人工智能领域相对收敛：机器人流程自动化，2018约有10亿美元的投资；供应链管理有大概5亿美元投资。

人工智能框架方面，谷歌TensorFlow一枝独秀，是最受欢迎的框架之一（Github 150K星），其它框架还有scikit-learn，BVLC/caffe，keras，CNTK，mxnet，theano，caffe2和PyTorch。

尽管人工智能的发展数据令人印象深刻，但是，无论人工智能的发展速度如何和媒体头条上大肆宣传的报道也还有很大的差距。这似乎有些反常，但是结论是显而易见的。需要提及的是，尽管人工智能正在蓬勃发展，但人工智能本身仍然在某些重要方面受到限制。

Human-Level Performance Milestones

最好的证明来是，AI Index报告中的Human-Level Performance Milestones的时间表。根据该列表显示,人工智能已经达到或超过人类水平的专业知识的历史。然而，"人工智能在特定领域击败了人类，但不具备一般情况"。

时间线始于1990年代，当时人工智能程序首先在跳棋和国际象棋上击败了人类，并随着最近的机器学习热潮而加速，AI时代的到来，更多的视频游戏和棋盘游戏被征服。（在2016年围棋，在2018年Dota 2等）。还有2017年对人类皮肤癌图像进行人类级别分类以及2018年进行中英文翻译等杂项任务。

尽管这个列表令人印象深刻，但也不不足以使我们相信AI超级智能已经临近。

首先，这些里程碑中的大多数的，在视频游戏和棋盘游戏中击败人类的领域，都有是有着清晰的规则和易于模拟的领域，特别适合进行AI训练。这样的训练通常依赖于AI代理将大量的工作投入到一个游戏中，并累积进行了统计意义上数百年的训练，实际上远远超出了人类学习的速度。

同样，每个成就都会固定设置在一个领域中。除少数例外，接受一项任务训练的AI系统无法将他们学到的知识转移给另一项任务。星际争霸II的AI机器人在国际象棋上肯定会输给5岁的小孩。尽管AI可以像肿瘤科医生一样准确地发现乳腺癌肿瘤，但对于肺癌却会束手无策，更不用说让AI开处方或做出诊断了。换句话说：AI系统只是一次性使用的工具，而不是人类的备用智能。

尽管如此，也不意味在现实中AI是一无是处。如果完整报告中的结论：尽管人工智能和机器学习还有局限性，但它在投资、兴趣和技术成就方面仍飞速增长。