portant;" />

近（jìn）日，AI Index 发布了 2019 年度报告。作（zuò）为（wéi）一个用（yòng）于追（zhuī）踪（zōng） AI 动态和（hé）进展的非营利性项目，其报告通常从（cóng）研发（fā）、技术、性能（néng）等多个指标出发，对（duì）上一年度（dù）中 AI 领域的发展进（jìn）行统计。笔者在了（le）解之后，结合其他各项报告的数据（jù），对AI领域的变化进行了一个归纳与猜想。

一、AI 研究的发展方向逐渐由学术转向实践

近年来，人工智能早已成为国家研究机构和（hé）企（qǐ）业关注的焦点。随（suí）着大数（shù）据时（shí）代（dài）的到来，以及计算能力的提升，人工智能已（yǐ）成为（wéi）引（yǐn）领未来的新兴技（jì）术。世界主要国家也（yě）将发（fā）展人（rén）工智能视（shì）为提升国家竞争（zhēng）力以及维护国家安全的重（chóng）大（dà）战略（luè），并加（jiā）快出（chū）台相关规划和政策，力图在新一轮科技竞（jìng）争中掌握主导权，从而引领世界。

根据（jù） Scopus 的数据，从 1998 年到 2018 年，经过同行评议的 AI 论文数量增（zēng）长了超过 300%，占（zhàn）同行评议期刊发（fā）表量的 3%，占已发表会议论文数的 9%。毋庸置疑，越来越多（duō）的学（xué）者正在投（tóu）身（shēn）于（yú）人工智能的研究之中。

此外，AI 及（jí）相关学（xué）科的注册学生数量正在持续快（kuài）速（sù）增（zēng）长（zhǎng）。不仅（jǐn）传统大学如此（cǐ），在线（xiàn）学习人数也增速迅猛。从（cóng）北（běi）美的数据来看，AI 已经一跃而为最（zuì）受北美计算机科学博士生欢迎（yíng）的学科。而在（zài）美国和加拿大，就读人工智（zhì）能（néng）专业的博士留学生数量持续增（zēng）加（jiā），目（mù）前超过 60% 的（de）博士生是国际学生，而 2010 年（nián）的同期数字还不（bú）到 40%。最关（guān）键的是，这些 AI 人才（cái）最大的流向地是工业界（jiè），在2018 年（nián），有超过 60% 的 AI 博士去往（wǎng）工业界，而 2004 年（nián）这一数（shù）字还是（shì） 20%。

portant;" />

所以说，发展人工智（zhì）能，已经远远不是一般意（yì）义上的（de）科学技术问题，而是把“信息化”提升为“智能化”这样一个事关国家前途命运的国家总（zǒng）体战略的问题（tí）。也（yě）正基于（yú）此，在 2019 年，全球私有部门对人工智能的总投资达到了 700 多亿美元（yuán），其中对 AI 创业公司的投资（zī）为 370 亿美元，这是（shì）一个对 AI 创业（yè）公（gōng）司（sī）极其有力的（de）推动因素。所以国内近年也有旷视（shì）科（kē）技、极链科技等一大批优秀的人工（gōng）智能相关企业诞（dàn）生，为中国（guó） AI 的实践领域添砖（zhuān）加瓦。

二、AI 芯（xīn）片的进步可能才（cái）是进一（yī）步拔高人工智能地位（wèi）的关键

虽说摩尔定律已经（jīng）几乎（hū）是人尽皆知，但 AI 算（suàn）力的增长仍超出了（le）大部（bù）分（fèn）人的想象。根据（jù）斯坦福大学的（de） DawnBench 项（xiàng）目数据显示，从 2017 年（nián） 10 月到 2019 年 7 月，也就（jiù）是一（yī）年半的时间里，在被广（guǎng）泛使用的 ImageNet 数（shù）据集上训练一个系统所需（xū）的（de）时间就已经（jīng）从 3 小（xiǎo）时降至 88 秒（miǎo），这意味着能（néng）够将成本从 2323 美元大幅削减至 12 美元。

这种 AI 算（suàn）力的飞（fēi）速（sù）增长是建立在硬件革命的基石之上的，通（tōng）过提升（shēng）专（zhuān）业（yè）芯（xīn）片和其（qí）他硬件，人工（gōng）智（zhì）能系统（tǒng）的能力被迅（xùn）速拔（bá）高，AI 系统的训练时间（jiān）和成本也得到大幅（fú）度的削减。

而这种提升（shēng）也带来了两方面的影响。一方面，它（tā）让最前（qián）沿的（de）人工智（zhì）能领域变成了一场鲜（xiān）有人（rén）能参与的“烧（shāo）钱（qián）游戏”，只（zhī）有那些（xiē）控制了强大计算机的公司或政府才（cái）能取得参赛资格，比如说 OpenAI 就刚从微软处获得了十（shí）个亿美（měi）元（yuán）的资（zī）金，以此来支持他（tā）们（men）继（jì）续深入研究。另一（yī）方面，这种技术的提升也（yě）将人工智能推向了世（shì）界，为普通人提供了一个接触人工智能领域（yù）的机会。借助于云（yún）服（fú）务，低成本（běn）的硬件和机器学（xué）习工具可以被广（guǎng）泛的普及（jí）开来，比如说谷歌的 TPU ，大众最低只需（xū）每小时 1.35 美元便（biàn）可（kě）以租赁使（shǐ）用，大大（dà）降低了（le）人工（gōng）智能入门（mén）的门槛。

那（nà）么这种趋势说明了什么呢？由于此前（qián）的人工智能一般（bān）运用于消费（fèi）及工（gōng）作等领域，我们就以工作领域来进行（háng）举例。

在（zài）算（suàn）力得（dé）到爆炸式增长前，AI 强（qiáng）大的计算能力可（kě）以帮助（zhù）我们处理大部分重复性（xìng）的乏味工作，从（cóng）而实现多方面的效率提升和质量提升，并且（qiě）顺带（dài）减少工作的疲劳（láo）性失误（wù）。然而，在涉及到（dào）如决策、研究趋（qū）势、预（yù）测（cè）与规划之（zhī）类的工作时（shí），AI 便（biàn）不能给予我们强大（dà）的助（zhù）力了。

而在硬件革命之后，AI 可以巨幅推进自动化测（cè）试和代（dài）码（mǎ）生（shēng）成过（guò）程的速度，且相比人类更精准、更严谨。此外，AI 在不断的训练中，也会对自动（dòng）化架构和（hé）数据科学进（jìn）行持（chí）续的优化、迭代。从长（zhǎng）期来看（kàn），在未（wèi）来（lái），辅助和自动化模型（xíng）代替编程将会变得非常普遍（biàn），AI 对于具体行业能力（lì）的掌握也会日渐丰富，它所（suǒ）能替代的（de）工作类型和工作人群也在日益扩大中。

portant;" />

要知道，麦肯锡此前便曾发布过一个（gè）报告：在交通、零（líng）售（shòu）、汽（qì）车、高科技（jì）、消费（fèi）品等（děng） 19 个行（háng）业中，人工智（zhì）能的（de）引入（rù）可以创造 3.5 万亿到 5.8 万亿（yì）美元（yuán）的潜在价值，而这些价值（zhí）不存在于别处，就存（cún）在于更有意义（yì）的（de）产品和服务、收入的增（zēng）长、成本（běn）的节约、以（yǐ）及消费者剩余这些老（lǎo）生常谈之（zhī）中。借助于（yú） AI 的进步，我（wǒ）们可能会得以（yǐ）挖掘（jué）出这部分价（jià）值。

三、各（gè）国的AI研究（jiū）重心可能（néng）会（huì）侧重于不（bú）同（tóng）方向

在2018 年，中国政府研究机构发（fā）表的 AI 论文比（bǐ）中国（guó）企业多出近 300 倍。而（ér）这一情况在美国则恰恰相反，企业发表（biǎo）的论文数量比政府（fǔ）下属（shǔ）机构高出（chū） 50% 以上。值得注意（yì）的一点是，虽然中国（guó）年度 AI 期刊和会议论文（wén）发表量早（zǎo）在 2006 年便超过了美国，但直至（zhì）今日，中国论（lùn）文的被引相关指数上（shàng）仍（réng）比美（měi）国（guó）低 50%。这不仅说（shuō）明中（zhōng）国的论（lùn）文有很大可能在（zài）实（shí）践价值上落后于美国，也侧面说（shuō）明（míng）了中（zhōng）国（guó）的 AI 企业仍（réng）有极（jí）大的（de）价（jià）值可以（yǐ）挖掘。

此前，美国数据（jù）、技术和公（gōng）共政策交（jiāo）叉研究智库便曾发布（bù）过一份（fèn）中、美（měi）、欧（ōu） AI 实力（lì）对比报告，从人才、研究、发展、应（yīng）用（yòng）、数据、硬件六个角度（dù）对三方的（de） AI 力量进行了对比。报告显示，美国各方面综合得分（fèn）最高，为 44.2 分，中国则以 32.3 分紧随其后，而（ér）欧盟得分仅为 23.5。

其中，中国的顶（dǐng）级AI研究者数（shù）量仅为 977 人，远远落后于欧盟的 5787 人和美国的（de） 5158 人。可见，虽然中国在应用和数据方面（miàn）表现突出、在可（kě）用（yòng）于 AI 发（fā）展和应用的数据领域建立了强大优势，但人才（cái）方面还是捉襟见肘。而来（lái）自 AAAI 会议的相关数据也证实了（le）这一点。据其显示，来自（zì）中国的提交和被（bèi）接（jiē）收论文数量最（zuì）多，但超过 68% 的提交论文，其第一作者是学生（shēng），而非从业人员。

AI Index 报告团队还在报（bào）告之外提供了一款分析工（gōng）具，也就（jiù）是 Global AI Vibrancy Tool 。它能（néng）够对国家的全局活动进行比较（jiào），其中（zhōng）既包（bāo）括国家之（zhī）间对比的视角（jiǎo），也包括对特定国家的专（zhuān）门分析。该团队提供（gòng）的工具能（néng）让读者在进行（háng）国家比较（jiào）时（shí）自己设置参数，然后从他（tā）们认为最相关的（de）视（shì）角（jiǎo）收获所需的（de）见（jiàn）解。

portant;" />

通（tōng）过这个工具可以发现，世界（jiè）各地（dì）其实（shí）都存在（zài）着 AI 人才聚集的本地（dì）中心（xīn）。比（bǐ）如说，芬兰擅长 AI 教育（yù），印度（dù）则擅长 AI 技能（néng）的渗透，新加坡政府对 AI 有很好（hǎo）的系统性（xìng）支持，而以色列则在对 AI 创（chuàng）业公司的人均私（sī）有投资方面出类拔萃等等。也就是说，在大众普遍认知中，那种 AI 发（fā）展只是美国和中国之间的角（jiǎo）力的情况，是与现（xiàn）实情况相悖的。未来的 AI 发展，很（hěn）可能会（huì）出现一种各国百花齐放的态势。

四、人工（gōng）智能领（lǐng）域仍有着不少的问题亟待（dài）解（jiě）决

尽管人工智能有广（guǎng）阔的发展（zhǎn）前景（jǐng），但是依然面临着诸多的挑战与限制。仅从（cóng）数据层面来（lái）看，就存在着几处限（xiàn）制与挑战：

一、需要人工完成训练数据的标记，否则很（hěn）难获取足够（gòu）大且全（quán）面的训练（liàn）资（zī）料（liào）集（jí）；

二、机器学习（xí）缺乏可替代性，难以从一个应用直接（jiē）复制（zhì）到（dào）另（lìng）一个相似的应用，这意（yì）味着大量的时间（jiān）与（yǔ）金（jīn）钱会（huì）被来训（xùn）练新模（mó）型，而这（zhè）会造成大量的（de）资源浪费；

三、数据和算（suàn）法存在偏（piān）差的风（fēng）险，如不同（tóng）社会之间文化的（de）差异等等，可能需要更广泛的步骤来（lái）解决；

四、人工智能（néng）存在被（bèi）人为恶意利用的可能性，包括黑客的攻击和欺诈性（xìng）的（de）视频等安全威胁。

此外（wài），深度学习也可能正在面临困（kùn）境（jìng）。深度（dù）学习（xí）之（zhī）前一直都是人（rén）工智能的主宰（zǎi），在它（tā）成为（wéi）主流以来的六年（nián）里，它已经成为帮助机器感知和识别周围世界的主要（yào）方式（shì）。无论是 Alexa 的语音识别还是 Waymo 的自动驾驶汽（qì）车，都（dōu）离不开它的帮助。多（duō）年（nián）来，深度学习（xí）看上去越来越（yuè）好，不可阻挡地让机器拥有像（xiàng）人（rén）一（yī）样流畅、灵活的智力。

portant;" />

但事（shì）实上，深度（dù）学习可（kě）能永远不（bú）会产生广（guǎng）义上的（de）“智能”。举例来说，当外界环境因素发生变化时，人类可（kě）以快速适（shì）应（yīng），人（rén）工智能（néng）的神经网络却不行。无论看（kàn）起来多聪明（míng）的人工智能，都（dōu）可（kě）能在一些细（xì）微的变化之（zhī）中败（bài）下阵来。它需（xū）要的是一种（zhǒng）另（lìng）类的推动力，一种帮助（zhù）它对世界进行推理的能（néng）力。

Vicarious 的共（gòng）同创始人之一、计算机科学家（jiā）迪利普 · 乔治便曾发言称，“我们人类（lèi）不（bú）仅仅是模式识（shí）别器（qì），我（wǒ）们（men）也在为我们看到的东西建立模型。这些（xiē）是因果（guǒ）模型——有我们（men）对因果关系（xì）的理解。”

结语

人工（gōng）智能作为一（yī）个（gè）处（chù）于快速发展阶段的技术，其重要性与战（zhàn）略（luè）意义不言而喻。最关键（jiàn）的是，它与其（qí）他产业（yè）之（zhī）间也能（néng）形成互补互动，比如说 AI + 物品的物联网、AI + 视频的视联网等等，都可（kě）能会成为我们未来生活（huó）必（bì）不（bú）可缺的一部分。

对于国家而言，加快发展（zhǎn）人工（gōng）智能（néng）是（shì）赢（yíng）得全球（qiú）科技竞（jìng）争主动权的关键战略抓手，是推动科（kē）技发展、生产力整体提（tí）升的重要战略（luè）。对于（yú） AI 企业而言，如何将人工（gōng）智能更完美的运用与落地（dì）则是（shì）它们的（de）生存战略（luè）。

人工智能未来的发展方向在何方，仍旧是我们需（xū）要思（sī）考的问题。