近日，斯坦福联合MIT、哈佛、OpenAI等院校和机构发布了一份长达291页的“2019年度AI指数报告”，这是斯坦福第三次发布该报告。
据悉，该报告从研究&发展、会议、技术性能、经济、教育、公众认知、社会学原则、国家战略和全球AI活力等九个方面分析了AI的发展。
与去年同期的第二期重点介绍人工智能领域的投资和工作岗位的增长速度不同，今年第三期的报告则广泛地从全球视角介绍人工智能产业发展现状，从人才培养、自主创新、发展差异、科研成果等方面分析人工智能产业发展的关键因素。
AI论文增长，得益于政策节点影响
从学术界的论文数量、科研成果和人才需求来看，这些均获得显著上升，成果丰硕。其中，2019年对机器学习相应人才的需求比2017年暴增35倍，近十年来人工智能领域论文发表量增长七倍，而中国发表的论文数量增长了150%。从1998年到2018年，经同行评议的AI论文数量增加了300%，占全部期刊论文总数的3%，学术会议发表论文总数的9%。
论文细分领域也同样呈现高速增长，而且人工智能的各个专业领域均进入科研热情期。2019年发表的AI论文中，56%的论文来自机器学习与概率推理研究方向，但2010年的论文中只有28%来自这一方向。神经网络方向的论文发表数量在2014-2019年之间的复合年均增长率达到37%，而此前只有大约3%。
按论文所属区域来看，美国仅占到全球论文发布内容的17%，中国学者发表的论文AI期刊和会议论文数量已于2006年超过美国。2019年，中国发表的AI论文占比已经增加到28%，超过了欧洲的27%。这也是中国发表的AI论文数量首次超过整个欧洲，雄踞全球第一。
1998-2018年中国、欧洲、美国的年度AI论文总量情况
我国论文数量的增长过程其实与国家政策息息相关。观察图表不难发现，论文数量增长曲线的节点都对应着一些政策的发布，可以分为五个阶段：
1)2013年之前的潜在发展期，该阶段政策文献较少，人工智能并未列入国家发展重点；
2)2013-2015年发展初期阶段，该阶段社会各界逐渐认识到人工智能的重要性；
3)2015-2016的飞速发展期，该阶段出台了大量政策文献，发展人工智能上升为国家战略；
4)2016-2017年的稳定发展期，对人工智能的研发和产业发展认识越发成熟，政策文献稳步发布；
5)2017-目前，该阶段经历了人工智能发展热潮，社会各界对人工智能的认识更加务实，相关政策更加具有针对性。
政策的引导使我国论文数量有着突飞猛进的增长，但论文影响力并未能如此。
量大但影响力仍低，我国论文是急功近利还是厚积薄发
报告表示，超过32%的AI期刊文章引用来自东亚地区，超过40%的AI会议文章引用来自北美地区，在AI领域内论文引用的影响力上，美国比中国仍然高50%。
这是由于中国急功近利，只追求论文数量而不注重论文质量么？
其实不然，中国AI学术在全世界影响力在不断进步是毋庸置疑的。西雅图艾伦人工智能研究所分析了微软学术上引用率高的AI论文，他们发现，在前10%的论文中，中国作者的比例正在稳步增长，并于2018年达到了其峰值26.5%，而美国却下降到29%。如果这种现象持续下去，那中国有可能于两三年内赶超美国。
另有其他数据显示，中国作者所著AI论文的平均引用率高于世界平均水平，而且引用率还在持续上升。
中国工程院院士、中国人工智能学会理事长李德毅曾在公开场合表示，中国AI论文目前引用率仍低于美国的主要原因，是中国整个科学技术领域的暂时落后。
中国虽然拥有知名计算机视觉、语音识别、自然语言处理等AI公司，譬如商汤科技、云知声、科大讯飞和旷视科技等。
但我国在AI软件工具方面仍然落后。由美国的学者和公司共同开发的开源平台TensorFlow和Caffe在业界和学术界受到了广泛欢迎,它们可以用来设计、构建和训练算法以实现人工智能。
硬件方面同样落后。大部分高端芯片都是由美国的制造商，如英伟达、英特尔、苹果、Google和美国超威半导体公司等供应的。我们仍然缺乏设计AI系统内置芯片的专业知识。
当前，我国智能产业的77%分布在应用层，而不是在基础层和技术层，主要是集成产品和问题解决方案，还没有形成产业集群效应。人工智能产业的基础不牢，需求牵引力大于科技原动力，所以目前我国在基础层和技术层论文的引用率仍落后美国。
中国需要3到5年来赶上美英的基础理论创新和算法水平，到那时，中国AI论文的引用率将会超越美国。
除了论文数量和引用率，报告中也表示，政府附属机构在中国和欧洲贡献了较多的AI论文，而美国则是公司贡献了主要的AI论文，美国企业的AI论文比例要远高于其他国家和地区。
其实，这与论文主要关注的领域相关，中国的AI论文更侧重于工程技术和农业科学，而美国和欧洲的AI论文则倾向于关注人文科学和医学与健康科学。工程类和农业领域更多由政府提出需求。如果是医学类、健康类领域，国外大多由企业提供服务，更多属于市场行为，所以企业主导相关领域论文较多。
AI虽然火热，但人类离通用人工智能还很远
值得一提的是，这份报告中有一个“人类级表现里程碑”(Human-Level Performance Milestones)的清单，概述了人工智能在人类或超人层面上执行的游戏成就、精确的医疗诊断和其他复杂的人工任务。今年，有两项新的AI里程碑被列入该名单：
·DeepMind打造的游戏AI“Alphastar”在《星际争霸2》中击败人类专业玩家
·以专家级的准确性检测糖尿病视网膜病变(DR)
虽然AI的表现让人印象深刻，但我们离通用人工智能还很远。无论AI的提高速度如何，它都无法与流行文化和大肆宣传的头条新闻相提并论。但要强调的是，尽管人工智能世界正在蓬勃发展，但人工智能本身仍然在某些重要方面受到限制。
正如报告中所言：千万不要过度解读这些结果，因为列表中的任务是非常具体的，这些系统也无法迁移到其他任务上，因此可扩展性有限。换句话说：AI系统是一次性使用的工具，而不是人类的通用智能。
