portant;" />

近日，AI Index 发布（bù）了 2019 年度报告（gào）。作为一（yī）个用于追踪（zōng） AI 动态和（hé）进展的非营利性（xìng）项目，其报告通常从研（yán）发、技术、性能等（děng）多个指标出发，对上一年度中 AI 领域的发展进（jìn）行统计。笔者（zhě）在了解之后，结合其他（tā）各（gè）项报告的数据，对（duì）AI领域的变化（huà）进行了一个归（guī）纳与猜（cāi）想。

一（yī）、AI 研究的发展方向（xiàng）逐（zhú）渐由学术转向（xiàng）实践（jiàn）

近年来（lái），人工智能早已成为国家研（yán）究（jiū）机构和企业关注的（de）焦点。随着大数据时代（dài）的到来，以（yǐ）及（jí）计算能力的提升，人工智能已成为引领未来的新兴技术。世界（jiè）主（zhǔ）要国（guó）家也将发展人工（gōng）智能视为提升国家竞争力以及维护国家安全的（de）重大战略（luè），并加（jiā）快出（chū）台相关（guān）规划和政策（cè），力图在新一轮科技竞争中掌握主导权，从而引（yǐn）领世界。

根据 Scopus 的（de）数据，从 1998 年到 2018 年（nián），经过同行评议的 AI 论文数量增长（zhǎng）了超过（guò） 300%，占同行评议期（qī）刊发表量的 3%，占已发表会议论文数的 9%。毋庸置疑，越来越多的（de）学者正在投（tóu）身于人（rén）工智能的研究之中。

此外，AI 及相（xiàng）关（guān）学科的注册学生数（shù）量正在持（chí）续快速增长。不仅（jǐn）传统（tǒng）大学如此（cǐ），在线学习人数也（yě）增速迅（xùn）猛。从北美的数据来看，AI 已经（jīng）一（yī）跃而（ér）为最（zuì）受（shòu）北美（měi）计算（suàn）机科（kē）学博（bó）士生欢迎的学科。而在美国和加拿大（dà），就读（dú）人工智能（néng）专业的博士留学生数量持续（xù）增加，目前超过 60% 的博士（shì）生是国际学生，而 2010 年的同期数字还不到 40%。最关键的是，这（zhè）些 AI 人才（cái）最大的流向（xiàng）地是工业界，在2018 年，有超过 60% 的 AI 博士去往工业界（jiè），而 2004 年这（zhè）一数字还是 20%。

portant;" />

所以说，发（fā）展人（rén）工智能，已经远远（yuǎn）不是一般意义（yì）上的科学技（jì）术问题，而是把“信息化（huà）”提升为“智（zhì）能（néng）化”这（zhè）样一（yī）个事关国家前途命运的国家总体战略的问（wèn）题。也正基（jī）于此，在 2019 年，全球私有部（bù）门对人工智能的总投资达到了 700 多亿美元，其中对（duì） AI 创（chuàng）业（yè）公司的投资为 370 亿美元，这（zhè）是（shì）一个对 AI 创业公司（sī）极其有力的推（tuī）动（dòng）因素。所以国内近年也有旷（kuàng）视科技、极链科技等一大批优秀的人工智能相（xiàng）关企业诞（dàn）生，为（wéi）中国 AI 的实践领（lǐng）域添砖加瓦。

二、AI 芯片的（de）进步（bù）可能（néng）才是（shì）进一步拔（bá）高（gāo）人工智能（néng）地位的关键

虽说摩尔定（dìng）律已经几乎是人尽皆知，但 AI 算力的增长仍超出了大部分人的（de）想象（xiàng）。根据斯坦福（fú）大学（xué）的 DawnBench 项目数据显示，从 2017 年 10 月到（dào） 2019 年 7 月，也就是一（yī）年半的时间里（lǐ），在被（bèi）广（guǎng）泛使用的 ImageNet 数据集上训练一个系统所（suǒ）需（xū）的时间就（jiù）已经从（cóng） 3 小时降至（zhì） 88 秒，这意味（wèi）着能够将成本（běn）从 2323 美元大幅（fú）削（xuē）减至 12 美元。

这种 AI 算力的飞速增长是建立在硬件革命的基（jī）石之上的，通过提升专（zhuān）业芯片和其他硬件，人工智（zhì）能系统的能力被迅速拔（bá）高，AI 系统的训练时间（jiān）和成（chéng）本也得到大幅度（dù）的削减。

而（ér）这种提（tí）升（shēng）也带来（lái）了两方面的影（yǐng）响。一方（fāng）面，它（tā）让（ràng）最前沿的人（rén）工智能领域变成（chéng）了一场（chǎng）鲜有人能参与的“烧钱游戏”，只有那些控制了强大计算（suàn）机的公司或政府才能取（qǔ）得参赛（sài）资格，比如说 OpenAI 就刚从微软处（chù）获得（dé）了十个亿（yì）美元的资金（jīn），以此来支持他们继续深入（rù）研（yán）究（jiū）。另一方面，这种（zhǒng）技（jì）术（shù）的（de）提升也将人（rén）工智（zhì）能推向了世界，为普通人（rén）提供了（le）一个接触人（rén）工智能领（lǐng）域的机会。借助（zhù）于云服（fú）务，低成本的硬件（jiàn）和机器学（xué）习工具可以被广泛的普及开来，比如说谷歌的 TPU ，大众最低只需每小（xiǎo）时（shí） 1.35 美（měi）元便（biàn）可以租赁使用，大（dà）大降低了人工智（zhì）能入门的门槛（kǎn）。

那（nà）么这（zhè）种趋势说（shuō）明了什（shí）么呢（ne）？由于此前的（de）人工（gōng）智能一般运用于消费及工作等领域，我（wǒ）们就以工作领域来进行（háng）举例。

在（zài）算力（lì）得到爆（bào）炸式（shì）增长前，AI 强（qiáng）大的计算能（néng）力可以帮助我们处理大（dà）部分重复（fù）性的乏（fá）味工作，从（cóng）而实现多方面的效率提升（shēng）和质量提升，并且顺带减少（shǎo）工作的疲劳性（xìng）失误。然（rán）而，在涉（shè）及到如决（jué）策、研究趋势、预测与规划（huá）之类的工作时，AI 便不能给（gěi）予我（wǒ）们强大的助（zhù）力了。

而在硬件革命（mìng）之后，AI 可以巨幅推进（jìn）自动化测试和代码生成过程（chéng）的速（sù）度，且相（xiàng）比人（rén）类更精准、更严谨。此外，AI 在（zài）不（bú）断的训练中，也会对自动化架构（gòu）和数（shù）据科（kē）学进行（háng）持续的优化、迭代。从长期来（lái）看，在未来，辅助（zhù）和自（zì）动化模型代替（tì）编程将会变得非（fēi）常普（pǔ）遍，AI 对于具体行业（yè）能力的掌握（wò）也会日渐丰富，它所能替代（dài）的工作类（lèi）型和（hé）工作人群（qún）也在日（rì）益扩大中。

portant;" />

要知道，麦肯锡（xī）此前便曾（céng）发布过一个报告：在（zài）交通（tōng）、零售、汽车、高科（kē）技（jì）、消费品等 19 个行业中，人工智（zhì）能（néng）的引入可以创造 3.5 万亿到 5.8 万亿美元的（de）潜在价值，而（ér）这些价值不存在于别处，就存（cún）在于更有意义的产品和（hé）服务（wù）、收入的增长、成本的（de）节约、以及消费（fèi）者剩（shèng）余这（zhè）些老生（shēng）常谈之中。借助于 AI 的（de）进步，我们可能会得以挖掘（jué）出这部分价值（zhí）。

三、各国（guó）的AI研究重心可（kě）能会侧重于不同方向

在2018 年，中国政府研究机构发表的 AI 论文（wén）比中（zhōng）国企业多出近 300 倍。而这一情况（kuàng）在美（měi）国则恰恰相（xiàng）反，企业发表的（de）论文数量比政（zhèng）府下（xià）属机构高（gāo）出 50% 以上（shàng）。值得注（zhù）意的一点（diǎn）是，虽然中国年（nián）度（dù） AI 期（qī）刊和会议论文发表量早在 2006 年便超过了美国，但直至今日（rì），中（zhōng）国（guó）论文的（de）被引（yǐn）相关指数上仍比美国低（dī） 50%。这不仅说明（míng）中国的论文有很大可能在实（shí）践价值（zhí）上（shàng）落后于美国，也（yě）侧面说明了中国的 AI 企业仍有极大的价值可以挖掘。

此（cǐ）前，美（měi）国数（shù）据、技术（shù）和公（gōng）共政策（cè）交叉研究（jiū）智库便曾发布过（guò）一份中（zhōng）、美、欧 AI 实力对比报（bào）告，从（cóng）人才、研究、发展、应用（yòng）、数据、硬件六个角度对三方的 AI 力量（liàng）进行了（le）对比。报告显示，美国各方（fāng）面综合得（dé）分最高（gāo），为 44.2 分，中国则以 32.3 分（fèn）紧随其（qí）后，而欧盟得（dé）分仅为 23.5。

其中，中国的顶级AI研究者（zhě）数量仅为 977 人，远远落（luò）后于（yú）欧盟的 5787 人（rén）和美国的 5158 人。可见，虽然（rán）中国（guó）在（zài）应用和数据方面表现突出、在可用于 AI 发展和应（yīng）用的（de）数据领域建立了强（qiáng）大优（yōu）势，但人才方面（miàn）还是捉襟见肘。而来自 AAAI 会议的相关数据也证实了这（zhè）一点（diǎn）。据其显示，来自中国的提交和被接收（shōu）论（lùn）文（wén）数（shù）量最（zuì）多，但（dàn）超过（guò） 68% 的提交论（lùn）文（wén），其第一作者是（shì）学生（shēng），而非从业人员。

AI Index 报（bào）告团队还在报告之外提供了一款分析工（gōng）具，也就是 Global AI Vibrancy Tool 。它能够对国家的全（quán）局活（huó）动进行比较，其中既包（bāo）括国家之间（jiān）对比的视角，也（yě）包括对特（tè）定国家（jiā）的专（zhuān）门分析。该团队提（tí）供的工具（jù）能让读者在进行国（guó）家比较时自己设置参（cān）数，然后从他们认为最（zuì）相关的视角（jiǎo）收获所需（xū）的见（jiàn）解。

portant;" />

通过这个工具可以发现，世界各（gè）地其实都（dōu）存在着 AI 人才聚集的本地中心。比如说，芬兰（lán）擅长 AI 教（jiāo）育，印度则擅长 AI 技能的渗透，新加（jiā）坡（pō）政府对 AI 有（yǒu）很好的系统性支持，而以色列则（zé）在对 AI 创业公司（sī）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（biàn）认知中，那种 AI 发展只（zhī）是美国和中国之间的角力的情况，是与现实情况相悖的。未来的（de） AI 发展，很可能会出现一种各国百（bǎi）花（huā）齐放的态（tài）势。

四、人工智能领域仍（réng）有着不少的问题亟待解决

尽（jìn）管人（rén）工（gōng）智能有广阔的发（fā）展前景，但是依然（rán）面（miàn）临着（zhe）诸多的挑战与限制（zhì）。仅从数据层面来（lái）看（kàn），就存在着几（jǐ）处限（xiàn）制（zhì）与挑战：

一、需（xū）要（yào）人（rén）工完成（chéng）训练数据的（de）标记，否（fǒu）则很（hěn）难获取足够大且全面的训（xùn）练资料集；

二、机器学（xué）习缺乏可替代性，难以从一（yī）个应用直接（jiē）复制到另一（yī）个相（xiàng）似的应用，这意味着大（dà）量（liàng）的时间与金钱（qián）会被来训（xùn）练新（xīn）模型，而（ér）这会造成（chéng）大量的（de）资源浪费；

三、数据和算（suàn）法存在（zài）偏差的风险，如不同社会之间文化的差异等等，可能（néng）需要（yào）更（gèng）广泛的步（bù）骤来解（jiě）决；

四、人工智能存在被人为恶意利用的可（kě）能性，包括黑（hēi）客的（de）攻击（jī）和欺诈（zhà）性的视频等（děng）安全威胁。

此外，深度学习也可能正在面临困境。深度学习之前一直都是人工智能的（de）主宰，在（zài）它成为主（zhǔ）流以来的六年里，它已（yǐ）经成为帮助（zhù）机器感知和识别（bié）周围（wéi）世界的主要（yào）方式。无论是 Alexa 的语音识别还（hái）是 Waymo 的自（zì）动驾（jià）驶（shǐ）汽车，都（dōu）离不（bú）开（kāi）它的帮助。多年来，深度学习看上去（qù）越来越好，不可阻挡地让机器拥有像人一样流畅、灵活的智力。

portant;" />

但事实上，深度学习可能永远（yuǎn）不会产生广义上的（de）“智能（néng）”。举（jǔ）例来说，当外（wài）界环境因素（sù）发（fā）生变化（huà）时，人类可以快速（sù）适应，人工智能（néng）的神经网（wǎng）络（luò）却不（bú）行。无论看起来多聪明的（de）人（rén）工智能，都可能（néng）在一些细（xì）微（wēi）的变化（huà）之（zhī）中败下阵来。它需要的是一（yī）种另类的推（tuī）动（dòng）力（lì），一（yī）种（zhǒng）帮助它对世界进行推理的（de）能力。

Vicarious 的共（gòng）同创始人之一、计算机科学家迪利普 · 乔（qiáo）治便曾发言称，“我们人类不（bú）仅仅是（shì）模式识别器（qì），我们也在为我们（men）看到的东西建立模型。这些是因果模型——有（yǒu）我们对因果关系的理解。”

结语

人（rén）工智（zhì）能作为一个处于快速发展阶段的技术，其重（chóng）要性与战略意义不言而喻。最关键的是（shì），它与其他产业之间也能形成互补互动（dòng），比如（rú）说 AI + 物品的物联网、AI + 视频的视联网等等，都可能（néng）会成为我们未来生（shēng）活必不可缺的一部分。

对（duì）于（yú）国（guó）家（jiā）而言，加（jiā）快发展人工智（zhì）能是赢得全球科技竞争主动权的关键战略抓手，是推动科技发展、生产力整体提升的重要战略。对于（yú） AI 企（qǐ）业而言，如（rú）何将（jiāng）人（rén）工智能更完美的运用与落地则是它们的生存战略。

人工智（zhì）能未来的发展方向在何方，仍旧是我们需（xū）要思考的（de）问题。