2016年谷歌的人工智能程序AlphaGo戰(zhàn)勝圍棋世界冠軍李世石，人工智能走入人們的視野。2018年9月世界人工智能大會在上海召開，從基礎(chǔ)科學(xué)研究到工業(yè)、教育，人工智能正在全面地影響人們的生活。

當(dāng)?shù)貢r間12月12日，由斯坦福大學(xué)主導(dǎo)的研究小組發(fā)布了2018年AI index年度報告，追蹤了人工智能（AI）的發(fā)展現(xiàn)狀和趨勢。

斯坦福大學(xué)計算機科學(xué)系和電子工程系副教授、斯坦福人工智能實驗室主任吳恩達在推特上總結(jié)了2018年全球人工智能發(fā)展的兩個特點：不論在工業(yè)界還是學(xué)界，AI都在快速發(fā)展；AI的發(fā)展仍不均衡，在多樣性、包容性方面仍需努力。

根據(jù)全球最大的文獻摘要與科研信息引用數(shù)據(jù)庫Scopus的數(shù)據(jù)，從1996年到2017年，計算機科學(xué)領(lǐng)域的年發(fā)表論文數(shù)量增長了約五倍，人工智能領(lǐng)域的年發(fā)表論文數(shù)量增長了約七倍。相比之下，總體所有學(xué)科的年發(fā)表論文在21年間增長了不到兩倍。

從地區(qū)上看，過去19年間歐洲始終占據(jù)人工智能研究領(lǐng)域的鰲頭。根據(jù)Scopus的數(shù)據(jù)，2017年28%的人工智能研究來自歐洲，中國發(fā)表的人工智能領(lǐng)域的論文占25%，美國占17%。從2007年至2017年，中國發(fā)表的論文數(shù)量增長了150%。

1996年到2017年各地區(qū)研究論文發(fā)表數(shù)量

人工智能指數(shù)報告按世界平均值計算影響力用“改良版(Re-based)”FWCI衡量各國在人工智能研究領(lǐng)域的影響力。FWCI指的是領(lǐng)域權(quán)重引用影響系數(shù)。過去18年，美國平均每位AI論文作者的被引率始終高于歐洲，比全球平均水平高83％。與2000年相比，2016年平均每位中國AI論文作者的引用率增長了44%。

1998年到2016年各地區(qū)的人工智能領(lǐng)域加權(quán)引用影響力

從研究的來源看，中國在過去的10年，來自政府等公共部門發(fā)表的AI領(lǐng)域論文增加了400％，而來自企業(yè)等私營部門發(fā)表的AI領(lǐng)域論文增加了73％。這一增長趨勢與歐洲的人工智能研究趨勢基本一致。在美國，來自企業(yè)等私營部門發(fā)表的AI領(lǐng)域論文則高于來自公共部門的數(shù)量。

來自中國不同部門發(fā)表的人工智能研究論文數(shù)量

在研究方向上，從1998年到2017年，前三大熱門研究方向一直是機器學(xué)習(xí)和概率推理、神經(jīng)網(wǎng)絡(luò)和計算機視覺。2017年有56%來自機器學(xué)習(xí)與概率推理這一研究方向，而2010年發(fā)表的AI，只有28%來自這個方向。2014年到2017年，神經(jīng)網(wǎng)絡(luò)這一方向的論文發(fā)表數(shù)量復(fù)合年均增長率達到37% ，最為突出。而在2010年到2014年之間，神經(jīng)網(wǎng)絡(luò)論文發(fā)表數(shù)復(fù)合年均增長率僅為3%。

1998年到2017年AI領(lǐng)域各研究方向的論文發(fā)表數(shù)

從細(xì)分學(xué)科上看，2000年美國的AI研究在人文科學(xué)、農(nóng)業(yè)、社會科學(xué)、醫(yī)學(xué)藥學(xué)和工程技術(shù)上均有覆蓋，到2017年，美國及歐洲在人工智能上重點研究側(cè)重于人文科學(xué)和醫(yī)學(xué)健康學(xué)上，中國則加強了在工程技術(shù)和農(nóng)業(yè)科學(xué)上的人工智能研究，在醫(yī)學(xué)健康學(xué)上有所加強，但人文科學(xué)上的相關(guān)研究始終較為薄弱。

澎湃新聞記者了解到，人文科學(xué)包括語言學(xué)、哲學(xué)、心理學(xué)等等。目前在人文科學(xué)領(lǐng)域的人工智能研究包括如何與教育互相影響，如何運用人文科學(xué)加強人工智能對語言的理解等，但斯坦福報告中沒有具體提到哪些范疇的研究屬于人文科學(xué)領(lǐng)域的人工智能研究。

2000年和2017年各地區(qū)在AI研究領(lǐng)域關(guān)注的重點變化

對此，斯坦福大學(xué)計算機系教授Yoav Shoham表示，由于大多數(shù)信息以互聯(lián)網(wǎng)上的文本形式存在，計算機科學(xué)家一直在努力提高人工智能理解和處理書面語言的能力。

“即使對于人類兒童和非母語人士來說，學(xué)習(xí)復(fù)雜的人類語言也很困難，對于AI來說更是尤其困難。” Shoham說。科學(xué)家已經(jīng)教過計算機如何完成簡單的任務(wù)，比如將一種語言翻譯成另一種語言或搜索關(guān)鍵詞。人工智能已經(jīng)更好地解決了這些狹隘的問題。但是現(xiàn)在科學(xué)家們正在解決更難的問題，例如如何構(gòu)建人工智能算法，這些算法可以將信息分成幾部分，為更復(fù)雜和細(xì)微的問題提供連貫的答案。

Shoham認(rèn)為，語言是人工智能研究的終極前沿，因為人類可以用語言表達任何思想或想法， 語言本身和人類的思維一樣豐富。

“人工智能不僅僅是模仿人類大腦的硅片，而是引領(lǐng)我們?nèi)プ栽兪裁刺卣魇侨祟惻c生俱來的，以至于我們認(rèn)為無法在計算機上模仿。” Shoham說。