近日，斯坦福人工智能研究所發(fā)布了2019人工智能指數(shù)報告，這是迄今為止關(guān)于人工智能最全面的研究之一。

該報告追蹤的數(shù)據(jù)量是2018年的三倍，包括對以前數(shù)據(jù)的更新以及許多新的數(shù)據(jù)，涵蓋人工智能的各個方面。由于這些海量數(shù)據(jù)難以掌握，斯坦福還創(chuàng)建了Global AI Vibrancy Tool，這是一種互動工具，可以比較各個國家在全球的行動，包括跨國視角，以及針對具體國家的深入研究。

今年的人工智能報告分為九個章節(jié)，涵蓋了人工智能的重要方面，以下是報告中的一部分觀點。

從1998年到2018年，經(jīng)過同行評審的人工智能論文的數(shù)量增長了300%以上，占所有同行評審期刊出版物的3%，占已發(fā)表會議論文的9%。

中國現(xiàn)在每年出版的人工智能期刊和會議論文與歐洲一樣多，在2006年超過了美國。美國出版物的加權(quán)引文影響仍然比中國高50%左右。

參加人工智能會議的人數(shù)繼續(xù)增加。NeurIPS預(yù)計2019年將有13500名與會者，比2018年增加41%，比2012年增加800%。甚至像AAAI和CVPR這樣的會議每年的出席率也增長了30%左右。

WiML研討會的參與者是2014年的8倍，AI4ALL的校友是2015年的20倍。

在一年半的時間里，在云基礎(chǔ)設(shè)施上訓(xùn)練一個大型圖像分類系統(tǒng)所需的時間已經(jīng)從2017年10月的約3小時下降到2019年7月的約88秒。在同一時期，訓(xùn)練這樣一個系統(tǒng)的成本也同樣下降了。

在SuperGLUE和SQuAD2.0基準測試中一些廣泛的自然語言處理（NLP）分類任務(wù)的進展非常迅速；在一些需要推理的NLP任務(wù)上，如AI2推理挑戰(zhàn)，或人類級別的概念學(xué)習(xí)任務(wù)，如Omniglot挑戰(zhàn)，性能仍然較低。

在美國，人工智能工作的比例從2012年的0.3%上升到2019年的0.8%。人工智能的勞動力需求正在增長，尤其是在高科技服務(wù)和制造業(yè)。

在全球范圍內(nèi)，對人工智能初創(chuàng)企業(yè)的投資持續(xù)穩(wěn)步上升。融資總額從2010年的13億美元增加到2018年的404億美元(截至11月4日，2019年為374億美元)，平均年增長率超過48%。

去年，自動駕駛汽車(AVs)獲得了全球最大的投資份額，為77億美元(占總投資的9.9%)，其次是藥物、癌癥和治療(47億美元，占6.1%)，面部識別(47億美元，占6.0%)，視頻內(nèi)容(36億美元，占4.5%)，以及欺詐檢測和金融(31億美元，占3.9%)。

在接受調(diào)查的大公司中，58%表示2019年至少在一個功能或業(yè)務(wù)部門采用人工智能，高于2018年的47%。

在研究生階段，人工智能已迅速成為北美計算機科學(xué)博士生中最受歡迎的專業(yè)，其人數(shù)是第二受歡迎的專業(yè)(安全/信息保障)的兩倍多。2018年，超過21%的計算機科學(xué)博士畢業(yè)于人工智能/機器學(xué)習(xí)專業(yè)。

將人工智能學(xué)院的性別多樣化并沒有取得太大進展，2018年新聘用的教師中女性不到20%。同樣，自2010年以來，美國女性獲得人工智能博士學(xué)位的比例幾乎一直保持在20%。

世界各地的國會記錄、委員會報告和立法文本中與人工智能相關(guān)的立法顯著增加。

公平和可解釋性被認為是59個倫理AI原則中最常提到的倫理挑戰(zhàn)。