斯坦福大學正式發布了《2021年人工智能指數報告》（“Artificial Intelligence Index Report 2021”）！
地址： //aiindex.stanford.edu/report/
李飛飛教授十幾分鐘前也在推特上做了推薦！值得關注！
引言
今年，我們大大擴展了報告中可用的數據量，與更廣泛的外部組織合作校準我們的數據，并加深了我們與斯坦福大學HAI的聯系。
2021年報告還從多個角度展示了COVID-19對人工智能發展的影響。技術表現一章討論了人工智能初創公司如何在大流行期間使用基于機器學習的技術加速新冠病毒相關藥物的發現，我們的經濟一章指出，人工智能招聘和私人投資沒有受到大流行的顯著不利影響，因為這兩方面在2020年都有所增長。如果有什么不同的話，COVID-19可能導致參加人工智能研究會議的人數增加，因為大流行迫使會議轉向虛擬舉行，這反過來又導致出席人數大幅飆升。
九大結論
1. 人工智能在藥物設計和發現方面的投入顯著增加
2020年，“藥物、癌癥、分子、藥物發現”獲得的私人人工智能投資金額最大，超過138億美元，比2019年高出4.5倍。
2. 行業的轉變還在繼續
2019年，65%的北美人工智能博士畢業生進入了行業，高于2010年的44.4%，凸顯出行業開始在人工智能發展中發揮更大的作用。
3. 生成一切
人工智能系統現在可以合成文本、音頻和圖像，達到足夠高的標準，以至于對于該技術的某些受限應用來說，人類很難分辨合成和非合成輸出的區別。
4. AI面臨多樣性挑戰
2019年，45%的新美國居民人工智能博士畢業生為白人，2.4%為非洲裔，3.2%為西班牙裔。
5. 中國在人工智能期刊引用數量上超過美國
中國幾年前在期刊總數上超過了美國，現在在期刊引用數量上也領先于美國;然而，在過去十年里，美國的人工智能會議論文(被引用的次數也更多)一直(而且明顯)多于中國。
6. 美國大多數人工智能博士畢業生都來自國外——而且他們將留在美國
2019年，北美新AI博士中國際學生的比例繼續上升，達到64.3%，比2018年上升4.3%。在外國畢業生中，81.8%的人留在美國，8.6%的人在美國以外的地方找工作。
7. 監視技術快速、廉價，而且越來越普遍
大規模監控所需的技術正在迅速成熟，到2020年，圖像分類、人臉識別、視頻分析和語音識別等技術都將取得重大進展。
8. 人工智能倫理缺乏基準和共識
盡管在人工智能倫理領域，許多團體正在產生一系列定性或規范性的產出，但該領域通常缺乏基準，無法用來衡量或評估關于技術發展的更廣泛社會討論與技術本身發展之間的關系。此外，研究人員和公民社會認為人工智能倫理比產業組織更重要。
9. AI已經引起了美國國會的注意
第116屆國會是歷史上最關注人工智能的國會會議，國會記錄中提到人工智能的次數是第115屆國會的三倍多。
報告目錄
今年的報告，從學術、工業、開源、政府等方面詳細介紹了人工智能發展的現狀，并且記錄了計算機視覺、自然語言理解等領域的技術進展。報告章節如下： 一、研究與發展 二、技術表現 三、經濟 四、AI 教育 五、AI 應用的道德挑戰 六、AI 多樣性 七、AI 政策與國家策略
付費5元查看完整內容
相關內容
（StanfordUniversity）位于加利福尼亞州，臨近舊金山，占地35平方公里，是美國面積第二大的大學。它被公認為世界上最杰出的大學之一，相比美國東部的常春藤盟校，特別是哈佛大學、耶魯大學，斯坦福大學雖然歷史較短，但無論是學術水準還是其他方面都能與常春藤名校相抗衡。斯坦福大學企業管理研究所和法學院在美國是數一數二的，美國最高法院的9個大法官，有6個是從斯坦福大學的法學院畢業的。
語音識別
·
語音識別是人機交互的入口，是指機器/程序接收、解釋聲音，或理解和執行口頭命令的能力。在智能時代，越來越多的場景在設計個性化的交互界面時，采用以對話為主的交互形式。一個完整的對話交互是由“聽懂——理解——回答”三個步驟完成的閉環，其中，“聽懂”需要語音識別（Automatic Speech Recognition, ASR）技術；“理解”需要自然語言處理（Natural Language Processing, NLP）技術；“回答”需要語音合成（Text To Speech, TTS）技術。三個步驟環環相扣，相輔相成。語音識別技術是對話交互的開端，是保證對話交互高效準確進行的基礎。
今天分享來自于沙利文的《中國AI語音識別市場研究報告》，報告基于對語音識別的理解，從技術領域、行業領域、市場參與者等多個維度對中國AI語音識別市場進行分析，研究中國AI語音識別市場發展的驅動因素，主要趨勢，以及進入壁壘和成功關鍵因素，并對中國AI語音識別主流廠商進行企業增長能力分析，為中國AI語音識別提供商及AI語音識別使用者提供參考。
付費5元查看完整內容
NeurIPS 接收論文中，29% 的作者有中國大學的本科學位，但他們在畢業后有 54% 會去美國攻讀研究生博士，這其中又有 90% 選擇留美工作。劍橋大學的 2020 版《AI 全景報告》寫出了 AI 領域哪些值得關注的新觀察？
人工智能是基礎科學與工程實踐結合的技術領域，近年來已經融合了越來越多的其他方向。在數字化逐漸成型的今天，AI 將為技術進步產生推動作用。
近日，劍橋大學的 2020 版《AI 全景報告》終于出爐，這是該年度報告的第三期。和往年一樣，該報告援引的數據來自知名科技公司和研究小組。新版 AI 全景報告以幾個方面分別介紹了人工智能領域最近一段時間的發展趨勢：研究、人才、業界、政策和未來展望。
該調查的兩位主要作者 Nathan Benaich 與 Ian Hogarth 均來自劍橋大學。
付費5元查看完整內容
【導讀】本文章從深度神經網絡(DNN)入手，對深度學習(DL)領域的研究進展進行了簡要的綜述。內容包括：卷積神經網絡(CNN)、循環神經網絡(RNN)、長時記憶(LSTM)和門控遞歸單元(GRU)、自動編碼器(AE)、深度信念網絡(DBN)、生成對抗性網絡(GAN)和深度強化學習(DRL)。
近年來，深度學習在各個應用領域都取得了巨大的成功。這個機器學習的新領域發展迅速，已經應用于大多數傳統的應用領域，以及一些提供更多機會的新領域。針對不同類型的學習，提出了不同的學習方法，包括監督學習、半監督學習和非監督學習。
實驗結果表明，與傳統機器學習方法相比，深度學習在圖像處理、計算機視覺、語音識別、機器翻譯、藝術、醫學成像、醫學信息處理、機器人與控制、生物信息學、自然語言處理、網絡安全等領域具有最先進的性能。
本研究從深度神經網絡(DNN)入手，對深度學習(DL)領域的研究進展進行了簡要的綜述。研究內容包括：卷積神經網絡(CNN)、循環神經網絡(RNN)、長時記憶(LSTM)和門控遞歸單元(GRU)、自動編碼器(AE)、深度信念網絡(DBN)、生成對抗性網絡(GAN)和深度強化學習(DRL)。
此外，我們還討論了最近的發展，例如基于這些DL方法的高級變體DL技術。這項工作考慮了2012年以后發表的大部分論文，當時深度學習的歷史開始了。此外，本文中還包括了在不同應用領域探索和評價的DL方法。我們還包括最近開發的框架、SDKs和基準數據集，用于實施和評估深度學習方法。目前有一些研究已經發表，例如使用神經網絡和一個關于強化學習(RL)的綜述。然而，這些論文還沒有討論大規模深度學習模型的個別高級訓練技術和最近發展起來的生成模型的方法。
關鍵詞：卷積神經網絡(CNN)；循環神經網絡(RNN)；自動編碼器(AE)；受限Boltzmann機器(RBM)；深度信念網絡(DBN)；生成對抗性網絡(GAN)；深度強化學習(DRL)；遷移學習。
付費5元查看完整內容
由斯坦福大學發起的人工智能指數（AI Index）是一個追蹤 AI 動態和進展的非營利性項目，旨在全面研究 AI 行業狀況，目標是促進基于數據的 AI 的廣泛交流和有效對話。剛剛，斯坦福發布了《2019人工智能指數報告》，報告指出盡管人工智能世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：人工智能已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智能方面仍存在著難以逾越的鴻溝。
-
首先：從 1998 到 2018 年，AI 相關的同行評審論文的發表數量增長了 300% 。出席會議的人數也顯著增長，NeurIPS 2019 預計為 1.35 萬人，較 2012 年增長 800% 。
- 人工智能教育同樣受到了追捧，有關機器學習的大學和線上課程，參與者人數也持續增加。目前看來，AI 算是北美計算機科學專業畢業生中最受歡迎的專業。
- 超過 21% 的計算機科學博士選擇了專門從 AI 研究行業，是排名第二的學科（安全 / 信息保障）的兩倍多。
-
大多數指標上，美國仍然是全球 AI 領域的領導者。盡管中國發表的 AI 相關論文數量超過了任何其它地區，但美國發表論文的影響力更大，較全球平均水平高出 50% 。
- 中美兩國私有資金對 AI 領域的投入都很大（數十上百億美元計），AI 專利的申請數量也超過其它競爭對手（是排名第二的日本地區的三倍）。同時，AI 算法正在變得越來越快，訓練的成本也越來越便宜。
- 在流行數據集（ImageNet）的訓練上，機器視覺算法所需的時間，已從 2017 年 10 月的大約 3 個小時、減少到 2019 年 7 月的 88 秒，成本也從數千美元下降到兩位數。
-
自動駕駛汽車行業獲得了更多的私人投資（全球略低于 10%，約 77 億美元），其次是醫學研究和面部識別（兩者都吸引了 47 億美元）。
- 增長最速的工業 AI 領域，相對也不那么浮華。2018 年的時候，機器人流程自動化拿到了 10 億美元投資，供應鏈管理方面亦超過 5 億美元。?
- 在給人留下深刻印象的同時，還需注意一個重大的問題 —— 無論 AI 提升的幅度有多大，都距離媒體大肆渲染的目標相去甚遠。
-
換言之，盡管人工智能世界正在蓬勃發展，但 AI 本身仍在某些重要方面被卡著脖子。AI Index 報告在“績效里程碑”時間表上寫到：
- 人工智能已經達到、或者超越了人類的專業知識水平，但這僅限特定領域，AI 在通用智能方面仍存在著難以逾越的鴻溝。
- 回顧 1990 年代，當時計算機在跳棋和國際象棋上打敗了人類選手，引發了人們對于 AI 未來的無限遐想。
付費5元查看完整內容
注冊地址： 北京市海淀區羊坊店路18號2幢3層301-191