2022斯坦福AI指数报告出炉！中国霸榜AI顶会，但引用量最低
新智元报道
编辑：桃子时光
【新智元导读】2022 年人工智能指数报告发布了！这份报告中，中国在 AI 顶会论文上表现不凡，但在引用数量方面却低于美国、欧盟和英国。
今天，斯坦福大学发布了 2022 年人工智能指数报告。
李飞飞教授在报告发布后第一时间转发。
今年的报告主要分为 5 大章节：研究及发展，技术表现，人工智能应用的道德挑战，经济和教育，人工智能政策和国家战略。
以下将为你提取 7 项报告要点：
中美合作论文全球居首
过去的 10 年，全球 AI 论文发表量实现翻番，从 2010 年的 162444 篇增长到 334497 篇，且逐年递增。
具体而言，模式识别和机器学习领域的论文，仅 2015 年至 2021 年的 6 年间，就实现了倍增，其它诸如计算机视觉、数据挖掘和自然语言处理等领域，保持了比较平稳的发展。
另外，从论文的刊载情况来看，期刊文章占比最大，51.5%；21.5% 是顶会论文，17.0% 来自存储库。
可以看出，在过去 12 年中，期刊和储存库的论文分别增长了 2.5 倍和 30 倍，但顶会论文的数量自 2018 年以来有所下降。
论文跨国合作来看，从 2010 年到 2021 年，中国和美国共同发表的人工智能论文数量全球最多，自 2010 年以来就增加了 5 倍。中美合作的出版物数量是中英的 2.7，世界排名第二。
中国霸榜 AI 顶会，但引用量最低
2021 年，中国在人工智能期刊、顶会和知识库出版物的数量上继续领先世界。这三种出版物类型的总和比美国高出 63.2%。
与此同时，美国在人工智能顶会论文数量和存储库引用的数量上处于领先地位。
就 AI 期刊论文发表数量来看，过去 12 年人工智能期刊论文发表数量占比，中国始终霸榜，2021 年为 31.0%（2020 年占比 18.0%），其次是欧盟和英国，为 19.1%，美国为 13.7%。
2021 年，中国在 AI 期刊的全球引用量依旧领先。
值得注意的是，不论是 AI 期刊论文发表数量、引用数量，美国从去年第 2 名降至第 3 名。
那么中美在顶会发表论文的情况如何？
2021 年，中国以 27.6% 的比例在全球 AI 顶会发表的论文数所占份额最大，比 2020 年的领先优势更大，而欧盟和英国以 19.0% 紧随其后，美国以 16.9% 位居第3。
然而，美国一直在 AI 顶会论文引用量上居高不下，2021 年引用总量占比 29.52%，排名第 2 和第 3 的分别是欧盟英国（23.32%）和中国（15.32%)。
中国从去年第 2 名跌倒第 3 名，从侧面可以看出，中国论文发表数量最多，但质量不如美国高。
总体来看，2021 年人工智能专利申请量是 2015 年的 30 多倍，年复合增长率为 76.9%。
具体讲，中国申请了全球一半以上的 AI 专利，并获得了约6% 的授权，与欧盟和英国大致相同。
与不断增长的人工智能专利申请和授权数量相比，中国的专利申请数量（2021 年为 87343 件）远高于授权数量（2021 年为 1407 件）。
最受欢迎 GitHub 开源库：TensorFlow
从 2015 年至 2021 年 GitHub 开源 AI 软件库的用户数量可以看出，TensorFlow 仍然是 2021 年最受欢迎的，GitHub 累计星数约为 161,000，比 2020 年略有增加。
排在第 2 名的便是 OpenCV，紧随其后的是 Keras、PyTorch 和 Scikit-learn
图像识别近满分，带着口罩也能刷脸
先来看一组照片，这展示了 AI 人脸识别水平的年序发展。
对比 2014 年，我们仅能将原本肤色表情丰富的真人，识别成一张黑白且模糊的人脸，但是到了 2021 年，计算机对黑色皮肤也能揭示更多细节，我们看到了图像人物皮肤的黑里带棕，以及表情的露齿带笑。
报告展示了计算机图像如何分类，下图包括飞机、自动汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车等各种类别，通过给定图像的分类模型与目标标签，提高了图像识别的智能化程度。
报告指出，随着深度学习运用于 AI 图像识别，图像识别的准确性有了很大提升。
以下是 AI 图像识别准确性的对比图，蓝色线条代表没有使用训练数据，绿色线条代表使用了训练数据。很明显，绿色线条（准确率 99.02%）超越了蓝色线条（准确率 97.9%），这意味着，AI 图像识别经数据训练后准确性提高。
而无论是否使用深训练数据，AI 图像识别（99.02%&97.90%）在 2017 年后均表现出了高于常人（94.9% 准确率）的水平。
看来，「脸盲症」只存在于人类，AI 几乎不会患。
报告使用了一份来自北京邮电大学的口罩人脸图片集，这 6000 个人脸识别数据集，提升了疫情期间人脸识别的准确率。
口罩遮挡住面部，这使得人脸识别系统收集到的面部信息大量减少，然而，来自中国的 AI 团队将人脸识别的关键信息集中于眉毛和眼睛，并采用正确的模型进行训练，实现了「戴着口罩也能刷脸」。
视觉常识推理有点 Low，72 分落后人类
来看一下，计算机如何进行视觉常识推理的。
视觉常识推理，Visual Commonsense Reasoning（VCR）是 AI 领域的前沿热点问题，这是一项非常富有挑战的任务，包括认知、学习、推理，从单一的视觉问答、图像识别、动作捕捉等数据处理，上升到「跨媒体智能」，代表了计算机视觉理解的新基准。
报告指出，目前，计算机视觉常识推理能力远远落后于人类，人类的视觉常识推理水平一直维持在 85 分，而 2021 年机器的最佳得分只有 72 分。
看来，这确实有点 Low，不过相较于 2018 年的不及格水平（43 分），机器用 3 年时间提高了 29 分，显然是在大步向前了。
自然语言处理高起点缓增长，精准度 93.1%
近年来，得益于语音识别技术的发展，完全机器翻译的服务应用大幅提升，占比 46%。
相较于其它的应用，机器翻译的商业应用增速明显，商用规模从 2019 年的 21% 扩大到 2021 年的 38%，近 2 倍。
报告使用了 2015 年由斯坦福大学 Bowman 等人提供的自然语言处理的问题和标签。
自然语言处理是在给定确定任务的前提下，假设 4 种逻辑，即错误（contradiction 矛盾）、未决定（neutral 中性）2 种、是否为真（entailment 蕴涵），机器对进行合理与不合理的推论。
报告显示，2021 年自然语言处理的精准度已达 93.1%，而在 2017 年初就已经达到 90%，这是在高起点的基础上实现缓增长。
斯坦福自然语言推理（SNLI）数据集包含约 60 万对被标记的句子，其性能精度是基于答对问题的百分比。
其他指标
从今年报告的总体体量上而言，较之于去年的 7 章，今年报告浓缩至 5 章，减少了「AI 的多样性」部分，并将「AI 经济」和「AI 教育」合为「经济和教育」1 章。
虽然总章数减少了，但是体量却变大了，目录页码由 177 页增加到了 196 页。
Burning Glass 数据涵盖的六个国家对人工智能劳动力的需求在过去九年中显著增长。其中新加坡 AI 招聘岗位在总招聘岗位中占比 2.33%，排名第一，美国 0.90% 排名第二。
就人工智能领域投资来讲，从 2013 年到 2021 年，美国对人工智能公司的私人投资是中国的 2 倍多。
中国的 AI 投资出现了增长，从 2020 年的 10% 上升到了 2021 年的 17.21%。
来自: 网易科技