《2019年国内外人工智能技术发展概况》

表1-4部分省市出台的人工智能政策

从上述不同层面出台的政策看,在国内经济正处于新旧动能转换的关键窗口期,政府正在大力推动人工智能在社会各个领域的深度布局㊂

1.2国内外人工智能技术发展概况

1.2.1人工智能学术研究总体态势

人工智能的快速发展,在技术与理论层面,离不开学术界的持续㊁深度研究与拓展㊂

1.论文与活动方面

近几年,学术界对人工智能的研究与探索,一直处于高度活跃状态㊂来自斯坦福大学发布的‘2019人工智能索引报告“(2019A I I n d e xR e p o r t)指出,从1998年到2018年,同行评议的人工智能论文数量增长了300%以上,占同行评议期刊出版物的3%,占已发表会议论文的9%;而人工智能会议的出席人员也越来越多,2019年,仅神经信息处理系统大会(N e u r I P S,全球最受瞩目的人工智能和机器学习领域的顶级盛会之一)就有13500人参加,比2018年增长41%,比2012年增长800%㊂A A A I(t h eA s s o c i a t i o n f o r t h eA d v a n c e o fA r t i f i c i a l I n t e l l i g e n c e,美国人工智能协会)和C V P R[I E E E (I n s t i t u t eo fE l e c t r i c a la n d E l e c t r o n i c sE n g i n e e r s,国际电气与电子工程师协会)C o n f e r e n c eo n C o m p u t e rV i s i o na n dP a t t e r nR e c o g n i t i o n,I E E E国际计算机视觉与模式识别会议]会议出席人员也增长了30%㊂

在中国知网(C N K I)平台中,以主题关键词 人工智能 进行搜索,2014年1月1日至2019年12月16日期间,中国本地学者发表的人工智能相关论文总量如图1-2所示㊂通过图表我们能看出,中国学者在人工智能的学术研究方面,一直处于高位增长㊂

2.专利申请与公开情况

我们以 人工智能 深度学习 机器学习 等关键词,在中国智慧芽专利数据库中检索,按年度处理得到图1-3㊂通过图表,我们感受到世界范围内涉及人工智能的专利公开量正在快速攀升㊂

图1-2C N K I中与人工智能主题相关的论文发表量

图1-3近几年人工智能相关专利的公开量

国内的人工智能专利申请量,也同时保持着高位增长,如图1-4所示㊂

图1-4近几年中国人工智能专利申请量

3.研究热点与主要态势

(1)研究热点

同济大学科技情报所与同济大学图书馆发布的‘人工智能全球研究态势分析报告(2019版)“,在分析了2013 2019年人工智能学科的研究领域和受关注的主题后,提出了目前人工智能的研究热点,其中排在前五位的分别是语义网技术与推荐系统㊁脑电图与脑机接口㊁机器人及机器人操控㊁车辆路径及算法㊁社会网络模型及算法㊂

中国科学院武汉文献情报中心的学者周伯柱,在2019年8月发表的‘基于论文和专利分析的人工智能发展态势研究“论文中指出, 机器学习与算法 计算机视觉 和 语音识别与自然语言处理 ,大致对应了人类智能中的 会思考会学习 会看 和 会听㊁会说 等重要能力,覆盖了人工智能论文的73%以上,其中 机器学习与算法 方向论文增长势头最强劲,如图1-5所示,表明目前对如何提升机器 认知能力 的研究热度很高,这也是迈向未来 强人工智能 的关键所在㊂

图1-5人工智能领域三个方向论文产出趋势

(数据源自周伯柱等发表的‘基于论文和专利分析的人工智能发展态势研究“)

(2)主要态势

人工智能的研究正由学术界驱动转向学术界和产业界共同驱动㊂有相关研究表明,美国㊁以色列等国家的研究者以校企合作发表论文的比例较高,而中国涉及人工智能的论文一般以高校为主,与企业结合度较低㊂

人工智能的研究呈学科交叉与融合态势㊂科学技术部‘中国新一代人工智能发展报告2019“指出,从全球人工智能论文学科分布看,近年来人工智能学科交叉融合发展趋势明显;同时还指出,当前人工智能的研究主要集中在计算机科学㊁工程学与数学三个学科,反映出人工智能是一门将数学理论㊁计算机算法科学和面向实际问题的工程应用实践紧密结合的交叉性学科㊂同时,神经科学㊁心理学对于人工智能的研究也发挥了重要的理论支撑作用,如表1-5所示㊂

表1-5人工智能论文学科分布

续表

(数据来自‘中国新一代人工智能发展报告2019“) 1.2.2人工智能专项技术发展态势

1.人工智能基础设施层面

由产业带动的人工智能专用芯片的研发方兴未艾,包括英伟达G P U(G r a p h i c sP r o c e s s i n g U n i t,图形处理器)㊁谷歌T P U(T e n s o rP r o c e s s i n g U n i t s,张量处理单元),国内的阿里巴巴㊁百度㊁华为等在内的大型企业在A I芯片研发方面快速布局,致使人工智能的算力增长超出了大部分人的想象㊂根据斯坦福大学的D a w n B e n c h项目数据显示,从2017年10月到2019年7月,仅仅一年半的时间,在被广泛使用的I m a g e N e t数据集上训练一个系统所需的时间就已经从3小时降至88秒,这意味着能够将成本从2323美元削减至12美元㊂

2.人工智能技术进展层面

从人工智能技术进展的角度看,有几个明显的技术趋势已日益凸显㊂首先,随着以智能手机为代表的移动终端计算存储能力的快速加强,基于智能端的人工智能与边缘计算技术正在快速发展与普及,如何在应用效果尽可能好的前提下,将模型做小㊁做精致㊁做快,是人工智能发展方向的关键点㊂其次,传统机器学习严重依赖训练数据的规模与质量,这制约了领域技术的快速发展,而最近的明显趋势是由最常见的监督学习转向半监督㊁自监督甚至无监督的机器学习,如何用尽量少的有标训练数据让机器自主学会更多的知识,是大有前景的发展方向㊂再次,A u t o M L(自动机器学习)正在快速地渗透到各个A I应用领域,从最早的图像领域,目前已经拓展到N L P(N a t u r a l L a n g u a g eP r o c e s s i n g,自然语言处理)㊁推荐搜索㊁G A N(G e n e r a t i v eA d v e r s a r i a l N e t w o r k s,生成式对抗网络)等多个领域,随着A u t o M L技术的逐渐成熟,搜索网络结构成本越来越低,相信会有更多的领域模型由机器来设计,而不是目前的算法专家主导的局面,这个技术趋势基本是确定无疑的㊂最后,随着5G等传输技术的快速发展,视频㊁图片类应用快速成为最主流的A P P消费场景,而机器学习技术如何更好地融合文本㊁图片㊁视频㊁用户行为等各种不同模态的信息,来达到更好的应用效果,相信也会越来越重要㊂

3.A I应用领域发展趋势层面

从A I应用领域发展趋势来讲,最近一年来,最主要的几个A I方向(比如,自然语言处理㊁图像视