2019年度的AI发展评估报告已然出炉：AI领域在研究，教育，和技术方面上成就；如今机器学习算法只需更少的数据就能训练出强大的AI——数据集已连续三年逐年减少。
报告涵盖了诸多领域，以至于它的创建者(包括哈佛，斯坦福和OpenAI等机构)同时发布了两个新工具，目的只是为了筛选信息。一种工具用于搜索AI研究论文，另一种工具用于分析国家级研究和投资的数据。
2019年度基本上延续前几年的趋势。如果您不愿意费心去浏览原始的290页的报告，以下罗列一些更有趣和相关的要点：
- 人工智能研究正在迅猛发展。在1998年至2018年间，有关AI的经过同行评审的论文发表数量增加了300％。出席会议的人数也激增；最大的会议组织方NeurIPS预计，今年将有13500名与会者，比2012年增长800％。
- AI专业同样大受欢迎。在大学和在线学习机构选择了机器学习课程的人数持续增长。具体数字很难总结，但是一个很好的指标是，人工智能是北美计算机科学专业毕业生中最受欢迎的专业。超过21％的CS博士选择专门研究AI，是第二受欢迎的学科(安全/信息保护)的两倍多。
- 在大多数指标上，美国仍然是人工智能领域的全球领导者。尽管中国发表的人工智能领域的论文数超过任何其他国家，但在美国的论文影响更大，美国作者比全球平均水平高40％。美国流入企业级AI研发的资金最多，(120亿美元，中国为68亿美元，全球第二高)，并且AI专利的申请数量超过任何其他国家(是排名第二的日本的三倍)。
- 算法变得越来越快，训练起来也越来越便宜。在流行的数据集(ImageNet)上训练机器视觉算法所需的时间从2017年10月的大约3个小时减少到2019年7月的88秒。成本也从数千美元下降到两位数。
- 自动驾驶汽车领域获得了最多的投资。全球私人投资中有近10％被用于研发自动驾驶车，约为77亿美元。其次是医学研究和面部识别(两者都吸引到47亿美元)，而增长最快的工业AI领域则不那么浮华：机器人流程自动化(2018年投资10亿美元)和供应链管理(超5亿美元)。
这一切令人印象深刻，但需要注意的重大问题：无论AI速度如何，它还远远不能与流行文化和大肆宣传的头条新闻中所暗示的那种智能程度相提并论。记住，尽管人工智能正在蓬勃发展，但AI本身在某些重要方面仍裹足不前。
首先，历史上的里程碑成就，大多数来自在视频游戏和棋盘游戏——具有清晰规则和易于模拟的领域，特别适合AI训练。比如说，AI在三天时间里，就能完成百万盘对局。它在高速积累经验方面，展现了计算机的优势，但是并未展露出人类所不具有的学习能力特质。
同样，除少数例外，AI在不同领域的取得的成就无法移植。AI不会将从围棋对弈中获取的智慧应用到《星际争霸2》上。尽管，AI可以像医生一样准确地诊断出乳腺癌，但对肺癌却颇为乏力。换句话说：现在的AI系统还是一次性的工具。
但是这并不意味着AI无用。如报告所示，尽管机器学习有局限性，但它在资金、公共兴趣和技术成就方面仍在不断积累。
思考AI的局限性和未来时，最好记住机器学习先驱Andrew Ng的话：“如果一个典型的人类可以用不到一秒钟的思想时间完成一项心理任务，那么我们早晚也能让AI做到这一点。”
(煎蛋，图片来源pixabay)
