斯坦福101页年度AI报告：人工智能全面逼近人类能力

　　近日，斯坦福“人工智能百年(AI100)”专家小组(非盈利性项目AI Index)发起了一项AI指数报告，追踪学术界、产业界、开源软件和公共兴趣范畴的18个分立的视角评估人工智能活跃度，盘点计算机视觉、自然语言理解等技术发展现状(机器类人程度)，从专家视角解读人工智能创业和投资的急剧增加，探讨相关领域的深入发展。

　　本期的智能内参，我们推荐斯坦福AI Index发布的2017年人工智能指数报告。

　　以下为智能内参整理呈现的干货：

　　人工智能活跃度一览

　　▲AI活跃度指数(来自学术界和工业界数据，如出版物、注册创企和风险投资等)

　　从学术领域来看

　　人工智能论文大部分隶属计算机科学的范畴，自1996年至今年度发表的论文数量已经增加9倍，作为参考，计算机科学论文数量此间增加了6倍;

　　高校机器学习等人工智能相关课程的开设数量和学生的参与度都大幅增加;

　　人工智能相关的顶级会议也变的火爆，包括如 AAAI、IJCAI、ICML等综合性会议，以及CVPR、ACL、ICRA等专注于通用技术(计算机视觉、自然语言、机器人等)的会议。

　　▲学术-产业动态关系(参数包含论文出版、学业课程、投资金额，其中2016年学生课程参与度的下降是由于行政原因)

　　从产业领域来看

　　人工智能相关创企的数量从2000 年以来增加了14倍，风投金额增加了6倍;

　　在线招聘网站的数据显示2013年以来美国AI相关岗位增长了4.5倍，其中自然语言处理和计算机视觉技能的比重最多;

　　物流和工业机器人的数量和进出口急剧增加。

　　从开源软件来看

　　▲GitHub明星软件库

　　这里主要参考GitHub项目：TensorFlow和 Scikit-Learn等AI和ML(机器学习)软件包被收藏(star)的次数飙升。

　　从公共兴趣来看

　　▲AI公众兴趣提升

　　流媒体涉及“人工智能”的内容数量飙升，其中，正面文章高于负面。

　　从技术成熟度来看

　　▲AI里程碑

　　根据LSVRC竞赛结果，图像标注的误差率从2010年的28.5%降至低于 2.5%;

　　视觉问答(Visual Question Answering，一种开放式问答)数据集发展出新版本VQA 2.0;

　　自然语言理解技术范畴下的语法解析(Parsing)、语种互译(Machine Translation)、问答(Question Answering)、语音识别(Speech Recognition)等技术皆逼近人类的能力;

　　人工智能进行定理证明(Theorem Proving)的可追踪性提高至80%以上，但遇到新的问题解决方案时性能不理想;

　　SAT(美国学业能力倾向测验)中能回答的问题超过70%，应试竞争力强;

　　▲物体检测技术成熟度示意

　　▲视觉问答技术成熟度示意

　　▲语法解析技术成熟度示意

　　▲新闻翻译技术成熟度示意

　　▲问答技术成熟度示意

　　▲语音识别技术成熟度示意

　　▲定理证明能力示意