由斯坦福大學(xué)發(fā)起的人工智能指數(shù)（AI Index）是一個追蹤 AI 動態(tài)和進展的非營利性項目，旨在全面研究 AI 行業(yè)狀況，旨在促進基于數(shù)據(jù)的 AI 廣泛交流和有效對話。

剛剛，AI Index 正式發(fā)布了 2021 年度報告。

報告下載地址：
https://aiindex.stanford.edu/report/

2021 AI Index 報告極大地擴展了可用數(shù)據(jù)量，并與大量外部組織合作校準(zhǔn)數(shù)據(jù)、深化該報告與 Stanford HAI 的聯(lián)系。該報告還從多個方面展示了 COVID-19 對 AI 發(fā)展的影響。例如「技術(shù)表現(xiàn)」章節(jié)探討了 AI 初創(chuàng)公司如何利用機器學(xué)習(xí)技術(shù)加速 COVID 相關(guān)藥物研發(fā)；「經(jīng)濟」章節(jié)表明 AI 招聘和私人投資并未受到新冠大流行的嚴(yán)重影響，仍處于增長態(tài)勢。

該報告從研發(fā)、技術(shù)表現(xiàn)、經(jīng)濟、教育等多個維度探討了過去一年的 AI 發(fā)展，得出了如下重要結(jié)論：

對 AI 領(lǐng)域的私人投資額呈現(xiàn)顯著增長，其中「藥物、癌癥、分子學(xué)、藥物研發(fā)」獲得最大比例的投資——138 億美元，是 2019 年的 4.5 倍；

中國在學(xué)術(shù)工作方面的成績超過美國。多年前，中國的 AI 期刊發(fā)表文章數(shù)量即超過美國，現(xiàn)在中國首次在期刊引用量上也占據(jù)了優(yōu)勢。不過在過去十年中，美國的 AI 會議論文（及高被引論文）數(shù)量仍超過中國；

合成媒體（deepfake）數(shù)量大增，文本、圖像、視頻合成方面都出現(xiàn)了突破。這顯示了 AI 的飛快發(fā)展，但也引發(fā)了人們對其濫用、誤用的潛在擔(dān)憂；

AI 應(yīng)用的倫理挑戰(zhàn)引起 AI 社區(qū)的更多關(guān)注。2015-2020 年間涉及倫理及相關(guān)關(guān)鍵詞的論文數(shù)量增長迅速；

AI 領(lǐng)域面臨多樣性挑戰(zhàn)。2019 年，美國 45% 的 AI 博士新生是白人，僅有 2.5% 是非裔美國人，3.2% 是西班牙裔。目前，AI 研究者正在努力提升該領(lǐng)域的多樣性；

自 2017 年加拿大發(fā)布國家 AI 戰(zhàn)略后，多個國家采取了類似措施，截至 2020 年有 30 多個國家發(fā)布了國家 AI 戰(zhàn)略；

更多 AI 博士選擇進入工業(yè)界，而不是留在學(xué)術(shù)界，離開學(xué)界進入企業(yè)的教授數(shù)量也在持續(xù)增長；

企業(yè)主導(dǎo)了 AI 研究者的常用工具，如企業(yè)開發(fā)的軟件庫（谷歌的 TensorFlow 和 Keras、Facebook 的 PyTorch）成為 GitHub 上最熱門的框架；

政府對 AI 領(lǐng)域的興趣繼續(xù)增長，如美國政府斥資數(shù)十億美元投入 AI 的民用與非民用。美國國會提及「AI」的次數(shù)是上一屆國會的三倍；

監(jiān)控技術(shù)呈現(xiàn)出快速、廉價的特點，得到越來越廣泛的使用。2020 年圖像分類、人臉識別、視頻分析、語音識別等技術(shù)取得顯著進展，用于大規(guī)模監(jiān)控的技術(shù)快速成熟。

該報告共包括「研發(fā)」、「技術(shù)表現(xiàn)」、「經(jīng)濟」、「AI 教育」、「AI 應(yīng)用的倫理挑戰(zhàn)」、「AI 多樣性」、「AI 政策與國家戰(zhàn)略」七個部分。以下將介紹每個章節(jié)的核心內(nèi)容。

第一章：研發(fā)

報告首先從「同行評審 AI 論文」、「AI 期刊論文」、「AI 會議論文」、「AI 專利」、「arXiv 論文」五個部分概述了 AI 領(lǐng)域的論文發(fā)表情況。

同行評審論文數(shù)量猛增

自 2000 至 2019 年，同行評審 AI 論文數(shù)量增長了約 12 倍，同期同行評審論文占所有論文發(fā)表量的比例從 2000 年的 0.82% 增長到 2019 年的 3.8%。

 

中國 AI 期刊論文被引量首超美國

就 AI 期刊論文而言，2020 年發(fā)表的 AI 期刊論文數(shù)量是 2000 年的 5.4 倍。其中，2020 年當(dāng)年發(fā)表的 AI 期刊論文數(shù)量就比 2019 年增長了 34.5%，大大超過 2018 至 2019 年的漲幅（19.6%）。

 

2000-2020 年 AI 期刊論文發(fā)表數(shù)量。

其中，中國的 AI 期刊論文發(fā)表數(shù)量最多（占比 18.0%），超過美國（12.3%）和歐洲（8.6%）。這對于中國而言并非首次。

 

2000-2020 年不同地理區(qū)域的 AI 期刊論文發(fā)表數(shù)量占世界總量的比例。

值得一提的是，2020 年中國的 AI 期刊論文被引量首次超過美國。不過，在過去十年中，美國的 AI 會議論文引用量仍超過中國。

 

2000-2020 年 AI 期刊論文引用量的占比情況，中國以 20.7% 的比例首次超過美國（19.8%）。

AI 會議快速發(fā)展

過去十年，AI 會議論文數(shù)量呈迅猛增長態(tài)勢。2020 年，AI 會議論文數(shù)量占所有會議論文的比例已高達 20.2%。

 

2000-2020 年，AI 會議論文發(fā)表數(shù)量占所有會議論文的比例。

2019 年，中國的 AI 會議論文發(fā)表數(shù)量占比超過美國。然而，從 AI 會議論文被引用量來看，美國在過去 21 年中持續(xù)占據(jù)主導(dǎo)地位。2020 年，美國以 40.1% 的比例名列第一，中國則以 11.8% 的比例位居第二，二者差距仍然很大。

 

2000-2020 年不同地區(qū)的 AI 會議論文發(fā)表數(shù)量的占比情況。

 

2000-2020 年不同地區(qū)的 AI 會議論文被引用量的占比情況。

arXiv 論文發(fā)表情況

除了傳統(tǒng)的期刊和會議以外，預(yù)印本平臺的論文發(fā)表也很重要。過去 6 年中，arXiv 平臺上的 AI 相關(guān)論文增長了五倍多，從 2015 年的 5478 篇增長到 2020 年的 34,736 篇。其中中國的 arXiv 論文發(fā)表總數(shù)仍遜色于美國和歐洲，不過從占比情況來看，中國正在奮起直追。

 

2015-2020 年，不同地區(qū)在 arXiv 上發(fā)表 AI 論文數(shù)量的占比情況。

就 arXiv 上的六個 AI 細分領(lǐng)域而言，2015-2020 年間，機器人學(xué) (cs.RO) 和機器學(xué)習(xí) (cs.LG) 論文數(shù)量增長最快，分別增長了 11 倍和 10 倍。2020 年，機器學(xué)習(xí)與計算機視覺 (cs.CV) 占比最高，分別為 32.0% 和 31.7%。2019-2020 年，增長最快的類別是計算與語言 (cs.CL) 和機器人學(xué) (cs.RO)，論文數(shù)量分別增長了 35.4% 和 35.8%。

此外，得益于數(shù)據(jù)和算力的發(fā)展，深度學(xué)習(xí)論文數(shù)量飛速增長。

 

2010-2019 年，arXiv 平臺上深度學(xué)習(xí)論文的發(fā)表數(shù)量。

新冠疫情促使 AI 會議參會人數(shù)暴漲

由于新冠疫情的影響，大多數(shù) AI 會議以線上的形式舉行，參會人數(shù)出現(xiàn)了很大增長。2020 年，該報告統(tǒng)計的九個會議的參數(shù)總?cè)藬?shù)幾乎翻了一番。

 

2010-2020 年，參加大小型 AI 會議的人數(shù)。

大公司參與度高，或加劇計算鴻溝

有研究表明，大型科技企業(yè)對 AI 頂會的參與度有所增加。研究者認為學(xué)術(shù)界算力的不均勻分布（即「計算鴻溝」）將加劇深度學(xué)習(xí)時代的不平等。大型科技企業(yè)擁有更多資源來設(shè)計 AI 產(chǎn)品，但其多樣化程度遜色于較小型的機構(gòu)，而這引發(fā)了對 AI 偏見及公平性的擔(dān)憂。下圖展示了大企業(yè)在 10 個 AI 頂會中的參與度，這或許會加速計算鴻溝。

 

2000-2019 年，大型科技企業(yè)的 AI 會議論文數(shù)量占比情況。

TensorFlow 仍是最流行的 AI 軟件庫

除了論文、會議情況以外，該章節(jié)還介紹了 AI 開源軟件庫。其中谷歌開發(fā)的 TensorFlow 框架仍然是最流行的 AI 軟件庫，其次是 Keras 和 PyTorch。

 

2014-2020 年，AI 庫的流行程度（按照 GitHub 星數(shù)來計算）。

第二章：技術(shù)表現(xiàn)

本章概括了計算機視覺、語言、語音、概念學(xué)習(xí)、推理等多個 AI 子領(lǐng)域的技術(shù)進展。

AI 生成一切

目前，AI 系統(tǒng)可以合成高質(zhì)量的文本、語音和圖像，甚至人類都很難辨別真?zhèn)?。這將帶來大量 AI 下游應(yīng)用，并促使研究者投入到生成模型檢測技術(shù)的研究中。下圖展示了過去兩年中生成模型的進展：

 

2018-2020 年生成模型在 STL-10 數(shù)據(jù)集上的 FID 得分。

 

2014-2020 年 GAN 人臉生成技術(shù)進步。

計算機視覺的產(chǎn)業(yè)化

計算機視覺在過去的十年里取得了巨大的進步，這主要歸功于機器學(xué)習(xí)技術(shù)（特別是深度學(xué)習(xí)）的應(yīng)用。新的數(shù)據(jù)顯示，計算機視覺正在產(chǎn)業(yè)化：在一些最大的基準(zhǔn)上，表現(xiàn)開始趨于平緩，這表明社會需要制定和商定更難的基準(zhǔn)，以進一步獲得測試表現(xiàn)。

與此同時，企業(yè)正在投入越來越多的計算資源，比以往任何時候都以更快的速度訓(xùn)練計算機視覺系統(tǒng)。同時，用于已部署系統(tǒng)的技術(shù)（如用于分析視頻靜止幀的目標(biāo)檢測框架）正在迅速成熟，這表明將進一步部署 AI。

 

ImageNet 挑戰(zhàn)的 TOP-1 準(zhǔn)確率變化。

 

COCO 密集姿態(tài)估計挑戰(zhàn)的平均精度變化。

NLP 評估指標(biāo)

自然語言處理的迅速發(fā)展產(chǎn)生了 AI 系統(tǒng)，其語言能力顯著提高，已開始對世界產(chǎn)生有意義的經(jīng)濟影響。谷歌和微軟都在他們的搜索引擎中部署了 BERT 語言模型，而從微軟到 OpenAI 等公司也開發(fā)了其他大型語言模型。

這一點可以從在 SuperGLUE 上獲得人類水平性能的系統(tǒng)的快速興起看出。SuperGLUE 是為響應(yīng)早期 NLP 進展（超越 GLUE 評估的功能）而開發(fā)的 NLP 評估套件。

 

SuperGLUE 基準(zhǔn)。

 

SQUAD 1.1 和 SQUAD 2.0 的 F1 SCORE 變化。

 

GPT-3 在 42 個基準(zhǔn)上的表現(xiàn)。

AI 推理問題

大多數(shù)技術(shù)問題的度量都顯示了在固定的基準(zhǔn)上，即每個時間點最佳系統(tǒng)的性能。針對 AI 指數(shù)開發(fā)的新分析提供了一些指標(biāo)，這些指標(biāo)考慮到了一個不斷發(fā)展的基準(zhǔn)，并考慮到隨著時間的推移，將一組系統(tǒng)的總體性能的一部分歸因于單個信用系統(tǒng)。這些分析適用于兩個符號推理問題：自動定理證明和布爾公式的可滿足性。

 

2016-2020 年解決所有 400 個實例的總時間（布爾滿足問題）。

 

1997-2020 年解決的問題百分比（自動定理證明）。

機器學(xué)習(xí)變革醫(yī)療保健和生物學(xué)領(lǐng)域

機器學(xué)習(xí)正在改變醫(yī)療保健和生物學(xué)領(lǐng)域。DeepMind 的 AlphaFold 應(yīng)用深度學(xué)習(xí)技術(shù)在數(shù)十年來的蛋白質(zhì)折疊生物學(xué)挑戰(zhàn)中獲得重大突破。

 

2006-2020 年 CASP 最佳團隊在自由建模中的預(yù)測準(zhǔn)確度。

科學(xué)家們用機器學(xué)習(xí)模型來學(xué)習(xí)化學(xué)分子的表示，以便制定更有效的化學(xué)合成計劃。AI 創(chuàng)業(yè)公司 PostEra 在疫情期間利用基于機器學(xué)習(xí)的技術(shù)加速推進與 COVID 相關(guān)的藥物發(fā)現(xiàn)。

 

PostEra：Moonshot 提交的藥物總數(shù)。

第三章：經(jīng)濟

AI 的興起不可避免地提出了這樣一個問題：這些技術(shù)將在多大程度上影響企業(yè)、勞動力和更廣泛的經(jīng)濟？AI 最近取得的進展和突破為企業(yè)提供了大量利益和機遇，從自動化提高生產(chǎn)率、使用算法為消費者定制產(chǎn)品到大規(guī)模分析數(shù)據(jù)等等。

然而，AI 帶來的效率和生產(chǎn)率的提高也包含巨大的挑戰(zhàn)：企業(yè)必須尋找和留住技能型人才以滿足其生產(chǎn)需求，同時要注意采取措施來降低使用 AI 的風(fēng)險。此外，COVID-19 大流行給全球經(jīng)濟帶來了混亂和持續(xù)的不確定性。私營企業(yè)是如何依賴和擴展 AI 技術(shù)來幫助企業(yè)渡過這一最困難的時期的？

AI 生物獲最多投資

藥物、癌癥、分子、藥物發(fā)現(xiàn)是 2020 年私人 AI 投資額最大的一個項目，超過 138 億美元，是 2019 年的 4.5 倍。

 

2019 年與 2020 年 AI 全球私人投資的領(lǐng)域分布。

AI 人才招聘仍在繼續(xù)增長

巴西、印度、加拿大、新加坡和南非是 2016 年至 2020 年 AI 招聘增長最快的國家。盡管出現(xiàn)了 COVID-19 大流行，但所有采樣國家 2020 年的 AI 雇傭人數(shù)仍在繼續(xù)增長。

 

2020 年 AI 招聘指數(shù)的國家分布情況。

 

2016-2020 年 AI 招聘指數(shù)在不同國家的變化。

AI 私人投資趨勢

越來越多的 AI 私人投資集中到少數(shù)的初創(chuàng)企業(yè)。盡管受到疫情影響，但 2020 年私人 AI 投資額較 2019 年增長了 9.3%，增幅高于 2019 年（5.7%），不過新成立的公司數(shù)量連續(xù)三年處于下降趨勢。

 

2015-2020 年全球新增 AI 公司數(shù)量。

 

2015-2020 年度 AI 基金公司的私人投資額。

AI 道德問題的受關(guān)注度

麥肯錫的一項調(diào)查顯示，盡管越來越多人呼吁解決 AI 使用相關(guān)的道德問題，但業(yè)界在解決這些問題的努力上非常少。例如，AI 的公平性等問題仍然受到很少公司的關(guān)注。此外，與 2019 年相比，2020 年將個人或個人隱私風(fēng)險視為相關(guān)風(fēng)險的公司較少。

 

2020 年機構(gòu)認為與采用 AI 技術(shù)相關(guān)的風(fēng)險比例。

 

2020 年機構(gòu)采取措施以緩解 AI 帶來的風(fēng)險比例。

AI 領(lǐng)域投資受疫情影響了嗎？

盡管疫情導(dǎo)致了經(jīng)濟衰退，麥肯錫的一項調(diào)查中有一半的受訪者表示冠狀病毒對他們在 AI 領(lǐng)域的投資沒有影響，而實際上有 27% 的人表示他們的投資有所增加。不到四分之一的企業(yè)減少了對 AI 的投資。

 

疫情期間的 AI 投資變化。

美國的 AI 崗位比例有所下降

從 2019 年到 2020 年，美國的 AI 崗位比例有所下降，這是 6 年來的首次下降。在美國發(fā)布的 AI 崗位總數(shù)也下降了 8.2%，從 2019 年的 325724 個職位減少到 2020 年的 300999 個職位。

 

2013-2020 年按國家劃分的 AI 職位。

第四章：AI 教育

隨著 AI 成為經(jīng)濟活動越來越重要的驅(qū)動力，越來越多的人想要了解它并獲得從事該領(lǐng)域工作的必要資格。同時，工業(yè)界對 AI 的需求不斷增長，吸引越來越多的教授離開教育界，進入私營企業(yè)。本章重點介紹 AI 人才變化趨勢。

世界頂尖大學(xué)加大對 AI 教育的投入

2020 年進行的一項 AI 指數(shù)調(diào)查顯示，過去四年中，世界頂尖大學(xué)加大了對人工智能教育的投入。在過去的四個學(xué)年里，在本科和研究生階段教學(xué)生構(gòu)建或部署實用 AI 模型所需技能的課程數(shù)量分別增加了 102.9% 和 41.7%。

 

AI 博士畢業(yè)生選擇

計算機研究協(xié)會（CRA）的一項年度調(diào)查顯示，過去 10 年，北美更多的 AI 博士畢業(yè)生選擇在工業(yè)界工作，選擇學(xué)術(shù)界工作的較少。

具體而言，在過去十年中，選擇進入業(yè)界工作的 AI 博士比例增加了 48%，從 2010 年的 44.4% 增至 2019 年的 65.7%。相比之下，進入學(xué)術(shù)界的 AI 博士比例下降了 44%，從 2010 年的 42.1% 降至 2019 年的 23.7%。

 

AI 專業(yè)在 CS 博士中的比例

根據(jù) CRA 的調(diào)查，在過去 10 年中，美國 AI 相關(guān)博士占 CS 博士學(xué)位總數(shù)的比例從 14.2% 上升到 2019 年的 23% 左右。與此同時，其他以前比較流行的計算機科學(xué)博士的受歡迎程度有所下降，包括網(wǎng)絡(luò)、軟件工程和編程語言。與 2010 年相比，編譯器專業(yè)獲得博士學(xué)位的人數(shù)有所減少，而 AI 和機器人 / 視覺專業(yè)的博士人數(shù)則大幅增加。

 

AI 教師轉(zhuǎn)行業(yè)界

在經(jīng)歷了兩年的增長之后，北美地區(qū)從大學(xué) AI 教職人員轉(zhuǎn)到業(yè)界發(fā)展的人數(shù)從 2018 年的 42 人下降至 2019 年的 33 人（其中 28 人是終身教職，5 人是非終身教職員工）。

2004 年至 2019 年間，卡內(nèi)基梅隆大學(xué)的人工智能教師離職人數(shù)最多（16 人），其次是佐治亞理工學(xué)院（14 人）和華盛頓大學(xué)（12 人）。

AI 博士中的國際學(xué)生

2019 年，北美 AI 博士中的國際學(xué)生比例繼續(xù)上升，達到 64.3%，相比 2018 年增長 4.3%。在外國畢業(yè)生中，81.8% 的國際學(xué)生選擇留在美國，8.6% 的人選擇在美國以外的地方工作。

 

 

除此以外，在歐盟，絕大多數(shù)專業(yè)的 AI 學(xué)術(shù)課程是在碩士級別教授的；機器人技術(shù)和自動化是迄今為止本科生和碩士項目中最常教授的課程，而機器學(xué)習(xí)（ML）在專業(yè)短期課程中占主導(dǎo)地位。

第五章：AI 應(yīng)用的倫理挑戰(zhàn)

隨著 AI 對人類生活的影響日益深刻，其所面對的倫理挑戰(zhàn)也越來越明顯。各種技術(shù)的應(yīng)用可能會導(dǎo)致意想不到的負面影響，比如隱私侵犯；基于性別、種族 / 民族、性取向、性別身份的歧視；以及不透明決策等問題。打造負責(zé)任的、公平的 AI 創(chuàng)新，從來沒有像今天這樣重要。

報告的第五章首先介紹了近期頒布的大量 AI 原則和框架文件，以及與 AI 道德問題相關(guān)的媒體報道，然后回顧了在 AI 會議中提出的道德相關(guān)研究、全球各地大學(xué)計算機系開設(shè)的道德課程。此外，報告還討論了人臉識別技術(shù)偏見方面的研究。

學(xué)術(shù)會議中的道德 AI

如圖 5.3.1 所示，自 2015 年以來，向 AI 會議提交的論文里，標(biāo)題含有倫理相關(guān)關(guān)鍵詞的數(shù)量大幅增加。

 

但近年來，在主流 AI 會議中與倫理相關(guān)關(guān)鍵詞匹配的論文標(biāo)題的平均數(shù)量依然很低。圖 5.3.2 展示了六個主流會議所有出版物中倫理相關(guān)關(guān)鍵詞匹配的平均數(shù)量。

 

媒體報道中的道德 AI

如圖 5.2.1 所示，在 2020 年最受關(guān)注的新聞話題中，與 AI 道德指導(dǎo)及框架有關(guān)的文章名列榜首，隨后是研究與教育、人臉識別等。

 

2020 年，與 AI 道德應(yīng)用相關(guān)的五大新聞最受關(guān)注：

歐盟委員會 (European Commission) 發(fā)布關(guān)于人工智能的白皮書（5.9%）；

谷歌解雇道德研究人員 Timnit Gebru (3.5%)；

聯(lián)合國成立人工智能道德委員會 (2.7%)；

梵蒂岡的人工智能倫理規(guī)劃 (2.6%)；

IBM 宣布退出人臉識別業(yè)務(wù) (2.5%)。

第六章：AI 領(lǐng)域的多樣性

AI 領(lǐng)域的多樣性問題存在已久，當(dāng)前 AI 研究者仍以男性為主，且在種族、民族、性別認同和性取向方面缺乏多樣性，學(xué)術(shù)界和行業(yè)界皆是如此。這加劇了 AI 系統(tǒng)現(xiàn)有的不平等。

報告的第六章介紹了 AI 人才和學(xué)術(shù)界的多樣性統(tǒng)計。鑒于該方面公開的數(shù)據(jù)較少，關(guān)于 AI 多樣性問題對社會及技術(shù)發(fā)展影響程度的統(tǒng)計、分析、評估都會受到限制。從學(xué)術(shù)界和產(chǎn)業(yè)界獲得更多的數(shù)據(jù)，對于衡量該問題的嚴(yán)重程度以及解決問題至關(guān)重要。

近年來，AI 博士畢業(yè)生和計算機科學(xué)終身教授的女性成員比例一直很低。根據(jù)計算機研究協(xié)會 (CRA) 的一項年度調(diào)查，北美 AI 博士項目的女性畢業(yè)生占所有博士畢業(yè)生的平均比例不足 18% 。

 

一項 AI 指數(shù)調(diào)查顯示，在世界各地大學(xué)的計算機系中，女性教師僅占全部終身制教師的 16% 。

 

此外，根據(jù) CRA 的 Taulbee 調(diào)查，2019 年新增的美國居民 AI 博士生中，白人 (非西班牙裔) 所占比例最高（45.6%) ，其次是亞洲人 (22.4%)，非洲裔美國人（非西班牙裔，2.4%）和西班牙裔（3.2%）占比很低。

 

第七章：AI 與國家戰(zhàn)略

未來幾十年，AI 將重塑全球競爭力格局，為早期實踐者帶來強大的經(jīng)濟和戰(zhàn)略優(yōu)勢。報告的第七章介紹了全球 AI 政策制定的概況，對當(dāng)下各國家和地區(qū)的 AI 戰(zhàn)略進行了梳理。此外本章還介紹了美國對 AI 領(lǐng)域的公共投資，以及立法機構(gòu)、中央銀行和非政府組織如何應(yīng)對日益增長的 AI 技術(shù)政策框架需求。

自加拿大 2017 年發(fā)布了全球第一個國家級人工智能戰(zhàn)略以來，截至 2020 年 12 月，已有其他 30 多個國家和地區(qū)發(fā)布了類似文件。中國在 2017 年發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，這是世界上最全面的人工智能發(fā)展戰(zhàn)略之一。

 

2019 年 2 月，白宮發(fā)布《美國人工智能倡議》，將聯(lián)邦政府 AI 研發(fā)的投資需求列為優(yōu)先事項，確保 AI 技術(shù)的安全開發(fā)、測試和部署的技術(shù)標(biāo)準(zhǔn)。該倡議還強調(diào)要培養(yǎng)一支 AI 人才隊伍，并表示將致力于與國際伙伴合作，提升美國在 AI 領(lǐng)域的領(lǐng)導(dǎo)地位。然而，這項倡議缺乏項目時間線細節(jié)，目前尚不清楚是否會有更多致力于 AI 的研究或其他實際內(nèi)容。

政府對 AI 的關(guān)注度依然高漲，美國政府在 AI 的民用和非民用方面投入了數(shù)十億美元。在本屆國會中，AI 的提及量是上一屆的三倍。

 

2019 年和 2020 年的綜合數(shù)據(jù)表明，創(chuàng)新與技術(shù)、國際事務(wù)和國際安全、工業(yè)和監(jiān)管等主題是美國人工智能政策文件的主要關(guān)注點。

AI Index 聯(lián)合主席 Jack Clark 表示：「從數(shù)據(jù)中可以清楚地看到，2020 年人工智能對世界產(chǎn)生的影響更加重要，技術(shù)仍將以飛快的速度向前發(fā)展?！?/p>

「這份報告還向我們強調(diào)，政府需要投入更多的資金來收集有關(guān) AI 的數(shù)據(jù)，研究者需要為新一代 AI 系統(tǒng)開發(fā)更難的測試。各種維度的文獻分析表明，在人工智能發(fā)展方面，美國和中國已經(jīng)成為彼此對等的國家?！?/p>