近年來人工智能L域飛速發展。1998—2018 年，經過同行評審的AI 論文（期刊論文和會議論文）增長了三倍以上。每年發表的AI 論文數量與歐洲持平，并于2006 年超過了美國。2014—2018 年，60％以上的AI 專利引用來自北美地區。2019 年，私人AI 投資超過700 億美元，AI 相關創業投資超過370 億美元，并購規模340 億美元，IPO 規模50 億美元。2010—2018 年，針對AI 初創公司的私人投資以超過48％的年均增長率穩步增長。當前，人工智能已成為北美計算機科學博士生受歡迎的專業。2018 年，超過21％的計算機科學的博士畢業生專注于人工智能/ 機器學習的研究方向，超過60％的AI 博士畢業生進入了產業界。與此同時，人工智能相關的社會倫理問題逐漸引起人們關注，新聞報道涉及的主題主要有人工智能使用的倫理框架和準則、數據隱私、面部識別的使用、算法偏見等。報告認為，人工智能對聯合國所有17 個可持續發展目標均具有適用性，但只能幫助解決169 個細分目標中約一半的目標，因此需要克服一些瓶頸以便更好地發揮AI 的作用。

1. 期刊出版物：Elsevier
據報告顯示，1998—2018 年，AI 出版物在同行評審出版物中的占比不斷提升，AI 論文[1]占論文總數的比例從不足1%增長到3% 左右（在期刊出版物和會議論文中的占比已分別達到3% 和9%，圖1）。歐洲在AI 論文發表數量上曾長期L先（2018年占份額達27%），而的AI 論文數量增長迅速，已于2006 年超過美國，目前與歐洲持平，在的占比從2000 年的10％增長到了2018 年的28％（圖2）。但美國在AI 文獻引用影響方面處于L先地位，歐洲接近平均水平，則進步較快。此外，企業與學術界合作開展AI 研究越來越普遍。

2. arXiv 上的論文[2]
報告指出，2010—2019 年，arXiv 上AI 論文發表量增加了20 倍以上，“計算與語言”（Computation and language）子類的論文提交量增長了近60 倍。自2014 年以來，“ 計算機視覺和模式識別”（Computer Vision and Pattern Recognition）一直是大的子類，2019 年“機器學習”（Machine Learning）則取而代之（圖3）。以深度學習為例，北美發布的論文多，其次是歐洲、亞太地區；按國別則是美國和排在前兩位，其次是英國、德國、澳大利亞、加拿大；按人均論文發表量則是新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡相對較G。

3. 微軟學術圖譜（Microsoft Academic Graph，MAG）
據微軟學術圖譜數據顯示，1990—2008 年，東亞及太平洋地區的AI 學術論文所占份額逐年上升，并于2003 年超過北美地區和歐洲及中亞地區。2018 年已發表的期刊論文中有37％來自東亞及太平洋地區，有24％來自歐洲及中亞地區，而22％來自北美地區（圖4）。2015—2018 年，的AI 論文總發表量多，其次是美國、印度、英國和德國。2014—2018 年，東亞及太平洋地區的AI 期刊論文引用量多，占引用量的32.1％，其次是歐洲及中亞地區和北美地區，分別占31.4％和27.1％（圖5）。

AI 技術專利可以衡量AI 在行業中的活動及其對產品的潛在影響。圖6 顯示了1990—2018 年MAG 在MAG 中的AI 專利份額。超過51％的已發布AI 專利歸于北美，歐洲及中亞地區的份額下降到23％，與東亞及太平洋地區所占份額接近。2015—2018 年，AI 專利發布數量多的是美國，其次是日本、法國、加拿大和德國；超過94％的AI 專利授權來自G收入，4% 來自中G收入。2014—2018 年，AI 專利引用量的60.4％來自北美地區，其次是東亞及太平洋地區和歐洲及中亞地區，分別為22.1% 和14.9%（圖7）。

4. AI 研發中的女性研究人員
報告指出，AI 研究人員的性別多樣性存在國際差異，地理位置和研究L域都會對此產生影響。2000—2018 年，擁有女性作者的AI 論文比例發生了變化，歐洲有所增長，而美國略有下降。許多西歐及阿根廷、加拿大和伊朗在AI 研究中都表現出了相對較G的女性比例。在荷蘭和丹麥，至少有一位女性合著者的AI 論文比例分別在41％和39％以上，葡萄牙、西班牙、法國、比利時、意大利、愛爾蘭、匈牙利、阿根廷、加拿大、伊朗等也有30% 以上，而日本和新加坡則只有10％和16％的AI 論文中有女性作者。
二、AI 會議

1. 參與度

報告顯示，AI 會議的規模和聲望都在提升，參會人數顯著增加。神經信息處理系統大會（Conference and Workshop on Neural Information Processing Systems，NeurIPS）、計算機視覺與模式識別大會（Conference on Computer Vision and Pattern Recognition，CVPR）、國際機器學習大會（International Conference on Machine Learning，ICML）是與會人數多的三個大型AI 會議，2019 年的參會人數分別達到了13500 人、9227 人和6400 人，NeurIPS 和ICML 的規模增長快，均比2012年增長了8倍多，CVPR 也增長了5倍多。小型AI 會議如國際學習表征會議（International Conference on Learning Representations，ICLR），2019年的參會人數已是2014年的15倍以上。
2. 美國人工智能協會論文統計
美國人工智能協會（Association for the Advancement of Artificial Intelligence，AAAI）年會是運行時間較長的AI 會議之一。統計結果顯示，AAAI 的會議論文中，提交和接受的論文多，其次是美國；接受率G的是以色列（24％），其次是德國（23％）、加拿大（22％）、美國（20％）和新加坡（20％）。從論文提交和接受的情況來看，機器學習、自然語言處理和計算機視覺仍是排名前三的主題L域。
3. 多元化組織
機器學習女性協會（Women in Machine Learning，WiML）作為一個支持女性參與機器學習研究和發展的組織，其2018 年研討會的注冊人數已是2014 年的8 倍多。致力于將科技工作者與學生進行對接的AI4ALL（AI for ALL）項目，其參與人數已是2015 年的20 倍。類似組織的發展反映了女性和學生等新的AI 參與群體也在增長。
4. 倫理問題
報告指出，在人工智能、機器學習、機器人相關的會議和期刊論文中，含有“倫理”相關關鍵詞的論文占比雖小，但增長迅速。RightsCon 作為數字時代大型的人權年度峰會之一，自2017 年以來，已就人權與AI 問題的探討有了初步進展，AI 倫理議題的焦點也從算法責任和基于人權的AI 方法擴展到算法偏見和歧視、隱私和數據權以及AI 在治理、選舉、審查、貿易、就業等方面的作用。
三、技術性能

1. 計算機視覺

報告指出，依托特定數據集的建立和一些挑戰賽的舉辦，AI 在圖像分類、圖像生成、語義分割、視頻動態識別、多種數據類型的聯合推理等方面取得了顯著進展。例如，基于大型圖像數據庫ImageNet 的大規模視覺識別挑戰賽的進展表明，基于云架構訓練大型圖像分類系統所需的時間從2017 年10 月的約3 個小時減少到了2019 年7 月的約88 秒（準確度達到93% 以上），圖像分類的訓練成本也大大下降。
2. 語言
報告指出，能夠理解和分析自然語言是至關重要的多用途AI 技術問題。近年來，面向語言的AI 系統研究取得了巨大進步。在通用語言理解評估（General Language Understanding Evaluation，GLUE）測試和超JGLUE（SuperGLUE）測試中，Google、Facebook 發布的模型在通用語言理解上已接近人類基準。斯坦福問答數據集（Stanford Question Answering Dataset，SQuAD2.0）測試結果表明，AI 在自然語言處理方面的進展迅速。此外，艾倫人工智能研究所（Allen Institute for Artificial Intelligence，AI2） 的推理挑戰賽（AI2 Reasoning Challenge，ARC） 和商用機器翻譯（Commercial Machine Translation，CMT）系統的發展表明，AI 在推理、翻譯等方面也有一定進展。
3. 計算能力
2012 年之前，人工智能的發展遵循摩爾定律，計算量每兩年翻一番；2012 年之后，計算量每3.4 個月翻一番（已增長30萬倍）。
4. 人類J表現里程碑
繼2017 年份AI 指數報告列出“人類J表現里程碑”（Human-Level Performance Milestones）清單之后，2019 年的報告對這一清單作了更新[3]，概述了人工智能在人類或超人類J別執行的游戲成就、醫療診斷和其他復雜任務的代表性事件新增了“DeepMind 打造的Alphastar 在《星際爭霸2》中擊敗人類專業玩家”“以專家J的準確性檢測糖尿病視網膜病變（Diabetic Retinopathy，DR）”兩項。
四、經濟

1. 就業
報告指出，人工智能L域的崗位需求無論在發達經濟體還是新興經濟體中都在迅速增長。L英（LinkedIn）的數據顯示，AI 招聘呈現快速增長趨勢。2015—2019 年，新加坡、巴西、澳大利亞、加拿大和印度的AI 招聘數量增長快。美國的AI 崗位需求比例從2012 年的0.3％增長到了2019 年的0.8％，其AI 崗位需求主要集中在機器學習、人工智能、神經網絡、自然語言處理、機器人技術和視覺圖像識別等集群，主要分布于信息技術服務、專業及科技服務、金融和保險、制造業、企業管理等L域。在AI 技能滲透方面，印度、美國、法國、和以色列是滲透率G的五個，而軟件和IT 服務、硬件和網絡、教育、金融和制造業是滲透率G的五個行業。報告還詳細分析了美國各州、大都市區和城市的AI 崗位需求及技能滲透情況。
2. 投資
報告顯示，2019 年，私人AI 投資超過700 億美元，與AI 相關的創業投資超過370 億美元，并購規模34 億美元，次公開發行（IPO）規模50 億美元。美國、歐洲和在私人AI 投資方面所占份額排名靠前，美國一直是AI 資助的L先者和AI 初創企業投資的主導者，以色列、新加坡和冰島的人均投資較為可觀。2018—2019 年，AI 私人投資多的是自動駕駛汽車，為77 億美元（占比9.9%）；增長快的是機器人自動化（超過10 億美元）。針對AI 初創企業的投資穩步增長，從2010 年的13 億美元增長到了2018 年的404 億美元，年均增長超過48％。獲得投資的4403 家AI 初創企業分別來自36 個不同的重點L域，主要包括數據工具、時尚和零售技術、工業自動化、石油和天然氣、金融科技和文本分析。其中，美國有1749 家初創企業共獲得198 億美元投資，有486 家初創企業獲得總計166 億美元投資，歐洲有993 家初創企業共獲得46 億美元投資，印度有139 家初創企業獲得36 億美元投資。人工智能似乎正在轉變為通用技術。
在企業投資方面，2019 年由風險資本驅動的私人投資約占AI 總投資的一半，其余為并購和公開募股。但就交易數量而言，私人投資占92％，并購僅占4％，少數股權和次公開發行共占3％。在公共投資方面，美國聯邦政府2020 財年預計在AI研發上投資49.8 億美元。其中，美國國防部（DoD）預算約40億美元，較大的AI 資助實體是國防部長辦公室（13 億美元）、國防部GJ研究計劃局（DARPA，5.06 億美元）；聯邦民用機構（非國防部）預計將在AI 上投資9.73 億美元，美國科學基金會（NSF）為4.88 億美元。
3. 企業活動
報告指出，企業的AI 應用正在增加，但因行業而異。麥肯錫2019 年的一項研究表明，58％的受訪企業表示至少有一個職能或業務部門利用了AI，30％的受訪者表示AI 已嵌入其多個業務L域，企業有可能出于提升其行業核心價值的目的而利用AI，在各行業中應用多的是機器人流程自動化、計算機視覺和機器學習，且相當一部分受訪企業已針對合規性、網絡安全、個人隱私等風險采取措施。
報告顯示，2018 年，機器人安裝量增長6％，達到422271 臺，價值165 億美元；現有運作的機器人存量約243.95萬臺，增長了15%。需求大的仍是汽車行業（占安裝總數的30％），其次是電氣/ 電子（25％）、金屬和機械（10％）、塑料和化學產品（5％）、食品和飲料（3％）。、日本、美國、韓國和德國的工業機器人安裝量占總安裝量的74%。自2013 年以來，一直是大的工業機器人市場，2018 年安裝量為154032 臺，占總安裝量的36％。
五、教育

1. 在線學習
報告指出，越來越多的AI 教育超出了實體大學的范圍，在線學習在AI 教育和技能培訓中發揮著關鍵作用。大的G等教育在線平臺Coursera 發布的2019 技能指數（Global Skills Index，GSI）報告，詳細分析了60 個和地區10 個行業的商業、技術和數據科學方面的技能狀況，包括AI 技能指數情況[4]。Coursera 的GSI 數據表明，東亞和南亞在AI 及相關技能方面的入學率較G，而一個的技能等J與其人均GDP 和G等教育投資水平等指標相關。優達學城（Udacity）的在線課程注冊數據顯示，深度學習、機器學習、人工智能及計算機系統工程等入門課程都比較熱門。
2. 人才培養
報告顯示，近年來，美國斯坦福大學、伯克利大學、伊利諾伊大學等的人工智能和機器學習等課程注冊學生數均大幅增長，的清華大學和北京大學、加拿大的多倫多大學、澳大利亞的墨爾本大學等知名大學的相應課程也呈現出類似態勢。歐洲的大學AI 教育大都以碩士水平授課，共有197 所大學提供總計406 個AI 專業碩士學位授予點。人工智能已迅速成為北美計算機科學博士生受歡迎的專業，2018 年，超過21％的計算機科學博士畢業生專注于人工智能/ 機器學習的研究。美國和加拿大AI L域的博士畢業生人數持續增長，超過了計劃數的60％；2018 年，有150 多名AI 博士進入了產業L域，即將畢業的AI 博士進入產業界的比例從2004 年的21％增長到了2018年的62％以上。在美國，離開學術界去產業界的AI 教師人數持續增長。
3. 師資多元化
報告指出，在美國，按性別劃分的AI 教職員工多元化并未取得顯著進展。計算機科學終身制教師的總數一直穩步增長，但女性教師在其中的占比基本保持不變（21%），新教師的國際化比例也較小（18%）。2018 年，女性在新教職員工中所占比例不到20％；女性AI 博士學位獲得者的比例自2010 年以來幾乎保持不變，為20％。2010—2018 年，美國的AI 博士學位獲得者中，來自國外的博士數量從不到40％增長到了60％以上，這些畢業生只有18% 進入了學術界。此外，與AI 相關的大學終身教職或終身教授存在前所未有的人才外流現象。
4. 倫理課程
報告指出，隨著AI 的興起，在計算機科學課程中設計并講授倫理規范具有緊迫性。常見的計算機倫理課程設置有兩種方法：①設計d立的倫理課程，即將倫理與計算機及AI 等結合起來的單d課程，如“計算機科學和倫理學”“人工智能和倫理”。②將倫理模塊（或內容）納入核心計算機科學或人工智能課程的全流程。一些大學正在努力將兩者融合。
六、自動系統

1. 自動駕駛汽車

報告指出，目前范圍內至少25 個或地區的城市正在測試自動駕駛汽車（Autonomous Vehicles，AV）原型。加利福尼亞州是美國個制定自動駕駛汽車測試法規的州。自2012 年以來，美國至少有41 個州和哥倫比亞特區考慮了與AV 有關的立法。2015—2018 年，加利福尼亞州測試自動駕駛汽車的企業總數增長了7 倍。2018 年，加利福尼亞州為50 多家企業和500多個AV 提供了測試許可，這些AV 總計行駛了約321.9 萬千米（200 萬英里）。然而，自動駕駛汽車的安全和可靠性是一個大問題。
2. 自主武器
近的一項調查發現，至少有89 個的武器庫中有自動防空系統，63 個部署了不止一種防空系統，而自主保護（Active Protection，AP）系統僅由9 個已知的生產國開發和制造。已知范圍部署的自主武器（Autonomous Weapons，AW）系統數量排名中，美國多，其次是以色列、俄羅斯、法國、、意大利等。
七、公眾認知

1. 銀行

報告顯示，從各國銀行的通訊文件可以看出，世界各地的銀行都對AI 表現出了濃厚的興趣。英格蘭銀行圍繞AI 及區塊鏈和加密貨幣的使用制定了明確的研究議程，美聯儲和日本央行等的銀行也開始圍繞AI 構建正式的研究議程。
2. 政府
報告指出，政府官員越來越重視人工智能。與往年相比，2017—2018 年，各國國會的有關報告及立法中涉及AI 及相關內容的頻次增加了10 倍以上。美國國會的相關筆錄中，2019年是迄今為止AI 提及率G的一年。近年來，加拿大、英國等的國會報告、委員會報告和立法中，與人工智能相關的內容都有顯著增加。
3. 企業
報告顯示，美國3000 家上市公司財報當中，提及AI 收益的比例大幅增加，已從2010 年的0.01％增至2018 年的0.42％。在各行業2018—2019 年季度的財報中，金融業提及AI 的數量多，其次是電子技術、生產商制造、醫療保健技術和技術服務部門。
4. 網絡搜索和新聞報道
報告指出，從美國用戶使用Google 搜索AI 相關關鍵詞的熱度和趨勢來看，2008—2013 年熱的是“云計算”，2013—2016 年熱的是“大數據”，近幾年熱的是“機器學習”，其次是“數據科學”。在范圍的相關新聞報道中，“人工智能”無疑是熱的贏家，其次是“機器學習”、“深度學習”，以及“AI與工作或就業”。
八、社會倫理

1. 倫理挑戰

報告指出，人工智能系統引發了各種道德和倫理挑戰。一些AI 倫理框架文件提到的倫理挑戰主要包括問責制、安全、人類控制、可靠性和安全性、公平性、多元化和包容性、可持續發展、透明度、可解釋性、多方參與、法律與合規、數據隱私。其中，公平性、責任制、可解釋性和透明度等是常被提到的倫理問題。
2. 新聞媒體報道
報告指出，人工智能的新聞報道已越來越多地關注AI使用的倫理問題討論。2018—2019 年確定的3600 多篇有關倫理與人工智能的新聞中，主題主要涉及人工智能使用的倫理框架和準則、數據隱私、面部識別的使用、算法偏見以及大技術角色。2019 年關于AI 倫理的媒體對話主要涉及AI 倫理框架問題。
3. 可持續發展
報告指出，目前的人工智能應用案例對聯合國所有17 個可持續發展目標（Sustainable Development Goals，SDGs）均具有適用性，但只能幫助解決169 個細分目標中約一半的目標。為了使AI 發揮其潛在的作用和影響，需要克服一些特定的瓶頸，如數據本身的可用性、質量和集成等挑戰，計算能力、AI 人才等方面的限制等。
九、戰略和AI 活力

1. 戰略

報告顯示，過去幾年，各國關于AI 的戰略性文件的數量一直在增加，各國紛紛推出并實施新的AI 戰略。在報告搜集的48 份AI 戰略文件中，94％的文件包含“學術伙伴關系”，48％包含AI 研發，超過42％提到AI 治理，而較少有文件提及保護消費者和促進公平。
2. AI 活力
報告總結和介紹了衡量AI 活力（Global AI Vibrancy）的工具、方法及結果[5]。該工具自2015 年起使用，涵蓋28 個或地區，包括研發、經濟、包容性三個一J指標和34 個具體指標，指標數值為0—100，以衡量特定或地區在特定指標下的分布中的相對位置，并可根據使用者的權重偏好進行跨國比較和長期比較。

pdf下載：2019 人工智能指數報告