宏观解读：在AI时代思考AI

技术的单点突破，资本市场的多级繁荣，诸如此类的话题充斥着过去两到三年。然而，在AI时代思考AI，我们需要更宏大的世界观。

去年，斯坦福大学发起了“百年人工智能研究计划”，简称“AI100”，并制定了相关具体的计划——下一个100年中，每五年AI对社会影响的详细报告。最近，AI100下的AI Index项目，以《AI指数-2017年度报告》的形式对外公布。报告以发布AI活跃度指数（AI Vibrancy Index）为核心，整合了学术界和产业界（以美国为主）的各类数据和里程碑事件，系统呈现了AI历史发展脉络，以及今天所取得的成就。

建立AI公众认知、记录AI发展进程，是AI指数报告的价值之一。此外，建立学界、产业界、媒体、政府等多方的连接，开启多方对话，是其更高的立足点。报告中大篇幅呈现了来自学界、产业界意见领袖的观点，让不同的发声汇聚于一体，微观层面包括对于AI度量指标的见解、数据集的解决方案、类人脑智力的进化方向等，宏观层面包括AI对人类的根本性影响、伦理与价值观、AI所承载的更宏伟的使命等。

AI活跃度指数：尚且局限，需全球共创

上图是AI活跃度指数曲线，该曲线呈现了自2000年以来，AI活跃度指数价值的增长倍数，从图中可知，至今为止指数最大值出现于2015年。由于纳入计算的数据以美国为主，所以我们可从曲线得知，美国的人工智能活跃度在2015年达到了顶峰。

该指数主要由三项指标构成：论文出版、学科课程和风险投资（两项学界指标+一项产业指标），如下图所示。

1. 论文出版

下图是从Scopus中搜索到的、打着AI标签的计算机科学相关论文数量的变化曲线。Scopus是全世界最大的摘要和引文数据库，涵盖了15000种科学、技术及医学方面的期刊。从图上可知，1996年至今，每年发布的AI相关论文数量增长了9倍。

下图的三条曲线分别呈现了全领域论文数量、计算机科学领域论文数量、计算机科学中有关AI的论文数量的变化，与1996年的数量对比的增长倍数。从图中可知，计算机科学领域的论文增长6倍的同时，计算机科学中有关AI的论文增长了9倍。

2. 学科课程

下图反映的是1990年（学年）至今，斯坦福大学入学AI和ML（Machine Learning，即机器学习）的学生人数变化。从图上可知，在斯坦福大学入学AI课程的人数，与1996年相比增长了11倍。

在此需要说明两点：

（1）报告选择ML，原因有二。第一，近期ML课程入学人数急剧上升；第二，ML对近期的许多AI成就至关重要；

（2）图中仅呈现了斯坦福大学的数据，主要是由于获取其他院校的相关数据较为受限。

为了弥补这一缺陷，报告横向对比了斯坦福大学、加州大学伯克利分校、佐治亚理工学院、伊利诺伊大学厄巴纳-香槟分校、华盛顿大学五所院校的AI课程入学人数。尽管部分学校的数据不完整，但从下图可见，其他院校的AI课程入学人数变化趋势，与斯坦福大体一致。

 

3. 风险投资

下图反映的是每年进入美国AI相关创业企业的风险投资金额的变化情况。从图中我们可知，美国AI创企吸引的风险投资金额，在2015年达到峰值。具体而言，2016年约34亿美金，与2000年相比增长了6倍。

对于AI活跃度指数的三项构成指标，具有较大的局限性。首先，指标本身的数据具有局限性，例如前文提到的院校数据受限制。其次，要反映AI的活跃度，美国以外地区的数据也要纳入，还有更多的指标应被纳入。另外，以上这些指标的数据相对容易获取，而通过易获取的数据看问题，容易进入“路灯谬误”——只在路灯下寻找钥匙，不是在可能的地方。

解决数据问题最好的方式，就是集众家之所长，一方面可以整合其他AI相关指数，一方面依托于AI100这项非盈利研究项目，采取“共创”的模式，争取更多机构将数据贡献出来。

AI赋能人类，开启创造力新时代

在今天，AI的重点已不再是“复制人类智能”，而是补充和增强人类的能力。IJCAI-16[1] 以“人文意识AI”（Human-Aware Artificial Intelligence）为主题，讨论人工智能与人类合作的诸多好处。AAAI-18[2] 以“人与AI合作”（Human-AI Collaboration）为主题，鼓励各界讨论人工智能如何更好地服务于社区建设。人们寄希望于AI能够承载更宏伟的使命，以解决我们面临的一些巨大挑战：

通过大型无线传感器网络收集、分析和检测海洋、温室气候和植物状况等数据，来了解气候变化，通过数据驱动的决策来改善和治理；

通过监测，合理匹配和改善粮食供求关系，以消除饥饿；使用网络物理传感器预测和应对自然灾害；

通过适应学生进步的MOOC产品来实现教育民主化，并确保每个孩子都能获得所需的技能，从而获得一份好工作，建设自己美好的生活；

·AI甚至可以帮助孩子们把童年的梦想变成现实——钢铁侠不再是一个漫画人物，而成为一种技术的可能性；

进一步，美国第三任首席技术官Megan Smith提出：

AI为解决全球贫困与饥饿问题、维护平等与正义、抵制偏见提供了巨大的机遇。

当以上种种逐步实现之时，正如麻省理工学院电气工程与计算机科学教授Daniela Rus所言：

人工智能和机器人所具有的更高的生产力，将使人类摆脱单调的任务，让我们能够专注于计算机无法实现的创造性工作、社交和高端任务。

无独有偶，斯坦福大学终生教授、Udacity创始人Sebastian Thrun也提出：

当我们许多人停止从事重复的体力劳动时，我们的教育程度将更高，我们变得更有创造力。随着这场新的革命，我预测我们将进入一个前所未有的人类创造力的时代。

但是，AI也会给人们带来负担。据估计，如果自驾出租车成为日常运输的主要方式，九分之一的就业机会将面临危险。为了适应这些变化，我们必须成为终身学习者。我们必须掌握新的技能，学习掌握新的技术。

中美AI双雄格局已定，思想不清的国家将落后

在这份报告中，有许多重要的统计数据主要是针对美国市场，而中国市场的研究价值十分巨大。创新工场董事长兼首席执行官李开复，补充了中国的一些数据：

中国拥有世界上最多的手机和互联网用户，比美国和印度高三倍。在中国，人们使用手机支付货物，比美国人多出50倍。中国的粮食运输量是美国的十倍。有超过2000万的自行车骑行者将GPS和其他传感器信息传输到服务器，每天创建20TB的数据量。

中国政府对技术发展保持开放的态度，使得中国的环境更有利于新技术的快速启动和迭代。 2017年7月，中国国务院公布了“下一代人工智能发展规划”，其目标十分明确：到2030年，中国将成为全球人工智能创新中心。该计划有望推动人工智能成为一个重点行业和省级政府的重点工作。中国国家政策的影响力有多大呢？类比高铁计划和大规模创新创业的政策措施，便可见一斑。我们可以期待中国政府的人工智能政策有类似的轨迹。正如李开复所言：

在这个AI时代，美中双寡头不仅是不可避免的，而且目前已成事实。

人工智能现在已是一个全球现象，AI指数提醒我们每个人，必须超越自己的国界，了解全球的进步。美国和中国享有最大的投资规模和最迅速的产品采用，加拿大和英国也做出了开创性的研究贡献。与此同时，Coursera联合创始人吴恩达提出：

AI政策更为明智的国家将更加迅速地推进AI进程，而那些政策思想不清的国家将面临落后的风险。

此外，来自学界和工业界的专家学者，也围绕AI提出了一些前瞻性的观点：

关于AI的研究在全球多社区开展，我们能够预见将会有很多AI的评估体系涌现。有必要将众多日益全面的指标集中于一体，从而形成追踪和理解人工智能发展的“共同视角”。—— Eric Horvitz，微软研究员，前AAAI主席；

大脑如何产生智能行为？机器如何复制它？这仍然是科学和工程领域的一大深刻的挑战，需要训练有素的研究人才、长期研究和创新来解决。—— Daniela Rus，麻省理工学院电气工程与计算机科学教授

·我认为未来数年内，AI泡沫引发通缩是不可避免的。但我认为有理由期望这是一个温和的通缩，而不是一场大萧条。—— Michael Wooldridge，牛津大学计算机科学系主任，欧洲人工智能协会主席。