这是JL和F与您共同迭代的第天。
今天与您分享的内容来自于得到app的付费订阅专栏《科技参考》喜欢的朋友请下载得到app付费订阅学习。欢迎回到《科技参考》，我是卓克。
人工智能行业发展得怎么样了？
每年，斯坦福大学人工智能研究所都会发布一个《AI指数报告》。可以说，这是全行业最有权威性和综合性的报告。
今天的《科技参考》，我就来为你解读年报告的要点。
一、论文方面AI方面的研究，从年到年持续高速增长，相关研究的论文数量平均年增长率是33%。这说明，即便经历了2年多的疫情，AI方面的研究热度也没有任何衰退。
年年间，在人工智能内容方向，中国和美国在论文方面是跨国合作最多的。这一点可能很多人没想到。因为地缘政治紧张，大家很可能以为，从年起，双方合作的论文会减少。
但实际上，合作的论文从年一直增加到年，年才回落到年的数量，接近1万篇，但仍然是排在第一名的。第二名是中国和英国，篇；第三名是美国和英国，篇。
中美合作论文的数量即便在年下降了，也仍然是美英合作数量的3倍。而且，中国和其他国家在AI上的合作也是全球最多的。
AI相关论文发表数量
中美合作的论文数
其他国家合作论文数
不过，今天的学术秩序让我们不能只看论文的数量，还要参考一下引用数。被引用得多，一定程度上也能说明这篇论文的发现更重要。虽然引用数也在被注水，但没有篇数的注水程度那么大，所以还是有参考价值的。
如果统计一下论文的被引用数，中国论文的优势就不会几倍于第二名、第三名了。
在所有人工智能的论文中，年，中国的论文引用数占全部引用的28%，排第一。排第二的是欧盟和英国，是21%；排第三的是美国，17%。
会议出版物
除了论文之外，学术研究还包括会议。统计年会议出版物的数量，最多的是中国，占比28%；排第二的是欧盟和英国，19%；美国占比17%。
对比会议出版物的引用数，美国占30%，欧盟和英国站23%，中国占15%。
会议出版物的引用次数
二、专利方面在专利申请数量方面，我们可以看出：人工智能方面的专利爆发是从年开始的，此后每年都会比上一年增加50%-%。
年比年的专利数量增加了74%，而年比年增加了%。
如果按地区分，年中国的申请数占全球一半以上，52%；美国占17%，欧盟和英国占4%。
不过，申请和授予是两个不同的状态，被授予的专利才更有含金量。这部分，年，美国占比全球40%，欧盟和英国占比8%，中国占比6%。
专利申请数占比
专利授予数占比
如果把三个地区的专利申请数/专利授予数的数字曲线对比着排开看，我们会发现一个很有意思的现象，那就是，中国的比例异乎寻常的高。
专利申请/专利授予
中国平均62个申请中有一个被授予专利，欧盟和英国平均2.7个申请里有一个被授予，美国平均2.1个申请里有一个被授予。20-30倍的数据差异值得我们思考，因为这样的数据反应的是量大质低的专利申请大潮。
三、图像识别性能持续变强第三个趋势是图像识别性能持续变强。这一点对很多人来说觉得没什么，时代在进步，科技在发展，人工智能识别图像的能力在提高。这有什么可惊讶的？
但你只要听过我们之前的芯片系列就会知道，性能的提升代价是极其巨大的。想要把性能提升10倍，靠现在堆算力而不改算法的方式，那要堆上亿倍的算力。
top-5图像分类水平进展
今天，人工智能界普遍使用ImageNet这个标准，来衡量图像识别算法的性能。这个图库里有上千万的图片可供训练，其中主要使用top-1和top-5两个准确度测试。top-5是更加严格的。
人类在top-5的测试中，平均成绩是94.9%的准确率。而今天的人工智能在不使用大规模数据训练的情况下，可以达到97.9%的准确率；使用大规模数据训练的情况下，甚至可以达到99.02%的准确度。
这方面，人工智能已经全面超越了人类。对图像特征的抓取能力超强，也让人工智能生出了对深伪技术的防御力。
我们之前在《｜AI：会带来什么潜在危机？》里介绍过人工智能今后会遇到的几个威胁，深伪（DeepFake）技术就是其中之一。网上现在已经有很多用这类技术伪造的明星动作片，或者政客大放厥词的视频。
实际上，这些都是通过人工智能虚拟出来的。而今天的技术水平已经很高了。只要愿意多花钱，就完全可以做出以假乱真的视频。那怎么办呢？
其实，解决办法也是人工智能，用人工智能识别出深伪技术。
今天使用深伪技术中的Faceforensics做的视频，用几个著名的识别算法，最高已经可以正确识别99.98%的深伪视频，最低也能达到93.25%。矛和盾之战里，现在暂时是防守方全面胜出。
在图像特征抓取中，还有一种应用是预测身体动作的。这个技术最早是用于游戏或者科幻电影里人体动作捕捉的，但现在，已经可以用来监测真实人物几个身体关节的下一个运动方向了。
如果这项技术真的可以实现快速判断，今后如果拿它训练足球守门员，那守门员扑出射门或者点球的成功率会大幅提高。
在这个预测身体动作的专项测试（LeedsSportsPoses）中，年的预测准确率还只是91%，今天已经可以达到99.5%了，提高极为显著。
四、理解能力遇到天花板当然，人工智能领域也并不都是好消息。刚刚和图像分类、识别有关的任务，是它能做的最好的领域。但只要转换到对语义的理解、场景的理解、人物关系的理解上，人工智能的表现就远不如一个10岁的孩子了。
比如说这样一个场景：在餐厅里，两个人坐在一张桌上吃饭，有服务员端着盘子站在旁边，坐在桌子左边的人伸手指向坐在右边的人。
如果让人工智能理解这个场景，让它说说为什么一个人会指另一个人，人工智能是完全应付不了的。但我们都知道，这个人可能是在给服务员提示，这是坐在那边的人点的菜。
因为这个场景实际上已经不是在找图像特征了，而是一种对内容的理解。
再比如，今天人工智能语言处理的程序会出现骂人、冒出种族主义极端言论的问题。微软就为它们推出的机器人Tay注册了推特账号，它会自动回复粉丝的留言。
由于微软的影响力大，大家又对它很好奇，于是这个机器人每天都会接收到大量真实的对话和提问。但就在它上线不到24小时，就变成了一个纳粹同情者、种族大屠杀的支持者。
虽然我们知道，它说什么是严重受到粉丝留言的影响的，而且来留言的人，有些可能就比较极端。但最后，它依然吸收了这些极端言论为自己所用。这也说明，人工智能在处理自然语言时，当前的水平更像是一个接下茬比较厉害的机器人。
这个机器人本身并不理解自己说的话具有什么含义，也许对语言文字里的情感倾向还能有所判断，但对是否符合道德标准，判断起来就不太准确了。
五、资金疯狂涌入，巨头已经形成人工智能领域的投资，自从年以来就在持续快速增长。其中，融资、收购、私人投资是增长最大的。相比年，年收购的规模是上一年度的3.3倍，私人投资是上一年的2.0倍。
在年，仅有4轮融资的总额超过5亿美元。而到了年，有15轮都超过了5亿美元。不过，投资规模虽然大幅增加，但被投资的对象却更少了。
这表明，人工智能领域的巨头已经形成，后来者想超越的难度越来越大。
六、大计算量带来的能耗并没有引起