技術(shù)進展程度

在2015年，ImageNet視覺識別挑戰(zhàn)賽中的算法模型識別精度已經(jīng)超過人類水平，2017年進一步提升至了97％左右。盡管競賽在2017年已是最后一屆，ImageNet2012開放數(shù)據(jù)集仍在被引用，可以說，ImageNet所構(gòu)建的規(guī)則為研究者提供了標準的研究度量進行比較競爭。

利用ImageNet數(shù)據(jù)集培訓能夠進行高精度圖像分類的大型網(wǎng)絡(luò)在以往需要耗費不少時間。對于擁有足夠資源機進行開發(fā)的參與者而言，培訓網(wǎng)絡(luò)所需的時間已經(jīng)從一年半前的1小時降到了大約4分鐘，速度提升了16倍，算法創(chuàng)新和硬件進步在其中發(fā)揮了重要作用。

其他如COCO（微軟發(fā)布的圖像數(shù)據(jù)庫，用于對象檢測、分割、人體關(guān)鍵點檢測、語義分割和字幕生成等）、Parsing（語法分析）、機器翻譯、機器問答等競賽或應(yīng)用領(lǐng)域在近年來的算法精度也均有不同程度的提高，此處不一一贅述。

其他

專利：從區(qū)域來看，2014年，人工智能專利中有30％便來自美國，其次則是日、韓兩國，各占有16％的比例。

學校開設(shè)課程：AI的火熱也發(fā)生在高校中，學生報名注冊人工智能和機器學習的比例和數(shù)量也隨之增長。在報告的統(tǒng)計的幾所美國頂尖計算機科學高校中，2017年機器學習基礎(chǔ)課程的注冊人數(shù)是2012年水平的5倍，AI課程注冊人數(shù)是2012年的3．4倍。在中國，清華大學的AI及機器學習課程自2010年到2017年更是實現(xiàn)了16倍的增長。

Github星數(shù)：GitHub（知名開源軟件網(wǎng)站）的星數(shù)類似于關(guān)注數(shù)，基本能判定AI編程語言的流行程度。目前TensorFlow（Google）一騎絕塵，其后是Pytorch（Facebook）、mxnet（Amazon）。

ROS安裝：ROS（robot operating system，機器人操作系統(tǒng)）是目前在人工智能領(lǐng)域被廣泛使用的機器人軟件平臺。自2014年， 來自唯一IP地址的ROS安裝包下載次數(shù)實現(xiàn)了567％的增長。從頁面瀏覽量來看，中國增長最為明顯，值得一提的是，百度的自動駕駛平臺Apollo就是基于ROS開發(fā)的。

工業(yè)機器人安裝量：自2012年以來，中國每年的機器人安裝量增長了500％，而韓國和歐洲等其他地區(qū)分別增長了105％和122％。

媒體報道情緒：在包含人工智能一次的媒體文章中，情感表達正面的文章所占比例逐步增多，為30％，負面文章則一直保持低水平。

政府關(guān)注度：通過采集美國、加拿大、英國議會的記錄文本，報告發(fā)現(xiàn)自2016年來政府對人工智能和機器學習的提及次數(shù)大幅增加。

報告最后還列舉了歷年來重要的里程碑式事件、中國及歐美政府在人工智能領(lǐng)域的主要舉措、專家對人工智能目前缺陷所給的建議等內(nèi)容。