喜乐年华歌曲，技术咨询服务合同，001ttt
描述2021年人工智能指数（The 2021 AI Index）提供了就业、出版物、多样性等方面的见解。
2021年人工智能指数报告长达222页，如果你还没来得及阅读，别担心，我们已经帮你划重点啦。这份由斯坦福人类中心人工智能研究所（Stanford Institute for Human-Centered Artificial Intelligence）编制的海量文件中，充斥着大量的数据和图表，我们挑选出了15份，提供了人工智能当前状态的快照。
感兴趣的读者可以深入到报告中了解更多信息；它包含关于研发、技术性能、经济、人工智能教育、人工智能应用的道德挑战、人工智能的多样性、人工智能政策和国家战略的章节。
1. We’re Living in an AI Summer
人工智能研究正在蓬勃发展：2019年发表了超过12万篇经同行评审的人工智能论文。报告还指出，2000年至2019年间，人工智能论文在所有同行评议论文中的比例从0.8%上升到2019年的3.8%。
2. China Takes Top Citation Honors
中国研究人员发表了最具同行评议的人工智能论文 -- 在2017年率先做到了这一点。今年的消息是，截至2020年，中国研究人员在AI期刊上发表的论文获得的引用比例最大。人工智能指数指导委员会联合主任Jack Clark告诉IEEE Spectrum，“这些数据似乎是中国学术成功的指标，也是不同国家不同人工智能生态系统的反映。”
3. Faster Training = Better AI
这些数据来自MLPerf，这是一种客观地对机器学习系统的性能进行排序的方法。来自不同公司的图像分类器系统在标准ImageNet数据库上进行培训，并根据培训所需的时间进行排名。2018年，用6.2分钟训练出最佳系统；在2020年，只花了47秒。这一非凡的进步是通过采用专门为机器学习设计的加速器芯片实现的。
报告指出了这种加速的影响：“想象一下等待几秒钟系统训练和等待几个小时之间的区别，以及这种区别对研究人员探索的想法的类型和数量意味着什么，以及它们可能有多大的风险。”
4. AI Doesn’t Understand Coffee Drinking
在过去的几年里，人工智能已经非常非常擅长静态图像识别；计算机视觉的下一个前沿是视频。研究人员正在构建一个系统，可以从视频片段中识别各种活动，因为这种类型的识别如果移植到现实世界中（想想自动驾驶汽车、监控摄像头等）可能会非常有用。性能的一个基准是ActivityNet数据集，它包含总共20000个视频的近650个小时的片段。在其中显示的200项日常生活活动中，人工智能系统在2019年和2020年最难识别咖啡饮用活动。不管怎样，这是未来几年需要关注的领域。
5. Language AI Is So Good， It Needs Harder Tests
自然语言处理（natural language processing，NLP）的迅速崛起似乎正跟随计算机视觉的发展轨迹，在过去的十年中，计算机视觉从一个学术子专业发展到广泛的商业应用。如今的NLP也以深度学习为动力，AI Index的Clark说，“它继承了计算机视觉工作的策略，比如对大型数据库进行培训，并针对特定应用进行微调。我们看到这些创新很快就进入了人工智能的另一个领域，”他说。
衡量NLP系统的性能已经变得很棘手：“学者们提出了他们认为没有人能击败的指标，然后一个系统在六个月内出现并击败了它，”Clark说。这张图表显示了两个版本的阅读理解测试的表现，在这个测试中，人工智能语言模型必须根据一段文字回答多项选择题。版本2.0通过包含无法回答的问题使任务变得更加困难，模型必须确定这些问题和回避回答的情况。在第一个版本中，一个模型用了25个月的时间超越了人类的表现，但在更艰巨的任务中，一个模型只用了10个月就击败了人类。
本文地址：http://www.reviewcode.cn/youxikaifa/210347.html 转载请注明出处！
