斯坦福最新调研：中国在AI期刊论文被引用数、会议论文与专利申请上均排名第一，超过美国

　　作者 | 西西

　　编辑 | 陈彩娴

　　刚刚，斯坦福大学发布了著名的《2022年人工智能报告》（Artificial Intelligence Index Report 2021，以下简称「报告」），迅速在人工智能领域引起传阅。

　　从2017年至今，斯坦福大学 AI Index 每年都会发布一份报告，由于数据详细、调查来源清晰、观点充实等等优点，在总结过去一年的 AI 发展上有着较为权威的发声，一向为读者关注。到今年，由李飞飞领导的 HAI 实验室领导，已是第五版。

　　除了原先的技术趋势分析，今年该报告还增加了对全球机器人的调查，以及25个国家与地区（不包含中国，所以此处不讨论）在 AI 层面的立法活动。

　　更值得注意的是，今年斯坦福的AI指数报告首次大篇幅地讨论了人工智能在现实生活中的落地问题，包括 AI 在经济发展中的角色，以及 AI 在落地推广过程中所引起的潜在伦理问题。

　　报告指出，一方面，外界对 AI 领域的投资比例在上升：与2020年（460亿美元）相比，2021年 AI 投资的资金增长了103%（965亿美元）。同时，AI 出现「物更美、价更廉」的特征，例如，自 2018 年以来，训练图像分类系统的成本降低了 63.6%，而训练效率却了 94.4%。

　　但另一方面，AI 在现实生活中的日益渗透也加剧了社会伦理的危机。因此，接下来，我们也许会看到，越来越多对 AI 的讨论不仅再局限于模型与算法的创新，或连接主义与符号主义孰劣孰优，而是：在人工智能时代全面来临之前，我们应该做好哪些「基建层面」的准备工作？

　　由于报告内容长达200多页，所以AI科技评论仅从中美对比的角度对报告进行了整理：

　　1

　　中美 AI 研究对比

　　根据报告，从研究机构看，全球范围内高校对 AI 研究出版物的贡献比例最高，高达59.58%，而公司仅占 5.21%：

　　单就这一层面，美国的 AI 出版物中，高校比例不断下降，2021年占 57.63%，企业占 9.76%：

　　而中国的 AI 出版物中，高校比例不断上升，占比 60.24%，企业占比虽然也不断上升，但2021年仅占比 3.93%：

　　尽管中美关系紧张，但报告发现，在 2010 年到 2021 年期间，中美合作的AI论文数量在跨国合作论文数量排行中位居榜首，是第二名（中英合作）的2.7倍：

　　报告还对比了中国、欧盟&英国、与美国在过去12年的AI出版物占比，其中中国的数量一直保持第一，占比31.04%，其次是欧盟与英国（19.05%），美国为 13.67%：

　　在 AI 期刊论文的引用数上，中国的占比逐渐上升，2021年排名第一（27.84%），美国的被引用数则为 17.45%：

　　在 AI 会议上，中国的论文发表数量也是排名全球第一，占比 27.6%，而美国为 16.9%，位居第三：

　　尽管出版数量上中国占优势，但报告发现，美国在 AI 会议上的论文被引数最高，占比29.52%，中国则只有15.32%：

　　在AI存储库（如arXiv）出版物上，美国自2011年以来一直保持领先地位，2021年占比 32.52%，但中国也不甘落后，比例一直上升，2021年占比16.6%：

　　在AI存储库出版物的引用数上，美国在2021年也是位居第一，引用率高达 38.6%，而中国为 16.4%：

　　在人工智能专利的申请上，2021年中国申请了全球一半以上的人工智能专利（51.69%），美国则为 16.92%：

　　2

　　中美 AI 市场对比

　　首先，在人才招聘一块，报告显示，中国香港在 AI 人才的招聘增长速度上位于全球第二，较 2016 年增长了 1.56 倍：

　　通过计算 2015 年至 2021 年期间 LinkedIn 用户在给定领域的自我添加技能的频率，报告发现，在AI 技能的渗透率上，印度的平均渗透率最高，其次是美国（2.24），而中国为 1.56，排名全球第四：

　　此外，在 AI 产业的投资上，美国的 AI 公司在获得总体私人投资上位居世界第一，约为 529 亿美元，而中国位居第二，为 172 亿美元，美国是中国的三倍：

　　而在2013年至2021年的私人投资总额上，美国投资总额为 1490 亿美元，中国投资总额为 619 亿美元：

　　值得注意的是，从 2013 年到 2021 年，美国对人工智能公司的私人投资是中国的两倍多，而中国本身是同期英国总投资的六倍左右。按地理区域划分，如图 4.2.6 所示，2020 年至 2021 年美国、中国和欧盟的投资均有所增长，其中美国分别领先中国和欧盟的 3.1 倍和 8.2 倍：

　　从 AI 公司的数量上看，2021 年，美国以 299 家公司领先，其次是中国，有 119 家：

　　在 AI 的采用率上，2021年采用率最高的是高科技/电信的产品和/或服务开发（45%），其次是金融服务的服务运营（40%）， 高科技/电信（34%）和金融服务的风险职能（32%）：

　　而采用的 AI 能力类型上，2021 年，嵌入率最高的是高科技/电信行业的自然语言文本理解（34%），其次是金融服务和汽车和装配行业的机器人流程自动化（33%）和金融服务的自然语言文本理解（32%）：

　　那么，采用人工智能的风险可能有哪些？

　　报告称，55% 的受访者认为 2021 年最突出的 AI 应用风险是网络安全，其次是监管合规性（48%）、可解释性（41%）和个人隐私（41%）：

　　3

　　最后，谈谈 AI 伦理

　　报告还称，「尽管人工智能在全球范围内部署，许多研究人工智能伦理的论文还是集中在英语模型与数据集上」。

　　由于 AI 系统已被部署到世界各地，研究人员开始加大对 AI 与现实交互的关注度，尤其是 AI 落地可能带来的危害，例如带有种族歧视的人脸识别系统、带有性别歧视的简历筛选系统，以及经济收入歧视的 AI 临床工具等。

　　AI 模型在落地过程中展示出来的社会偏见，使研究者们增加了对研究 AI 伦理、公平与偏见的兴趣，并驱使相关从业者积极寻找解救措施。

　　如前所述，该报告还增加了对 AI 伦理的探讨。报告发现：

　　语言模型所展现出的「偏见」问题最明显，且新数据表明：语言模型的规模越大，在训练数据中反映出来的偏见也越普遍。比如，一个2021年开发的 2800 亿参数模型比 2018 年 1.17 亿参数的模型的毒性增加了 29%

　　自 2014 年以来，针对 AI 公平性与透明性的研究呈爆炸式增长，相关出版物增加了五倍，算法公平与偏见的研究逐渐成为主流研究课题，而且工业界在该方向的研究工作发表同比增加了 71%

　　多模态模型也呈现出多种多样的、创纪录的「偏见」，例如，关于 CLIP 的实验表明，黑人图像被错误分类为非人类的比率是其他种族的两倍以上

　　此外，报告指出，虽然全球范围内的研究者都对 AI 公平性、问责性与透明性的研究越发感兴趣，但在相关会议 FAccT 上，大多数的论文都由美国的研究人员撰写。从2020年到2021年，来自北美机构的论文比例从70.2%上升到75.4%：

　　与其他语言的事实检验数据集相比，英语数据集的比例最高，有 142 个，而非英语数据集只有35个（其中中文数据集只有5个）：

　　这一点间接地讽刺了人工智能领域的中文研究者缺少对 AI 伦理的论文发表。换言之：较少中国研究者从事 AI 伦理层面的科研工作。那么，报告的观点是否有失偏颇呢？也许只能评论区见分晓。

　　在 AI 的落地研究上，如何缩小中美差距？谈谈你的看法。