2022AI指數(shù)報告：AI“造臉”真假難辨

常莽

近日，斯坦福大學(xué)發(fā)布了《人工智能指數(shù)2022》（Artificial Intelligence Index Report 2022）報告，這是斯坦福大學(xué)連續(xù)第5年發(fā)布該類型的報告，該報告旨在成為世界上最可信、最權(quán)威的AI數(shù)據(jù)和洞察來源。2022年的報告分為5個章節(jié)，包括最新的研究進(jìn)展、技術(shù)、AI倫理、投資與教育和AI政策。

研發(fā)是推動AI快速發(fā)展的不可或缺的力量。每年學(xué)術(shù)界、工業(yè)界、政府和間組織通過量論、期刊章、人工智能會議等為AI研發(fā)做出貢獻(xiàn)。2010 - 2021年，人工智能出版物的總數(shù)翻了一番，從2010年的162 444篇增長到2021年的334 497篇。

其中，2021年這些出版物的51.5 %是期刊章，21.5 %是會議論，17.0 %來自存儲庫。細(xì)分領(lǐng)域方面，自2015年以來，模式識別和機(jī)器學(xué)習(xí)方的出版物增加了倍多。其他受深度學(xué)習(xí)影響較的領(lǐng)域，如計算機(jī)視覺、數(shù)據(jù)挖掘和自然語言處理，增幅較小。

按論文來源的部門來分，教育機(jī)構(gòu)仍是AI研究的主力，而美國和歐盟的公司參與研發(fā)的程度也很高。值得一提的是，中國是唯一一個教育比重不斷上升的國家。而且，迄今為止，過去12年中美國和中國之間的合作數(shù)量最多，自2010年以來增加了5倍。其次是英國與美國和中國之間的合作，增加了自2010年以來增長了3倍多。2021年，美國和中國之間的合作數(shù)量是英國和中國之間的2.7倍。

按地區(qū)來看，2021年，東亞和太平洋地區(qū)以42.9 %的AI期刊出版物發(fā)文量領(lǐng)先，其次是歐洲和中亞（22.7 %）和北美（15.6 %）。此外，南亞、中東和北非的增最為顯著，在過去12年中，它們的AI期刊出版物數(shù)量分別增長了約12倍和7倍。

按地理區(qū)域來分，中國保持領(lǐng)先地位，2021年為31.0 %，其次是歐盟和英國，為19.1 %，美國為13.7 %。

在論文的被引次數(shù)上，中國的份額逐漸增加，歐盟以及英國和美國的被引次數(shù)減少，這3個地理區(qū)域的總引量占全球總引量的66 %以上。

在專利方面，2021年提交的專利數(shù)量是2015年的30倍以上，復(fù)合年增率為76.9 %。中國的專利數(shù)已經(jīng)占了世界半，并獲得約6 %的授權(quán)。

AI開源軟件庫方面，TensorFlow仍最受歡迎的，GitHub累計星數(shù)約為161 000，2020年略有增加，遠(yuǎn)高于排名第二的OpenCV。

在今年的報告中技術(shù)性能這章節(jié)對AI各個領(lǐng)域的技術(shù)進(jìn)步進(jìn)了以往更多的分析，包括計算機(jī)視覺、語、強(qiáng)化學(xué)習(xí)等技術(shù)的趨勢。

計算機(jī)視覺

圖像分類：圖像分類是指機(jī)器對圖像中看到的內(nèi)容進(jìn)行分類的能力。過去年圖像識別系統(tǒng)技術(shù)取得了巨大的進(jìn)步，特別是研究人員已經(jīng)采了更多的機(jī)器學(xué)習(xí)技術(shù)。截2021年底，頂級圖像分類系統(tǒng)在Top-1準(zhǔn)確度上每10次分類嘗試平均產(chǎn)1個錯誤，相比之下，2012年底每10次嘗試平均4次錯誤。2021年，最頂級的預(yù)訓(xùn)練系統(tǒng)是CoAtNets，由歌研究員制作。

圖像生成：圖像成是成與真實(shí)圖像法區(qū)分的圖像的任務(wù)。如下圖所示，2021年，AI已經(jīng)可以合成非常難以區(qū)分的人臉照片。

深度偽造檢測：許多人工智能系統(tǒng)現(xiàn)在可以合成與真實(shí)圖像算法區(qū)分的假圖像，例如通過換臉來實(shí)現(xiàn)所謂的“深度偽造”。近幾年，研究人員一直試圖通過制作更強(qiáng)大的深度偽造檢測算法來跟上偽造步伐。FaceForensics++是一個深度偽造檢測基準(zhǔn)測試。2012年，最強(qiáng)的AI技術(shù)可以在4個Face Forenics++數(shù)據(jù)集中正確識別69.9 %的深度偽造。2021年，該數(shù)字增加到97.7 %。

醫(yī)學(xué)圖像分割：醫(yī)學(xué)圖像分割是指AI系統(tǒng)在醫(yī)學(xué)圖像中分割感興趣對象（例如器官、病變或腫瘤）的能力。目前，AI能夠在CVC-ClinicDB數(shù)據(jù)集上以94.2 %的正確率識別結(jié)腸鏡檢查息，相比2015年提升了11.9個百分點(diǎn)。

人臉檢測：雖然目前的一些面部識別算法的成功率接近100 %，但因?yàn)橐咔榈挠绊?，戴口罩面部識別成為了AI技術(shù)新的挑戰(zhàn)。2021年，北京郵電學(xué)的研究員發(fā)布了6 000張蒙臉的臉識別數(shù)據(jù)集，以應(yīng)對規(guī)模戴罩帶來的新識別挑戰(zhàn)。研究人員在各種面部識別數(shù)據(jù)集上運(yùn)了系列現(xiàn)有的最先進(jìn)的檢測算法，結(jié)果表明，與未蒙相，頂級法在蒙孔上的表現(xiàn)要差5～16個百分點(diǎn)。

語言理解

目前的英文語言理解用的最新基準(zhǔn)測試為SuperGLUE，于2019年5月發(fā)布。在測試中，AI系統(tǒng)在8種不同的任務(wù)上進(jìn)行測試。截至目前最先進(jìn)的系統(tǒng)為SS-MoE模型，在Super GLUE上的得分為91.0，已經(jīng)超過了人類。

在另一項斯坦福問答數(shù)據(jù)集（SQuAD）中，AI最新得分為95.7和93.2，也超過了人類的表現(xiàn)。

但是，對于需要邏輯推理的問題上AI貌似仍力不從心。在由新加坡國立大學(xué)科學(xué)家創(chuàng)建的數(shù)據(jù)集ReClor中，困難問題的最好表現(xiàn)只有69.3 %的準(zhǔn)確率。

自然語言推理方面，目前斯坦福然語推理（SNLI）數(shù)據(jù)集表現(xiàn)最好的模型是FacebookAIUSA的EFL，其在2021年4月的得分為93.1%。

強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)的測試標(biāo)準(zhǔn)是2013年推出的Arcade Learning Environment（Atari-57），2019年末，DeepMind的MuZero算法在Atari-57上實(shí)現(xiàn)了最先進(jìn)的性能。到了2021年，來自清華大學(xué)和字節(jié)跳動的研究人員開發(fā)出了GDI-H3模型，該模型在Atari上的性能超過了MuZero -57的近1倍。

機(jī)器人

調(diào)查結(jié)果顯示在過去7年中，機(jī)器人手臂的價格有明顯的下降趨勢。2017年，價格中位數(shù)機(jī)器人手臂的價格是42 000美元。從那時起，價格已經(jīng)下降了46.2 %，致達(dá)到了2021年的22 600美元。并且，現(xiàn)在機(jī)器人相關(guān)的AI技術(shù)的普及率也出現(xiàn)了大幅提升。

工作

新西蘭的人工智能招聘增漲最快———2021年是2016年的2.42倍，其次是中國香港（1.56）、愛爾蘭（1.28）、盧森堡（1.26）和瑞典（1.24）。此外，2020 - 2021年，許多國家或地區(qū)的AI招聘增漲率有所下降

在2021年所有職位發(fā)布中，人工智能職位發(fā)布的份額最高的是機(jī)器學(xué)習(xí)技能（占所有職位發(fā)布的0.6 %），其次是人工智能（0.33 %）、神經(jīng)網(wǎng)絡(luò)（0.16 %）和自然語言處理（0.13 %）。

美國信息部的所有職位發(fā)布中有3.30 %與AI相關(guān)，其次是科學(xué)和技術(shù)服務(wù)（占所有列表的2.59 %）、制造（2.02 %）和金融和保險（1.81 %）。

AI的滲透率方面，印度在智能技能滲透率方面領(lǐng)先世界是全球平均水平的3.09倍，緊隨其后的是美國（2.24）和德國（1.7）。之后是中國（1.56）、以列（1.52）和加拿（1.41）。

投資

目前，私人投資仍是AI投融資的主流，其次是并購、公開發(fā)行和少數(shù)股權(quán)。2021年，全球?qū)θ斯ぶ悄艿乃饺送顿Y總額約為935億美元，是2020年私投資總額的2倍多。

在披露融資額的公司中，與2020年相比，2021年1億美元～5億美元的AI融資輪數(shù)增加了多倍，5 000萬美元1億美元的融資輪數(shù)也增加了很多。

2021年，美國在獲得資助的AI公司的總體私人投資居世界首位，約為529億美元，是排名第2的國家中國（172億美元）。排在第三位的是英國（46.5億美元），其次是以色列（24億美元）和德國（19.8億美元）。

2021年，美國有299家新投資的AI公司，其次是中國，有119家，英國有49家，以色列有28家。

行業(yè)領(lǐng)域方面，2021年人工智能領(lǐng)域最多的私人投資是數(shù)據(jù)管理、處理和云（約122億美元）。在過去5年中，醫(yī)療和保健類別獲得了全球最多的私人投資（289億美元）；其次是數(shù)據(jù)管理、處理和云計算（269億美元）；金融科技（249億美元）；和零售（219.5億美元）。

教育

在北美，多數(shù)與智能相關(guān)的課程都是作為本科階段CS課程的1部分。2010- 2020年，北美博士機(jī)構(gòu)的新CS本科畢業(yè)生數(shù)量增加了3.5倍。2020年，超過31 000名本科生完成了計算機(jī)科學(xué)學(xué)位，2019年增加了11.60 %。并且，2020年每5名CS學(xué)生中就有1名獲得了AI / ML博士學(xué)位。

2016～2021年，總共有25個國家通過了55項與人工智能相關(guān)的法案，其中美國以13項法案占據(jù)榜首，其次是俄羅斯、比利時、西班牙和英國。2021年頒布的法律數(shù)量上，西班牙、英國和美國領(lǐng)先，各超過3項。

美國2015年只有一項聯(lián)邦法案與人工智能相關(guān)，2021年提升到了130項。

在2021財年（FY），國防美國政府機(jī)構(gòu)共為AI研發(fā)支出分配了15.3億美元，約為2018財年支出的2.7倍。預(yù)計2022財年這一數(shù)字將增至8.8%，申請總額為16.7億美元。

而美國國防部2021年在500個人工智能研發(fā)項目中撥款92.6億美元，比2020年的86.8億美元增加6.68%。國防部在人工智能上的支出也是最多的，2021年，它在與人工智能相關(guān)的合同上花費(fèi)了11.4億美元。

總體來看，雖然2021年是個多事之秋，但人工智能的發(fā)展仍然一路高歌猛進(jìn)，私人投資大幅增加、新技術(shù)不斷突破都給這個行業(yè)的發(fā)展打了強(qiáng)心劑。尤其值得欣慰的是，在中美國家關(guān)系日趨復(fù)雜的現(xiàn)在，AI行業(yè)的中美合作仍很緊密，這是人類科學(xué)技術(shù)在沖突與斗爭大環(huán)境下的一絲慰藉。