雷鋒網(wǎng) AI 科技評(píng)論按：美國(guó)斯坦福大學(xué)創(chuàng)立的 AI Index 項(xiàng)目旨在追蹤人工智能的活動(dòng)和進(jìn)展，以可靠、可驗(yàn)證數(shù)據(jù)為基礎(chǔ)，研究人工智能對(duì)人們生活的影響。2018 年度的《AI Index》在 2018 年 12 月 17 日如期發(fā)布，從學(xué)界和業(yè)界的角度對(duì)全球的 AI 生態(tài)進(jìn)行了全盤總結(jié)。

AI Index 最早可追溯至美國(guó)斯坦福大學(xué)一個(gè)名叫「AI100」的項(xiàng)目，其首要目標(biāo)是持續(xù)地去調(diào)查、總結(jié)人工智能未來(lái) 100 年在學(xué)術(shù)研究、經(jīng)濟(jì)、道德倫理、法律等方面的進(jìn)展和對(duì)此的展望，然而遺憾的是，該報(bào)告每五年推出一次，不能及時(shí)跟蹤 AI 的發(fā)展。2016 年，斯坦福大學(xué)計(jì)算機(jī)科學(xué)院教授，前谷歌首席科學(xué)家 Yoav Shoham 決定退出「AI100」的領(lǐng)導(dǎo)小組，并和 Ray、Erik、Jack 和 Kelven 等人開(kāi)始領(lǐng)導(dǎo)、開(kāi)發(fā)一項(xiàng)旨在及時(shí)跟蹤并反映人工智能當(dāng)前發(fā)展的現(xiàn)狀的一個(gè)指標(biāo)體系——AI Index。

第一份報(bào)告《AI Index 2017》于 2017 年 12 月份正式推出，上個(gè)月 17 日，第二份報(bào)告《AI Index 2018》如期發(fā)布。

經(jīng)雷鋒網(wǎng) AI 科技評(píng)論分析，與上一年相比，《AI Index 2018》的分析指標(biāo)更全面細(xì)致，同時(shí)不再只注重于北美地區(qū)的 AI 活動(dòng)分析。具體內(nèi)容方面，有幾個(gè)亮點(diǎn)值得我們關(guān)注：

• 中國(guó)在 2017 年產(chǎn)出全球 25% 的 AI 論文（排名第一的歐洲也才 28%），AI 論文發(fā)表數(shù)量與 2007 年相比，增幅將近 150%，然而論文影響力部分依然存在增長(zhǎng)空間。

• 美國(guó)依然是全球論文引用影響力最高的地區(qū)，美國(guó)學(xué)者的論文引用影響力要比全球平均水平高出 83%。

• 自 2007 年以來(lái)，中國(guó)政府署名 AI 論文經(jīng)歷了 400% 的增長(zhǎng)，而同期中國(guó)企業(yè)署名 AI 論文增長(zhǎng)只有 73%。

• 中國(guó)擁有最高比例的固守類 AI 學(xué)者（76%），其次為歐洲（52%）和美國(guó)（38%）。固守類 AI 學(xué)者即那些未曾在家鄉(xiāng)以外地區(qū)發(fā)表過(guò)論文的活躍研究人員。中國(guó)的非固守類學(xué)者雖然占比較小，然而論文出版率卻高于其他兩個(gè)地區(qū)的非固守類學(xué)者，說(shuō)明中國(guó)的非固守類學(xué)者更有效率。

• 自 2014 年開(kāi)始，計(jì)算機(jī)視覺(jué)與模式識(shí)別一直是 arXiv 上為數(shù)最多的 AI 子類論文。

• 神經(jīng)網(wǎng)絡(luò)論文在 2010 年——2014 年的復(fù)合年增長(zhǎng)率（CAGR）為 3 %，而這個(gè)數(shù)值在 2014 年——2017 年期間則是 37 %。

• 2014 年，30% 的 AI 專利源自美國(guó)，韓國(guó)和日本分別以 16% 排在第二、第三。

由于報(bào)告信息體量較大，雷鋒網(wǎng) AI 科技評(píng)論挑選了其中大部分的學(xué)術(shù)章節(jié)與小部分的業(yè)界章節(jié)進(jìn)行翻譯，其他內(nèi)容可自行查閱：

http://cdn.aiindex.org/2018/AI%20Index%202018%20Annual%20Report.pdf

活動(dòng)體量

【AI 學(xué)術(shù)論文發(fā)表情況】

1）主題

下圖展示不同主題的學(xué)術(shù)論文的年度發(fā)表情況（與 1996 年對(duì)比），報(bào)告將這些主題劃分為：AI 、計(jì)算機(jī)科學(xué)以及所有領(lǐng)域。

數(shù)據(jù)來(lái)源：Scopus

結(jié)果表明：

• 與 1996 年相比，AI 學(xué)術(shù)論文的年度發(fā)表率增加 8 倍，計(jì)算機(jī)科學(xué)學(xué)術(shù)論文則是 6 倍。

• AI 學(xué)術(shù)論文在年度發(fā)表率上持續(xù)超越計(jì)算機(jī)科學(xué)學(xué)術(shù)論文，說(shuō)明如今 AI 學(xué)術(shù)論文的增長(zhǎng)不僅僅是出于學(xué)界對(duì)計(jì)算機(jī)科學(xué)領(lǐng)域的濃厚興趣。

2）地區(qū)

下圖展示不同地區(qū)的 AI 論文的年度發(fā)表情況。

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 歐洲繼續(xù)穩(wěn)坐 AI 論文發(fā)表戶的頭把交椅，在 2017 年產(chǎn)出全球 28% 的 AI 論文。

• 緊隨其后的中國(guó)在 2017 年產(chǎn)出全球 25% 的 AI 論文，AI 論文發(fā)表數(shù)量與 2007 年相比，增幅將近 150%（盡管 2008 年前后曾出現(xiàn)異常波動(dòng)）。

• 排名第三的美國(guó)在 2017 年產(chǎn)出全球 17% 的 AI 論文。

3）子類別

下圖展示不同子類別的 AI 論文的發(fā)表情況。需要強(qiáng)調(diào)的是，這些子類別之間并非排他關(guān)系。

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 機(jī)器學(xué)習(xí)與概率推理論文占到 2017 年論文總數(shù)的 56%，而這個(gè)比例在 2010 年時(shí)只有 28 %。

• 相較 2010 年——2014 年，大部分子類別的論文發(fā)表率在 2014——2017 年期間經(jīng)歷了高速增長(zhǎng)。

• 值得注意的是，神經(jīng)網(wǎng)絡(luò)論文在 2010 年——2014 年的復(fù)合年增長(zhǎng)率（CAGR）為 3 %，而這個(gè)數(shù)值在 2014 年——2017 年期間則是 37 %。

4）arXiv

下圖展示幾個(gè)關(guān)鍵子類別的 AI 論文在 arXiv 上的發(fā)表數(shù)量。右軸是 arXiv 上所有 AI 論文的總和（由灰色虛線進(jìn)行表示）。

數(shù)據(jù)來(lái)源：arXiv

結(jié)果表明：

• arXiv 上的 AI 論文在總體與個(gè)別子類上處于增長(zhǎng)狀態(tài)，說(shuō)明 AI 學(xué)者傾向于對(duì)研究進(jìn)行傳播，無(wú)論該研究是否經(jīng)過(guò)同行評(píng)審或者被學(xué)術(shù)會(huì)議所接收。這也從側(cè)面反映了該領(lǐng)域的競(jìng)爭(zhēng)性。

• 自 2014 年開(kāi)始，計(jì)算機(jī)視覺(jué)與模式識(shí)別一直是 arXiv 上為數(shù)最多的 AI 子類論文，2014 年之前，該子類論文在增長(zhǎng)上還是緊隨人工智能子類和機(jī)器學(xué)習(xí)子類之后。

5）側(cè)重領(lǐng)域

下圖展示美國(guó)、歐洲與中國(guó)的 Relative Activity Index (RAI 指數(shù))——RAI 指數(shù)通過(guò)將具體某個(gè)地區(qū)的 AI 研究活動(dòng)與全球進(jìn)行對(duì)比，從而近似某個(gè)地區(qū)的 AI 研究側(cè)重。

如果指數(shù)是 1，說(shuō)明與全球保持一致，大于 1 意味重視，小于 1 則意味較少被關(guān)注。

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 中國(guó)的 AI 論文更側(cè)重于工程技術(shù)和農(nóng)業(yè)科學(xué)領(lǐng)域，而美國(guó)和歐洲的 AI 論文則傾向于人文科學(xué)和醫(yī)學(xué)健康領(lǐng)域。

• 與 2000 年相比，這三個(gè)地區(qū)的領(lǐng)域 AI 專業(yè)水平在 2017 年都有明顯提升，其中中國(guó)的側(cè)重領(lǐng)域轉(zhuǎn)向了農(nóng)業(yè)科學(xué)。中國(guó)的轉(zhuǎn)變基本符合我們的預(yù)期，因?yàn)樗鞘澜缟献畲蟮氖称飞a(chǎn)國(guó)，同時(shí)傾向于將研究重點(diǎn)放在 AI 應(yīng)用上。

6）署名機(jī)構(gòu)

下圖展示 Scopus 上由政府、企業(yè)和醫(yī)療機(jī)構(gòu)署名的論文總量，涉及中國(guó)、美國(guó)和歐洲 3 個(gè)地區(qū)。此外，我們也展示了企業(yè)署名論文與政府署名論文的增長(zhǎng)情況。

數(shù)據(jù)來(lái)源：Elsevier

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 2017 年，中國(guó)政府署名 AI 論文的產(chǎn)量幾乎是中國(guó)企業(yè)署名論文的 4 倍。自 2007 年以來(lái)，中國(guó)政府署名 AI 論文經(jīng)歷了 400% 的增長(zhǎng)，同期中國(guó)企業(yè)署名 AI 論文的增長(zhǎng)只有 73%。

• 美國(guó)的 AI 論文很大比例都是由企業(yè)產(chǎn)出的，單就 2017 年而言，其企業(yè)署名 AI 論文的比例是中國(guó)的 6.6 倍，歐洲的 4.1 倍。

• 需要強(qiáng)調(diào)的是，三個(gè)地區(qū)的高校署名論文（圖中未顯示）在數(shù)量上都超過(guò)了政府、企業(yè)和醫(yī)療機(jī)構(gòu)。

7）論文引用影響力

下圖展示不同地區(qū) AI 學(xué)者的科研論文影響力（Field Weighted Citation Impact，簡(jiǎn)稱 FWCI）——FWCI 將某地區(qū) AI 學(xué)者的論文引用平均值除以了所有 AI 學(xué)者的論文引用平均值。圖中的 FWCI 被我們重新進(jìn)行調(diào)整，其引用影響力是相對(duì)于世界平均值進(jìn)行展示的。

如果其指數(shù)是 1，說(shuō)明論文的引用影響力與世界平均值保持一致，如果指數(shù)是 0.85，說(shuō)明論文的引用影響力要比世界平均值低 15%。

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 作為全球每年發(fā)布 AI 論文最多的地區(qū)，歐洲 AI 論文的引用影響力維持在相對(duì)平穩(wěn)的水平，基本與全球平均水平相當(dāng)。

• 中國(guó)的論文引用影響力有明顯增長(zhǎng)，中國(guó)學(xué)者在 2016 年的論文引用影響力要比 2000 年高出 44%。

• 美國(guó)依然是全球論文引用影響力最高的地區(qū)，美國(guó)學(xué)者的論文引用影響力要比全球平均水平高出 83%。

8）學(xué)者流動(dòng)性與論文發(fā)表的關(guān)系

下圖展示流動(dòng)性如何對(duì)論文發(fā)表率以及 AI 學(xué)者的論文引用影響力造成影響。

我們主要關(guān)注這 4 種流動(dòng)類型的學(xué)者：固守（Sedentary）、短暫流出（Transitory）、流入遷移（Migratory Inflow）和流出遷移（Migratory Outflow）。固守類學(xué)者是指那些未在家鄉(xiāng)以外地區(qū)發(fā)表過(guò)論文的活躍研究人員；短暫流出類學(xué)者是指那些曾在家鄉(xiāng)以外地區(qū)發(fā)表過(guò)兩年或以下論文的研究人員；遷移類學(xué)者是指那些曾在家鄉(xiāng)以外地區(qū)發(fā)表過(guò)兩年或以上論文的研究人員，至于屬于「流出」還是「流入」，主要取決于圖表的視角。

x 軸展示的是論文相對(duì)發(fā)表率（每個(gè)類別作者的平均出版數(shù)除以該區(qū)域的整體平均出版數(shù)）；y 軸展示的是 FWCI（每個(gè)類別作者的平均論文引用數(shù)除以該區(qū)域的整體平均論文引用數(shù)）。本章節(jié)的分析只考慮 AI 學(xué)者，即寫過(guò)的論文中起碼有 30% 是關(guān)于 AI 的研究人員。學(xué)者的家鄉(xiāng)則取決于他第一篇論文的發(fā)表地區(qū)。

數(shù)據(jù)來(lái)源：Elsevier

結(jié)果表明：

• 無(wú)論是美國(guó)、中國(guó)還是歐洲，固守類學(xué)者的論文發(fā)表率都是最低的。

• 無(wú)論是美國(guó)、中國(guó)還是歐洲，遷移類學(xué)者（包括流入遷移與流出遷移）的論文引用影響力（FWCI）都是最高的。這說(shuō)明經(jīng)常流動(dòng)的學(xué)者往往擁有更多的論文引用，并傾向于頻繁發(fā)表論文。

• 在上述 3 個(gè)地區(qū)當(dāng)中，中國(guó)擁有最高比例的固守類學(xué)者（76%），其次為歐洲（52%）和美國(guó)（38%）。中國(guó)的非固守類學(xué)者雖然占比較小，然而論文出版率卻高于其他兩個(gè)地區(qū)的非固守類學(xué)者，說(shuō)明中國(guó)的非固守類學(xué)者更有效率。

• 流動(dòng)性強(qiáng)的學(xué)者在論文引用數(shù)與論文發(fā)布頻率上都要更高。

9）頂會(huì)論文發(fā)表

下圖展示了 2018 年 AAAI 大會(huì)的論文提交與接收情況（按國(guó)別統(tǒng)計(jì)），大會(huì)于 2018 年 2 月份在美國(guó)路易斯安那州新奧爾良市舉行。

數(shù)據(jù)來(lái)源：AAAI

結(jié)果表明：

• 70% 的提交論文來(lái)自中國(guó)和美國(guó)，中國(guó)以 1242 篇排名第一。

• 就接收論文數(shù)量方面，中國(guó)與美國(guó)相差無(wú)幾，分別為 265 篇（接收率 21%）和 268 篇（接收率 29%）。

• 德國(guó)與意大利的論文接收率最高，達(dá)到了 41%，然而兩者提交的論文數(shù)量較少。

10）高校 AI 課程報(bào)讀情況

下圖展示了美國(guó)地區(qū)以外幾所計(jì)算機(jī)學(xué)科處于領(lǐng)先地位的大學(xué)，它們的 AI + ML 相關(guān)課程的注冊(cè)情況。第一張圖展示這些院校在 2010 年——2017 年的課程注冊(cè)增長(zhǎng)情況，第二張圖則展示的是 2016 年——2018 年的課程注冊(cè)增長(zhǎng)情況。關(guān)于院校的選擇標(biāo)準(zhǔn)、實(shí)際入學(xué)人數(shù)及完整高校名稱可參閱報(bào)告中的「附錄」。

數(shù)據(jù)來(lái)源：高校數(shù)據(jù)

結(jié)果表明：

• 中國(guó)清華大學(xué)的 AI + ML 課程在 2017 年的報(bào)讀人數(shù)是 2010 年的 16 倍。

• 在研究中我們發(fā)現(xiàn)，報(bào)讀人數(shù)的增長(zhǎng)并未受到地理位置的特別影響，而是跟院校本身的關(guān)系更大一些。我們會(huì)在未來(lái)的報(bào)告中持續(xù)完善這一假設(shè)。

11）大型頂會(huì)參會(huì)情況

下圖分別展示了大型頂會(huì)的出席人數(shù)以及對(duì)比 2012 年的增長(zhǎng)情況。這里的「大型」指的是那些 2017 年出席人數(shù)超過(guò) 2000 人的頂會(huì)。

數(shù)據(jù)來(lái)源：頂會(huì)數(shù)據(jù)

結(jié)果表明：

• NeurIPS (原 NIPS )、 CVPR 和 ICML 作為出席率最高的 AI 頂會(huì)，它們的出席增長(zhǎng)率（自 2012 年以來(lái)）同樣也是最高的，當(dāng)中又以 NeurIPS 和 ICML 的增長(zhǎng)速度最快，分別達(dá)到 2012 年的 4.8 倍 & 6.8 倍，說(shuō)明 ML 作為 AI 子領(lǐng)域持續(xù)受到大家的密切關(guān)注。

• 與此同時(shí)，專注符號(hào)推理（symbolic reasoning）的大型頂會(huì)的增長(zhǎng)率相對(duì)較小。

12）小型頂會(huì)參會(huì)情況

下圖分別展示了小型頂會(huì)的出席人數(shù)以及相比 2012 年的增長(zhǎng)情況。這里的「小型」指的是那些 2017 年出席人數(shù)少于 2000 人的頂會(huì)。

數(shù)據(jù)來(lái)源：頂會(huì)數(shù)據(jù)

結(jié)果表明：

• ICLR 2018 的出席人數(shù)對(duì)比 2012 年增長(zhǎng)了 20 倍，我們認(rèn)為這一增長(zhǎng)可能與近年大家更加關(guān)注深度與強(qiáng)化學(xué)習(xí)有關(guān)。

【AI 業(yè)界應(yīng)用情況】

1）AI 初創(chuàng)企業(yè)融資情況

下圖展示了在特定年份中獲得風(fēng)險(xiǎn)投資支持的美國(guó)初創(chuàng)企業(yè)數(shù)量。藍(lán)線（左軸）顯示的是 AI 領(lǐng)域的初創(chuàng)企業(yè)，灰線（右軸）則顯示的是綜合領(lǐng)域的初創(chuàng)企業(yè)（含 AI 初創(chuàng)公司）。這些數(shù)據(jù)是逐年積累的。

數(shù)據(jù)來(lái)源：Sand Hill Econometrics

結(jié)果表明：

• 2015 年 1 月—2018 年 1 月，活躍的 AI 初創(chuàng)企業(yè)增加了 2.1 倍，綜合領(lǐng)域的初創(chuàng)企業(yè)則是增加了 1.3 倍。

• 在多數(shù)情況下，綜合領(lǐng)域的初創(chuàng)企業(yè)都保持相對(duì)穩(wěn)定的增長(zhǎng)速度，而 AI 初創(chuàng)企業(yè)則是呈指數(shù)級(jí)的增長(zhǎng)。

2）AI 初創(chuàng)企業(yè)融資情況

下圖展示了風(fēng)險(xiǎn)投資向不同階段美國(guó)初創(chuàng)企業(yè)提供的的年度融資金額。藍(lán)線（左軸）顯示的是 AI 初創(chuàng)企業(yè)的融資金額，灰線（右軸）則顯示的是綜合初創(chuàng)企業(yè)（含 AI 初創(chuàng)公司）的融資金額。這些數(shù)據(jù)是年度總結(jié)而非逐年累積的。

數(shù)據(jù)來(lái)源：Sand Hill Econometrics

結(jié)果表明：

• 從 2013 到 2017 年，AI 初創(chuàng)企業(yè)的融資金額增加了 4.5 倍，綜合初創(chuàng)企業(yè)則增加了 2.08 倍。

• 1997 年—2000 年的爆發(fā)性增長(zhǎng)可用互聯(lián)網(wǎng)泡沫（dot-com bubble）來(lái)進(jìn)行解釋。

•  2014 年與 2015 年小幅度爆發(fā)增長(zhǎng)反映了當(dāng)時(shí)的經(jīng)濟(jì)繁榮增長(zhǎng)。

3）崗位所需 AI 技能

下圖分別展示了 AI 型崗位的歷年缺口及增長(zhǎng)情況。需要注意的是，這些崗位所需的 AI 技能之間并非排他關(guān)系。

數(shù)據(jù)來(lái)源：Monster.com

結(jié)果表明：

• 機(jī)器學(xué)習(xí)是這些崗位中需求量最大 AI 技能。

• 深度學(xué)習(xí)的需求在 2015 年—2017 年經(jīng)歷高速增長(zhǎng)，相關(guān)崗位數(shù)量增加了 35 倍。

4）AI 專利

下圖展示了不同區(qū)域 AI 專利的增長(zhǎng)情況。這些 AI 專利通過(guò) IPC 專利碼進(jìn)行匯總，主要集中在認(rèn)知與意義理解（Cognition and meaning understanding）和人機(jī)交互領(lǐng)域。按時(shí)間追蹤專利發(fā)布情況是一項(xiàng)富有挑戰(zhàn)性的事情，關(guān)于指標(biāo)的注釋和差異說(shuō)明，請(qǐng)參閱報(bào)告的「附錄」。

數(shù)據(jù)來(lái)源：amplified

結(jié)果表明：

• 2014 年，30% 的 AI 專利源自美國(guó)，韓國(guó)和日本分別以 16% 排在第二、第三。

• 韓國(guó)和中國(guó)臺(tái)灣在 2014 年的增長(zhǎng)幅度最大，比 2004 年增加了將近 5 倍。

5）AI 在企業(yè)中的使用情況（按地區(qū)）

下圖展示的是麥肯錫公司針對(duì) 2135 名企業(yè)雇員的調(diào)查結(jié)果，可以反映 AI 技能在企業(yè)業(yè)務(wù)中的使用情況，涉及地區(qū)包括北美洲、發(fā)展中國(guó)家（含中國(guó)）、歐洲、亞太地區(qū)、印度、中東與北非和拉丁美洲，

數(shù)據(jù)來(lái)源：麥肯錫公司

結(jié)果表明：

• 雖然部分地區(qū)出現(xiàn)更加倚重某個(gè) AI 技能的情況，然而大體而言，不同地區(qū)在 AI 技能的采用上是相對(duì)均衡的。我們將持續(xù)跟蹤這一結(jié)果隨著時(shí)間的變化情況。

6）Github 星標(biāo)數(shù)量

下圖展示了不同 AI 和 ML 軟件包在 GitHub 上的星標(biāo)數(shù)量，從中可以初步判斷不同 AI 編程框架的流行程度。

數(shù)據(jù)來(lái)源：Github

結(jié)果表明：

• 幾個(gè)由主要企業(yè)開(kāi)源的編程框架日益流行，它們分別為谷歌的 Tensorflow、Facebook 的 Pytorch 以及亞馬遜的 mxnet，當(dāng)中又以 TensorFlow 的普及程度最為明顯。

衍生測(cè)量指標(biāo)

本章節(jié)試圖分析前邊提及的趨勢(shì)之間的關(guān)系。

學(xué)界-業(yè)界動(dòng)態(tài)分析（Academia-Industry Dynamics）

為了探索 AI 分別在學(xué)界和業(yè)界的趨勢(shì)之間的關(guān)系，我們首先從前邊內(nèi)容中選取了一些有代表性的測(cè)量指標(biāo)，尤其是 Scopus 上的 AI 論文發(fā)表情況、美國(guó)多所大學(xué)的入門級(jí) AI 課程注冊(cè)情況，以及 AI 初創(chuàng)公司的融資情況。

由于這些指標(biāo)無(wú)法直接進(jìn)行對(duì)比，為了能夠更好分析趨勢(shì)之間的關(guān)系，我們從 2010 年起開(kāi)始對(duì)每個(gè)指標(biāo)進(jìn)行標(biāo)準(zhǔn)化，以確保顯示的是增長(zhǎng)情況，而非絕對(duì)數(shù)字。

數(shù)據(jù)來(lái)源：Sand Hill Econometrics、Scopus 以及大學(xué)數(shù)據(jù)

AI 活躍指數(shù)（The AI Vibrancy Index）

該指數(shù)將論文發(fā)表、課程注冊(cè)以及風(fēng)險(xiǎn)投資 3 個(gè)學(xué)術(shù)-業(yè)界指標(biāo)匯總成一個(gè)衡量標(biāo)準(zhǔn)，以量化 AI 作為獨(dú)立領(lǐng)域活躍程度。和學(xué)界-業(yè)界動(dòng)態(tài)分析（Academia-Industry Dynamics）一樣，AI 活躍指數(shù)（The AI Vibrancy Index）在 2010 年是進(jìn)行了統(tǒng)一標(biāo)準(zhǔn)化。

數(shù)據(jù)來(lái)源：Sand Hill Econometrics、Scopus 以及大學(xué)數(shù)據(jù)

AI 活躍指數(shù)在很大程度上由風(fēng)險(xiǎn)投資推動(dòng)，這是因?yàn)橄鄬?duì)其他兩個(gè)指標(biāo)，風(fēng)險(xiǎn)投資的增長(zhǎng)幅度最大。不過(guò)三個(gè)指標(biāo)的權(quán)重是相等的。我們鼓勵(lì)讀者們自行下載我們的數(shù)據(jù)，并對(duì)指標(biāo)和權(quán)重進(jìn)行調(diào)整，進(jìn)而創(chuàng)建出一個(gè)最符合個(gè)人需求的 AI 活躍指數(shù)。

via http://cdn.aiindex.org

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。