The 2019 AI Index Report (BN)

From Systems analysis Wiki
Jump to navigation Jump to search

AI Index Report 2019 — AI Index-এর দ্বিতীয় পূর্ণাঙ্গ বার্ষিক সংস্করণ, যা স্ট্যানফোর্ড ইনস্টিটিউট ফর হিউম্যান-সেন্টার্ড আর্টিফিশিয়াল ইন্টেলিজেন্স (Stanford HAI) কর্তৃক প্রস্তুত করা হয়েছে[1]। ২০১৯ সালের রিপোর্টটি ২০১৮ সালের সংস্করণের তুলনায় তিনগুণ বেশি dataset ট্র্যাক করে এবং নয়টি বিষয়ভিত্তিক অধ্যায় অন্তর্ভুক্ত করে: গবেষণা ও উন্নয়ন থেকে শুরু করে জাতীয় কৌশল এবং AI-এর বৈশ্বিক গতিশীলতা পর্যন্ত। এই সংস্করণে কৃত্রিম বুদ্ধিমত্তার সকল দিক — প্রযুক্তিগত অর্জন, অর্থনীতি, শিক্ষা, জনসাধারণের উপলব্ধি ও সামাজিক প্রভাব — সম্পর্কে হালনাগাদ তথ্য রয়েছে এবং দুটি নতুন ইন্টারঅ্যাক্টিভ টুল উপস্থাপন করা হয়েছে: Global AI Vibrancy Tool (vibrancy.aiindex.org), যা ৩৪টি সূচক অনুযায়ী দেশগুলির তুলনা করতে সক্ষম করে, এবং AI Index arXiv Monitor (arxiv.aiindex.org), যা AI বিষয়ক preprint-এ পূর্ণপাঠ্য অনুসন্ধানের সুবিধা দেয়। AI Index হলো Stanford HAI ইনস্টিটিউটের অধীনে একটি স্বাধীন উদ্যোগ, যা 'AI-এর শতবর্ষী গবেষণা' (AI100) প্রকল্পের অংশ হিসেবে পরিকল্পিত হয়েছিল[1]।

প্রেক্ষাপট ও উদ্দেশ্য

AI Index-এর লক্ষ্য হলো নীতিনির্ধারক, গবেষক, নির্বাহী, সাংবাদিক ও সাধারণ জনগণের জন্য কৃত্রিম বুদ্ধিমত্তার বিকাশ সম্পর্কে বস্তুনিষ্ঠ ও সুযাচাই করা তথ্য সরবরাহ করা[1]। সরকার, কর্পোরেশন ও সমাজের পক্ষ থেকে AI-এর প্রতি দ্রুত বর্ধমান আগ্রহের মুহূর্তে ২০১৯ সালের রিপোর্টটি প্রকাশিত হয়েছিল এবং এটি প্রচলিত মিথ দূর করার চেষ্টা করেছিল — বিশেষত এই ধারণা যে AI-এর বিকাশ কেবল মার্কিন যুক্তরাষ্ট্র ও চীনের মধ্যে প্রতিযোগিতায় সীমাবদ্ধ। রিপোর্টের তথ্য দেখায় যে AI-এ স্থানীয় উৎকর্ষ কেন্দ্রগুলি সারা বিশ্বে গড়ে উঠছে: ফিনল্যান্ড AI শিক্ষায় বিশেষভাবে উল্লেখযোগ্য, ভারত AI-দক্ষতার উচ্চ প্রসারে এগিয়ে, সিঙ্গাপুর সুসংগঠিত সরকারি সহায়তার অধিকারী, আর ইসরায়েল মাথাপিছু AI স্টার্টআপে বেসরকারি বিনিয়োগে শীর্ষে[1]।

রিপোর্টের কাঠামো

২০১৯ সালের রিপোর্টে নয়টি বিষয়ভিত্তিক অধ্যায় রয়েছে[1]:

  1. গবেষণা ও উন্নয়ন (Research and Development) — গ্রন্থপঞ্জিসংক্রান্ত তথ্য, প্রকাশনা, পেটেন্ট, AI গবেষণায় লিঙ্গ বৈচিত্র্য।
  2. সম্মেলন (Conferences) — অংশগ্রহণকারীর সংখ্যা, AAAI প্রবন্ধের পরিসংখ্যান, বৈচিত্র্য সংগঠন, সম্মেলনে নীতিশাস্ত্র।
  3. প্রযুক্তিগত কর্মক্ষমতা (Technical Performance) — কম্পিউটার ভিশন, ভাষা প্রক্রিয়াকরণ, যুক্তি-তর্ক ও গণনা শক্তির benchmark।
  4. অর্থনীতি (The Economy) — কর্মসংস্থান, বিনিয়োগ, কর্পোরেট প্রয়োগ, রোবোটিক্স।
  5. শিক্ষা (Education) — অনলাইন শিক্ষা, বিশ্ববিদ্যালয়ের কোর্স, PhD বিশেষায়ন, শিক্ষকদের শিল্পে চলে যাওয়া।
  6. স্বায়ত্তশাসিত সিস্টেম (Autonomous Systems) — চালকবিহীন গাড়ি, স্বায়ত্তশাসিত অস্ত্র।
  7. জনসাধারণের উপলব্ধি (Public Perception) — কেন্দ্রীয় ব্যাংক, সংসদ, কর্পোরেট রিপোর্ট, গণমাধ্যম।
  8. সামাজিক দিকসমূহ (Societal Considerations) — নৈতিক নীতিমালা, AI ও জাতিসংঘের টেকসই উন্নয়ন।
  9. জাতীয় কৌশল ও বৈশ্বিক AI গতিশীলতা (National Strategies and Global AI Vibrancy) — জাতীয় কৌশল, দেশ তুলনার টুল।

রিপোর্টের মূল উপসংহার

১. প্রকাশনার পরিমাণে বৃদ্ধি

১৯৯৮ থেকে ২০১৮ সালের মধ্যে AI বিষয়ক পিয়ার-রিভিউড প্রকাশনার পরিমাণ ৩০০%-এরও বেশি বৃদ্ধি পেয়েছে। ২০১৮ সালের মধ্যে Scopus ডেটাবেজে AI প্রবন্ধগুলি জার্নাল প্রকাশনার ৩% এবং সম্মেলন প্রবন্ধের ৯% গঠন করেছে[2]। চীন ২০১৮ সালে AI-এ জার্নাল ও সম্মেলন প্রকাশনার সংখ্যায় ইউরোপের সমকক্ষ হয়েছে, ২০০৬ সালেই মার্কিন যুক্তরাষ্ট্রকে ছাড়িয়ে গিয়েছিল। তবে মার্কিন প্রকাশনার উদ্ধৃতি সূচক (FWCI) চীনের তুলনায় এখনও প্রায় ৫০% বেশি[1]।

২. সম্মেলনে রেকর্ড অংশগ্রহণ

প্রধান AI সম্মেলনগুলিতে অংশগ্রহণকারীর সংখ্যা উল্লেখযোগ্যভাবে বাড়তে থাকে। NeurIPS সম্মেলন ২০১৯ সালে ১৩,৫০০ অংশগ্রহণকারী প্রত্যাশা করেছিল — ২০১৮ সালের তুলনায় ৪১% এবং ২০১২ সালের তুলনায় ৮০০%-এরও বেশি বৃদ্ধি। AAAI ও CVPR সম্মেলনে প্রতি বছর প্রায় ৩০% অংশগ্রহণকারী বৃদ্ধি পেয়েছে[1]।

৩. দ্রুত প্রযুক্তিগত অগ্রগতি

ক্লাউড অবকাঠামোয় ইমেজ শ্রেণিবিন্যাস মডেল প্রশিক্ষণের সময় ২০১৭ সালের অক্টোবরের প্রায় তিন ঘণ্টা থেকে ২০১৯ সালের জুলাইয়ে প্রায় ৮৮ সেকেন্ডে নেমে এসেছে; প্রশিক্ষণ ব্যয়ও একইভাবে হ্রাস পেয়েছে। SuperGLUE ও SQuAD 2.0 benchmark-এ অগ্রগতি বিশেষভাবে দ্রুত ছিল, তবে যুক্তি-তর্ক প্রয়োজনীয় কাজে (যেমন AI2 Reasoning Challenge) এবং ধারণা-স্তরের শিক্ষার কাজে (Omniglot Challenge) ফলাফল কম ছিল[3][1]।

৪. গণনা শক্তির দ্রুত বৃদ্ধি

২০১২ সালের আগে AI-এর গণনা শক্তির বৃদ্ধি Moore's Law অনুসরণ করত — প্রতি দুই বছরে দ্বিগুণ। ২০১২ সালের পরে গণনা শক্তি প্রতি ৩.৪ মাসে দ্বিগুণ হয়েছে, যার ফলে ছয় বছরে ৩০০,০০০-এরও বেশি গুণ বৃদ্ধি পেয়েছে[4]।

৫. AI খাতে নিয়োগে বৈশ্বিক বৃদ্ধি

সিঙ্গাপুর, ব্রাজিল, অস্ট্রেলিয়া, কানাডা ও ভারত ২০১৫-২০১৯ সময়কালে AI নিয়োগে সবচেয়ে দ্রুত বৃদ্ধি দেখিয়েছে। মার্কিন যুক্তরাষ্ট্রে AI-সম্পর্কিত শূন্যপদের অনুপাত ২০১০ সালে মোট শূন্যপদের ০.২৬% থেকে ২০১৯ সালের অক্টোবরে ১.৩২%-এ বৃদ্ধি পেয়েছে, এবং Machine Learning বিশেষজ্ঞদের (০.৫১%) চাহিদা সর্বোচ্চ ছিল[5][6]।

৬. বেসরকারি বিনিয়োগ $৭০ বিলিয়ন ছাড়িয়েছে

২০১৯ সালে AI-তে বৈশ্বিক বেসরকারি বিনিয়োগ ৭০ বিলিয়ন ডলার ছাড়িয়েছে, যার মধ্যে স্টার্টআপে ৩৭ বিলিয়নেরও বেশি, M&A চুক্তিতে ৩৪ বিলিয়ন, IPO-তে প্রায় ৫ বিলিয়ন এবং সংখ্যালঘু অংশীদারিত্বে প্রায় ২ বিলিয়ন রয়েছে। ২০১০ থেকে ২০১৮ সালের মধ্যে AI স্টার্টআপ অর্থায়ন ১.৩ বিলিয়ন থেকে ৪০.৪ বিলিয়ন ডলারে বৃদ্ধি পেয়েছে, গড় বার্ষিক প্রবৃদ্ধি ৪৮%-এর বেশি। স্বায়ত্তশাসিত যানবাহন সর্বোচ্চ বিনিয়োগ পেয়েছে ($৭.৭ বিলিয়ন), এরপর ফার্মাসিউটিক্যালস ও ক্যান্সার থেরাপি ($৪.৭ বিলিয়ন) এবং মুখ শনাক্তকরণ ($৪.৭ বিলিয়ন)[7]।

৭. ব্যবসায় AI-এর ক্রমবর্ধমান প্রয়োগ

McKinsey & Company-এর জরিপ (২,৩৬০ উত্তরদাতা) অনুযায়ী, ২০১৯ সালে ৫৮% বড় কোম্পানি কমপক্ষে একটি ফাংশন বা ব্যবসায়িক ইউনিটে AI ব্যবহার করেছে, যা ২০১৮ সালে ছিল ৪৭%। তবে মাত্র ১৯% সংগঠন অ্যালগরিদমের ব্যাখ্যাযোগ্যতা সম্পর্কিত ঝুঁকি কমাতে এবং মাত্র ১৩% পক্ষপাত ও বৈষম্য মোকাবেলায় পদক্ষেপ নিয়েছে[8]।

৮. AI — PhD-এর সবচেয়ে জনপ্রিয় বিশেষায়ন

উত্তর আমেরিকায় কম্পিউটার বিজ্ঞানের PhD শিক্ষার্থীদের মধ্যে AI সবচেয়ে জনপ্রিয় বিশেষায়নে পরিণত হয়েছে: ২০১৮ সালে কম্পিউটিং বিজ্ঞানে ২১%-এরও বেশি PhD স্নাতক AI ও Machine Learning-এ বিশেষায়িত ছিলেন। AI-তে PhD স্নাতকদের মধ্যে শিল্পে যোগ দেওয়ার হার ২০০৪ সালের ২১% থেকে ২০১৮ সালে ৬০%-এরও বেশিতে বৃদ্ধি পেয়েছে[9]।

৯. একাডেমিয়া থেকে AI শিক্ষকদের প্রস্থান

শিল্পে AI শিক্ষকদের যাওয়ার গতি ত্বরান্বিত হয়েছে: ২০১৮ সালে ৪০-এরও বেশি প্রস্থান ঘটেছে, যা ২০১২ সালে ছিল ১৫ এবং ২০০৪ সালে শূন্য। সর্বাধিক ক্ষতিগ্রস্ত হয়েছে কার্নেগি মেলন বিশ্ববিদ্যালয়, ওয়াশিংটন বিশ্ববিদ্যালয় এবং ক্যালিফোর্নিয়া বিশ্ববিদ্যালয়, বার্কলি[10]।

১০. AI নীতিশাস্ত্রে মনোযোগ বৃদ্ধি

নৈতিক AI নীতিমালার ৫৯টি দলিলে সবচেয়ে ঘন ঘন উল্লিখিত নৈতিক চ্যালেঞ্জ হিসেবে ন্যায্যতা, ব্যাখ্যাযোগ্যতা ও স্বচ্ছতা চিহ্নিত হয়েছে। ৩,৬০০-এরও বেশি বৈশ্বিক সংবাদ নিবন্ধে (২০১৮ মধ্য থেকে ২০১৯ মধ্য) AI নীতিশাস্ত্র সংক্রান্ত প্রধান বিষয়গুলি ছিল নৈতিক ব্যবহারের কাঠামো ও নির্দেশিকা (৩২%), ডেটা গোপনীয়তা (১৪%), মুখ শনাক্তকরণ (১৩%), অ্যালগরিদমিক পক্ষপাত (১১%) এবং বড় প্রযুক্তি কোম্পানির ভূমিকা (১১%)[11]।

অধ্যায় ১. গবেষণা ও উন্নয়ন

এই অধ্যায়টি Elsevier Scopus, arXiv preprint, Microsoft Academic Graph (MAG)-এর তথ্য, পেটেন্ট কার্যক্রম, GitHub-এ সফটওয়্যার framework-এর জনপ্রিয়তা এবং AI গবেষকদের মধ্যে লিঙ্গ বৈচিত্র্যের প্রবণতা বিশ্লেষণ করে[1]।

প্রকাশনা

ইউরোপ AI প্রবন্ধের সর্ববৃহৎ প্রকাশক হিসেবে রয়ে গেছে, ২০১৮ সালে Scopus-এ ২৭%-এরও বেশি প্রকাশনায় পৌঁছেছে। চীনের অংশ ২০০০ সালে ১০% থেকে ২০১৮ সালে ২৮%-এ বৃদ্ধি পেয়েছে। মার্কিন যুক্তরাষ্ট্রে কর্পোরেট প্রকাশনার অনুপাত তুলনামূলকভাবে বেশি: ২০১৮ সালে মার্কিন কর্পোরেট AI প্রবন্ধের সংখ্যা চীনের সাতগুণেরও বেশি ছিল[2]।

arXiv-এ ২০১০-২০১৯ সময়কালে AI প্রবন্ধের মোট সংখ্যা বিশগুণেরও বেশি বৃদ্ধি পেয়েছে। কম্পিউটার ভিশন (CV) ২০১৪ সাল থেকে সর্ববৃহৎ উপবিভাগ ছিল, তবে ২০১৯ সালে Machine Learning শীর্ষস্থানীয় বিভাগে পরিণত হয়েছে। 'Computation & Language' উপবিভাগ ২০১০ সাল থেকে প্রায় ষাটগুণ বৃদ্ধি পেয়েছে[12]।

উদ্ধৃতি

AI জার্নাল প্রবন্ধের ৩২%-এরও বেশি বৈশ্বিক উদ্ধৃতি পূর্ব এশিয়া থেকে এসেছে এবং সম্মেলন প্রবন্ধের ৪০%-এরও বেশি উদ্ধৃতি উত্তর আমেরিকা থেকে এসেছে। পেটেন্ট ক্ষেত্রে উত্তর আমেরিকা ২০১৪-২০১৮ সময়কালে AI পেটেন্টের বৈশ্বিক উদ্ধৃতি কার্যক্রমের ৬০%-এরও বেশি অর্জন করেছে[13]।

পেটেন্ট

বিশ্বের ৫১%-এরও বেশি AI পেটেন্ট উত্তর আমেরিকার। মার্কিন যুক্তরাষ্ট্র পরবর্তী দেশ জাপানের তুলনায় তিনগুণ বেশি AI পেটেন্ট প্রকাশ করেছে। ৯৪%-এরও বেশি AI পেটেন্ট উচ্চ আয়ের দেশগুলিতে দাখিল করা হয়েছে[13]।

GitHub Stars

উল্লেখযোগ্য প্রবণতা হিসেবে কর্পোরেট-সমর্থিত framework-এর আধিপত্য দেখা গেছে: TensorFlow (Google) ও PyTorch (Facebook)। অ-কর্পোরেট framework — scikit-learn ও Caffe — বাড়তে থাকলেও ধীর গতিতে[1]।

গবেষণায় লিঙ্গ বৈচিত্র্য

নেদারল্যান্ডসের ৪১%-এরও বেশি এবং ডেনমার্কের ৩৯%-এরও বেশি AI প্রবন্ধে কমপক্ষে একজন নারী সহ-লেখক ছিলেন। জাপান ও সিঙ্গাপুরে এই হার ছিল মাত্র ১০% ও ১৬%। পশ্চিম ইউরোপের অনেক দেশ, আর্জেন্টিনা, কানাডা ও ইরান AI গবেষণায় নারীর তুলনামূলকভাবে উচ্চ উপস্থিতি দেখিয়েছে[14]।

অধ্যায় ২. সম্মেলন

অংশগ্রহণকারীর সংখ্যা

NeurIPS ২০১৯ সালে ১৩,৫০০ অংশগ্রহণকারী প্রত্যাশা করেছিল (২০১২ সাল থেকে ৮০০% বৃদ্ধি)। ICLR ২০১৪ সালের তুলনায় ১৫ গুণ বৃদ্ধি পেয়েছে। Women in Machine Learning (WiML) কর্মশালা ২০১৪ সালের তুলনায় ৭৩৮% এবং AI4ALL প্রোগ্রাম ২০১৫ সালের তুলনায় ২,০০০% বৃদ্ধি পেয়েছে[1]।

AAAI পরিসংখ্যান

AAAI ২০১৯ সম্মেলনে চীন সর্বোচ্চ সংখ্যক জমা ও গৃহীত প্রবন্ধ উপস্থাপন করেছে। ৬৮%-এরও বেশি আবেদন PhD শিক্ষার্থীদের কাছ থেকে এসেছে। ইসরায়েলের গ্রহণযোগ্যতার হার সর্বোচ্চ ছিল (২৪%), এরপর জার্মানি (২৩%), কানাডা (২২%), মার্কিন যুক্তরাষ্ট্র ও সিঙ্গাপুর (উভয় ২০%)। Machine Learning, NLP ও কম্পিউটার ভিশন শীর্ষ তিনটি বিষয় হিসেবে রয়ে গেছে[1]।

সম্মেলনে নীতিশাস্ত্র

প্রধান AI সম্মেলনগুলিতে নীতিশাস্ত্র-সম্পর্কিত কীওয়ার্ডসহ প্রবন্ধের মোট সংখ্যা মোট প্রবন্ধের একটি ছোট অংশ হিসেবে রয়ে গেলেও দ্রুত বৃদ্ধি পাচ্ছিল। বিশ্লেষণে ১১০,১০৮টি প্রবন্ধ অন্তর্ভুক্ত ছিল, যার মধ্যে ৫৯,৩৫২টি সম্মেলন এবং ৫০,৭৫৬টি জার্নাল প্রবন্ধ[15]।

অধ্যায় ৩. প্রযুক্তিগত কর্মক্ষমতা

এই অধ্যায়টি কম্পিউটার ভিশন, প্রাকৃতিক ভাষা প্রক্রিয়াকরণ, যুক্তি-তর্ক, মেশিন অনুবাদ ও গণনা শক্তির কাজে প্রযুক্তিগত অগ্রগতি ট্র্যাক করে[1]।

কম্পিউটার ভিশন

ImageNet. ImageNet-এ মানবিক নির্ভুলতা অতিক্রমকারী প্রথম পদ্ধতিটি ২০১৫ সালে প্রকাশিত হয়েছিল। ২০১৯ সালের মধ্যে অগ্রগতি অব্যাহত ছিল: তিনটি সবচেয়ে সফল পদ্ধতি প্রশিক্ষণের জন্য অতিরিক্ত ডেটা ব্যবহার করেছিল। ImageNet প্রতিযোগিতা ২০১৭ সালে বন্ধ হয়ে গেলেও dataset-টি একটি মূল benchmark হিসেবে রয়ে গেছে[16]।

প্রশিক্ষণের সময় ও ব্যয়। DAWNBench প্রকল্পের (Stanford) তথ্য অনুযায়ী, ক্লাউড অবকাঠামোয় ইমেজ শ্রেণিবিন্যাস মডেলকে ৯৩%+ (top-5) নির্ভুলতায় প্রশিক্ষণ দেওয়ার সময় ৩ ঘণ্টারও বেশি (অক্টোবর ২০১৭) থেকে ~৮৮ সেকেন্ডে (জুলাই ২০১৯) নেমে এসেছে। প্রশিক্ষণ ব্যয় $২,৩২৩ (অক্টোবর ২০১৭, ResNet) থেকে ~$১২-তে (সেপ্টেম্বর ২০১৮, GCP-তে Cloud TPU-সহ ResNet) হ্রাস পেয়েছে[3]।

ছবি তৈরি। ছবি তৈরিতে (CIFAR-10) অগ্রগতি FID (Fréchet Inception Distance) মেট্রিক দিয়ে পরিমাপ করা হয়েছিল: কম স্কোর ভালো তৈরির মানের সাথে সম্পর্কিত[1]।

সেমান্টিক সেগমেন্টেশন। অগ্রগতি Cityscapes dataset-এ mean IoU মেট্রিক দিয়ে পরিমাপ করা হয়েছিল — স্বয়ংচালিত সিস্টেমের জন্য একটি গুরুত্বপূর্ণ কাজ[1]।

প্রাকৃতিক ভাষা প্রক্রিয়াকরণ

GLUE. ২০১৮ সালের মে মাসে প্রকাশিত General Language Understanding Evaluation benchmark নয়টি পাঠ্য প্রক্রিয়াকরণ কাজে সিস্টেম পরীক্ষা করে। benchmark-টি প্রকাশিত হওয়ার সবে এক বছরেরও বেশি সময় পরে, ২০১৯ সালের জুনে সিস্টেমের ফলাফল অ-বিশেষজ্ঞ মূল্যায়নকারীর স্তর অতিক্রম করেছে। RoBERTa (Facebook) ও T5 (Google) মডেল স্কোর উন্নত করতে থাকে[17]।

SuperGLUE. ২০১৯ সালের মে মাসে চালু হওয়া আরও কঠিন benchmark। চালুর পাঁচ মাসের মধ্যে T5 (Google) মডেল মানবিক বেসলাইন ৮৯.৮-এর কাছাকাছি ৮৮.৯ স্কোর করে[18]।

SQuAD. Stanford Question Answering Dataset benchmark-এ SQuAD 1.1-এর F1 স্কোর ৬৭ (আগস্ট ২০১৬) থেকে ৯৫-এ (মে ২০১৯) বৃদ্ধি পেয়েছে। SQuAD 2.0-এ অগ্রগতি আরও দ্রুত ছিল: ৬২ (মে ২০১৮) থেকে ৯০-এ (জুন ২০১৯)। SQuAD 1.0-এ F1 ≥ ৭৫ অর্জনে প্রশ্নোত্তর মডেল প্রশিক্ষণের সময় ৭ ঘণ্টারও বেশি (অক্টোবর ২০১৭) থেকে ১৯ মিনিটেরও কম (মার্চ ২০১৯)-এ নেমে এসেছে[19]।

যুক্তি-তর্ক। ARC Challenge Set (Allen Institute for AI)-এ সর্বোত্তম ফলাফল ছিল ৬৭.৭% (সেপ্টেম্বর ২০১৯)। ARC-Easy-তে ৮৫.৪%। যুক্তি-তর্কের প্রয়োজনীয় কাজগুলি AI সিস্টেমের জন্য উল্লেখযোগ্যভাবে বেশি কঠিন ছিল[20]।

মেশিন অনুবাদ

পূর্ব-প্রশিক্ষিত মডেলসহ বাণিজ্যিকভাবে উপলব্ধ মেশিন অনুবাদ সিস্টেমের সংখ্যা ৮ (২০১৭) থেকে ২৪-এরও বেশিতে (২০১৯) বৃদ্ধি পেয়েছে। চীনা-ইংরেজি, ইংরেজি-জার্মান এবং রুশ-ইংরেজি জোড়ায় মানের সবচেয়ে বেশি অগ্রগতি পরিলক্ষিত হয়েছে[21]।

Omniglot Challenge

তিন বছরে one-shot শ্রেণিবিন্যাসে উল্লেখযোগ্য অগ্রগতি দেখা গেছে, তবে ধারণা শিক্ষার অন্যান্য চারটি কাজে (উদাহরণ তৈরি, পার্সিং, নতুন ধারণা তৈরি) অগ্রগতি সীমিত ছিল। Bayesian Program Learning (BPL) মূল কাজে এখনও Neural Network পদ্ধতিকে ছাড়িয়ে ছিল[22]।

গণনা শক্তি

OpenAI-এর বিশ্লেষণে একটি কাঠামোগত বিভাজন দেখা গেছে: ২০১২ সালের আগে AI-এর গণনা শক্তি প্রতি দুই বছরে দ্বিগুণ হতো (Moore's Law); ২০১২ সালের পরে প্রতি ৩.৪ মাসে দ্বিগুণ হয়েছে। ২০১২ সাল থেকে এই সূচক ৩০০,০০০-এরও বেশি গুণ বৃদ্ধি পেয়েছে[4]।

মানব-স্তরের মাইলফলক

রিপোর্টটি AI-এর অর্জনের কালপঞ্জি হালনাগাদ করেছে, পূর্বে নথিভুক্ত মাইলফলকগুলিতে (Othello — ১৯৮০, চেকার্স — ১৯৯৫, দাবা — ১৯৯৭, Jeopardy! — ২০১১, Atari — ২০১৫, ImageNet — ২০১৬, Go — ২০১৬, পোকার — ২০১৭, Ms. Pac-Man — ২০১৭, StarCraft II — ২০১৯) দুটি নতুন ফলাফল যুক্ত করেছে:

বছর অর্জন
2018 AlphaFold (DeepMind) — অভূতপূর্ব নির্ভুলতায় প্রোটিনের ত্রিমাত্রিক গঠন পূর্বানুমান
2019 AlphaStar (DeepMind) — StarCraft II-তে শীর্ষ পেশাদারের বিরুদ্ধে জয়
2019 বিশেষজ্ঞ-স্তরের নির্ভুলতায় ডায়াবেটিক রেটিনোপ্যাথি শনাক্তকরণ

অধ্যায় ৪. অর্থনীতি

কর্মসংস্থান ও নিয়োগ

AI নিয়োগ সূচক (LinkedIn) দেখিয়েছে যে সিঙ্গাপুর, ব্রাজিল, অস্ট্রেলিয়া, কানাডা ও ভারত ২০১৫-২০১৯ সময়কালে নিয়োগ বৃদ্ধির হারে এগিয়ে ছিল। মার্কিন যুক্তরাষ্ট্রে ওয়াশিংটন রাজ্যে AI শূন্যপদের আপেক্ষিক চাহিদা সর্বাধিক ছিল (মোট শূন্যপদের প্রায় ১.৪%), এরপর ক্যালিফোর্নিয়া (১.৩%) ও ম্যাসাচুসেটস (১.৩%)। নিখুঁত সংখ্যায় ক্যালিফোর্নিয়া ৯৩,০০০-এরও বেশি AI শূন্যপদ নিয়ে এগিয়ে[5]।

AI-দক্ষতার সর্বোচ্চ প্রসার IT পরিষেবা খাতে (শূন্যপদের ২.৩%), পেশাদার ও বৈজ্ঞানিক পরিষেবায় (২%-এরও বেশি), অর্থ ও বীমায় (১.৩%) এবং উৎপাদন শিল্পে (১.১%) দেখা গেছে[6]।

LinkedIn-এর তথ্য অনুযায়ী, ভারত বৈশ্বিক গড়ের ২.৬ গুণ AI-দক্ষতার প্রসার দেখিয়েছে। লিঙ্গভিত্তিক দৃষ্টিকোণে একটি আকর্ষণীয় চিত্র দেখা গেছে: নমুনার সকল দেশে পুরুষরা মহিলাদের তুলনায় বেশি পেশায় AI-দক্ষতার কথা জানিয়েছে[6]।

বিনিয়োগ

AI স্টার্টআপ অর্থায়ন ৪৮%-এরও বেশি গড় বার্ষিক হারে বেড়েছে (২০১০-২০১৮)। ২০১৯ সালের নভেম্বর পর্যন্ত বিনিয়োগের পরিমাণ ছিল $৩৭.৪ বিলিয়ন (পুরো ২০১৮ সালে $৪০.৪ বিলিয়নের তুলনায়)। ২০১৪ থেকে ২০১৯ সালের মধ্যে গড়ে প্রায় $৮.৬ মিলিয়ন আকারের ১৫,৭৯৮টি বিনিয়োগ সম্পন্ন হয়েছে[7]।

মাথাপিছু AI বিনিয়োগে ইসরায়েল সর্বোচ্চ, এরপর সিঙ্গাপুর ও আইসল্যান্ড। চীনা স্টার্টআপগুলি কোম্পানি প্রতি উল্লেখযোগ্যভাবে বেশি বিনিয়োগ পেয়েছে: $৩৪.১ মিলিয়ন — মার্কিন যুক্তরাষ্ট্রের তুলনায় ২০১% এবং বৈশ্বিক গড়ের তুলনায় ২৯৬% বেশি[7]।

খাতওয়ারি সর্বোচ্চ বিনিয়োগ গেছে স্বায়ত্তশাসিত যানবাহনে ($৭.৭ বিলিয়ন, মোট পরিমাণের ৯.৯%), ফার্মাসিউটিক্যালস ও ক্যান্সার থেরাপিতে ($৪.৭ বিলিয়ন), মুখ শনাক্তকরণে ($৪.৭ বিলিয়ন), ভিডিও কনটেন্টে ($৩.৬ বিলিয়ন) ও জালিয়াতি শনাক্তকরণে ($৩.১ বিলিয়ন)। সবচেয়ে দ্রুতবর্ধমান ক্ষেত্রগুলি ছিল রোবোটিক প্রক্রিয়া স্বয়ংক্রিয়করণ, সরবরাহ শৃঙ্খল ব্যবস্থাপনা ও শিল্প স্বয়ংক্রিয়করণ[7]।

সরকারি বিনিয়োগ (মার্কিন যুক্তরাষ্ট্র)

মার্কিন ফেডারেল সরকার ২০২০ অর্থবছরে AI গবেষণায় $৪.৯৮ বিলিয়ন বিনিয়োগের পরিকল্পনা করেছিল। প্রতিরক্ষা মন্ত্রণালয় (DoD) — $৪.০ বিলিয়ন, যার মধ্যে DARPA-র মাধ্যমে $৫০৬ মিলিয়ন, Maven প্রকল্পে $২২১ মিলিয়ন ও Joint AI Center (JAIC)-এ $২০৯ মিলিয়ন। ফেডারেল সংস্থাগুলির AI চুক্তির ব্যয় ~৭০% বৃদ্ধি পেয়েছে: ২০১৭ সালের $৪২৯ মিলিয়ন থেকে ২০১৮ সালে $৭২৮ মিলিয়নে[23]।

কর্পোরেট প্রয়োগ

৫৮% বড় কোম্পানি কমপক্ষে একটি ফাংশনে AI ব্যবহারের কথা জানিয়েছে (২০১৮ সালের ৪৭% থেকে বৃদ্ধি)। ৩০% উত্তরদাতা একাধিক বিভাগে AI প্রয়োগের কথা জানিয়েছে (২০১৮ সালে ২১%)। সবচেয়ে বেশি প্রয়োগ হওয়া AI সক্ষমতা: রোবোটিক প্রক্রিয়া স্বয়ংক্রিয়করণ, কম্পিউটার ভিশন ও Machine Learning। সাইবার নিরাপত্তা ছিল সেই ঝুঁকি যা সংগঠনগুলি সবচেয়ে বেশি সামলেছে (৪৮%), যেখানে ব্যাখ্যাযোগ্যতার ঝুঁকি (১৯%) ও ন্যায্যতার ঝুঁকি (১৩%) অনেক কম সম্বোধিত হয়েছে[8]।

শিল্প রোবোটিক্স

২০১৮ সালে বৈশ্বিক শিল্প রোবট স্থাপনা ৬% বৃদ্ধি পেয়ে ৪,২২,২৭১ ইউনিটে পৌঁছেছে, মূল্য $১৬.৫ বিলিয়ন। রোবটের কার্যকর বহর ছিল ২৪,৩৯,৫৪৩ ইউনিট। পাঁচটি বৃহত্তম বাজার — চীন, জাপান, মার্কিন যুক্তরাষ্ট্র, দক্ষিণ কোরিয়া ও জার্মানি — বৈশ্বিক স্থাপনার ৭৪% অর্জন করেছে। চীন বৈশ্বিক নেতা হিসেবে রয়ে গেছে (৩৬%), ১,৫৪,০৩২ ইউনিট স্থাপন করে[24]।

অধ্যায় ৫. শিক্ষা

অনলাইন শিক্ষা

৪৫ মিলিয়নেরও বেশি শিক্ষার্থীকে সেবা দেওয়া এবং ৩,৭০০+ কোর্স অফার করা Coursera ৬০টি দেশের AI-দক্ষতা র‌্যাঙ্কিং (Global Skills Index) তৈরি করেছে। দক্ষিণ এশিয়া ও পূর্ব এশিয়া AI ও সংশ্লিষ্ট দক্ষতার কোর্সে সর্বোচ্চ নথিভুক্তির অনুপাত দেখিয়েছে। Udacity-তে 'Introduction to Machine Learning' কোর্সে মোট ১,২৫,০০০-এরও বেশি নথিভুক্তি হয়েছে[25]।

বিশ্ববিদ্যালয় কোর্স

স্ট্যানফোর্ডে AI পরিচিতিমূলক কোর্সে ভর্তি পাঁচগুণ বৃদ্ধি পেয়েছে (২০১২-২০১৮)। ইলিনয় বিশ্ববিদ্যালয়ে (UIUC) 'Introduction to Machine Learning' কোর্সে বারোগুণ বৃদ্ধি পেয়েছে (২০১০-২০১৮)। আন্তর্জাতিক পর্যায়ে টরন্টো বিশ্ববিদ্যালয়ে সর্বোচ্চ নথিভুক্ত শিক্ষার্থী ছিলেন, এরপর হায়ার স্কুল অফ ইকোনমিক্স (রাশিয়া) ও সিংহুয়া বিশ্ববিদ্যালয় (চীন)[1]।

ইউরোপে AI ক্ষেত্র অন্তর্ভুক্তকারী ২,০৫৪টি প্রোগ্রাম চিহ্নিত করা হয়েছে, যার বিশাল সংখ্যাগরিষ্ঠতা স্নাতকোত্তর স্তরে। ১৯৭টি ইউরোপীয় বিশ্ববিদ্যালয় AI-তে ৪০৬টি বিশেষায়িত স্নাতকোত্তর প্রোগ্রাম অফার করে[26]।

PhD বিশেষায়ন ও শিল্পে প্রস্থান

AI কম্পিউটার বিজ্ঞানে সবচেয়ে জনপ্রিয় PhD বিশেষায়নে পরিণত হয়েছে: ২০১৮ সালে ২১%-এরও বেশি। শিল্পে যোগ দেওয়া PhD-এর অনুপাত তিনগুণ বৃদ্ধি পেয়েছে: ২০০৪ সালের ২১% থেকে ২০১৮ সালে ৬২%। মার্কিন যুক্তরাষ্ট্র ও কানাডায় নতুন AI PhD-এর ৬০%-এরও বেশি বিদেশী শিক্ষার্থী (২০১০ সালে ৪০%-এরও কম); মাত্র ~১০% স্নাতকের পর মার্কিন যুক্তরাষ্ট্র ছেড়েছেন[9]।

AI শিক্ষকদের সর্বোচ্চ ক্ষতি যে তিনটি বিশ্ববিদ্যালয়ের: কার্নেগি মেলন (১৭ জন নিয়মিত শিক্ষক), ওয়াশিংটন বিশ্ববিদ্যালয় (১১ জন) ও বার্কলি। কানাডার বিশ্ববিদ্যালয়গুলির মধ্যে টরন্টো বিশ্ববিদ্যালয় সর্বোচ্চ ক্ষতির মুখে পড়েছে (৯ জন শিক্ষক)। AI PhD স্নাতকদের মধ্যে নারীর অনুপাত ২০১০ থেকে ২০১৮ পর্যন্ত ~২০%-এ স্থিতিশীল ছিল[10]।

অধ্যায় ৬. স্বায়ত্তশাসিত সিস্টেম

চালকবিহীন গাড়ি

কমপক্ষে ২৫টি দেশে স্বায়ত্তশাসিত যানবাহন (AV) পরীক্ষাকারী শহর ছিল। ক্যালিফোর্নিয়া রাজ্যে ২০১৫ থেকে ২০১৮ সালের মধ্যে পরীক্ষাকারী কোম্পানির সংখ্যা ও মোট AV সংখ্যা সাতগুণ বৃদ্ধি পেয়েছে। ২০১৮ সালে ৫০-এরও বেশি কোম্পানি ও ৫০০টির বেশি AV ২০ লক্ষেরও বেশি মাইল অতিক্রম করেছে। কমপক্ষে ৪১টি অঙ্গরাজ্য ও কলম্বিয়া ডিস্ট্রিক্ট AV-সম্পর্কিত আইন বিবেচনা করছিল[27]।

২০১৮ সালে ক্যালিফোর্নিয়ায় AV দুর্ঘটনার হার ছিল প্রতি মিলিয়ন মাইলে ২২.৪৪ — সাধারণ চালকদের সংশোধিত হারের প্রায় ৫.৫ গুণ। বেশিরভাগ দুর্ঘটনায় মানব চালকের গাড়ি দিনের বেলায় থামানো বা সরলপথে চলমান AV-এর পেছনে ধাক্কা দিয়েছে। বেশিরভাগ ক্ষতি ছিল সামান্য[27]।

স্বায়ত্তশাসিত অস্ত্র

স্টকহোম ইন্টারন্যাশনাল পিস রিসার্চ ইনস্টিটিউটের (SIPRI) বিশেষজ্ঞ গবেষণা অনুযায়ী, কমপক্ষে ৮৯টি দেশে স্বয়ংক্রিয় বায়ু প্রতিরক্ষা ব্যবস্থা ছিল। সক্রিয় সুরক্ষা ব্যবস্থা কেবল নয়টি দেশে তৈরি ও উৎপাদিত হচ্ছিল। তথ্যগুলি ১৯৫০-২০১৭ সময়কালের[28]।

অধ্যায় ৭. জনসাধারণের উপলব্ধি

কেন্দ্রীয় ব্যাংক

কেন্দ্রীয় ব্যাংকের যোগাযোগে AI-এর প্রতি ক্রমবর্ধমান আগ্রহ দেখা গেছে। ব্যাংক অফ ইংল্যান্ড, ব্যাংক অফ জাপান ও ফেডারেল রিজার্ভ সিস্টেম AI-এর কথা সবচেয়ে বেশি উল্লেখ করেছে। প্রকাশনার ধরন বিশ্লেষণমূলক দলিল থেকে বক্তৃতায় পরিবর্তিত হয়েছে[1]।

সংসদীয় ও সরকারি কার্যক্রম

২০১৭-২০১৮ সালে মার্কিন কংগ্রেসে AI-সম্পর্কিত আইনী কার্যক্রম দশগুণেরও বেশি বৃদ্ধি পেয়েছে। কংগ্রেসের কার্যবিবরণীতে ২০১৯ সাল AI উল্লেখের দিক থেকে সর্বোচ্চ বছর হয়েছে। কানাডা ও যুক্তরাজ্যের সংসদেও একই ধরনের প্রবণতা লক্ষ্য করা গেছে[23]।

কর্পোরেশন

মার্কিন যুক্তরাষ্ট্রের ৩,০০০ প্রকাশ্য কোম্পানির আয় কলের (earnings calls) মধ্যে AI উল্লেখ ধারণকারীর অনুপাত ২০১০ সালের ০.০১% থেকে ২০১৮ সালে ০.৪২%-এ বৃদ্ধি পেয়েছে। আর্থিক খাত উল্লেখের সংখ্যায় এগিয়ে ছিল[1]।

গণমাধ্যম ও ওয়েব সার্চ

Google Trends-এর তথ্য অনুযায়ী, মার্কিন যুক্তরাষ্ট্রে সার্চ কোয়েরিতে 'machine learning' পদটি সংশ্লিষ্ট অন্যান্য পদের চেয়ে এগিয়ে ছিল। GDELT Project-এর তথ্য অনুযায়ী, AI-সম্পর্কিত সংবাদ নিবন্ধগুলির মধ্যে ১৭.৭% কর্মসংস্থানে প্রভাব, ২.৪% অ্যালগরিদমিক পক্ষপাত ও মাত্র ০.৯৯% 'হত্যাকারী রোবট' বিষয়ে ছিল[29]।

অধ্যায় ৮. সামাজিক দিকসমূহ

নৈতিক নীতিমালা

PricewaterhouseCoopers সমিতি ও কনসোর্টিয়াম, সরকার, প্রযুক্তি কোম্পানি, গবেষণা প্রতিষ্ঠান ও শিক্ষাবিদদের কাছ থেকে নৈতিক AI নীতিমালার ৫৯টি দলিল বিশ্লেষণ করেছে। বারোটি নৈতিক চ্যালেঞ্জ সবচেয়ে ঘন ঘন চিহ্নিত হয়েছে: জবাবদিহিতা, নিরাপত্তা, মানব নিয়ন্ত্রণ, নির্ভরযোগ্যতা ও সুরক্ষা, ন্যায্যতা, বৈচিত্র্য ও অন্তর্ভুক্তি, স্থায়িত্ব, স্বচ্ছতা, ব্যাখ্যাযোগ্যতা ও ব্যাখ্যা, বহুপক্ষীয় সংলাপ, আইনগত সম্মতি, ডেটা গোপনীয়তা[11]।

ন্যায্যতা, ব্যাখ্যাযোগ্যতা/ব্যাখ্যা ও স্বচ্ছতা সবচেয়ে বেশি উল্লিখিত হয়েছে। প্রযুক্তি কোম্পানির জন্য ন্যায্যতা ১০০% framework-এ উল্লেখিত হয়েছে; গবেষণা প্রতিষ্ঠানের জন্য ন্যায্যতা ও মানব নিয়ন্ত্রণ (যথাক্রমে ১০০% ও ৮৮%)[11]।

AI ও জাতিসংঘের টেকসই উন্নয়ন লক্ষ্যমাত্রা

McKinsey Global Institute সামাজিক কল্যাণের জন্য AI ব্যবহারের প্রায় ১৬০টি সম্ভাব্য ক্ষেত্র চিহ্নিত করেছে, যা জাতিসংঘের সকল ১৭টি টেকসই উন্নয়ন লক্ষ্যমাত্রা (SDG) সমর্থন করতে পারে। AI ১৬৯টি SDG সূচকের প্রায় অর্ধেক সম্বোধন করতে পারে। সর্বোচ্চ সংখ্যক প্রয়োগের ক্ষেত্র ছিল SDG 3 (স্বাস্থ্য) ও SDG 16 (শান্তিপূর্ণ ও অন্তর্ভুক্তিমূলক সমাজ)। তবে টেকসই উন্নয়নে AI-এর বৃহৎ মাত্রার মোতায়েনের জন্য উল্লেখযোগ্য বাধা রয়ে গেছে: ডেটার প্রাপ্যতা, গণনা শক্তি, জনশক্তি ও সাংগঠনিক প্রস্তুতি[30]।

অধ্যায় ৯. জাতীয় কৌশল ও বৈশ্বিক AI গতিশীলতা

জাতীয় কৌশল

AI বিষয়ক আনুষ্ঠানিক কৌশলগত দলিলের সংখ্যা ক্রমাগত বৃদ্ধি পাচ্ছিল। PwC ৩৭টি দলিলে NLP বিশ্লেষণ ব্যবহার করে দেখেছে যে একাডেমিক অংশীদারিত্ব ৯৪% দলিলে, AI গবেষণা ও উন্নয়ন ৪৮%-এ এবং AI পরিচালন ৪২%-এ উল্লিখিত হয়েছে। ভোক্তা সুরক্ষা ও ন্যায্যতা সবচেয়ে কম উল্লিখিত (২%)[11]।

Global AI Vibrancy Tool

প্রথমবারের মতো উপস্থাপিত এই টুলটি তিনটি স্তম্ভে সংগৃহীত ৩৪টি মেট্রিক অনুযায়ী ২৮টি দেশ অন্তর্ভুক্ত করে: গবেষণা ও উন্নয়ন (২১টি মেট্রিক), অর্থনীতি (১০টি মেট্রিক) ও অন্তর্ভুক্তি (৫টি মেট্রিক)। টুলটি ব্যবহারকারীদের ওজন সহগ কাস্টমাইজ করতে এবং আন্তর্দেশীয় ও অন্তর্দেশীয় উভয় তুলনা করতে সক্ষম করে[1]।

দেশীয় প্রোফাইল

রিপোর্টে ব্রাজিল, চীন, ফ্রান্স, জার্মানি, ভারত, নেদারল্যান্ডস, সিঙ্গাপুর ও মার্কিন যুক্তরাষ্ট্রের জন্য বিস্তারিত দেশীয় প্রোফাইল এবং AI বিষয়ক বহুপক্ষীয় আঞ্চলিক নীতির একটি সংক্ষিপ্ত বিবরণ অন্তর্ভুক্ত রয়েছে[1]।

২০১৯ সালের উল্লেখযোগ্য benchmark ফলাফল

Benchmark সর্বোত্তম ফলাফল (২০১৯) মানবিক স্তর অগ্রগতি
ImageNet (Top-1) ~৮৮% ~৯৫% (একজন এনোটেটর) অতিরিক্ত ডেটাসহ অব্যাহত উন্নতি
GLUE অ-বিশেষজ্ঞ স্তর অতিক্রান্ত (জুন ২০১৯) ৮৭.১ (অ-বিশেষজ্ঞ) RoBERTa, T5
SuperGLUE ৮৮.৯ (T5, Google) ৮৯.৮ benchmark চালুর ৫ মাসের মধ্যে অর্জিত
SQuAD 1.1 (F1) ৯৫ ~৯১ মানবিক স্তর অতিক্রান্ত
SQuAD 2.0 (F1) ৯০ ~৮৯ প্রায় মানবিক স্তরে
ARC Challenge ৬৭.৭% — যুক্তি-তর্কের কাজগুলি কঠিন রয়ে গেছে
VQA ৭৫.২৮% ~৮০% বছরে ২.৮৫ পয়েন্ট বৃদ্ধি

পদ্ধতি

রিপোর্টটি একাধিক উৎস থেকে তথ্য ব্যবহার করেছে[1]:

  • প্রকাশনা: Elsevier Scopus, arXiv (NESTA), Microsoft Academic Graph (MAG)।
  • Benchmark: Papers With Code, DAWNBench/MLPerf, GLUE, SuperGLUE, SQuAD, ARC, VQA, ActivityNet লিডারবোর্ড।
  • সম্মেলন: NeurIPS, ICML, ICLR, AAAI, CVPR, WiML, AI4ALL, RightsCon-এর নিবন্ধন তথ্য।
  • শ্রমবাজার: LinkedIn Economic Graph, Burning Glass Technologies, Indeed।
  • বিনিয়োগ: CAPIQ, Crunchbase, Quid।
  • কর্পোরেট কার্যক্রম: McKinsey Global Survey, International Federation of Robotics।
  • সরকারি ব্যয়: Bloomberg Government।
  • জনসাধারণের উপলব্ধি: Google Trends, GDELT Project, Prattle (কেন্দ্রীয় ব্যাংক), Hansard (সংসদ)।
  • নীতিশাস্ত্র ও কৌশল: PricewaterhouseCoopers (NAISR), Harvard, LexisNexis।
  • শিক্ষা: CRA Taulbee Survey, Coursera, Udacity, Joint Research Centre (EC)।
  • স্বায়ত্তশাসিত সিস্টেম: California DMV, Bloomberg Philanthropies, SIPRI, NCSL।

লেখক দল

রিপোর্টটি AI Index Steering Committee কর্তৃক প্রস্তুত করা হয়েছে, রেমন্ড পেরো (Raymond Perrault, SRI International)-এর সমন্বয়ে এবং ইওয়াভ শোহাম (Yoav Shoham, স্ট্যানফোর্ড বিশ্ববিদ্যালয়)-এর সভাপতিত্বে। কমিটিতে ছিলেন: এরিক ব্রাইনিওলফসন (MIT), জ্যাক ক্লার্ক (OpenAI), জন এটচেমেন্ডি (স্ট্যানফোর্ড), বার্বারা গ্রস (হার্ভার্ড), টেরা লায়নস (Partnership on AI), জেমস মান্যিকা (McKinsey Global Institute) ও হুয়ান কার্লোস নিবলেস (স্ট্যানফোর্ড)। প্রকল্প প্রধান ও প্রধান সম্পাদক ছিলেন সৌরভ মিশ্র (স্ট্যানফোর্ড বিশ্ববিদ্যালয়)। ২০-এরও বেশি অংশীদার সংগঠন তথ্য সরবরাহ করেছে[1]।

তথ্যসূত্র

গ্রন্থপঞ্জি

টীকা

  1. ↑ 1.00 1.01 1.02 1.03 1.04 1.05 1.06 1.07 1.08 1.09 1.10 1.11 1.12 1.13 1.14 1.15 1.16 1.17 1.18 1.19 1.20 1.21 Perrault, R., Shoham, Y., Brynjolfsson, E., Clark, J., Etchemendy, J., Grosz, B., Lyons, T., Manyika, J., Mishra, S., Niebles, J.C. (2019). The AI Index 2019 Annual Report. AI Index Steering Committee, Human-Centered AI Institute, Stanford University. https://aiindex.stanford.edu/report/
  2. ↑ 2.0 2.1 Elsevier Scopus. Data on AI publications 1998–2018. https://www.scopus.com/
  3. ↑ 3.0 3.1 Coleman, C. et al. Stanford DAWNBench: An End-to-End Deep Learning Benchmark and Competition. https://dawn.cs.stanford.edu/benchmark/
  4. ↑ 4.0 4.1 Amodei, D., Hernandez, D. (2018). AI and Compute. OpenAI. https://openai.com/blog/ai-and-compute
  5. ↑ 5.0 5.1 Burning Glass Technologies. AI Job Posting Data 2010–2019. https://www.burning-glass.com/
  6. ↑ 6.0 6.1 6.2 LinkedIn Economic Graph. AI Hiring Index and Skill Penetration Data. https://economicgraph.linkedin.com/
  7. ↑ 7.0 7.1 7.2 7.3 Quid. Global AI Startup Investment Data. CAPIQ, Crunchbase. https://quid.com/
  8. ↑ 8.0 8.1 McKinsey & Company (2019). Global AI Survey: AI proves its worth, but few scale impact. https://www.mckinsey.com/capabilities/quantumblack/our-insights/global-ai-survey-ai-proves-its-worth-but-few-scale-impact
  9. ↑ 9.0 9.1 Computing Research Association. Taulbee Survey 2018. https://cra.org/resources/taulbee-survey/
  10. ↑ 10.0 10.1 Gofman, M., Jin, Z. (2019). Artificial Intelligence, Human Capital, and Innovation. University of Rochester Working Paper. http://www.aibraindrain.org
  11. ↑ 11.0 11.1 11.2 11.3 PricewaterhouseCoopers (2019). National AI Strategy Radar and Ethical AI Principles Analysis. https://www.pwc.com/
  12. ↑ arXiv. AI papers statistics 2010–2019. NESTA analysis. https://arxiv.org/
  13. ↑ 13.0 13.1 Wang, K., Shen, I., Dong, Y. Microsoft Academic Graph Data 2019. https://academic.microsoft.com/
  14. ↑ Stathoulopoulos, K., Mateos-Garcia, J. (2019). Women in AI Research. NESTA. https://www.nesta.org.uk/
  15. ↑ Prates, M., Avelar, P., Lamb, L. (2019). Ethics analysis in AI conferences. Federal University of Rio Grande do Sul.
  16. ↑ Russakovsky, O. et al. ImageNet Large Scale Visual Recognition Challenge. https://www.image-net.org/
  17. ↑ Wang, A. et al. (2018). GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding. https://gluebenchmark.com/
  18. ↑ Wang, A. et al. (2019). SuperGLUE: A Stickier Benchmark for General-Purpose Language Understanding Systems. https://super.gluebenchmark.com/
  19. ↑ Rajpurkar, P. et al. (2018). Know What You Don't Know: Unanswerable Questions for SQuAD. https://rajpurkar.github.io/SQuAD-explorer/
  20. ↑ Clark, P. et al. (2018). Think you have Solved Question Answering? Try ARC. Allen Institute for AI. https://allenai.org/data/arc
  21. ↑ Savenkov, K. Intento Machine Translation Quality Evaluation. https://inten.to/
  22. ↑ Lake, B. (2019). Omniglot Challenge: 3-year progress report. New York University.
  23. ↑ 23.0 23.1 Bloomberg Government (2019). Federal AI R&D Budget Analysis.
  24. ↑ International Federation of Robotics (2019). World Robotics Report 2019. https://ifr.org/worldrobotics/
  25. ↑ Coursera (2019). Global Skills Index. https://www.coursera.org/gsi
  26. ↑ Joint Research Centre, European Commission (2019). Academic offer and demand for advanced profiles in the EU.
  27. ↑ 27.0 27.1 California Department of Motor Vehicles (2019). Autonomous Vehicle Disengagement and Collision Reports. https://www.dmv.ca.gov/portal/vehicle-industry-services/autonomous-vehicles/
  28. ↑ Boulanin, V., Verbruggen, M. (2019). Mapping the Development of Autonomy in Weapon Systems. SIPRI. https://www.sipri.org/
  29. ↑ GDELT Project. Global AI News Coverage Data 2017–2019. https://www.gdeltproject.org/
  30. ↑ McKinsey Global Institute (2019). Notes from the AI frontier: Applying AI for social good. https://www.mckinsey.com/mgi/overview
Retrieved from "https://systems-analysis.info/int/index.php?title=The_2019_AI_Index_Report_(BN)&oldid=7951"