The 2019 AI Index Report (HI)

From Systems analysis Wiki
Jump to navigation Jump to search

AI Index Report 2019 — AI Index की दूसरी पूर्ण-प्रारूप वार्षिक प्रकाशन है, जिसे स्टैनफोर्ड मानव-केंद्रित कृत्रिम बुद्धिमत्ता संस्थान (Stanford HAI) द्वारा तैयार किया गया है[1]। 2019 की रिपोर्ट 2018 के संस्करण की तुलना में तीन गुना अधिक dataset को ट्रैक करती है और नौ विषयगत अध्यायों को समेटती है: अनुसंधान एवं विकास से लेकर राष्ट्रीय रणनीतियों और AI की वैश्विक गतिशीलता तक। इस संस्करण में कृत्रिम बुद्धिमत्ता के सभी पहलुओं — तकनीकी उपलब्धियों, अर्थव्यवस्था, शिक्षा, सार्वजनिक धारणा और सामाजिक परिणामों — पर अद्यतन आंकड़े शामिल हैं, और दो नए इंटरेक्टिव उपकरण प्रस्तुत किए गए हैं: Global AI Vibrancy Tool (vibrancy.aiindex.org), जो 34 संकेतकों के आधार पर देशों की तुलना करने की सुविधा देता है, और AI Index arXiv Monitor (arxiv.aiindex.org), जो AI के क्षेत्र में प्रीप्रिंट्स में पूर्ण-पाठ खोज की सुविधा प्रदान करता है। AI Index, Stanford HAI संस्थान के अंतर्गत एक स्वतंत्र पहल है, जिसकी परिकल्पना "AI का शताब्दी अध्ययन" परियोजना (AI100) के अंतर्गत की गई थी[1]।

संदर्भ और उद्देश्य

AI Index का मिशन नीति-निर्माताओं, शोधकर्ताओं, अधिकारियों, पत्रकारों और आम जनता के लिए कृत्रिम बुद्धिमत्ता के विकास पर वस्तुनिष्ठ, सुव्यवस्थित रूप से सत्यापित आंकड़े प्रदान करना है[1]। 2019 की रिपोर्ट ऐसे समय में आई जब सरकारों, कॉर्पोरेट जगत और समाज की AI में रुचि तेज़ी से बढ़ रही थी, और इसका उद्देश्य प्रचलित भ्रांतियों को दूर करना था — विशेष रूप से यह धारणा कि AI का विकास केवल अमेरिका और चीन के बीच की प्रतिस्पर्धा है। रिपोर्ट के आंकड़े दर्शाते हैं कि AI उत्कृष्टता के स्थानीय केंद्र पूरी दुनिया में उभर रहे हैं: AI शिक्षा में फिनलैंड विशिष्ट है, AI-कौशल में भारत उच्च प्रसार दर दिखाता है, सिंगापुर के पास सुसंगठित सरकारी सहायता है, और प्रति व्यक्ति AI स्टार्टअप में निजी निवेश में इज़राइल अग्रणी है[1]।

रिपोर्ट की संरचना

2019 की रिपोर्ट में नौ विषयगत अध्याय हैं[1]:

  1. अनुसंधान और विकास (Research and Development) — ग्रंथसूची संबंधी आंकड़े, प्रकाशन, पेटेंट, AI अनुसंधान में लैंगिक विविधता।
  2. सम्मेलन (Conferences) — उपस्थिति, AAAI लेखों की सांख्यिकी, विविधता संगठन, सम्मेलनों में नैतिकता।
  3. तकनीकी प्रदर्शन (Technical Performance) — कंप्यूटर विज़न, भाषा प्रसंस्करण, तर्क-क्षमता और कंप्यूटिंग शक्ति पर benchmark।
  4. अर्थव्यवस्था (The Economy) — रोज़गार, निवेश, कॉर्पोरेट अपनाना, रोबोटीकरण।
  5. शिक्षा (Education) — ऑनलाइन शिक्षा, विश्वविद्यालय कार्यक्रम, PhD विशेषज्ञताएं, शिक्षकों का पलायन।
  6. स्वायत्त प्रणालियां (Autonomous Systems) — स्व-चालित वाहन, स्वायत्त हथियार।
  7. सार्वजनिक धारणा (Public Perception) — केंद्रीय बैंक, संसद, कॉर्पोरेट रिपोर्ट, मीडिया।
  8. सामाजिक पहलू (Societal Considerations) — नैतिक सिद्धांत, AI और संयुक्त राष्ट्र का सतत विकास।
  9. राष्ट्रीय रणनीतियां और AI की वैश्विक गतिशीलता (National Strategies and Global AI Vibrancy) — राष्ट्रीय रणनीतियां, देशों की तुलना का उपकरण।

रिपोर्ट के प्रमुख निष्कर्ष

1. प्रकाशनों की मात्रा में वृद्धि

1998 से 2018 के बीच AI क्षेत्र में सहकर्मी-समीक्षित प्रकाशनों की मात्रा में 300% से अधिक की वृद्धि हुई। 2018 तक AI लेख Scopus database में 3% पत्रिका प्रकाशनों और 9% सम्मेलन लेखों का हिस्सा बन गए[2]। 2018 तक चीन AI के पत्रिका और सम्मेलन प्रकाशनों की संख्या में यूरोप के बराबर हो गया, जबकि वह 2006 में ही अमेरिका को पीछे छोड़ चुका था। फिर भी अमेरिकी प्रकाशनों का उद्धरण सूचकांक (FWCI) चीनी सूचकांक से लगभग 50% अधिक बना रहा[1]।

2. सम्मेलन उपस्थिति में रिकॉर्ड वृद्धि

प्रमुख AI सम्मेलनों में उपस्थिति में उल्लेखनीय वृद्धि जारी रही। NeurIPS सम्मेलन 2019 में 13,500 प्रतिभागियों की प्रतीक्षा थी — 2018 की तुलना में 41% और 2012 की तुलना में 800% से अधिक की वृद्धि। AAAI और CVPR सम्मेलनों में प्रति वर्ष लगभग 30% उपस्थिति वृद्धि दर्ज की गई[1]।

3. तीव्र तकनीकी प्रगति

क्लाउड इन्फ्रास्ट्रक्चर पर छवि वर्गीकरण मॉडल के प्रशिक्षण का समय अक्टूबर 2017 में लगभग तीन घंटे से घटकर जुलाई 2019 में लगभग 88 सेकंड रह गया; प्रशिक्षण की लागत में भी इसी अनुपात में गिरावट आई। SuperGLUE और SQuAD 2.0 benchmark पर प्रगति विशेष रूप से तीव्र थी, हालांकि तर्क-क्षमता की मांग वाले कार्यों (जैसे AI2 Reasoning Challenge) और अवधारणा-स्तरीय शिक्षण कार्यों (Omniglot Challenge) में परिणाम निम्न स्तर पर बने रहे[3][1]।

4. कंप्यूटिंग में घातांकीय वृद्धि

2012 से पहले AI के लिए कंप्यूटिंग की वृद्धि Moore के नियम के अनुरूप थी — हर दो साल में दोगुनी। 2012 के बाद कंप्यूटिंग हर 3.4 महीने में दोगुनी होने लगी, जिससे छह वर्षों में 300,000 गुना से अधिक की वृद्धि हुई[4]।

5. AI क्षेत्र में वैश्विक रोज़गार वृद्धि

2015–2019 की अवधि में सिंगापुर, ब्राज़ील, ऑस्ट्रेलिया, कनाडा और भारत में AI रोज़गार में सबसे तेज़ वृद्धि दर्ज की गई। अमेरिका में AI से संबंधित रिक्तियों की हिस्सेदारी 2010 में कुल रिक्तियों के 0.26% से बढ़कर अक्टूबर 2019 में 1.32% हो गई, जिसमें Machine Learning विशेषज्ञों की मांग सर्वाधिक (0.51%) रही[5][6]।

6. निजी निवेश $70 अरब से अधिक

2019 में AI में वैश्विक निजी निवेश 70 अरब डॉलर से अधिक हो गया, जिसमें 37 अरब से अधिक स्टार्टअप निवेश, 34 अरब M&A सौदे, लगभग 5 अरब IPO और लगभग 2 अरब अल्पांश हिस्सेदारियां शामिल थीं। 2010 से 2018 के बीच AI स्टार्टअप की फंडिंग 1.3 अरब से बढ़कर 40.4 अरब डॉलर हो गई, जो 48% से अधिक की औसत वार्षिक वृद्धि दर है। स्वायत्त वाहनों को सबसे अधिक निवेश ($7.7 अरब) प्राप्त हुआ, उसके बाद फार्मास्युटिकल और कैंसर थेरेपी ($4.7 अरब) और चेहरे की पहचान ($4.7 अरब) का स्थान रहा[7]।

7. व्यवसाय में AI अपनाने में वृद्धि

McKinsey & Company के सर्वेक्षण (2,360 उत्तरदाता) के अनुसार, 2019 में 58% बड़ी कंपनियों ने कम से कम एक कार्य या व्यावसायिक इकाई में AI का उपयोग किया, जबकि 2018 में यह आंकड़ा 47% था। फिर भी केवल 19% संगठनों ने एल्गोरिदम की व्याख्यात्मकता से जुड़े जोखिमों को कम करने के लिए कदम उठाए, और केवल 13% ने पक्षपात और भेदभाव से निपटने के उपाय किए[8]।

8. PhD के लिए AI सबसे लोकप्रिय विशेषज्ञता

AI उत्तरी अमेरिका में कंप्यूटर विज्ञान के PhD छात्रों के बीच सबसे लोकप्रिय विशेषज्ञता बन गया: 2018 में कंप्यूटिंग विज्ञान में 21% से अधिक PhD स्नातकों ने AI और Machine Learning में विशेषज्ञता प्राप्त की। AI क्षेत्र में PhD स्नातकों की उद्योग में जाने की हिस्सेदारी 2004 में 21% से बढ़कर 2018 में 60% से अधिक हो गई[9]।

9. AI शिक्षकों का शिक्षा जगत से पलायन

AI शिक्षकों का शिक्षा जगत से उद्योग की ओर पलायन तेज़ हुआ: 2018 में 40 से अधिक पलायन, 2012 में 15 और 2004 में शून्य की तुलना में। कार्नेगी मेलन विश्वविद्यालय, वाशिंगटन विश्वविद्यालय और कैलिफोर्निया विश्वविद्यालय, बर्कले को सबसे अधिक नुकसान हुआ[10]।

10. AI नैतिकता पर बढ़ता ध्यान

AI नैतिकता के 59 दस्तावेज़ों में निष्पक्षता, व्याख्यात्मकता और स्पष्टता को सबसे अधिक बार उल्लिखित नैतिक चुनौतियों के रूप में पहचाना गया। नैतिकता और AI पर 3,600 से अधिक वैश्विक समाचार लेखों (मध्य 2018 — मध्य 2019) में प्रमुख विषय थे: नैतिक AI उपयोग के ढांचे और दिशानिर्देश (32%), डेटा गोपनीयता (14%), चेहरे की पहचान (13%), एल्गोरिदमिक पक्षपात (11%) और बड़ी प्रौद्योगिकी कंपनियों की भूमिका (11%)[11]।

अध्याय 1. अनुसंधान और विकास

यह अध्याय Elsevier Scopus के आंकड़ों, arXiv प्रीप्रिंट्स, Microsoft Academic Graph (MAG), पेटेंट गतिविधि, GitHub पर सॉफ़्टवेयर framework की लोकप्रियता और AI शोधकर्ताओं में लैंगिक विविधता के रुझानों का विश्लेषण करता है[1]।

प्रकाशन

यूरोप AI लेखों का सबसे बड़ा प्रकाशक बना रहा, 2018 तक Scopus में 27% से अधिक प्रकाशनों तक पहुंचा। चीन की हिस्सेदारी 2000 में 10% से बढ़कर 2018 में 28% हो गई। अमेरिका में कॉर्पोरेट प्रकाशनों की हिस्सेदारी अपेक्षाकृत अधिक थी: 2018 में अमेरिका में कॉर्पोरेट AI लेखों की संख्या चीनी लेखों से सात गुना से अधिक थी[2]।

arXiv पर 2010–2019 के दौरान AI लेखों की कुल संख्या बीस गुना से अधिक बढ़ी। कंप्यूटर विज़न (CV) 2014 से सबसे बड़ी उपश्रेणी रही, लेकिन 2019 में Machine Learning अग्रणी श्रेणी बन गई। "Computation & Language" उपश्रेणी 2010 से लगभग साठ गुना बढ़ी[12]।

उद्धरण

AI पत्रिका लेखों के 32% से अधिक वैश्विक उद्धरण पूर्वी एशिया से आए, जबकि 40% से अधिक सम्मेलन लेख उद्धरण उत्तरी अमेरिका से आए। पेटेंट क्षेत्र में उत्तरी अमेरिका ने 2014–2018 के दौरान AI पेटेंट की 60% से अधिक वैश्विक उद्धरण गतिविधि अर्जित की[13]।

पेटेंट

51% से अधिक वैश्विक AI पेटेंट उत्तरी अमेरिका के थे। अमेरिका ने अगले देश — जापान — से तीन गुना अधिक AI पेटेंट प्रकाशित किए। 94% से अधिक AI पेटेंट उच्च आय वाले देशों में दर्ज किए गए[13]।

GitHub Stars

एक उल्लेखनीय प्रवृत्ति कॉर्पोरेट समर्थित framework का वर्चस्व था: TensorFlow (Google) और PyTorch (Facebook)। गैर-कॉर्पोरेट framework — scikit-learn और Caffe — भी बढ़ रहे थे, लेकिन धीमी गति से[1]।

अनुसंधान में लैंगिक विविधता

नीदरलैंड के 41% से अधिक और डेनमार्क के 39% से अधिक AI लेखों में कम से कम एक महिला सह-लेखक थीं। जापान और सिंगापुर में यह आंकड़ा क्रमशः केवल 10% और 16% था। कई पश्चिमी यूरोपीय देशों के साथ-साथ अर्जेंटीना, कनाडा और ईरान में AI अनुसंधान में महिलाओं की अपेक्षाकृत अधिक भागीदारी दर्ज की गई[14]।

अध्याय 2. सम्मेलन

उपस्थिति

NeurIPS 2019 में 13,500 प्रतिभागियों की अपेक्षा थी (2012 की तुलना में 800% वृद्धि)। ICLR 2014 की तुलना में 15 गुना बढ़ा। Women in Machine Learning (WiML) कार्यशाला में प्रतिभागियों की संख्या 2014 की तुलना में 738% बढ़ी, और AI4ALL कार्यक्रम में 2015 की तुलना में 2,000% की वृद्धि हुई[1]।

AAAI सांख्यिकी

AAAI 2019 सम्मेलन में चीन ने सबसे अधिक प्रस्तुत और स्वीकृत लेखों की संख्या दर्ज की। 68% से अधिक आवेदन PhD छात्रों के थे। इज़राइल की स्वीकृति दर सर्वाधिक (24%) रही, उसके बाद जर्मनी (23%), कनाडा (22%), अमेरिका और सिंगापुर (प्रत्येक 20%) का स्थान रहा। Machine Learning, NLP और कंप्यूटर विज़न शीर्ष तीन विषय बने रहे[1]।

सम्मेलनों में नैतिकता

प्रमुख AI सम्मेलनों में नैतिकता से संबंधित कीवर्ड वाले लेखों की कुल संख्या कम थी, परंतु तेज़ी से बढ़ रही थी। इस विश्लेषण में 110,108 लेख शामिल थे, जिनमें 59,352 सम्मेलन और 50,756 पत्रिका लेख थे[15]।

अध्याय 3. तकनीकी प्रदर्शन

यह अध्याय कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण, तर्क-क्षमता, मशीनी अनुवाद और कंप्यूटिंग शक्ति के कार्यों में तकनीकी प्रगति को ट्रैक करता है[1]।

कंप्यूटर विज़न

ImageNet. ImageNet पर मानवीय सटीकता को पार करने वाली पहली विधि 2015 में प्रकाशित हुई। 2019 तक प्रगति जारी रही: तीन सबसे सफल विधियों ने प्रशिक्षण के लिए अतिरिक्त डेटा का उपयोग किया। ImageNet प्रतियोगिता 2017 में बंद हो गई, लेकिन dataset एक महत्वपूर्ण benchmark बनी रही[16]।

प्रशिक्षण समय और लागत. DAWNBench परियोजना (Stanford) के अनुसार, क्लाउड इन्फ्रास्ट्रक्चर पर 93%+ सटीकता (top-5) तक छवि वर्गीकरण मॉडल के प्रशिक्षण का समय अक्टूबर 2017 में 3 घंटे से अधिक से घटकर जुलाई 2019 में ~88 सेकंड रह गया। प्रशिक्षण लागत $2,323 (अक्टूबर 2017, ResNet) से गिरकर ~$12 (सितंबर 2018, GCP पर Cloud TPU के साथ ResNet) हो गई[3]।

छवि निर्माण. छवि निर्माण में प्रगति (CIFAR-10) FID (Fréchet Inception Distance) मेट्रिक से मापी गई: कम स्कोर बेहतर निर्माण गुणवत्ता के साथ सहसंबद्ध है[1]।

सिमेंटिक सेगमेंटेशन. प्रगति Cityscapes dataset पर mean IoU मेट्रिक से मापी गई — यह कार्य स्वचालित ड्राइविंग प्रणालियों के लिए महत्वपूर्ण है[1]।

प्राकृतिक भाषा प्रसंस्करण

GLUE. मई 2018 में जारी General Language Understanding Evaluation benchmark नौ पाठ प्रसंस्करण कार्यों पर प्रणालियों का परीक्षण करता है। इस benchmark को एक वर्ष से थोड़ा अधिक समय होने के बावजूद, जून 2019 में प्रणालियों के परिणाम गैर-विशेषज्ञ मूल्यांकनकर्ताओं के स्तर से आगे निकल गए। RoBERTa (Facebook) और T5 (Google) मॉडल प्रदर्शन में सुधार करते रहे[17]।

SuperGLUE. मई 2019 में लॉन्च किया गया अधिक जटिल benchmark। लॉन्च के पांच महीनों के भीतर T5 मॉडल (Google) ने 89.8 के मानवीय आधारभूत स्तर के करीब 88.9 अंक प्राप्त किए[18]।

SQuAD. Stanford Question Answering Dataset benchmark पर SQuAD 1.1 के लिए F1 स्कोर अगस्त 2016 में 67 से बढ़कर मई 2019 में 95 हो गया। SQuAD 2.0 पर प्रगति और भी तेज़ रही: मई 2018 में 62 से जून 2019 में 90 तक। SQuAD 1.0 पर F1 ≥ 75 तक प्रश्नोत्तर मॉडल के प्रशिक्षण का समय अक्टूबर 2017 में 7 घंटे से अधिक से घटकर मार्च 2019 में 19 मिनट से कम हो गया[19]।

तर्क-क्षमता. ARC Challenge Set (Allen Institute for AI) पर सर्वश्रेष्ठ परिणाम 67.7% (सितंबर 2019) था। ARC-Easy पर 85.4%। तर्क-क्षमता की मांग वाले कार्य AI प्रणालियों के लिए उल्लेखनीय रूप से अधिक कठिन बने रहे[20]।

मशीनी अनुवाद

पूर्व-प्रशिक्षित मॉडलों के साथ व्यावसायिक रूप से उपलब्ध मशीनी अनुवाद प्रणालियों की संख्या 2017 में 8 से बढ़कर 2019 में 24 से अधिक हो गई। गुणवत्ता में सबसे अधिक प्रगति चीनी–अंग्रेज़ी, अंग्रेज़ी–जर्मन और रूसी–अंग्रेज़ी भाषा युग्मों में देखी गई[21]।

Omniglot Challenge

तीन वर्षों में one-shot वर्गीकरण में उल्लेखनीय प्रगति हुई, लेकिन शेष चार अवधारणा-शिक्षण कार्यों (उदाहरण निर्माण, पार्सिंग, नई अवधारणाओं का निर्माण) में प्रगति सीमित रही। मूल कार्य में Bayesian Program Learning (BPL) अभी भी Neural Network दृष्टिकोणों से बेहतर था[22]।

कंप्यूटिंग शक्ति

OpenAI के विश्लेषण ने एक संरचनात्मक अंतर प्रकट किया: 2012 से पहले AI के लिए कंप्यूटिंग की मात्रा हर दो साल में दोगुनी होती थी (Moore का नियम); 2012 के बाद — हर 3.4 महीने में। 2012 से यह आंकड़ा 300,000 गुना से अधिक बढ़ा[4]।

मानव-स्तरीय उपलब्धियां

रिपोर्ट ने AI उपलब्धियों की समयरेखा को अद्यतन किया और पहले से प्रलेखित उपलब्धियों (Othello — 1980, चेकर्स — 1995, शतरंज — 1997, Jeopardy! — 2011, Atari — 2015, ImageNet — 2016, Go — 2016, पोकर — 2017, Ms. Pac-Man — 2017, StarCraft II — 2019) में दो नए परिणाम जोड़े:

वर्ष उपलब्धि
2018 AlphaFold (DeepMind) — अभूतपूर्व सटीकता के साथ प्रोटीन की 3D संरचना का पूर्वानुमान
2019 AlphaStar (DeepMind) — StarCraft II में शीर्ष पेशेवर खिलाड़ी पर विजय
2019 विशेषज्ञ स्तर की सटीकता के साथ मधुमेह रेटिनोपैथी का पता लगाना

अध्याय 4. अर्थव्यवस्था

रोज़गार और भर्ती

AI भर्ती सूचकांक (LinkedIn) दर्शाता है कि 2015–2019 की अवधि में सिंगापुर, ब्राज़ील, ऑस्ट्रेलिया, कनाडा और भारत भर्ती वृद्धि दर में अग्रणी रहे। अमेरिका में वाशिंगटन राज्य में AI रिक्तियों की सापेक्ष मांग सर्वाधिक (कुल रिक्तियों का लगभग 1.4%) थी, उसके बाद कैलिफोर्निया (1.3%) और मैसाचुसेट्स (1.3%) का स्थान रहा। कुल संख्या में कैलिफोर्निया 93,000 से अधिक AI रिक्तियों के साथ अग्रणी था[5]।

AI कौशल का सबसे अधिक प्रसार IT सेवाओं (2.3% रिक्तियां), पेशेवर और वैज्ञानिक सेवाओं (2% से अधिक), वित्त और बीमा (1.3%) और विनिर्माण उद्योग (1.1%) क्षेत्रों में देखा गया[6]।

LinkedIn के आंकड़ों के अनुसार, भारत में AI कौशल का प्रसार वैश्विक औसत से 2.6 गुना अधिक था। लैंगिक दृष्टिकोण से एक रोचक तस्वीर उभरी: सर्वेक्षण में शामिल सभी देशों में पुरुषों ने महिलाओं की तुलना में अधिक व्यवसायों में AI कौशल की जानकारी दी[6]।

निवेश

AI स्टार्टअप की फंडिंग 48% से अधिक की औसत वार्षिक वृद्धि दर से बढ़ी (2010–2018)। नवंबर 2019 तक निवेश का आकार $37.4 अरब था (2018 के पूरे वर्ष के $40.4 अरब की तुलना में)। 2014 से 2019 के बीच 15,798 निवेश किए गए जिनका औसत आकार लगभग $8.6 मिलियन था[7]।

AI में प्रति व्यक्ति निवेश इज़राइल में सर्वाधिक था, उसके बाद सिंगापुर और आइसलैंड का स्थान रहा। चीनी स्टार्टअप को प्रति कंपनी काफी अधिक निवेश मिला: $34.1 मिलियन — अमेरिका से 201% और वैश्विक औसत से 296% अधिक[7]।

क्षेत्रवार सर्वाधिक निवेश स्वायत्त वाहनों ($7.7 अरब, कुल का 9.9%), फार्मास्युटिकल और कैंसर थेरेपी ($4.7 अरब), चेहरे की पहचान ($4.7 अरब), वीडियो सामग्री ($3.6 अरब) और धोखाधड़ी पहचान ($3.1 अरब) में गए। सबसे तेज़ी से बढ़ते क्षेत्र रोबोटिक प्रक्रिया स्वचालन, आपूर्ति श्रृंखला प्रबंधन और औद्योगिक स्वचालन थे[7]।

सरकारी निवेश (अमेरिका)

अमेरिकी संघीय सरकार ने वित्तीय वर्ष 2020 में AI अनुसंधान में $4.98 अरब निवेश करने की योजना बनाई। रक्षा विभाग (DoD) ने $4.0 अरब का प्रावधान किया, जिसमें DARPA के माध्यम से $506 मिलियन, Maven परियोजना पर $221 मिलियन और Joint AI Center (JAIC) पर $209 मिलियन शामिल थे। AI पर संघीय एजेंसियों के अनुबंध व्यय में ~70% की वृद्धि हुई: 2017 में $429 मिलियन से 2018 में $728 मिलियन तक[23]।

कॉर्पोरेट अपनाना

58% बड़ी कंपनियों ने कम से कम एक कार्य में AI के उपयोग की जानकारी दी (2018 में 47% से वृद्धि)। 30% उत्तरदाताओं ने कई विभागों में AI के कार्यान्वयन का उल्लेख किया (2018 में 21%)। सबसे अधिक लागू AI क्षमताएं: रोबोटिक प्रक्रिया स्वचालन, कंप्यूटर विज़न और Machine Learning। साइबर सुरक्षा वह जोखिम था जिससे संगठन सबसे अधिक निपटते थे (48%), जबकि व्याख्यात्मकता (19%) और निष्पक्षता (13%) के जोखिमों को काफी कम ध्यान मिला[8]।

औद्योगिक रोबोटीकरण

2018 में वैश्विक औद्योगिक रोबोट स्थापनाएं 6% बढ़कर 422,271 इकाई ($16.5 अरब) हो गईं। रोबोटों का परिचालन बेड़ा 2,439,543 इकाई था। पांच सबसे बड़े बाज़ार — चीन, जापान, अमेरिका, दक्षिण कोरिया और जर्मनी — ने 74% वैश्विक स्थापनाएं अर्जित कीं। चीन 154,032 इकाइयों की स्थापना के साथ वैश्विक नेता (36%) बना रहा[24]।

अध्याय 5. शिक्षा

ऑनलाइन शिक्षा

45 मिलियन से अधिक शिक्षार्थियों की सेवा करने वाली और 3,700 से अधिक पाठ्यक्रम प्रदान करने वाली Coursera ने AI कौशल में 60 देशों की रैंकिंग (Global Skills Index) तैयार की। दक्षिण एशिया और पूर्वी एशिया ने AI और संबंधित दक्षताओं के पाठ्यक्रमों में नामांकन का सबसे अधिक अनुपात दिखाया। Udacity पर "Introduction to Machine Learning" पाठ्यक्रम में 125,000 से अधिक संचयी नामांकन हुए[25]।

विश्वविद्यालय कार्यक्रम

Stanford में AI के प्रारंभिक पाठ्यक्रमों में नामांकन पांच गुना (2012–2018) बढ़ा। इलिनॉइस विश्वविद्यालय (UIUC) में "Introduction to Machine Learning" पाठ्यक्रम में बारह गुना (2010–2018) वृद्धि हुई। अंतर्राष्ट्रीय स्तर पर टोरंटो विश्वविद्यालय में सर्वाधिक नामांकित छात्र थे, उसके बाद Higher School of Economics (रूस) और सिंघुआ विश्वविद्यालय (चीन) का स्थान रहा[1]।

यूरोप में 2,054 कार्यक्रम चिह्नित किए गए जो AI क्षेत्र को कवर करते हैं, जिनमें अधिकांश मास्टर स्तर पर थे। 197 यूरोपीय विश्वविद्यालय AI में 406 विशेषज्ञ मास्टर कार्यक्रम प्रदान करते थे[26]।

PhD विशेषज्ञताएं और उद्योग की ओर पलायन

AI कंप्यूटर विज्ञान में सबसे लोकप्रिय PhD विशेषज्ञता बन गई: 2018 में 21% से अधिक। उद्योग में जाने वाले PhD की हिस्सेदारी तिगुनी हुई: 2004 में 21% से 2018 में 62% तक। अमेरिका और कनाडा में 60% से अधिक नए AI PhD विदेशी छात्र थे (2010 में 40% से कम); केवल ~10% स्नातक होने के बाद अमेरिका छोड़े[9]।

AI शिक्षकों के सबसे अधिक नुकसान वाले तीन विश्वविद्यालय: Carnegie Mellon (17 स्थायी शिक्षक), वाशिंगटन विश्वविद्यालय (11) और Berkeley। कनाडाई विश्वविद्यालयों में टोरंटो विश्वविद्यालय को सर्वाधिक नुकसान हुआ (9 शिक्षक)। AI PhD स्नातकों में महिलाओं का अनुपात 2010 से 2018 तक ~20% पर स्थिर रहा[10]।

अध्याय 6. स्वायत्त प्रणालियां

स्व-चालित वाहन

कम से कम 25 देशों में ऐसे शहर थे जहां स्वायत्त परिवहन वाहन (ATV) का परीक्षण हो रहा था। कैलिफोर्निया राज्य में 2015 से 2018 के बीच परीक्षण कंपनियों की संख्या और कुल ATV की संख्या सात गुना बढ़ी। 2018 में 50 से अधिक कंपनियों और 500 ATV ने 20 लाख मील से अधिक की यात्रा की। कम से कम 41 राज्यों और कोलंबिया जिले ने ATV से संबंधित कानून पर विचार किया[27]।

2018 में कैलिफोर्निया में ATV दुर्घटना दर प्रति मिलियन मील 22.44 थी — सामान्य चालकों के समायोजित आंकड़े से लगभग 5.5 गुना अधिक। अधिकांश दुर्घटनाओं में मानव चालक वाली कार ने दिन के समय रुके हुए या सीधे चलते ATV को पीछे से टक्कर मारी। अधिकांश क्षति मामूली थी[27]।

स्वायत्त हथियार

स्टॉकहोम इंटरनेशनल पीस रिसर्च इंस्टीट्यूट (SIPRI) के विशेषज्ञ अध्ययन के अनुसार, कम से कम 89 देशों में स्वचालित वायु रक्षा प्रणालियां थीं। सक्रिय सुरक्षा प्रणालियां केवल नौ देशों द्वारा विकसित और निर्मित की जा रही थीं। आंकड़े 1950–2017 की अवधि को कवर करते थे[28]।

अध्याय 7. सार्वजनिक धारणा

केंद्रीय बैंक

केंद्रीय बैंकों के संचार में AI में बढ़ती रुचि प्रकट होती थी। बैंक ऑफ इंग्लैंड, बैंक ऑफ जापान और फेडरल रिज़र्व ने अन्य केंद्रीय बैंकों की तुलना में AI का अधिक बार उल्लेख किया। प्रकाशनों का स्वरूप विश्लेषणात्मक दस्तावेज़ों से भाषणों की ओर स्थानांतरित हुआ[1]।

संसदीय और सरकारी गतिविधि

2017–2018 में अमेरिकी कांग्रेस में AI से संबंधित विधायी गतिविधि में दस गुना से अधिक वृद्धि देखी गई। 2019 कांग्रेस की प्रतिलिपियों में AI के सर्वाधिक उल्लेखों का वर्ष बना। कनाडा और ब्रिटिश संसदों में भी ऐसे ही रुझान देखे गए[23]।

कॉर्पोरेट

अमेरिका की 3,000 सार्वजनिक कंपनियों की आय रिपोर्ट (earnings calls) में AI का उल्लेख करने वाली रिपोर्टों की हिस्सेदारी 2010 में 0.01% से बढ़कर 2018 में 0.42% हो गई। वित्तीय क्षेत्र उल्लेखों की संख्या में अग्रणी रहा[1]।

मीडिया और वेब खोज

Google Trends के अनुसार, "machine learning" शब्द अमेरिका में खोज प्रश्नों में अन्य संबंधित शब्दों से आगे रहा। GDELT Project के आंकड़ों के अनुसार, AI से संबंधित समाचार लेखों में 17.7% रोज़गार पर प्रभाव से संबंधित थे, 2.4% एल्गोरिदमिक पक्षपात से और केवल 0.99% "हत्यारे रोबोट" से[29]।

अध्याय 8. सामाजिक पहलू

नैतिक सिद्धांत

PricewaterhouseCoopers ने संघों और संघों, सरकारों, प्रौद्योगिकी कंपनियों, थिंक टैंक और वैज्ञानिक संगठनों के नैतिक AI सिद्धांतों वाले 59 दस्तावेज़ों का विश्लेषण किया। बारह नैतिक चुनौतियां सबसे अधिक बार उभरीं: जवाबदेही, सुरक्षा, मानव नियंत्रण, विश्वसनीयता और सुरक्षा, निष्पक्षता, विविधता और समावेशिता, स्थायित्व, पारदर्शिता, व्याख्यात्मकता और स्पष्टता, बहुपक्षीय संवाद, वैधता और अनुपालन, डेटा गोपनीयता[11]।

निष्पक्षता, व्याख्यात्मकता/स्पष्टता और पारदर्शिता का उल्लेख सबसे अधिक बार हुआ। प्रौद्योगिकी कंपनियों के लिए निष्पक्षता 100% ढांचों में, थिंक टैंक के लिए निष्पक्षता और मानव नियंत्रण (क्रमशः 100% और 88% में) उल्लिखित थे[11]।

AI और संयुक्त राष्ट्र के सतत विकास लक्ष्य

McKinsey Global Institute ने सामाजिक भलाई के लिए AI के उपयोग के लगभग 160 विकल्पों की पहचान की, जो संयुक्त राष्ट्र के सभी 17 सतत विकास लक्ष्यों (SDG) का समर्थन कर सकते थे। AI लगभग 169 SDG लक्ष्य संकेतकों में से आधे को संबोधित कर सकता था। सबसे अधिक अनुप्रयोग SDG 3 (स्वास्थ्य) और SDG 16 (शांतिपूर्ण और समावेशी समाज) के अनुरूप थे। हालांकि, सतत विकास के हित में AI के व्यापक प्रसार के लिए महत्वपूर्ण बाधाएं बनी रहीं: डेटा की उपलब्धता, कंप्यूटिंग शक्ति, मानव संसाधन और संगठनात्मक तत्परता[30]।

अध्याय 9. राष्ट्रीय रणनीतियां और AI की वैश्विक गतिशीलता

राष्ट्रीय रणनीतियां

AI पर आधिकारिक रणनीतिक दस्तावेज़ों की संख्या लगातार बढ़ रही थी। PwC ने 37 दस्तावेज़ों के NLP विश्लेषण का उपयोग करके पाया कि शैक्षणिक भागीदारी का 94% दस्तावेज़ों में उल्लेख था, AI अनुसंधान और विकास का 48% में और AI प्रशासन का 42% में। उपभोक्ता संरक्षण और निष्पक्षता का उल्लेख सबसे कम (2%) था[11]।

Global AI Vibrancy उपकरण

पहली बार प्रस्तुत इस उपकरण ने 34 मेट्रिक्स के आधार पर 28 देशों को कवर किया, जो तीन स्तंभों में समूहीकृत थे: अनुसंधान और विकास (21 मेट्रिक्स), अर्थव्यवस्था (10 मेट्रिक्स) और समावेशिता (5 मेट्रिक्स)। उपकरण उपयोगकर्ताओं को भार गुणांक अनुकूलित करने और देशों के बीच तथा एक देश के भीतर तुलना करने की सुविधा देता था[1]।

देश प्रोफाइल

रिपोर्ट में ब्राज़ील, चीन, फ्रांस, जर्मनी, भारत, नीदरलैंड, सिंगापुर और अमेरिका के विस्तृत देश प्रोफाइल, साथ ही AI के क्षेत्र में बहुपक्षीय क्षेत्रीय नीति का अवलोकन शामिल था[1]।

2019 के benchmark पर उल्लेखनीय परिणाम

Benchmark सर्वश्रेष्ठ परिणाम (2019) मानव स्तर प्रगति
ImageNet (Top-1) ~88% ~95% (एकल annotator) अतिरिक्त डेटा के साथ निरंतर सुधार
GLUE गैर-विशेषज्ञ स्तर से अधिक (जून 2019) 87.1 (गैर-विशेषज्ञ) RoBERTa, T5
SuperGLUE 88.9 (T5, Google) 89.8 Benchmark लॉन्च के 5 महीने में प्राप्त
SQuAD 1.1 (F1) 95 ~91 मानव स्तर से अधिक
SQuAD 2.0 (F1) 90 ~89 लगभग मानव स्तर पर
ARC Challenge 67.7% — तर्क-क्षमता के कार्य कठिन बने हुए
VQA 75.28% ~80% एक वर्ष में 2.85 प्रतिशत अंक की वृद्धि

पद्धति

रिपोर्ट ने कई स्रोतों के आंकड़ों का उपयोग किया[1]:

  • प्रकाशन: Elsevier Scopus, arXiv (NESTA), Microsoft Academic Graph (MAG)।
  • Benchmark: Papers With Code, DAWNBench/MLPerf, GLUE, SuperGLUE, SQuAD, ARC, VQA, ActivityNet लीडरबोर्ड।
  • सम्मेलन: NeurIPS, ICML, ICLR, AAAI, CVPR, WiML, AI4ALL, RightsCon पंजीकरण आंकड़े।
  • श्रम बाज़ार: LinkedIn Economic Graph, Burning Glass Technologies, Indeed।
  • निवेश: CAPIQ, Crunchbase, Quid।
  • कॉर्पोरेट गतिविधि: McKinsey Global Survey, International Federation of Robotics।
  • सरकारी व्यय: Bloomberg Government।
  • सार्वजनिक धारणा: Google Trends, GDELT Project, Prattle (केंद्रीय बैंक), Hansard (संसद)।
  • नैतिकता और रणनीतियां: PricewaterhouseCoopers (NAISR), Harvard, LexisNexis।
  • शिक्षा: CRA Taulbee Survey, Coursera, Udacity, Joint Research Centre (EC)।
  • स्वायत्त प्रणालियां: California DMV, Bloomberg Philanthropies, SIPRI, NCSL।

लेखक समिति

रिपोर्ट AI Index संचालन समिति द्वारा तैयार की गई, जिसका समन्वय रेमंड पेरो (Raymond Perrault, SRI International) ने किया और अध्यक्षता योव शोहम (Yoav Shoham, Stanford University) ने की। समिति में शामिल थे: एरिक ब्रिनजॉल्फसन (MIT), जैक क्लार्क (OpenAI), जॉन एचमेंडी (Stanford), बारबरा ग्रोस (Harvard), टेरा लायन्स (Partnership on AI), जेम्स मन्यिका (McKinsey Global Institute) और जुआन कार्लोस नीब्लेस (Stanford)। परियोजना प्रमुख और मुख्य संपादक के रूप में सौरभ मिश्रा (Stanford University) ने कार्य किया। आंकड़े 20 से अधिक भागीदार संगठनों द्वारा प्रदान किए गए[1]।

संदर्भ लिंक

साहित्य

टिप्पणियां

  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_(HI)&oldid=7956"