The 2019 AI Index Report (VI)

From Systems analysis Wiki
Jump to navigation Jump to search

AI Index Report 2019 — ấn bản thường niên đầy đủ thứ hai của báo cáo AI Index, được chuẩn bị bởi Viện Trí tuệ Nhân tạo Lấy Con người làm Trung tâm của Stanford (Stanford HAI)[1]. Báo cáo năm 2019 theo dõi số lượng bộ dữ liệu nhiều gấp ba lần so với ấn bản năm 2018 và bao gồm chín chương chuyên đề: từ nghiên cứu và phát triển đến các chiến lược quốc gia và động lực AI toàn cầu. Ấn bản chứa dữ liệu cập nhật về mọi khía cạnh của trí tuệ nhân tạo — thành tựu kỹ thuật, kinh tế, giáo dục, nhận thức công chúng và các tác động xã hội — đồng thời giới thiệu hai công cụ tương tác mới: Global AI Vibrancy Tool (vibrancy.aiindex.org), cho phép so sánh các quốc gia theo 34 chỉ số, và AI Index arXiv Monitor (arxiv.aiindex.org), cung cấp tính năng tìm kiếm toàn văn trong các bản preprint về AI. AI Index là một sáng kiến độc lập tại Viện Stanford HAI, được hình thành trong khuôn khổ dự án "Nghiên cứu Bách niên về AI" (AI100)[1].

Bối cảnh và mục tiêu

Sứ mệnh của AI Index là cung cấp dữ liệu khách quan, được kiểm chứng kỹ lưỡng về sự phát triển của trí tuệ nhân tạo cho các nhà hoạch định chính sách, nhà nghiên cứu, lãnh đạo, nhà báo và công chúng rộng rãi[1]. Báo cáo năm 2019 ra đời vào thời điểm sự quan tâm đến AI từ phía các chính phủ, tập đoàn và xã hội tăng trưởng nhanh chóng, và nhằm mục đích xóa tan những quan niệm phổ biến sai lầm — đặc biệt là quan niệm cho rằng sự phát triển AI chỉ là cuộc cạnh tranh giữa Mỹ và Trung Quốc. Dữ liệu của báo cáo cho thấy các trung tâm xuất sắc về AI đang hình thành trên khắp thế giới: Phần Lan nổi bật trong giáo dục AI, Ấn Độ thể hiện mức độ thâm nhập kỹ năng AI cao, Singapore có hệ thống hỗ trợ nhà nước được tổ chức tốt, còn Israel dẫn đầu về đầu tư tư nhân vào các startup AI tính theo đầu người[1].

Cấu trúc báo cáo

Báo cáo năm 2019 bao gồm chín chương chuyên đề[1]:

  1. Nghiên cứu và Phát triển (Research and Development) — dữ liệu thư mục, công bố, bằng sáng chế, đa dạng giới tính trong nghiên cứu AI.
  2. Hội nghị (Conferences) — số lượng người tham dự, thống kê bài báo AAAI, các tổ chức về đa dạng, đạo đức tại hội nghị.
  3. Hiệu suất Kỹ thuật (Technical Performance) — benchmark về thị giác máy tính, xử lý ngôn ngữ, suy luận, năng lực tính toán.
  4. Kinh tế (The Economy) — việc làm, đầu tư, triển khai doanh nghiệp, tự động hóa robot.
  5. Giáo dục (Education) — học trực tuyến, chương trình đại học, chuyên ngành PhD, sự dịch chuyển của giảng viên.
  6. Hệ thống Tự trị (Autonomous Systems) — xe tự lái, vũ khí tự trị.
  7. Nhận thức Công chúng (Public Perception) — ngân hàng trung ương, nghị viện, báo cáo doanh nghiệp, truyền thông.
  8. Khía cạnh Xã hội (Societal Considerations) — các nguyên tắc đạo đức, AI và phát triển bền vững của Liên hợp quốc.
  9. Chiến lược Quốc gia và Động lực AI Toàn cầu (National Strategies and Global AI Vibrancy) — chiến lược quốc gia, công cụ so sánh các quốc gia.

Các phát hiện chính của báo cáo

1. Tăng trưởng khối lượng công bố

Trong giai đoạn 1998–2018, khối lượng công bố được bình duyệt trong lĩnh vực AI tăng hơn 300%. Đến năm 2018, các bài báo về AI chiếm 3% công bố tạp chí và 9% bài báo hội nghị trong cơ sở dữ liệu Scopus[2]. Đến năm 2018, Trung Quốc đã theo kịp châu Âu về số lượng công bố tạp chí và hội nghị về AI, vượt qua Mỹ từ năm 2006. Tuy nhiên, chỉ số trích dẫn (FWCI) của các công bố từ Mỹ vẫn cao hơn của Trung Quốc khoảng 50%[1].

2. Số người tham dự hội nghị đạt mức kỷ lục

Số người tham dự các hội nghị AI lớn tiếp tục tăng trưởng đáng kể. Hội nghị NeurIPS năm 2019 dự kiến đón 13.500 người tham dự — tăng 41% so với năm 2018 và hơn 800% so với năm 2012. Hội nghị AAAI và CVPR ghi nhận mức tăng trưởng người tham dự hàng năm khoảng 30%[1].

3. Tiến bộ kỹ thuật nhanh chóng

Thời gian huấn luyện mô hình phân loại hình ảnh trên cơ sở hạ tầng đám mây giảm từ khoảng ba giờ vào tháng 10 năm 2017 xuống còn khoảng 88 giây vào tháng 7 năm 2019; chi phí huấn luyện cũng giảm tương tự. Trên các benchmark SuperGLUE và SQuAD 2.0, tiến bộ đặc biệt nhanh, tuy nhiên trên các nhiệm vụ đòi hỏi suy luận (ví dụ: AI2 Reasoning Challenge) và các nhiệm vụ học theo khái niệm (Omniglot Challenge), kết quả vẫn còn thấp hơn[3][1].

4. Tăng trưởng theo cấp số nhân về năng lực tính toán

Trước năm 2012, tăng trưởng tính toán cho AI tuân theo định luật Moore — tăng gấp đôi mỗi hai năm. Sau năm 2012, năng lực tính toán tăng gấp đôi mỗi 3,4 tháng, dẫn đến mức tăng hơn 300.000 lần trong sáu năm[4].

5. Tăng trưởng tuyển dụng AI toàn cầu

Singapore, Brazil, Úc, Canada và Ấn Độ ghi nhận mức tăng trưởng tuyển dụng trong lĩnh vực AI nhanh nhất trong giai đoạn 2015–2019. Tại Mỹ, tỷ lệ việc làm liên quan đến AI tăng từ 0,26% tổng số việc làm năm 2010 lên 1,32% vào tháng 10 năm 2019, trong đó nhu cầu lớn nhất là đối với các chuyên gia Machine Learning (0,51%)[5][6].

6. Đầu tư tư nhân vượt 70 tỷ đô la

Năm 2019, đầu tư tư nhân toàn cầu vào AI vượt 70 tỷ đô la, bao gồm hơn 37 tỷ đầu tư vào startup, 34 tỷ trong các giao dịch M&A, khoảng 5 tỷ trong IPO và khoảng 2 tỷ trong cổ phần thiểu số. Từ năm 2010 đến 2018, tài trợ cho các startup AI tăng từ 1,3 tỷ lên 40,4 tỷ đô la với tốc độ tăng trưởng hàng năm trung bình trên 48%. Các phương tiện giao thông tự trị nhận được tỷ trọng đầu tư lớn nhất (7,7 tỷ), tiếp theo là dược phẩm và liệu pháp ung thư (4,7 tỷ) và nhận dạng khuôn mặt (4,7 tỷ)[7].

7. Triển khai AI trong doanh nghiệp ngày càng tăng

Theo dữ liệu khảo sát của McKinsey & Company (2.360 người trả lời), 58% các công ty lớn đã sử dụng AI trong ít nhất một chức năng hoặc đơn vị kinh doanh vào năm 2019, so với 47% năm 2018. Tuy nhiên, chỉ có 19% tổ chức thực hiện các bước giảm thiểu rủi ro liên quan đến khả năng giải thích thuật toán, và chỉ 13% ứng phó với sai lệch và phân biệt đối xử[8].

8. AI — chuyên ngành PhD phổ biến nhất

AI trở thành chuyên ngành phổ biến nhất trong số nghiên cứu sinh tiến sĩ về khoa học máy tính tại Bắc Mỹ: năm 2018, hơn 21% nghiên cứu sinh tốt nghiệp PhD về khoa học máy tính chuyên ngành AI và Machine Learning. Tỷ lệ nghiên cứu sinh tốt nghiệp PhD trong lĩnh vực AI chuyển sang ngành công nghiệp tăng từ 21% năm 2004 lên hơn 60% năm 2018[9].

9. Chảy máu chất xám giảng viên AI từ học thuật

Sự dịch chuyển của giảng viên AI từ học thuật sang công nghiệp tăng tốc: hơn 40 người rời đi vào năm 2018 so với 15 người năm 2012 và không ai năm 2004. Tổn thất lớn nhất xảy ra tại Đại học Carnegie Mellon, Đại học Washington và Đại học California tại Berkeley[10].

10. Sự quan tâm ngày càng tăng đến đạo đức AI

Sự công bằng, khả năng diễn giải và khả năng giải thích được xác định là những thách thức đạo đức được đề cập thường xuyên nhất trong 59 tài liệu về các nguyên tắc AI đạo đức. Trong số hơn 3.600 bài báo tin tức toàn cầu về đạo đức và AI (giữa 2018 — giữa 2019), các chủ đề chiếm ưu thế là các khuôn khổ nguyên tắc và hướng dẫn sử dụng AI đạo đức (32%), quyền riêng tư dữ liệu (14%), nhận dạng khuôn mặt (13%), sai lệch thuật toán (11%) và vai trò của các công ty công nghệ lớn (11%)[11].

Chương 1. Nghiên cứu và Phát triển

Chương phân tích xu hướng trong các công bố dựa trên dữ liệu Elsevier Scopus, bản preprint arXiv, Microsoft Academic Graph (MAG), cũng như hoạt động bằng sáng chế, mức độ phổ biến của các framework phần mềm trên GitHub và đa dạng giới tính trong giới nghiên cứu AI[1].

Công bố

Châu Âu vẫn là nhà xuất bản bài báo AI lớn nhất, đạt hơn 27% công bố trên Scopus vào năm 2018. Tỷ lệ của Trung Quốc tăng từ 10% năm 2000 lên 28% năm 2018. Tại Mỹ, tỷ lệ công bố từ doanh nghiệp tương đối cao: năm 2018, số bài báo AI của doanh nghiệp Mỹ vượt Trung Quốc hơn bảy lần[2].

Trên arXiv, tổng số bài báo về AI trong giai đoạn 2010–2019 tăng hơn hai mươi lần. Thị giác máy tính (CV) là danh mục con lớn nhất từ năm 2014, nhưng đến năm 2019, Machine Learning trở thành danh mục dẫn đầu. Danh mục con "Computation & Language" tăng gần sáu mươi lần so với năm 2010[12].

Trích dẫn

Hơn 32% trích dẫn toàn cầu của bài báo tạp chí AI thuộc về Đông Á, hơn 40% trích dẫn bài báo hội nghị thuộc về Bắc Mỹ. Trong lĩnh vực bằng sáng chế, Bắc Mỹ tích lũy hơn 60% hoạt động trích dẫn bằng sáng chế AI toàn cầu trong giai đoạn 2014–2018[13].

Bằng sáng chế

Hơn 51% bằng sáng chế AI toàn cầu thuộc về Bắc Mỹ. Mỹ công bố số lượng bằng sáng chế AI nhiều gấp ba lần so với quốc gia đứng thứ hai — Nhật Bản. Hơn 94% bằng sáng chế AI được nộp ở các quốc gia có thu nhập cao[13].

GitHub Stars

Xu hướng đáng chú ý là sự thống trị của các framework được hỗ trợ bởi các tập đoàn: TensorFlow (Google) và PyTorch (Facebook). Các framework phi doanh nghiệp — scikit-learn và Caffe — tiếp tục tăng trưởng nhưng với tốc độ chậm hơn[1].

Đa dạng giới tính trong nghiên cứu

Hơn 41% bài báo AI từ Hà Lan và hơn 39% từ Đan Mạch có ít nhất một đồng tác giả nữ. Tại Nhật Bản và Singapore, chỉ số này chỉ là 10% và 16% tương ứng. Nhiều quốc gia Tây Âu, cũng như Argentina, Canada và Iran thể hiện mức độ tham gia của phụ nữ tương đối cao trong nghiên cứu AI[14].

Chương 2. Hội nghị

Số người tham dự

NeurIPS năm 2019 dự kiến đón 13.500 người tham dự (tăng 800% so với năm 2012). ICLR tăng gấp 15 lần so với năm 2014. Hội thảo Women in Machine Learning (WiML) tăng số người tham dự lên 738% so với năm 2014, và chương trình AI4ALL tăng 2.000% so với năm 2015[1].

Thống kê AAAI

Tại hội nghị AAAI 2019, Trung Quốc đại diện cho số lượng bài nộp và bài được chấp nhận nhiều nhất. Hơn 68% hồ sơ đến từ nghiên cứu sinh. Israel có tỷ lệ chấp nhận cao nhất (24%), tiếp theo là Đức (23%), Canada (22%), Mỹ và Singapore (cùng 20%). Machine Learning, NLP và thị giác máy tính vẫn là ba chủ đề hàng đầu[1].

Đạo đức tại hội nghị

Tổng số bài báo có từ khóa liên quan đến đạo đức tại các hội nghị AI hàng đầu vẫn chiếm tỷ lệ nhỏ trong tổng số, nhưng đang tăng trưởng nhanh. Phân tích bao gồm 110.108 bài báo, trong đó 59.352 bài hội nghị và 50.756 bài tạp chí[15].

Chương 3. Hiệu suất Kỹ thuật

Chương theo dõi tiến bộ kỹ thuật trong các nhiệm vụ thị giác máy tính, xử lý ngôn ngữ tự nhiên, suy luận, dịch máy và năng lực tính toán[1].

Thị giác máy tính

ImageNet. Phương pháp đầu tiên vượt qua độ chính xác của con người trên ImageNet được công bố năm 2015. Đến năm 2019, tiến bộ tiếp tục: ba phương pháp thành công nhất sử dụng dữ liệu huấn luyện bổ sung. Cuộc thi ImageNet đã dừng lại vào năm 2017, nhưng bộ dữ liệu vẫn là benchmark chính[16].

Thời gian và chi phí huấn luyện. Theo dữ liệu của dự án DAWNBench (Stanford), thời gian huấn luyện mô hình phân loại hình ảnh đạt độ chính xác 93%+ (top-5) trên cơ sở hạ tầng đám mây giảm từ hơn 3 giờ (tháng 10 năm 2017) xuống còn ~88 giây (tháng 7 năm 2019). Chi phí huấn luyện giảm từ 2.323 đô la (tháng 10 năm 2017, ResNet) xuống còn ~12 đô la (tháng 9 năm 2018, ResNet trên GCP với Cloud TPU)[3].

Tạo sinh hình ảnh. Tiến bộ trong tạo sinh hình ảnh (CIFAR-10) được đo bằng chỉ số FID (Fréchet Inception Distance): điểm số thấp hơn tương quan với chất lượng tạo sinh tốt hơn[1].

Phân đoạn ngữ nghĩa. Tiến bộ được đo bằng chỉ số mean IoU trên bộ dữ liệu Cityscapes — nhiệm vụ quan trọng đối với các hệ thống lái xe tự động[1].

Xử lý ngôn ngữ tự nhiên

GLUE. Benchmark General Language Understanding Evaluation, phát hành vào tháng 5 năm 2018, kiểm tra các hệ thống trên chín nhiệm vụ xử lý văn bản. Mặc dù benchmark mới ra đời hơn một năm, kết quả của các hệ thống đã vượt qua mức của người đánh giá không chuyên vào tháng 6 năm 2019. Các mô hình RoBERTa (Facebook) và T5 (Google) tiếp tục cải thiện kết quả[17].

SuperGLUE. Benchmark phức tạp hơn, ra mắt vào tháng 5 năm 2019. Trong vòng năm tháng sau khi ra mắt, mô hình T5 (Google) gần đạt ngưỡng cơ sở của con người là 89,8, đạt 88,9 điểm[18].

SQuAD. Trên benchmark Stanford Question Answering Dataset, điểm F1 cho SQuAD 1.1 tăng từ 67 (tháng 8 năm 2016) lên 95 (tháng 5 năm 2019). Tiến bộ trên SQuAD 2.0 còn nhanh hơn: từ 62 (tháng 5 năm 2018) lên 90 (tháng 6 năm 2019). Thời gian huấn luyện mô hình trả lời câu hỏi đạt F1 ≥ 75 trên SQuAD 1.0 giảm từ hơn 7 giờ (tháng 10 năm 2017) xuống còn dưới 19 phút (tháng 3 năm 2019)[19].

Suy luận. Trên ARC Challenge Set (Allen Institute for AI), kết quả tốt nhất đạt 67,7% (tháng 9 năm 2019). Trên ARC-Easy — 85,4%. Các nhiệm vụ đòi hỏi suy luận vẫn khó hơn đáng kể đối với các hệ thống AI[20].

Dịch máy

Số lượng hệ thống dịch máy thương mại có sẵn với các mô hình được huấn luyện sẵn tăng từ 8 (2017) lên hơn 24 (2019). Tiến bộ lớn nhất về chất lượng được ghi nhận cho các cặp ngôn ngữ Trung–Anh, Anh–Đức và Nga–Anh[21].

Omniglot Challenge

Trong ba năm, đã có tiến bộ đáng chú ý trong phân loại one-shot, nhưng trên bốn nhiệm vụ học khái niệm còn lại (tạo sinh ví dụ, phân tích cú pháp, tạo sinh khái niệm mới), tiến bộ còn hạn chế. Bayesian Program Learning (BPL) vẫn vượt trội hơn các phương pháp Neural Network trong nhiệm vụ gốc[22].

Năng lực tính toán

Phân tích của OpenAI cho thấy sự gián đoạn cơ cấu: trước năm 2012, khối lượng tính toán cho AI tăng gấp đôi mỗi hai năm (định luật Moore); sau năm 2012 — mỗi 3,4 tháng. Từ năm 2012, chỉ số này tăng hơn 300.000 lần[4].

Các cột mốc đạt trình độ con người

Báo cáo cập nhật niên đại các thành tựu AI, bổ sung hai kết quả mới bên cạnh các kết quả đã được ghi chép trước đó (Othello — 1980, cờ đam — 1995, cờ vua — 1997, Jeopardy! — 2011, Atari — 2015, ImageNet — 2016, cờ vây — 2016, poker — 2017, Ms. Pac-Man — 2017, StarCraft II — 2019):

Năm Thành tựu
2018 AlphaFold (DeepMind) — dự đoán cấu trúc 3D của protein với độ chính xác chưa từng có
2019 AlphaStar (DeepMind) — đánh bại chuyên gia hàng đầu trong StarCraft II
2019 Phát hiện bệnh võng mạc tiểu đường với độ chính xác ngang chuyên gia

Chương 4. Kinh tế

Việc làm và tuyển dụng

Chỉ số tuyển dụng AI (LinkedIn) cho thấy Singapore, Brazil, Úc, Canada và Ấn Độ dẫn đầu về tốc độ tăng trưởng tuyển dụng trong giai đoạn 2015–2019. Tại Mỹ, bang Washington có tỷ lệ cầu về việc làm AI tương đối cao nhất (gần 1,4% tổng số việc làm), tiếp theo là California (1,3%) và Massachusetts (1,3%). Về số lượng tuyệt đối, California dẫn đầu với hơn 93.000 vị trí AI[5].

Mức độ thâm nhập kỹ năng AI cao nhất được ghi nhận trong các lĩnh vực dịch vụ IT (2,3% việc làm), dịch vụ chuyên nghiệp và khoa học (hơn 2%), tài chính và bảo hiểm (1,3%) và sản xuất chế tạo (1,1%)[6].

Theo dữ liệu LinkedIn, Ấn Độ thể hiện mức độ thâm nhập kỹ năng AI gấp 2,6 lần mức trung bình thế giới. Một bức tranh thú vị được ghi nhận theo góc độ giới tính: đàn ông báo cáo kỹ năng AI trong nhiều nghề hơn phụ nữ ở tất cả các quốc gia trong mẫu[6].

Đầu tư

Tài trợ cho các startup AI tăng trưởng với tốc độ hàng năm trung bình trên 48% (2010–2018). Đến tháng 11 năm 2019, khối lượng đầu tư đạt 37,4 tỷ đô la (so với 40,4 tỷ trong cả năm 2018). Trong giai đoạn 2014–2019, đã thực hiện 15.798 khoản đầu tư với quy mô trung bình khoảng 8,6 triệu đô la[7].

Chỉ số đầu tư AI tính theo đầu người cao nhất ở Israel, tiếp theo là Singapore và Iceland. Các startup Trung Quốc nhận được đầu tư đáng kể hơn mỗi công ty: 34,1 triệu đô la — nhiều hơn 201% so với Mỹ và nhiều hơn 296% so với mức trung bình thế giới[7].

Theo lĩnh vực, đầu tư lớn nhất hướng đến phương tiện giao thông tự trị (7,7 tỷ đô la, 9,9% tổng khối lượng), dược phẩm và liệu pháp ung thư (4,7 tỷ), nhận dạng khuôn mặt (4,7 tỷ), nội dung video (3,6 tỷ) và phát hiện gian lận (3,1 tỷ). Các lĩnh vực tăng trưởng nhanh nhất là tự động hóa quy trình bằng robot, quản lý chuỗi cung ứng và tự động hóa công nghiệp[7].

Đầu tư nhà nước (Mỹ)

Chính phủ liên bang Mỹ dự kiến đầu tư 4,98 tỷ đô la vào nghiên cứu AI trong năm tài chính 2020. Bộ Quốc phòng (DoD) — 4,0 tỷ đô la, bao gồm 506 triệu qua DARPA, 221 triệu cho dự án Maven và 209 triệu cho Trung tâm AI Chung (JAIC). Chi phí của các cơ quan liên bang cho hợp đồng AI tăng ~70%: từ 429 triệu đô la năm 2017 lên 728 triệu đô la năm 2018[23].

Triển khai doanh nghiệp

58% các công ty lớn báo cáo sử dụng AI trong ít nhất một chức năng (tăng từ 47% năm 2018). 30% người trả lời ghi nhận triển khai AI trong nhiều đơn vị (21% năm 2018). Các khả năng AI được triển khai thường xuyên nhất: tự động hóa quy trình bằng robot, thị giác máy tính và Machine Learning. An ninh mạng là rủi ro mà các tổ chức thường xuyên đối phó nhất (48%), trong khi rủi ro về khả năng giải thích (19%) và công bằng (13%) được xử lý ít hơn đáng kể[8].

Tự động hóa robot công nghiệp

Năm 2018, số lượng lắp đặt robot công nghiệp toàn cầu tăng 6% — lên 422.271 đơn vị trị giá 16,5 tỷ đô la. Đội robot đang hoạt động gồm 2.439.543 đơn vị. Năm thị trường lớn nhất — Trung Quốc, Nhật Bản, Mỹ, Hàn Quốc và Đức — chiếm 74% tổng số lắp đặt toàn cầu. Trung Quốc vẫn là nhà lãnh đạo thế giới (36%), lắp đặt 154.032 đơn vị[24].

Chương 5. Giáo dục

Học trực tuyến

Coursera, phục vụ hơn 45 triệu học viên và cung cấp hơn 3.700 khóa học, đã xếp hạng 60 quốc gia theo kỹ năng AI (Global Skills Index). Nam Á và Đông Á thể hiện tỷ lệ đăng ký các khóa học về AI và năng lực liên quan cao nhất. Trên Udacity, khóa học "Introduction to Machine Learning" đạt hơn 125.000 lượt đăng ký tích lũy[25].

Chương trình đại học

Số học viên đăng ký các khóa học nhập môn về AI tại Stanford tăng gấp năm lần (2012–2018). Khóa học "Introduction to Machine Learning" tại Đại học Illinois (UIUC) tăng gấp mười hai lần (2010–2018). Ở cấp độ quốc tế, Đại học Toronto có số sinh viên đăng ký nhiều nhất, tiếp theo là Trường Đại học Kinh tế cao cấp (Nga) và Đại học Thanh Hoa (Trung Quốc)[1].

Tại châu Âu, đã xác định được 2.054 chương trình bao gồm lĩnh vực AI, trong đó phần lớn ở cấp độ thạc sĩ. 197 trường đại học châu Âu cung cấp 406 chương trình thạc sĩ chuyên ngành AI[26].

Chuyên ngành PhD và dịch chuyển sang công nghiệp

AI trở thành chuyên ngành PhD phổ biến nhất trong khoa học máy tính: hơn 21% năm 2018. Tỷ lệ PhD chuyển sang công nghiệp tăng gấp ba: từ 21% năm 2004 lên 62% năm 2018. Hơn 60% nghiên cứu sinh PhD AI mới ở Mỹ và Canada là sinh viên nước ngoài (dưới 40% năm 2010); chỉ ~10% rời Mỹ sau khi tốt nghiệp[9].

Ba trường đại học có tổn thất giảng viên AI lớn nhất: Carnegie Mellon (17 giảng viên cơ hữu), Đại học Washington (11) và Berkeley. Trong số các trường đại học Canada, Đại học Toronto mất nhiều nhất (9 giảng viên). Tỷ lệ phụ nữ trong số nghiên cứu sinh tốt nghiệp PhD về AI vẫn ổn định ở mức ~20% từ năm 2010 đến 2018[10].

Chương 6. Hệ thống Tự trị

Xe tự lái

Ít nhất 25 quốc gia có các thành phố đang thử nghiệm phương tiện giao thông tự trị (ATV). Tại bang California, từ năm 2015 đến 2018, số công ty thử nghiệm và tổng số ATV tăng gấp bảy lần. Năm 2018, hơn 50 công ty và 500 ATV đã đi hơn 2 triệu dặm. Ít nhất 41 bang và Quận Columbia đang xem xét luật liên quan đến ATV[27].

Tần suất tai nạn của ATV tại California năm 2018 là 22,44 trên một triệu dặm — cao hơn khoảng 5,5 lần so với chỉ số điều chỉnh của tài xế thông thường. Trong hầu hết các tai nạn, phương tiện có tài xế người tông vào phía sau ATV đang đứng yên hoặc di chuyển thẳng vào ban ngày. Phần lớn thiệt hại là không đáng kể[27].

Vũ khí tự trị

Theo nghiên cứu chuyên gia của Viện Nghiên cứu Hòa bình Quốc tế Stockholm (SIPRI), ít nhất 89 quốc gia có hệ thống phòng không tự động. Hệ thống bảo vệ chủ động chỉ được phát triển và sản xuất bởi chín quốc gia. Dữ liệu bao gồm giai đoạn 1950–2017[28].

Chương 7. Nhận thức Công chúng

Ngân hàng trung ương

Các thông tin liên lạc của ngân hàng trung ương thể hiện sự quan tâm ngày càng tăng đến AI. Ngân hàng Anh, Ngân hàng Nhật Bản và Cục Dự trữ Liên bang đề cập đến AI thường xuyên hơn các tổ chức khác. Bản chất các ấn phẩm đã chuyển từ tài liệu phân tích sang bài phát biểu[1].

Hoạt động nghị viện và chính phủ

Đã ghi nhận sự gia tăng hơn mười lần hoạt động lập pháp liên quan đến AI trong Quốc hội Mỹ trong các năm 2017–2018. Trong biên bản Quốc hội, năm 2019 là năm có nhiều đề cập đến AI nhất. Xu hướng tương tự được ghi nhận trong các nghị viện của Canada và Vương quốc Anh[23].

Doanh nghiệp

Tỷ lệ báo cáo thu nhập (earnings calls) của 3.000 công ty đại chúng tại Mỹ có đề cập đến AI tăng từ 0,01% (2010) lên 0,42% (2018). Lĩnh vực tài chính dẫn đầu về số lượng đề cập[1].

Truyền thông và tìm kiếm trên web

Theo dữ liệu Google Trends, thuật ngữ "machine learning" vượt trội so với các thuật ngữ liên quan khác trong các tìm kiếm tại Mỹ. Theo dữ liệu GDELT Project, trong số các bài báo tin tức liên quan đến AI, 17,7% đề cập đến tác động đến việc làm, 2,4% — sai lệch thuật toán và chỉ 0,99% — "robot sát thủ"[29].

Chương 8. Khía cạnh Xã hội

Các nguyên tắc đạo đức

PricewaterhouseCoopers đã phân tích 59 tài liệu về các nguyên tắc AI đạo đức từ các hiệp hội và tập đoàn, chính phủ, công ty công nghệ, viện nghiên cứu và tổ chức học thuật. Mười hai thách thức đạo đức được nhận diện thường xuyên nhất: trách nhiệm giải trình, an toàn, kiểm soát của con người, độ tin cậy và bảo mật, công bằng, đa dạng và hòa nhập, bền vững, minh bạch, khả năng diễn giải và giải thích, đối thoại đa bên, tính hợp pháp và tuân thủ, quyền riêng tư dữ liệu[11].

Sự công bằng, khả năng diễn giải/giải thích và minh bạch được đề cập thường xuyên nhất. Đối với các công ty công nghệ, sự công bằng được nêu trong 100% các khuôn khổ; đối với các viện nghiên cứu — sự công bằng và kiểm soát của con người (lần lượt 100% và 88%)[11].

AI và Mục tiêu Phát triển Bền vững của Liên hợp quốc

McKinsey Global Institute đã xác định khoảng 160 trường hợp sử dụng AI vì lợi ích xã hội, có khả năng hỗ trợ tất cả 17 Mục tiêu Phát triển Bền vững (SDG) của Liên hợp quốc. AI có thể giải quyết khoảng một nửa trong số 169 chỉ tiêu SDG. Số lượng trường hợp ứng dụng nhiều nhất tương ứng với SDG 3 (sức khỏe) và SDG 16 (xã hội hòa bình và bao trùm). Tuy nhiên, để triển khai AI ở quy mô lớn vì phát triển bền vững, vẫn còn những rào cản đáng kể: khả năng tiếp cận dữ liệu, năng lực tính toán, nhân lực và sự sẵn sàng của tổ chức[30].

Chương 9. Chiến lược Quốc gia và Động lực AI Toàn cầu

Chiến lược quốc gia

Số lượng tài liệu chiến lược chính thức về AI liên tục tăng. PwC, sử dụng phân tích NLP trên 37 tài liệu, phát hiện rằng quan hệ đối tác học thuật được đề cập trong 94% tài liệu, nghiên cứu và phát triển AI — trong 48%, quản trị AI — trong 42%. Bảo vệ người tiêu dùng và công bằng được đề cập ít thường xuyên nhất (2%)[11].

Công cụ Global AI Vibrancy

Công cụ được giới thiệu lần đầu bao gồm 28 quốc gia theo 34 chỉ số, được nhóm thành ba trụ cột: nghiên cứu và phát triển (21 chỉ số), kinh tế (10 chỉ số) và tính bao trùm (5 chỉ số). Công cụ cho phép người dùng tùy chỉnh trọng số và thực hiện so sánh cả giữa các quốc gia lẫn nội bộ từng quốc gia[1].

Hồ sơ quốc gia

Báo cáo bao gồm các hồ sơ quốc gia chi tiết cho Brazil, Trung Quốc, Pháp, Đức, Ấn Độ, Hà Lan, Singapore và Mỹ, cũng như tổng quan về chính sách khu vực đa phương trong lĩnh vực AI[1].

Các kết quả benchmark đáng chú ý năm 2019

Benchmark Kết quả tốt nhất (2019) Trình độ con người Tiến bộ
ImageNet (Top-1) ~88% ~95% (một người chú thích) Cải thiện liên tục với dữ liệu bổ sung
GLUE Vượt trình độ không chuyên (tháng 6 năm 2019) 87,1 (không chuyên) RoBERTa, T5
SuperGLUE 88,9 (T5, Google) 89,8 Đạt được trong 5 tháng sau khi ra mắt benchmark
SQuAD 1.1 (F1) 95 ~91 Vượt trình độ con người
SQuAD 2.0 (F1) 90 ~89 Gần ngang trình độ con người
ARC Challenge 67,7% — Các nhiệm vụ suy luận vẫn còn khó
VQA 75,28% ~80% Tăng 2,85 điểm phần trăm trong một năm

Phương pháp luận

Báo cáo sử dụng dữ liệu từ nhiều nguồn[1]:

  • Công bố: Elsevier Scopus, arXiv (NESTA), Microsoft Academic Graph (MAG).
  • Benchmark: Papers With Code, DAWNBench/MLPerf, bảng xếp hạng GLUE, SuperGLUE, SQuAD, ARC, VQA, ActivityNet.
  • Hội nghị: dữ liệu đăng ký NeurIPS, ICML, ICLR, AAAI, CVPR, WiML, AI4ALL, RightsCon.
  • Thị trường lao động: LinkedIn Economic Graph, Burning Glass Technologies, Indeed.
  • Đầu tư: CAPIQ, Crunchbase, Quid.
  • Hoạt động doanh nghiệp: McKinsey Global Survey, International Federation of Robotics.
  • Chi tiêu nhà nước: Bloomberg Government.
  • Nhận thức công chúng: Google Trends, GDELT Project, Prattle (ngân hàng trung ương), Hansard (nghị viện).
  • Đạo đức và chiến lược: PricewaterhouseCoopers (NAISR), Harvard, LexisNexis.
  • Giáo dục: CRA Taulbee Survey, Coursera, Udacity, Joint Research Centre (EC).
  • Hệ thống tự trị: California DMV, Bloomberg Philanthropies, SIPRI, NCSL.

Nhóm tác giả

Báo cáo được chuẩn bị bởi Ban Chỉ đạo AI Index dưới sự điều phối của Raymond Perrault (SRI International) và chủ tịch Yoav Shoham (Đại học Stanford). Thành phần ban gồm: Erik Brynjolfsson (MIT), Jack Clark (OpenAI), John Etchemendy (Stanford), Barbara Grosz (Harvard), Terah Lyons (Partnership on AI), James Manyika (McKinsey Global Institute) và Juan Carlos Niebles (Stanford). Giám đốc dự án và tổng biên tập là Saurabh Mishra (Đại học Stanford). Dữ liệu được cung cấp bởi hơn 20 tổ chức đối tác[1].

Liên kết ngoài

Tài liệu tham khảo

Chú thích

  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_(VI)&oldid=7969"