--- title: "The 2019 AI Index Report (RO)" source: "https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)" wiki: "systems-analysis.info/int" article: "The_2019_AI_Index_Report_(RO)" language: "ro" categories: - "Category:Machine learning" - "Category:Romanian" revision_id: 7963 wiki_created_at: 2026-09-07T01:09:44Z wiki_modified_at: 2026-09-07T01:09:44Z downloaded_at: 2026-09-07T23:22:05Z --- # The 2019 AI Index Report (RO) **AI Index Report 2019** — a doua ediție anuală completă a raportului **AI Index**, elaborată de Institutul Stanford pentru Inteligență Artificială Centrată pe Om (Stanford HAI)^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. Raportul din 2019 urmărește de trei ori mai multe seturi de date față de ediția din 2018 și acoperă nouă capitole tematice: de la cercetare și dezvoltare până la strategii naționale și dinamica globală a IA. Ediția conține date actualizate privind toate aspectele inteligenței artificiale — realizări tehnice, economie, educație, percepție publică și consecințe sociale — și prezintă două noi instrumente interactive: **Global AI Vibrancy Tool** (vibrancy.aiindex.org), care permite compararea țărilor după 34 de indicatori, și **AI Index arXiv Monitor** (arxiv.aiindex.org), care oferă căutare full-text în preprinturile din domeniul IA. AI Index este o inițiativă independentă în cadrul Institutului Stanford HAI, concepută în cadrul proiectului „Studiul Centenar al IA" (AI100)^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ## Context și obiective Misiunea AI Index constă în furnizarea de date obiective, riguros verificate despre dezvoltarea inteligenței artificiale pentru factori de decizie, cercetători, directori executivi, jurnaliști și publicul larg^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. Raportul din 2019 a apărut într-un moment de creștere rapidă a interesului față de IA din partea guvernelor, corporațiilor și societății, și a urmărit să risipească miturile răspândite — în special percepția că dezvoltarea IA se rezumă la rivalitatea dintre SUA și China. Datele raportului demonstrează că centre locale de excelență în domeniul IA se formează în întreaga lume: Finlanda se remarcă în educația în domeniul IA, India înregistrează o penetrare ridicată a competențelor IA, Singapore dispune de un sprijin guvernamental bine organizat, iar Israel conduce în privința investițiilor private în startup-uri IA per capita^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ## Structura raportului Raportul din 2019 este structurat în nouă capitole tematice^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}: 1. **Cercetare și Dezvoltare (Research and Development)** — date bibliometrice, publicații, brevete, diversitate de gen în cercetarea IA. 2. **Conferințe (Conferences)** — participare, statistici articole AAAI, organizații pentru diversitate, etică la conferințe. 3. **Performanță Tehnică (Technical Performance)** — benchmark-uri pentru viziune artificială, procesarea limbajului, raționament, putere de calcul. 4. **Economie (The Economy)** — locuri de muncă, investiții, adoptare corporativă, robotizare. 5. **Educație (Education)** — învățare online, programe universitare, specializări de doctorat, migrarea cadrelor didactice. 6. **Sisteme Autonome (Autonomous Systems)** — vehicule autonome, armament autonom. 7. **Percepție Publică (Public Perception)** — bănci centrale, parlamente, rapoarte corporative, media. 8. **Aspecte Sociale (Societal Considerations)** — principii etice, IA și dezvoltarea durabilă ONU. 9. **Strategii Naționale și Dinamica Globală a IA (National Strategies and Global AI Vibrancy)** — strategii naționale, instrument de comparare a țărilor. ## Concluziile cheie ale raportului ### 1. Creșterea volumului publicațiilor În perioada 1998–2018, volumul publicațiilor recenzate în domeniul IA a crescut cu peste 300%. Până în 2018, articolele despre IA reprezentau 3% din publicațiile în reviste și 9% din articolele de conferință din baza de date Scopus^{[\[2\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Scopus2019-2)}. China a ajuns în 2018 la paritate cu Europa în ceea ce privește numărul de publicații în reviste și conferințe pe tema IA, depășind SUA încă din 2006. Totuși, indicele de citare (FWCI) al publicațiilor din SUA rămânea cu aproximativ 50% mai ridicat decât cel al Chinei^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### 2. Participare record la conferințe Participarea la marile conferințe de IA a continuat să crească semnificativ. Conferința NeurIPS din 2019 anticipa 13 500 de participanți — o creștere de 41% față de 2018 și de peste 800% față de 2012. Conferințele AAAI și CVPR înregistrau o creștere anuală a participării de aproximativ 30%^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### 3. Progres tehnic accelerat Timpul de antrenare al unui model de clasificare a imaginilor pe infrastructură cloud s-a redus de la aproximativ trei ore în octombrie 2017 la aproximativ 88 de secunde în iulie 2019; costul antrenării a scăzut în mod similar. Pe benchmark-urile SuperGLUE și SQuAD 2.0 progresul a fost deosebit de rapid, însă la sarcinile care necesită raționament (de exemplu, AI2 Reasoning Challenge) și la sarcinile de învățare la nivel de concepte (Omniglot Challenge) rezultatele rămâneau sub nivelul uman^{[\[3\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-DAWNBench2019-3)[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### 4. Creștere exponențială a puterii de calcul Înainte de 2012, creșterea puterii de calcul pentru IA corespundea Legii lui Moore — dublare la fiecare doi ani. După 2012, puterea de calcul s-a dublat la fiecare 3,4 luni, ceea ce a condus la o creștere de peste 300 000 de ori în șase ani^{[\[4\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-OpenAICompute-4)}. ### 5. Creștere globală a angajărilor în domeniul IA Singapore, Brazilia, Australia, Canada și India au înregistrat cea mai rapidă creștere a angajărilor în domeniul IA în perioada 2015–2019. În SUA, ponderea posturilor vacante legate de IA a crescut de la 0,26% din totalul posturilor vacante în 2010 la 1,32% în octombrie 2019, cererea cea mai mare vizând specialiștii în Machine Learning (0,51%)^{[\[5\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-BurningGlass2019-5)[\[6\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-LinkedIn2019-6)}. ### 6. Investițiile private au depășit 70 de miliarde de dolari În 2019, investițiile private globale în IA au depășit 70 de miliarde de dolari, incluzând peste 37 de miliarde în startup-uri, 34 de miliarde în tranzacții M&A, aproximativ 5 miliarde în IPO și aproximativ 2 miliarde în participații minoritare. Între 2010 și 2018, finanțarea startup-urilor de IA a crescut de la 1,3 miliarde la 40,4 miliarde de dolari, cu o rată de creștere anuală medie de peste 48%. Vehiculele autonome au atras cea mai mare cotă din investiții (7,7 miliarde), urmate de farmaceutice și terapia cancerului (4,7 miliarde) și recunoașterea facială (4,7 miliarde)^{[\[7\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Quid2019-7)}. ### 7. Adoptarea crescândă a IA în mediul de afaceri Conform unui sondaj McKinsey & Company (2 360 de respondenți), 58% dintre marile companii utilizau IA în cel puțin o funcție sau unitate de afaceri în 2019, față de 47% în 2018. Totuși, doar 19% dintre organizații luau măsuri pentru reducerea riscurilor legate de explicabilitatea algoritmilor, iar doar 13% abordau prejudecățile și discriminarea^{[\[8\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-McKinsey2019-8)}. ### 8. IA — cea mai populară specializare pentru doctorat IA a devenit cea mai populară specializare în rândul doctoranzilor în informatică din America de Nord: în 2018, peste 21% dintre absolvenții de doctorat în științele calculatoarelor se specializaseră în IA și Machine Learning. Proporția absolvenților de doctorat în IA care se îndreptau spre industrie a crescut de la 21% în 2004 la peste 60% în 2018^{[\[9\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Taulbee2019-9)}. ### 9. Migrarea cadrelor didactice de IA din mediul academic Plecarea cadrelor didactice de IA din mediul academic spre industrie s-a accelerat: peste 40 de plecări în 2018, față de 15 în 2012 și zero în 2004. Cele mai mari pierderi le-au înregistrat Universitatea Carnegie Mellon, Universitatea Washington și Universitatea California din Berkeley^{[\[10\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Gofman2019-10)}. ### 10. Creșterea atenției acordate eticii IA Corectitudinea, interpretabilitatea și explicabilitatea au fost identificate drept cele mai frecvent menționate provocări etice în 59 de documente cu principii de etică a IA. Dintre peste 3 600 de articole de știri mondiale despre etică și IA (mijlocul anului 2018 — mijlocul anului 2019), temele dominante au fost cadrele de principii și ghidurile pentru utilizarea etică a IA (32%), confidențialitatea datelor (14%), recunoașterea facială (13%), prejudecata algoritmică (11%) și rolul marilor companii tehnologice (11%)^{[\[11\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-PwC2019-11)}. ## Capitolul 1. Cercetare și Dezvoltare Capitolul analizează tendințele în publicații pe baza datelor Elsevier Scopus, preprinturilor arXiv, Microsoft Academic Graph (MAG), precum și activitatea de brevetare, popularitatea framework-urilor software pe GitHub și diversitatea de gen în rândul cercetătorilor IA^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Publicații Europa rămânea cel mai mare editor de articole pe tema IA, atingând peste 27% din publicațiile din Scopus până în 2018. Cota Chinei a crescut de la 10% în 2000 la 28% în 2018. În SUA, publicațiile corporative aveau o pondere relativ ridicată: în 2018, numărul articolelor corporative de IA din SUA le depășea pe cele chinezești de peste șapte ori^{[\[2\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Scopus2019-2)}. Pe arXiv, numărul total de articole pe tema IA în perioada 2010–2019 a crescut de peste douăzeci de ori. Viziunea artificială (CV) a fost cea mai mare subcategorie din 2014, însă în 2019 Machine Learning a devenit categoria lider. Subcategoria „Computation & Language" a crescut de aproape șaizeci de ori față de 2010^{[\[12\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-arXiv2019-12)}. ### Citări Peste 32% din citările mondiale ale articolelor de revistă pe tema IA proveneau din Asia de Est, iar peste 40% din citările articolelor de conferință — din America de Nord. În domeniul brevetelor, America de Nord a acumulat peste 60% din activitatea de citare mondială a brevetelor de IA în perioada 2014–2018^{[\[13\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-MAG2019-13)}. ### Brevete Peste 51% din brevetele mondiale de IA aparțineau Americii de Nord. SUA au publicat de trei ori mai multe brevete de IA decât următoarea țară — Japonia. Peste 94% din brevetele de IA au fost depuse în țări cu venituri ridicate^{[\[13\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-MAG2019-13)}. ### GitHub Stars O tendință remarcabilă a fost dominanța framework-urilor susținute de corporații: TensorFlow (Google) și PyTorch (Facebook). Framework-urile necorporative — scikit-learn și Caffe — continuau să crească, dar cu o rată mai mică^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Diversitatea de gen în cercetare Peste 41% din articolele de IA din Țările de Jos și peste 39% din cele din Danemarca aveau cel puțin o coautoare. În Japonia și Singapore, această pondere era de doar 10% și, respectiv, 16%. Multe țări din Europa de Vest, precum și Argentina, Canada și Iranul înregistrau o prezență relativ ridicată a femeilor în cercetarea IA^{[\[14\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-NESTA2019-14)}. ## Capitolul 2. Conferințe ### Participare NeurIPS 2019 anticipa 13 500 de participanți (creștere de 800% față de 2012). ICLR a crescut de 15 ori față de 2014. Atelierul Women in Machine Learning (WiML) și-a sporit numărul de participanți cu 738% față de 2014, iar programul AI4ALL — cu 2 000% față de 2015^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Statistici AAAI La conferința AAAI 2019, China a prezentat cel mai mare număr de articole depuse și acceptate. Peste 68% din aplicații proveneau de la doctoranzi. Israel a avut cel mai ridicat procent de acceptare (24%), urmat de Germania (23%), Canada (22%), SUA și Singapore (câte 20%). Machine Learning, NLP și viziunea artificială au rămas cele trei tematici de top^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Etică la conferințe Numărul total de articole cu cuvinte-cheie legate de etică la principalele conferințe de IA rămânea o proporție mică din total, dar creștea rapid. Analiza a acoperit 110 108 articole, inclusiv 59 352 articole de conferință și 50 756 articole de revistă^{[\[15\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-PratesEthics2019-15)}. ## Capitolul 3. Performanță Tehnică Capitolul urmărește progresul tehnic în sarcinile de viziune artificială, procesare a limbajului natural, raționament, traducere automată și putere de calcul^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Viziune artificială **ImageNet.** Prima metodă care a depășit acuratețea umană pe ImageNet a fost publicată în 2015. Până în 2019, progresul continua: cele mai performante trei metode utilizau date suplimentare de antrenare. Competiția ImageNet a fost încheiată în 2017, dar dataset-ul rămânea un benchmark esențial^{[\[16\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-ImageNet2019-16)}. **Timp și cost de antrenare.** Conform proiectului DAWNBench (Stanford), timpul de antrenare a unui model de clasificare a imaginilor până la o acuratețe de 93%+ (top-5) pe infrastructură cloud s-a redus de la peste 3 ore (octombrie 2017) la ~88 de secunde (iulie 2019). Costul antrenării a scăzut de la 2 323 de dolari (octombrie 2017, ResNet) la ~12 dolari (septembrie 2018, ResNet pe GCP cu Cloud TPU)^{[\[3\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-DAWNBench2019-3)}. **Generarea imaginilor.** Progresul în generarea imaginilor (CIFAR-10) a fost măsurat cu ajutorul metricii FID (Fréchet Inception Distance): un scor mai mic corelează cu o calitate mai bună a generării^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. **Segmentarea semantică.** Progresul a fost măsurat prin metrica mean IoU pe dataset-ul Cityscapes — o sarcină importantă pentru sistemele de pilotare automată^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Procesarea limbajului natural **GLUE.** Benchmark-ul General Language Understanding Evaluation, lansat în mai 2018, testează sistemele pe nouă sarcini de procesare a textului. Deși benchmark-ul exista de puțin peste un an, rezultatele sistemelor au depășit nivelul evaluatorilor non-experți în iunie 2019. Modelele RoBERTa (Facebook) și T5 (Google) continuau să îmbunătățească scorurile^{[\[17\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-GLUE2018-17)}. **SuperGLUE.** Un benchmark mai dificil, lansat în mai 2019. În cinci luni de la lansare, modelul T5 (Google) a atins aproape nivelul de referință uman de 89,8, obținând un scor de 88,9^{[\[18\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-SuperGLUE2019-18)}. **SQuAD.** Pe benchmark-ul Stanford Question Answering Dataset, scorul F1 pentru SQuAD 1.1 a crescut de la 67 (august 2016) la 95 (mai 2019). Progresul pe SQuAD 2.0 a fost și mai rapid: de la 62 (mai 2018) la 90 (iunie 2019). Timpul de antrenare al unui model de răspuns la întrebări până la F1 ≥ 75 pe SQuAD 1.0 s-a redus de la peste 7 ore (octombrie 2017) la sub 19 minute (martie 2019)^{[\[19\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-SQuAD2018-19)}. **Raționament.** Pe ARC Challenge Set (Allen Institute for AI), cel mai bun rezultat a fost de 67,7% (septembrie 2019). Pe ARC-Easy — 85,4%. Sarcinile care necesită raționament rămâneau semnificativ mai dificile pentru sistemele de IA^{[\[20\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-ARC2018-20)}. ### Traducere automată Numărul de sisteme de traducere automată disponibile comercial cu modele pre-antrenate a crescut de la 8 (2017) la peste 24 (2019). Cel mai mare progres calitativ a fost observat pentru perechile chineză–engleză, engleză–germană și rusă–engleză^{[\[21\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Intento2019-21)}. ### Omniglot Challenge În trei ani s-a înregistrat un progres notabil în clasificarea cu un singur exemplu (one-shot), însă pentru celelalte patru sarcini de învățare a conceptelor (generarea de exemple, parsare, generarea de concepte noi) progresul a fost limitat. Învățarea probabilistică prin programe (BPL) depășea în continuare abordările bazate pe rețele neuronale în sarcina originală^{[\[22\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Lake2019-22)}. ### Putere de calcul O analiză OpenAI a evidențiat o ruptură structurală: înainte de 2012, volumul de calcul pentru IA se dubla la fiecare doi ani (Legea lui Moore); după 2012 — la fiecare 3,4 luni. Din 2012, acest indicator a crescut de peste 300 000 de ori^{[\[4\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-OpenAICompute-4)}. ### Repere ale nivelului uman Raportul a actualizat cronologia realizărilor IA, adăugând două noi rezultate la cele deja documentate (Othello — 1980, dame — 1995, șah — 1997, Jeopardy! — 2011, Atari — 2015, ImageNet — 2016, Go — 2016, poker — 2017, Ms. Pac-Man — 2017, StarCraft II — 2019): | An | Realizare | |------|--------------------------------------------------------------------------------------------| | 2018 | AlphaFold (DeepMind) — predicția structurii 3D a proteinelor cu o precizie fără precedent | | 2019 | AlphaStar (DeepMind) — victorie împotriva unui jucător profesionist de top în StarCraft II | | 2019 | Detectarea retinopatiei diabetice cu precizie la nivel de specialist | ## Capitolul 4. Economie ### Locuri de muncă și angajări Indicele de angajare în IA (LinkedIn) a arătat că Singapore, Brazilia, Australia, Canada și India au condus în privința ritmului de creștere a angajărilor în perioada 2015–2019. În SUA, statul Washington a înregistrat cea mai mare cerere relativă de posturi vacante în IA (aproape 1,4% din totalul posturilor vacante), urmat de California (1,3%) și Massachusetts (1,3%). În valori absolute, California conducea cu peste 93 000 de posturi vacante în IA^{[\[5\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-BurningGlass2019-5)}. Cea mai mare penetrare a competențelor IA a fost observată în sectoarele de servicii IT (2,3% din posturile vacante), servicii profesionale și științifice (peste 2%), finanțe și asigurări (1,3%) și industria prelucrătoare (1,1%)^{[\[6\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-LinkedIn2019-6)}. Conform datelor LinkedIn, India înregistra o penetrare a competențelor IA de 2,6 ori mai mare decât media mondială. O situație interesantă s-a observat din perspectiva genului: bărbații declarau competențe IA într-un număr mai mare de profesii decât femeile, în toate țările din eșantion^{[\[6\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-LinkedIn2019-6)}. ### Investiții Finanțarea startup-urilor IA a crescut cu o rată anuală medie de peste 48% (2010–2018). Până în noiembrie 2019, volumul investițiilor a ajuns la 37,4 miliarde de dolari (față de 40,4 miliarde pentru întreg anul 2018). Între 2014 și 2019 au fost realizate 15 798 de investiții cu o valoare medie de aproximativ 8,6 milioane de dolari^{[\[7\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Quid2019-7)}. Indicatorul investițiilor în IA pe cap de locuitor era cel mai ridicat în Israel, urmat de Singapore și Islanda. Startup-urile din China primeau semnificativ mai multe investiții per companie: 34,1 milioane de dolari — cu 201% mai mult decât în SUA și cu 296% mai mult decât media mondială^{[\[7\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Quid2019-7)}. Pe sectoare, cele mai mari investiții s-au îndreptat spre vehicule autonome (7,7 miliarde de dolari, 9,9% din volumul total), farmaceutice și terapia cancerului (4,7 miliarde), recunoaștere facială (4,7 miliarde), conținut video (3,6 miliarde) și detectarea fraudelor (3,1 miliarde). Cele mai rapid crescătoare domenii au fost automatizarea robotizată a proceselor, managementul lanțului de aprovizionare și automatizarea industrială^{[\[7\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Quid2019-7)}. ### Investiții guvernamentale (SUA) Guvernul federal al SUA planifica să investească 4,98 miliarde de dolari în cercetarea IA în anul fiscal 2020. Departamentul Apărării (DoD) — 4,0 miliarde, inclusiv 506 milioane prin DARPA, 221 milioane pentru proiectul Maven și 209 milioane pentru Joint AI Center (JAIC). Cheltuielile agențiilor federale pentru contracte de IA au crescut cu ~70%: de la 429 milioane de dolari în 2017 la 728 milioane în 2018^{[\[23\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Bloomberg2019-23)}. ### Adoptarea corporativă 58% dintre marile companii raportau utilizarea IA în cel puțin o funcție (creștere față de 47% în 2018). 30% dintre respondenți semnalau implementarea IA în mai multe unități de afaceri (21% în 2018). Cele mai frecvent implementate capabilități IA: automatizarea robotizată a proceselor, viziunea artificială și Machine Learning. Securitatea cibernetică era riscul cu care organizațiile se confruntau cel mai des (48%), în timp ce riscurile de explicabilitate (19%) și corectitudine (13%) erau abordate semnificativ mai rar^{[\[8\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-McKinsey2019-8)}. ### Robotizarea industrială În 2018, instalările globale de roboți industriali au crescut cu 6% — până la 422 271 de unități în valoare de 16,5 miliarde de dolari. Parcul operațional de roboți număra 2 439 543 de unități. Cele cinci mari piețe — China, Japonia, SUA, Coreea de Sud și Germania — au acumulat 74% din instalările globale. China a rămas liderul mondial (36%), instalând 154 032 de unități^{[\[24\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-IFR2019-24)}. ## Capitolul 5. Educație ### Învățare online Coursera, cu peste 45 de milioane de cursanți și peste 3 700 de cursuri, a elaborat un clasament al competențelor IA pentru 60 de țări (Global Skills Index). Asia de Sud și Asia de Est înregistrau cea mai mare pondere a înregistrărilor la cursuri de IA și competențe conexe. Pe Udacity, cursul „Introduction to Machine Learning" a acumulat peste 125 000 de înregistrări cumulative^{[\[25\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Coursera2019-25)}. ### Programe universitare Înscrierea la cursurile introductive de IA la Stanford a crescut de cinci ori (2012–2018). La cursul „Introduction to Machine Learning" de la Universitatea Illinois (UIUC) — de douăsprezece ori (2010–2018). La nivel internațional, Universitatea Toronto avea cel mai mare număr de studenți înregistrați, urmată de Școala Superioară de Economie (Rusia) și Universitatea Tsinghua (China)^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. În Europa au fost identificate 2 054 de programe care acopereau domeniul IA, marea majoritate la nivel de masterat. 197 de universități europene ofereau 406 programe de masterat specializate în IA^{[\[26\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-JRC2019-26)}. ### Specializări de doctorat și migrarea spre industrie IA a devenit cea mai populară specializare de doctorat în informatică: peste 21% în 2018. Proporția absolvenților de doctorat care se îndreptau spre industrie s-a triplat: de la 21% în 2004 la 62% în 2018. Peste 60% dintre noii absolvenți de doctorat în IA din SUA și Canada erau studenți străini (față de sub 40% în 2010); doar ~10% părăseau SUA după absolvire^{[\[9\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Taulbee2019-9)}. Cele trei universități cu cele mai mari pierderi de cadre didactice în IA: Carnegie Mellon (17 titulari), Universitatea Washington (11) și Berkeley. Dintre universitățile canadiene, Universitatea Toronto a înregistrat cele mai mari pierderi (9 cadre didactice). Proporția femeilor în rândul absolvenților de doctorat în IA a rămas stabilă la ~20% între 2010 și 2018^{[\[10\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Gofman2019-10)}. ## Capitolul 6. Sisteme Autonome ### Vehicule autonome Cel puțin 25 de țări aveau orașe care testau vehicule autonome (VA). În statul California, între 2015 și 2018, numărul companiilor care testau și numărul total de VA au crescut de șapte ori. În 2018, peste 50 de companii și 500 de VA au parcurs peste 2 milioane de mile. Cel puțin 41 de state și Districtul Columbia aveau în vedere legislație referitoare la VA^{[\[27\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-CADMV2019-27)}. Rata accidentelor VA în California în 2018 a fost de 22,44 la un milion de mile — de aproximativ 5,5 ori mai mare decât indicatorul ajustat pentru șoferii obișnuiți. În majoritatea accidentelor, un vehicul condus de om lovea din spate un VA oprit sau în mers drept, în timpul zilei. Majoritatea daunelor au fost minore^{[\[27\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-CADMV2019-27)}. ### Armament autonom Conform unui studiu de expertiză al Institutului Internațional de Cercetare a Păcii din Stockholm (SIPRI), cel puțin 89 de țări dispuneau de sisteme automate de apărare antiaeriană. Sistemele de protecție activă erau dezvoltate și produse doar de nouă țări. Datele acopereau perioada 1950–2017^{[\[28\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-SIPRI2019-28)}. ## Capitolul 7. Percepție Publică ### Bănci centrale Comunicările băncilor centrale demonstrau un interes crescând față de IA. Banca Angliei, Banca Japoniei și Rezerva Federală menționau IA mai frecvent decât celelalte. Caracterul publicațiilor s-a deplasat de la documente analitice spre discursuri^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Activitate parlamentară și guvernamentală S-a observat o creștere de peste zece ori a activității legislative legate de IA în Congresul SUA în 2017–2018. În stenogramele Congresului, 2019 a fost anul cu cel mai mare număr de mențiuni ale IA. Tendințe similare au fost remarcate în parlamentele Canadei și Marii Britanii^{[\[23\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-Bloomberg2019-23)}. ### Corporații Ponderea rapoartelor de venituri (earnings calls) ale celor 3 000 de companii publice din SUA care conțineau mențiuni ale IA a crescut de la 0,01% (2010) la 0,42% (2018). Sectorul financiar conducea în privința numărului de mențiuni^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Media și căutare web Conform Google Trends, termenul „machine learning" depășea alți termeni înrudiți în căutările din SUA. Conform GDELT Project, din articolele de știri legate de IA, 17,7% abordau impactul asupra ocupării forței de muncă, 2,4% — prejudecata algoritmică și doar 0,99% — „roboții ucigași"^{[\[29\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-GDELT2019-29)}. ## Capitolul 8. Aspecte Sociale ### Principii etice PricewaterhouseCoopers a analizat 59 de documente cu principii de etică a IA provenind de la asociații și consorții, guverne, companii tehnologice, grupuri de reflecție și organizații academice. Douăsprezece provocări etice au fost identificate ca cele mai frecvent menționate: responsabilitate, siguranță, control uman, fiabilitate și securitate, corectitudine, diversitate și incluziune, durabilitate, transparență, interpretabilitate și explicabilitate, dialog multilateral, legalitate și conformitate, confidențialitatea datelor^{[\[11\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-PwC2019-11)}. Corectitudinea, interpretabilitatea/explicabilitatea și transparența au fost menționate cel mai des. Pentru companiile tehnologice, corectitudinea era indicată în 100% din cadre, iar pentru grupurile de reflecție — corectitudinea și controlul uman (100% și, respectiv, 88%)^{[\[11\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-PwC2019-11)}. ### IA și Obiectivele de Dezvoltare Durabilă ale ONU McKinsey Global Institute a identificat aproximativ 160 de cazuri de utilizare a IA pentru binele social, care ar putea sprijini toate cele 17 Obiective de Dezvoltare Durabilă (ODD) ale ONU. IA putea aborda aproximativ jumătate din cele 169 de ținte ale ODD. Cel mai mare număr de cazuri de aplicare corespundea ODD 3 (sănătate) și ODD 16 (societăți pașnice și incluzive). Cu toate acestea, pentru implementarea la scară largă a IA în favoarea dezvoltării durabile rămâneau bariere semnificative: disponibilitatea datelor, puterea de calcul, resursele umane și pregătirea organizațională^{[\[30\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-MGI2019-30)}. ## Capitolul 9. Strategii Naționale și Dinamica Globală a IA ### Strategii naționale Numărul documentelor strategice oficiale privind IA a crescut constant. PwC, utilizând analiza NLP a 37 de documente, a constatat că parteneriatul academic era menționat în 94% din documente, cercetarea și dezvoltarea în IA — în 48%, guvernanța IA — în 42%. Protecția consumatorilor și corectitudinea erau menționate cel mai rar (2%)^{[\[11\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-PwC2019-11)}. ### Instrumentul Global AI Vibrancy Instrumentul prezentat pentru prima dată acoperea 28 de țări după 34 de metrici, grupate în trei piloni: cercetare și dezvoltare (21 de metrici), economie (10 metrici) și incluziune (5 metrici). Instrumentul le permitea utilizatorilor să personalizeze coeficienții de ponderare și să efectueze comparații atât între țări, cât și în cadrul aceleiași țări^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ### Profile de țară Raportul includea profile detaliate de țară pentru Brazilia, China, Franța, Germania, India, Țările de Jos, Singapore și SUA, precum și o prezentare generală a politicilor regionale multilaterale în domeniul IA^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ## Rezultate semnificative pe benchmark-uri în 2019 | Benchmark | Cel mai bun rezultat (2019) | Nivel uman | Progres | |------------------|-----------------------------------------|----------------------------|-----------------------------------------------| | ImageNet (Top-1) | ~88% | ~95% (un singur adnotator) | Îmbunătățire constantă cu date suplimentare | | GLUE | Depășit nivelul non-expert (iunie 2019) | 87,1 (non-expert) | RoBERTa, T5 | | SuperGLUE | 88,9 (T5, Google) | 89,8 | Atins în 5 luni de la lansarea benchmark-ului | | SQuAD 1.1 (F1) | 95 | ~91 | Depășit nivelul uman | | SQuAD 2.0 (F1) | 90 | ~89 | Aproape la nivelul uman | | ARC Challenge | 67,7% | — | Sarcinile de raționament rămân dificile | | VQA | 75,28% | ~80% | Creștere de 2,85 p.p. pe an | ## Metodologie Raportul a utilizat date din multiple surse^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}: - **Publicații:** Elsevier Scopus, arXiv (NESTA), Microsoft Academic Graph (MAG). - **Benchmark-uri:** Papers With Code, DAWNBench/MLPerf, clasamente GLUE, SuperGLUE, SQuAD, ARC, VQA, ActivityNet. - **Conferințe:** date de înregistrare NeurIPS, ICML, ICLR, AAAI, CVPR, WiML, AI4ALL, RightsCon. - **Piața muncii:** LinkedIn Economic Graph, Burning Glass Technologies, Indeed. - **Investiții:** CAPIQ, Crunchbase, Quid. - **Activitate corporativă:** McKinsey Global Survey, International Federation of Robotics. - **Cheltuieli guvernamentale:** Bloomberg Government. - **Percepție publică:** Google Trends, GDELT Project, Prattle (bănci centrale), Hansard (parlamente). - **Etică și strategii:** PricewaterhouseCoopers (NAISR), Harvard, LexisNexis. - **Educație:** CRA Taulbee Survey, Coursera, Udacity, Joint Research Centre (EC). - **Sisteme autonome:** California DMV, Bloomberg Philanthropies, SIPRI, NCSL. ## Colectivul de autori Raportul a fost elaborat de Comitetul de Coordonare AI Index, coordonat de **Raymond Perrault** (SRI International) și prezidat de **Yoav Shoham** (Universitatea Stanford). Din comitet au făcut parte: **Erik Brynjolfsson** (MIT), **Jack Clark** (OpenAI), **John Etchemendy** (Stanford), **Barbara Grosz** (Harvard), **Terah Lyons** (Partnership on AI), **James Manyika** (McKinsey Global Institute) și **Juan Carlos Niebles** (Stanford). Conducătorul de proiect și redactorul-șef a fost **Saurabh Mishra** (Universitatea Stanford). Datele au fost furnizate de peste 20 de organizații partenere^{[\[1\]](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_note-AIIndex2019-1)}. ## Referințe - Stanford HAI — AI Index Report 2019 (text integral): https://aiindex.stanford.edu/report/ - Global AI Vibrancy Tool: https://vibrancy.aiindex.org/ - AI Index arXiv Monitor: https://arxiv.aiindex.org/ - Elsevier Scopus: https://www.scopus.com/ - Microsoft Academic Graph: https://academic.microsoft.com/ - Papers With Code: https://paperswithcode.com/ - GLUE Benchmark: https://gluebenchmark.com/ - SuperGLUE Benchmark: https://super.gluebenchmark.com/ - SQuAD: https://rajpurkar.github.io/SQuAD-explorer/ - DAWNBench (Stanford): https://dawn.cs.stanford.edu/benchmark/ - Allen Institute for AI (ARC): https://allenai.org/data/arc - LinkedIn Economic Graph: https://economicgraph.linkedin.com/ - International Federation of Robotics: https://ifr.org/ - McKinsey Global Survey on AI: https://www.mckinsey.com/capabilities/quantumblack/our-insights/global-ai-survey-ai-proves-its-worth-but-few-scale-impact - California DMV Autonomous Vehicle Reports: https://www.dmv.ca.gov/portal/vehicle-industry-services/autonomous-vehicles/ - SIPRI — Mapping Autonomy in Weapon Systems: https://www.sipri.org/ - PwC National AI Strategy Radar: https://www.pwc.com/ - GDELT Project: https://www.gdeltproject.org/ - OpenAI — AI and Compute: https://openai.com/blog/ai-and-compute ## Bibliografie - Perrault, R. et al. (2019). *The AI Index 2019 Annual Report*. AI Index Steering Committee, Human-Centered AI Institute, Stanford University. https://aiindex.stanford.edu/report/ - Amodei, D., Hernandez, D. (2018). *AI and Compute*. OpenAI. https://openai.com/blog/ai-and-compute - Wang, A. et al. (2018). *GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding*. https://gluebenchmark.com/ - Wang, A. et al. (2019). *SuperGLUE: A Stickier Benchmark for General-Purpose Language Understanding Systems*. https://super.gluebenchmark.com/ - Rajpurkar, P. et al. (2018). *Know What You Don't Know: Unanswerable Questions for SQuAD*. https://rajpurkar.github.io/SQuAD-explorer/ - Clark, P. et al. (2018). *Think you have Solved Question Answering? Try ARC*. Allen Institute for AI. https://allenai.org/data/arc - Gofman, M., Jin, Z. (2019). *Artificial Intelligence, Human Capital, and Innovation*. University of Rochester Working Paper. http://www.aibraindrain.org - Stathoulopoulos, K., Mateos-Garcia, J. (2019). *Gender Diversity in AI Research*. NESTA. https://www.nesta.org.uk/ - Prates, M., Avelar, P., Lamb, L. (2019). *Assessing Gender Bias in Machine Translation*. https://arxiv.org/abs/1809.02208 - 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 - McKinsey Global Institute (2019). *Notes from the AI frontier: Applying AI for social good*. https://www.mckinsey.com/mgi/overview - International Federation of Robotics (2019). *World Robotics Report 2019*. https://ifr.org/worldrobotics/ - Boulanin, V., Verbruggen, M. (2019). *Mapping the Development of Autonomy in Weapon Systems*. SIPRI. https://www.sipri.org/ - Grosz, B.J. et al. (2019). *Embedded EthiCS: Integrating ethics broadly across computer science education*. *Communications of the ACM*. - Fiesler, C., Garrett, N., Beard, N. (2019). *What Do We Teach When We Teach Tech Ethics? A Syllabi Analysis*. - Computing Research Association (2019). *Taulbee Survey 2018*. https://cra.org/resources/taulbee-survey/ ## Note 1. ↑ ^{[1.00](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-0)} ^{[1.01](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-1)} ^{[1.02](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-2)} ^{[1.03](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-3)} ^{[1.04](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-4)} ^{[1.05](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-5)} ^{[1.06](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-6)} ^{[1.07](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-7)} ^{[1.08](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-8)} ^{[1.09](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-9)} ^{[1.10](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-10)} ^{[1.11](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-11)} ^{[1.12](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-12)} ^{[1.13](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-13)} ^{[1.14](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-14)} ^{[1.15](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-15)} ^{[1.16](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-16)} ^{[1.17](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-17)} ^{[1.18](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-18)} ^{[1.19](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-19)} ^{[1.20](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_1-20)} ^{[1.21](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-AIIndex2019_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](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Scopus2019_2-0)} ^{[2.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Scopus2019_2-1)} Elsevier Scopus. Data on AI publications 1998–2018. https://www.scopus.com/ 3. ↑ ^{[3.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-DAWNBench2019_3-0)} ^{[3.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-DAWNBench2019_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](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-OpenAICompute_4-0)} ^{[4.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-OpenAICompute_4-1)} Amodei, D., Hernandez, D. (2018). *AI and Compute*. OpenAI. https://openai.com/blog/ai-and-compute 5. ↑ ^{[5.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-BurningGlass2019_5-0)} ^{[5.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-BurningGlass2019_5-1)} Burning Glass Technologies. AI Job Posting Data 2010–2019. https://www.burning-glass.com/ 6. ↑ ^{[6.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-LinkedIn2019_6-0)} ^{[6.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-LinkedIn2019_6-1)} ^{[6.2](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-LinkedIn2019_6-2)} LinkedIn Economic Graph. AI Hiring Index and Skill Penetration Data. https://economicgraph.linkedin.com/ 7. ↑ ^{[7.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Quid2019_7-0)} ^{[7.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Quid2019_7-1)} ^{[7.2](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Quid2019_7-2)} ^{[7.3](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Quid2019_7-3)} Quid. Global AI Startup Investment Data. CAPIQ, Crunchbase. https://quid.com/ 8. ↑ ^{[8.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-McKinsey2019_8-0)} ^{[8.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-McKinsey2019_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](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Taulbee2019_9-0)} ^{[9.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Taulbee2019_9-1)} Computing Research Association. Taulbee Survey 2018. https://cra.org/resources/taulbee-survey/ 10. ↑ ^{[10.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Gofman2019_10-0)} ^{[10.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Gofman2019_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](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-PwC2019_11-0)} ^{[11.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-PwC2019_11-1)} ^{[11.2](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-PwC2019_11-2)} ^{[11.3](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-PwC2019_11-3)} PricewaterhouseCoopers (2019). *National AI Strategy Radar and Ethical AI Principles Analysis*. https://www.pwc.com/ 12. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-arXiv2019_12-0) arXiv. AI papers statistics 2010–2019. NESTA analysis. https://arxiv.org/ 13. ↑ ^{[13.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-MAG2019_13-0)} ^{[13.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-MAG2019_13-1)} Wang, K., Shen, I., Dong, Y. Microsoft Academic Graph Data 2019. https://academic.microsoft.com/ 14. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-NESTA2019_14-0) Stathoulopoulos, K., Mateos-Garcia, J. (2019). *Women in AI Research*. NESTA. https://www.nesta.org.uk/ 15. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-PratesEthics2019_15-0) Prates, M., Avelar, P., Lamb, L. (2019). Ethics analysis in AI conferences. Federal University of Rio Grande do Sul. 16. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-ImageNet2019_16-0) Russakovsky, O. et al. ImageNet Large Scale Visual Recognition Challenge. https://www.image-net.org/ 17. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-GLUE2018_17-0) Wang, A. et al. (2018). *GLUE: A Multi-Task Benchmark and Analysis Platform for Natural Language Understanding*. https://gluebenchmark.com/ 18. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-SuperGLUE2019_18-0) Wang, A. et al. (2019). *SuperGLUE: A Stickier Benchmark for General-Purpose Language Understanding Systems*. https://super.gluebenchmark.com/ 19. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-SQuAD2018_19-0) Rajpurkar, P. et al. (2018). *Know What You Don't Know: Unanswerable Questions for SQuAD*. https://rajpurkar.github.io/SQuAD-explorer/ 20. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-ARC2018_20-0) Clark, P. et al. (2018). *Think you have Solved Question Answering? Try ARC*. Allen Institute for AI. https://allenai.org/data/arc 21. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Intento2019_21-0) Savenkov, K. Intento Machine Translation Quality Evaluation. https://inten.to/ 22. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Lake2019_22-0) Lake, B. (2019). Omniglot Challenge: 3-year progress report. New York University. 23. ↑ ^{[23.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Bloomberg2019_23-0)} ^{[23.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Bloomberg2019_23-1)} Bloomberg Government (2019). Federal AI R&D Budget Analysis. 24. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-IFR2019_24-0) International Federation of Robotics (2019). *World Robotics Report 2019*. https://ifr.org/worldrobotics/ 25. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-Coursera2019_25-0) Coursera (2019). Global Skills Index. https://www.coursera.org/gsi 26. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-JRC2019_26-0) Joint Research Centre, European Commission (2019). Academic offer and demand for advanced profiles in the EU. 27. ↑ ^{[27.0](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-CADMV2019_27-0)} ^{[27.1](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-CADMV2019_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. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-SIPRI2019_28-0) Boulanin, V., Verbruggen, M. (2019). *Mapping the Development of Autonomy in Weapon Systems*. SIPRI. https://www.sipri.org/ 29. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-GDELT2019_29-0) GDELT Project. Global AI News Coverage Data 2017–2019. https://www.gdeltproject.org/ 30. [↑](https://systems-analysis.info/int/The_2019_AI_Index_Report_(RO)#cite_ref-MGI2019_30-0) McKinsey Global Institute (2019). *Notes from the AI frontier: Applying AI for social good*. https://www.mckinsey.com/mgi/overview