斯坦福大學發(fā)布了2019人工智能索引報告（2019 AI Index Report）。這是斯坦福大學第三年發(fā)布該報告。
以下是報告亮點：
從1998年到2018年，同行評議的人工智能論文數(shù)量增長了300%以上，占同行評議期刊出版物的3%，占已發(fā)表會議論文的9%。
中國現(xiàn)在每年出版的人工智能期刊和會議論文與歐洲一樣多，早在2006年就已經(jīng)超過美國。但美國出版物的領域加權引用影響仍比中國高出約50%。
新加坡、瑞士、澳大利亞、以色列、荷蘭和盧森堡人均在arXiv上發(fā)表的深度學習論文數(shù)量相對較高。
超過32%的世界人工智能期刊引文來自東亞。超過40%的世界人工智能會議論文引文來自北美。
2014-2018年間，北美占全球人工智能專利引用活動的60%以上。
許多西歐國家，特別是荷蘭和丹麥，以及阿根廷、加拿大和伊朗，研究人工智能研究的女性比例相對較高。
出席人工智能會議的人數(shù)繼續(xù)大幅增加。2019年，最大的NeurIPS預計有13500人參加，比2018年增長41%，比2012年增長800%。即使是像AAAI和CVPR這樣的會議每年的出席率也增長了30%左右。
WiML研討會的參與者人數(shù)是2014年的8倍，AI4的校友人數(shù)也是2015年的20倍。這些增加反映出繼續(xù)努力將婦女和代表性不足的群體納入人工智能領域。
在一年半的時間里，在云基礎設施上訓練大型圖像分類系統(tǒng)所需的時間從2017年10月的約3小時減少到2019年7月的約88秒。同時，訓練這樣一個系統(tǒng)的費用也同樣下降。
在SuperGLUE和SQuAD2.0基準測試中獲得的一些廣泛的自然語言處理分類任務方面的進展非常迅速；在一些需要推理的NLP任務（如AI2推理挑戰(zhàn)）或人類級別的概念學習任務（如Omniglot挑戰(zhàn)）上的性能仍然較低。
在2012年之前，人工智能的結果緊跟摩爾定律，每兩年計算翻番。2012年后，計算每3.4個月翻一番。
2015年至2019年，新加坡、巴西、澳大利亞、加拿大和印度的人工智能招聘增長最快。
2019年，全球私人人工智能投資超過700億美元，與人工智能相關的初創(chuàng)企業(yè)投資超過370億美元，并購340億美元，IPO 50億美元，少數(shù)股權價值約20億美元。
在全球范圍內，對人工智能初創(chuàng)企業(yè)的投資繼續(xù)穩(wěn)步上升。融資總額從2010年的13億美元增至2018年的404億美元（截至11月4日，2019年為374億美元），年均增長率超過48%。
去年，自動駕駛以77億美元（占全球總投資的9.9%）獲得了全球投資的最大份額，其次是藥物、癌癥和治療（47億美元，6.1%）、面部識別（47億美元，6.0%）、視頻內容（36億美元，4.5%）和欺詐檢測和財務（31億美元，3.9%）。
58%的受訪大公司表示，2019年至少有一個職能或業(yè)務部門采用人工智能，高于2018年的47%。
只有19%的受訪大公司表示，他們的組織正在采取措施降低與算法可解釋性相關的風險，13%的公司正在降低對公平和公正的風險，如算法偏見和歧視。
全球范圍內，人工智能和相關學科以及在線課程的招生人數(shù)都繼續(xù)快速增長。
在研究生教育階段，人工智能迅速成為北美計算機科學博士生中最受歡迎的專業(yè)，其學生數(shù)量是第二受歡迎專業(yè)（安全/信息保證）的兩倍多。2018年，超過21%的計算機科學博士畢業(yè)生專攻人工智能/機器學習。
在美國和加拿大，在人工智能領域畢業(yè)的國際博士生數(shù)量繼續(xù)增長，目前超過60%的博士生來自這些項目（2010年不到40%）。
到目前為止，工業(yè)已經(jīng)成為人工智能人才的最大消費群體。2018年，超過60%的人工智能博士畢業(yè)生進入了工業(yè)領域，高于2004年的20%。2018年，在美國，從事工業(yè)的人工智能博士畢業(yè)生人數(shù)是從事學術工作的兩倍多。
在美國，人工智能教師離開學術界從事工業(yè)的速度繼續(xù)加快，2018年有40多人離開，高于2012年的15人，2004年則沒有。
按照性別劃分，人工智能教師的多樣化并沒有顯示出很大的進展，2018年，女性在新聘教師中所占比例不到20%。同樣，自2010年以來，美國女性人工智能博士學位獲得者的比例幾乎保持在20%不變。
2015-2018年間，加利福尼亞州測試自動駕駛的總行駛里程數(shù)和公司總數(shù)增長了7倍以上。2018年，加利福尼亞州為50多家公司和500多輛AVs公司頒發(fā)了測試許可證，行駛里程超過200萬英里。
全球央行通訊顯示出對人工智能的濃厚興趣，特別是來自英國央行、日本央行和美聯(lián)儲的興趣。
全世界國會記錄、委員會報告和立法記錄中與人工智能相關的立法顯著增加。
公平性、可解釋性和可解釋性被認為是59份人工智能倫理原則文件中最常提及的倫理挑戰(zhàn)。
在2018年年中至2019年年中確定的3600多篇關于道德和人工智能的全球新聞文章中，主要議題是人工智能道德使用、數(shù)據(jù)隱私、人臉識別的使用、算法偏差和大技術的作用的框架和指南。
人工智能可以通過迄今為止確定的用例為17個聯(lián)合國可持續(xù)發(fā)展目標（SDG）中的每一個做出貢獻，這些用例涉及169個聯(lián)合國可持續(xù)發(fā)展目標中的大約一半，但要大規(guī)模部署人工智能促進可持續(xù)發(fā)展，仍需克服瓶頸。
