Vergleich der Stanford-KI-Berichte aus zwei Jahren: 32 Diagramme helfen Ihnen, die Entwicklung der Branche vollständig zu verstehen

Das AI Index-Projekt der AI 100 der Stanford University, einer führenden amerikanischen Universität, zielt darauf ab, die Aktivitäten und Fortschritte der künstlichen Intelligenz zu verfolgen und die Auswirkungen der künstlichen Intelligenz auf das Leben der Menschen zu untersuchen. Der KI-Index fördert das öffentliche Verständnis für KI, indem er sich auf die Verfolgung und Beobachtung von KI-Aktivitäten und -Fortschritten auf der Grundlage zuverlässiger und überprüfbarer Daten konzentriert.

AI Index hat seinen ersten Bericht seit seiner Gründung Ende 2017 veröffentlicht und kürzlich seinen zweiten Bericht herausgegeben. Durch den Vergleich der Datenänderungen in den beiden Berichten werden wir die Entwicklungstrends der KI-Branche im Jahr 2018 sowie die Ähnlichkeiten und Unterschiede in den Entwicklungsrichtungen der KI in China im Vergleich zu anderen Ländern der Welt untersuchen.

PDF-Referenz: https://t.zsxq.com/BaYRB6q

Anzahl der wissenschaftlichen Forschungsarbeiten zum Thema KI

2017: Die Zahl der wissenschaftlichen Arbeiten und Studien hat sich seit 1996 mehr als verzehnfacht

Seit 1996 ist die Zahl der jährlich im Bereich der Informatik veröffentlichten wissenschaftlichen Arbeiten und Forschungsarbeiten um mehr als das Zehnfache gestiegen. Akademische Arbeiten und Forschungsarbeiten führen häufig zu neuem geistigen Eigentum und Patenten. In der gesamten Scopus-Datenbank gibt es mehr als 200.000 (200237) Artikel im Bereich der Informatik, die das Schlüsselwort „Künstliche Intelligenz“ enthalten. In der Scopus-Datenbank gibt es fast 5 Millionen (4.868.421) Artikel im Bereich „Informatik“.

2018: Die Gesamtzahl der Veröffentlichungen im Bereich KI hat stark zugenommen

Die obige Abbildung zeigt das Wachstum der jährlichen Veröffentlichungsrate akademischer Artikel im Vergleich zu 1996. Die Abbildung vergleicht die Wachstumsraten der Artikelveröffentlichungen im Bereich Informatik (CS) und KI. Von 1996 bis 2017 stieg die Anzahl der im Bereich KI veröffentlichten Artikel um das Siebenfache (8x) und die Anzahl der im Bereich Informatik veröffentlichten Artikel um das Fünffache (6x).

Vergleichende Zusammenfassung: Im Vergleich zum Bericht von 2017 wurde im Jahr 2018 ein stärkerer Schwerpunkt auf Teilsektoren gelegt. Der Schwerpunkt liegt dabei auf der Anzahl der Arbeiten aus den Bereichen Informatik und KI. Darüber hinaus wird auch die Veröffentlichung von Beiträgen aus verschiedenen Regionen und angrenzenden Fachgebieten ergänzt. Besonders hervorzuheben ist dabei die wachsende Zahl von Veröffentlichungen im Bereich der KI in China und den USA.

KI-Risikokapital

2017: In den USA haben sich die Investitionen von Risikokapitalgebern (VC) in KI-Startups seit dem Jahr 2000 jährlich versechsfacht.

Das obige Diagramm zeigt die jährlichen Gesamtinvestitionen von VCs in KI-Startups in allen Finanzierungsphasen in den Vereinigten Staaten. Die Summe, die VCs jedes Jahr in Startups investieren, spielt in einigen Schlüsselbereichen eine wichtige Rolle.

2018: Was das Risikokapital betrifft, so stieg das Risikokapital im Bereich der künstlichen Intelligenz zwischen 2013 und 2017 um das 4,5-fache, während das gesamte Risikokapital lediglich um das 2,08-fache anstieg. Bei diesen Daten handelt es sich um Jahresdaten, nicht um kumulierte Daten von Jahr zu Jahr.

Vergleichende Zusammenfassung: Insgesamt ist die Investitionsbegeisterung im KI-Bereich immer noch sehr hoch, und der Bericht von 2018 widmet den jüngsten Investitionsbedingungen mehr Aufmerksamkeit. Dem Bericht zufolge ist der Anteil der Investitionen im KI-Bereich in den letzten Jahren weiter gestiegen. Im Vergleich zu anderen Branchen wird sich die Entwicklungsgeschwindigkeit im KI-Bereich mit Hilfe von Kapital weiter beschleunigen.

KI-Startups

2017: Die Zahl der KI-Startups hat sich um das 14-fache erhöht.

In den USA hat sich die Zahl der finanzierten KI-Startups seit dem Jahr 2000 vervierzehnfacht. Diese Zahl umfasst alle von Risikokapitalgebern unterstützten Unternehmen, die in der VentureSource-Datenbank von Crunchbase aufgeführt sind.

2018: Von Januar 2015 bis Januar 2018 stieg die Zahl der KI-Startups um das 2,1-fache, während alle aktiven Startups um das 1,3-fache wuchsen.

Das Diagramm zeigt, dass die Anzahl der Startups von Jahr zu Jahr kumuliert ist. Das Wachstum der Startups insgesamt ist größtenteils relativ stabil geblieben, während die Zahl der KI-Startups exponentiell gestiegen ist.

Vergleichende Zusammenfassung: Im Vergleich zu den letzten zwei Jahren ist die Zahl der KI-Unternehmen immer schneller gewachsen und auch die Zahl der aktiven Unternehmen hat zugenommen. Dies ist ein weiterer Beleg dafür, wie aktuell der KI-Markt ist und dass auch die Begeisterung für das Unternehmertum weiter zunimmt.

Nachfrage nach KI-Talenten

2017: Die Zahl der Arbeitsplätze, die KI-Kenntnisse erfordern, ist seit 2013 um das 4,5-fache gestiegen.

Auf der Plattform Indeed.com wird der Anteil der Stellen berechnet, die KI-Kenntnisse erfordern, indem anhand der Titel und Schlüsselwörter in den Stellenbeschreibungen ermittelt wird, ob diese einen Bezug zu künstlicher Intelligenz haben. Die AI Index-Studie berechnete auch das Wachstum des Anteils von Stellen, die KI-Kenntnisse erfordern, auf Indeed.com in verschiedenen Ländern. Der Bericht zeigt, dass Kanada und das Vereinigte Königreich 5 % bzw. 27 % der absoluten Größe des US-amerikanischen KI-Rekrutierungsmarktes ausmachen.

2018: Statistik-ML wird als die am häufigsten nachgefragte Fähigkeit gemeldet. Besonders deutlich war der Anstieg von 2016 auf 2017. Die weltweite Nachfrage nach KI-Fachkräften stieg 2016 sprunghaft an. Deep Learning (DL) verzeichnet das schnellste Wachstum – die Zahl der offenen Stellen, die DL-Kenntnisse erfordern, hat sich von 2015 bis 2017 um das 35-fache erhöht.

Vergleichende Zusammenfassung: 2016 war ein Jahr, in dem die Nachfrage nach KI-Talenten sprunghaft anstieg. Seitdem ist die Nachfrage nach Talenten in der KI-Branche rasant gestiegen und der Fachkräftemangel könnte sich noch weiter verschärfen. Gleichzeitig hat sich der Bereich des Deep Learning am schnellsten entwickelt und Talente mit dieser Fähigkeit sind am gefragtesten.

Kernkompetenzen und aktuelle Felder der KI

2017: Maschinelles Lernen, Deep Learning und natürliche Sprachverarbeitung (NLP) sind die drei wichtigsten Fähigkeiten. Zu den gefragtesten Fähigkeiten zählen neben der Erstellung von KI-Anwendungen auch Techniken des maschinellen Lernens, Python, Java, C++ sowie Erfahrungen mit Open-Source-Entwicklungsumgebungen, Spark, MATLAB und Hadoop.

2018: Was die Anzahl der Sterne auf GitHub für Open-Source-Frameworks angeht, liegt TensorFlow bei Entwicklern weit vorne und wächst stetig. Den zweiten und dritten Platz belegten scikit-learn bzw. BVLC/caffe. Keras, offiziell von TensorFlow gefördert, belegte den vierten Platz und die beiden anderen beliebten, PyTorch und MXNet, belegten den siebten bzw. sechsten Platz. Insbesondere PyTorch, ein junges Framework, konnte seit seiner Veröffentlichung Anfang 2017 eine mindestens viermal höhere Anzahl an GitHub-Sternen verzeichnen.

Vergleichende Zusammenfassung: Die Popularität verschiedener KI-Programmierframeworks und Programmierkenntnisse lässt sich in den letzten zwei Jahren grob erkennen. Die beiden wichtigsten Trends, die sich in letzter Zeit herauskristallisiert haben, sind, dass von großen Unternehmen unterstützte Frameworks immer beliebter werden, wie etwa TensorFlow von Google, Pytorch von Facebook, mxnet von Amazon usw., und dass TensorFlow einen immer offensichtlicheren Beliebtheitsvorteil gegenüber anderen Sprachen aufweist.

Erfolge bei verschiedenen Aufgaben im Bereich KI

2017: Seit 2010 ist die Fehlerquote bei der Bildannotation von 28,5 % auf unter 2,5 % gesunken.

Darüber hinaus bietet der Bericht auch detaillierte Erklärungen in vielen Bereichen wie visuelle Fragebeantwortung, Wortanalyse, Spracherkennung, Theorembeweis usw. Der Bericht zeigt, dass die KI in einigen Bereichen noch weit hinter der menschlichen Leistung zurückliegt. Am Beispiel der visuellen Fragebeantwortung lag die Genauigkeit des besten KI-Systems im August 2017 bei weniger als 70 %, während sie beim Menschen bei etwa 85 % lag.

2018: 2017 war der letzte ImageNet-Wettbewerb, und 2018 wird der Wettbewerb nicht mehr stattfinden. Es ist ersichtlich, dass die Fähigkeiten von Maschinen bei Bildklassifizierungsaufgaben bis 2015 die des menschlichen Auges deutlich übertroffen haben.

Nachdem die ImageNet-Herausforderung „zurückgezogen“ war, konzentrierten sich Freunde im CV-Bereich auf COCO von Microsoft und forderten die semantische Segmentierung und Instanzsegmentierung heraus. In den letzten vier Jahren hat sich die Genauigkeit der Bildsegmentierungsaufgabe im COCO-Datensatz um 0,2 erhöht, und das Ergebnis von 2018 ist 72 % höher als das von 2015. Bei der Aufgabe der Grammatikanalyse, beispielsweise der Bestimmung der Satzstruktur, hat sich die Leistung der KI (F1-Score) in den 15 Jahren zwischen 2003 und 2018 um fast 10 % verbessert.

Vergleichende Zusammenfassung: Die Leistung von KI-Aufgaben in verschiedenen Bereichen verbessert sich rasant und in einigen Bereichen hat sie sogar begonnen, die des Menschen zu übertreffen. Es ist abzusehen, dass mit der weiteren Verbesserung der KI-Fähigkeiten die allgemeinen Fähigkeiten der KI in naher Zukunft in größerem Maßstab die des Menschen übertreffen werden.

Anzahl der installierten Roboter

2017: International sind die Roboterimporte von rund 100.000 Einheiten im Jahr 2000 auf rund 250.000 Einheiten im Jahr 2015 gestiegen.

Die International Data Corporation (IDC) prognostiziert, dass die Ausgaben für Roboter in den nächsten fünf Jahren steigen und bis 2021 230,7 Milliarden US-Dollar erreichen werden, mit einer durchschnittlichen jährlichen Wachstumsrate (CAGR) von 22,8 %.

2018: Von 2012 bis 2017 stiegen die jährlichen Roboterinstallationen in China um 500 %, während sie in anderen Regionen wie Südkorea und Europa um 105 % bzw. 122 % wuchsen. Unter den Regionen mit geringerem Installationsvolumen sticht Taiwan hervor, das von 2012 bis 2017 das schnellste Wachstum verzeichnete.

Vergleichende Zusammenfassung: Im Vergleich zum Bericht von 2017 segmentiert der Bericht von 2018 den internationalen Markt weiter. Im Vergleich zum nordamerikanischen Markt ist die Wachstumsrate des Robotermarktes in China besonders bemerkenswert und liegt derzeit weit vor anderen Ländern und Regionen.

Die neuesten Zusatzinhalte im Jahr 2018

Der Bericht von 2018 schlüsselt die Veröffentlichung von Artikeln in verschiedenen Bereichen weiter auf: Artikel werden in einem schnelleren Tempo veröffentlicht

Im Jahr 2017 entfielen 56 % der Arbeiten auf die Bereiche maschinelles Lernen und probabilistisches Denken, verglichen mit 28 % im Jahr 2010. In den meisten Unterbereichen wurden in den Jahren 2014–2017 Arbeiten schneller veröffentlicht als in den Jahren 2010–2014. Beispielsweise betrug die durchschnittliche jährliche Wachstumsrate (CAGR) von Artikeln im Bereich der neuronalen Netzwerke (rote Linie in der Abbildung oben) von 2010 bis 2014 nur 3 %, während die durchschnittliche jährliche Wachstumsrate dieses Bereichs von 2014 bis 2017 37 % betrug.

KI-Artikel auf ArXiv: Schnelles Wachstum

Seit 2010 ist die Zahl der KI-Artikel auf arXiv rasant gestiegen, von 1.073 im Jahr 2010 auf 13.325 im Jahr 2017. Unter ihnen ist der Bereich Computer Vision (CV) seit 2014 der am schnellsten wachsende Bereich (blaue Linie in der obigen Abbildung). Dieser Trend lässt darauf schließen, dass KI-Forscher dazu neigen, ihre Forschungsergebnisse zu verbreiten, unabhängig davon, ob sie von ihren Kollegen anerkannt oder auf hochrangigen Konferenzen geprüft werden. Dies zeigt auch, dass in diesem Bereich ein hoher Wettbewerb herrscht.

Geschlecht der KI-Professoren an Universitäten: Überwiegend männlich

Im Zuge der Erhebung relevanter Daten rückte die Verbesserung der Lehrervielfalt in den Fokus des Reformteams. Sie stellten fest, dass an den von ihnen untersuchten Schulen durchschnittlich 80 % der KI-Professoren Männer waren, und dies traf auf alle Universitäten weltweit zu.

Geschlechterkluft bei der Beschäftigung: KI ist immer noch eine Männerdomäne

In den USA machen männliche Arbeitssuchende im Durchschnitt 71 % aller KI-Arbeitssuchenden aus, da der Bedarf an maschinellem Lernen die höchste Anzahl an Arbeitssuchenden aufweist, was im Durchschnitt hauptsächlich auf Arbeitssuchende im Bereich maschinelles Lernen zurückzuführen ist. Mit Ausnahme von maschinellem Lernen, Deep Learning und Robotik sind die geschlechtsspezifischen Unterschiede im Vergleich zu anderen Kategorien größer.

Aufmerksamkeit der Regierung für KI: Die Zahl der Verweise auf „künstliche Intelligenz“ und „maschinelles Lernen“ in Parlamentsprotokollen in den Vereinigten Staaten, dem Vereinigten Königreich und Kanada hat rapide zugenommen.

In den Parlamenten dieser drei Länder hat die Häufigkeit der Erwähnungen von „Maschinelles Lernen“ und „Künstlicher Intelligenz“ seit 2016 rapide zugenommen. „Maschinelles Lernen“ wurde vorher vergleichsweise selten erwähnt und hat erst in den letzten zwei Jahren begonnen, rapide zuzunehmen.

Zusammenfassung des China-Abschnitts des Berichts 2018

Veröffentlichte Artikel nach Region: Die Anzahl der in China veröffentlichten Artikel stieg von 2007 bis 2017 um 150 %. Europa ist ein wichtiger Produzent von KI-Artikeln. Im Jahr 2017 kamen 28 % der in Scopus veröffentlichten KI-Artikel aus Europa, 25 % aus China und 17 % aus den Vereinigten Staaten.

In Bezug auf den Schwerpunkt (RAI): Chinesische KI-Papiere konzentrieren sich mehr auf Ingenieurtechnologie und Agrarwissenschaften

RAI kann Einblicke in die Expertise einer Region geben, indem es diese mit der weltweiten Forschungsaktivität im Bereich KI vergleicht. Wenn der RAI-Wert 1 beträgt, bedeutet dies, dass die Forschungsaktivitäten des Landes im Bereich KI mit denen der Welt übereinstimmen. liegt er über 1, bedeutet dies, dass das Land diesem Bereich mehr Bedeutung beimisst; liegt er unter 1, bedeutet das weniger Aufmerksamkeit. Wie aus der Abbildung ersichtlich, konzentrieren sich chinesische KI-Artikel eher auf Ingenieurtechnik und Agrarwissenschaften, während amerikanische und europäische KI-Artikel eher auf Geisteswissenschaften, Medizin und Gesundheitswissenschaften ausgerichtet sind.

Vergleich von Untersuchungen der Regierung, von Unternehmen und der medizinischen Gemeinschaft: Es lässt sich feststellen, dass China von 2007 bis 2017 um 400 % gewachsen ist, während Unternehmenspapiere in diesem Zeitraum um 73 % zulegten. In den USA stammt ein relativ großer Anteil der KI-Papiere aus Unternehmen, und der Anteil der KI-Papiere aus amerikanischen Unternehmen ist viel höher als in China und Europa.

FWCI ist der feldgewichtete Zitationseinflusskoeffizient, mit dem der Einfluss eines Artikels gemessen werden kann. Die Zitierungsrate chinesischer KI-Artikel war 2016 um 44 % höher als im Jahr 2000, lag insgesamt jedoch immer noch unter dem Durchschnitt. Die Vereinigten Staaten schneiden in dieser Hinsicht hervorragend ab: Die Zitierungsrate von KI-Artikeln amerikanischer Autoren liegt 83 % über dem weltweiten Durchschnitt. Europa bewegt sich um das Durchschnittsniveau.

Was die Mobilitätsrate von KI-Forschern betrifft, so weist China unter den drei Ländern und Regionen USA, China und Europa den größten Anteil an KI-Autoren mit geringer Mobilität (sesshafter Tätigkeit) auf (76 %), gefolgt von Europa (52 %) und den USA (37 %). Die Umfrage zeigt, dass KI-Artikel, die von Wissenschaftlern mit hoher Mobilität veröffentlicht werden, höhere Zitationsraten und größeren Einfluss haben und dass diese Wissenschaftler mit größerer Wahrscheinlichkeit häufiger Artikel veröffentlichen.

Etwa 70 % der bei der AAAI-Konferenz 2018 eingereichten Beiträge stammten aus den USA oder China. China reichte mit 1.242 die meisten Beiträge ein, gefolgt von den USA mit 934. Beiträge amerikanischer Institutionen erzielten jedoch eine höhere Annahmequote von 29 % (268 Beiträge), während die Annahmequote chinesischer Institutionen mit 21 % (265 Beiträge) etwas niedriger war. Die höchsten Annahmequoten (41 %) wurden für Beiträge in deutscher und italienischer Sprache vergeben, allerdings gingen auch weniger Einreichungen ein.

Unter den nicht-amerikanischen Universitäten weist die Tsinghua-Universität die höchste Wachstumsrate bei der Zahl der in KI- und ML-Kursen eingeschriebenen Studenten auf, die etwa doppelt so hoch ist wie die der zweitplatzierten Universität Toronto. Darüber hinaus war die Zahl der Studierenden, die sich 2017 für KI- und ML-Kurse einschrieben, 16-mal so hoch wie 2010.

Unter den fünf Regionen weltweit mit den meisten Besuchen auf ROS.org seit 2012 weist China die schnellste Wachstumsrate auf. Im Jahr 2017 war die Zahl der Besuche aus China 18-mal so hoch wie im Jahr 2012.

Laut ROS.org sei der Anstieg des Datenverkehrs aus China strukturell bedingt und nicht das Ergebnis verstärkter Marketingmaßnahmen und Ressourcen in China. Die Vereinigten Staaten und Europa belegten bei den Besuchen den ersten und zweiten Platz.

Der AI Index schloss seinen Bericht für 2018 mit der Feststellung, dass künstliche Intelligenz zweifellos immer ausgefeilter wird und immer mehr Anwendungsmöglichkeiten finden wird, es jedoch noch immer viele Hindernisse sowohl technischer Art als auch in Bezug auf Voreingenommenheit und Sicherheit gibt. Gleichzeitig müssen wir uns mit der zunehmenden Automatisierung zwar nicht so bald mit Massenarbeitslosigkeit auseinandersetzen, aber wir müssen uns als Gesellschaft auf einen Wandel in der Art der Arbeit vorbereiten, der zu unsichereren, schlechter bezahlten Jobs führen wird, denen es an Sicherheiten wie einer Krankenversicherung mangelt.

Es ist vielleicht noch zu früh, um die Auswirkungen der KI auf die Gesellschaft zuverlässig zu messen – die Branche steht noch ganz am Anfang. Doch sich darauf vorzubereiten, zu verstehen, was sie bedeutet und wie sich KI auf das tägliche Leben, die Arbeit und öffentliche Einrichtungen wie das Gesundheitswesen, das Bildungswesen und die Strafverfolgung auswirken wird, ist ebenso wichtig wie die KI-Forschung und -Produktentwicklung. Nur wenn wir in beides investieren, können wir die Welt zu einem besseren Ort machen.