来自前瞻网的消息显示，近日，斯坦福百年研究（AI100）发布了最新的全球“人工智能指数”（AI Index）报告。这份报告从学术、工业、开源、政府等方面详细介绍了人工智能发展的现状，并且记录了计算机视觉、自然语言理解等领域的技术进展。
今年的AI Index报告发现，人工智能领域的商业化及研究工作，以及其积累的资金正在全球范围内迎来一轮大爆发。在地域分布上，欧洲和亚洲尤为高度集中，其中中国、日本和韩国在人工智能研究论文出版、大学入学和专利申请方面领跑东方国家。
而在谈及人工智能活动的类型时，报告发现，机器学习和所谓的概率推理-或者与认知相关的活动中，AI经常能在比赛中战胜人类对手，根据Scopus上发表的一系列研究论文显示：2017年全球56％的论文属于机器学习和概率推理，而2010年这一比例仅为28%。
全球范围内人工智能（AI）和机器学习（ML）的大学课程也正在增加，其中来自中国的清华大学AI+ML的2017课程加在一起，入学人数比2010年时增加了16倍。且在2017年，全球ML人才需求已经是2015年的35倍。
紧随其后的是计算机视觉（CV）方面的工作。计算机视觉是人工智能的基础子学科，它有助于开发自动驾驶汽车、动力增强现实和物体识别，以及神经网络。它们与机器学习一样，有助于训练这些算法，随着时间的推移不断改善自然语言处理（NLP）等领域。
2014-2017年期间，各类AI论文发表的速度达到最高峰，神经网络2010-2014年的复合年增长为3％，然后到2014-2017年复合年增长率则达到了37％。
值得一提的是，该报告的一个有趣发现是——全球各地区对AI研究的重点各有侧重。中国非常注重农业科学、工程和技术，而欧洲和北美更注重人文科学、医学和健康科学，而且欧洲的研究方法通常更为全面。尽管美国AI研究论文虽然相比之下数量不多，但其引用率却远超中国及欧洲。
报告还发现，在中国和欧洲，政府相关组织和研究机构发表的论文数量，已经远远超过企业发表的数量（这一点在医疗研究领域体现得最明显），而美国则是企业发表为主。
此外，人工智能的多样性不仅仅表现在其地域分布上。如今，超过50％的AI成员合作伙伴关系是非营利的，其中包括了像ACLU、牛津大学人类未来研究所和联合国发展计划等。此外，人们对性别和种族多样性的认识也有所提高。
随着AI性能发展不断推陈出新，特别是在计算机视觉等领域。通过衡量广泛使用图像数据库ImageNet得到的的基准性能，该报告发现，启动一个可以用于分类最新精度图像模型所需要的时间在短短18个月内，从“大约一小时缩短到只要大约4分钟”，在其他领域，如对象分割——主要是软件区分图像的背景和主题，在短短三年内，精度提高了72％。
在机器翻译和解析等领域，软件可以理解语法结构，更容易回答问题，准确性和熟练程度越来越高，但随着算法越来越接近人类对语言的理解，获得的成果也越来越少，瓶颈越来越多。
最后，报告还指出，当涉及到关于自动化更难的问题，以及人工智能在刑事司法、边境巡逻、战争以及其他表现时，则处于不利地位。人工智能只会继续变得更加复杂，但在医院、教育系统、机场和警察部门可以无误地可靠地使用这些软件之前，将会一直存在许多技术障碍，以及偏见和安全方面的挑战。