华盛顿邮报:中国AI研究领先世界,深度学习论文数量及质量居第一

简介:

据《华盛顿邮报报道》,人类距离造出有自我意识的人工智能可能还有很长的路要走。但随着智能手机以及其他设备中机器学习服务的兴起,一种狭义的、专门的AI已经非常流行。这一分支的AI研究也正在加速。

 

事实上,随着越来越多的行业和政策制定者从机器学习中得到受益,有两个国家似乎在AI研究的“军备竞赛”中走在前列。这可能对AI的未来有重大影响。

 

“深度学习”是机器学习的一个分支,机器学习则是AI的分支——涉及使用计算机算法执行模式识别和分析。例如,深度学习可以用于为个人数字助理如Google Now提供支持。


中国深度学习论文数量居第一,2015年发了350篇




图1:提及“深度学习”或“深度神经网络”的期刊论文数量

来源:(科学和技术政策办公室/白宫)

 

上图来自白宫本周三发布的AI报告,这份报告旨在促进美国人工智能的发展。令人惊讶的是,尽管美国是深度学习研究的先行者,但中国在每年发表的相关主题的论文数量上超过了美国。可以看到,中国发表的该主题的论文数量增长速度非常快,反映出中国的研究侧重点转变得非常快。


图中数据显示,中国的“深度学习”或“深度神经网络”相关论文从2013年开始呈爆发式增长,并在2013年年中实现对美国的超越,位于世界第一。2013年中国发表的“深度学习”或“深度神经网络”相关论文的数量是50篇,但是2015年,中国有350篇相关论文发表,增长态势迅猛。


被引用论文数量,2015年中国有80多篇至少被引一次


值得一提的是,中国不仅在数量上完胜美国,在论文的质量上也取得了领先优势。下面的图表显示了被引论文的数量,被引数能代表该论文在这一领域的影响力。


图2:被引超过一次的、提及“深度学习”或“深度神经网络”的论文数量

来源:(科学和技术政策办公室/白宫)

 

相比其他国家,美国和中国对深度学习研究的投入更为巨大。中国在深度学习研究上的崛起引起了美国的担忧。来自白宫的报告称,在AI上,美国对基础研究的投入不够。奥巴马政府发布的另一份报告称“当前研发花费要占研发投资的25%-50%以上,才可能产生最佳的经济效益。”


未来之战已经打响


奥巴马在日前在接受wire的采访时说:“50年过去了,登月计划却仍是一项我们可以用来类比现在的伟大技术成就。有人和我提过,太空计划占到了美国GDP的0.5%。这可能看起来没有多少,但在今天意味着对于人工智能的投入,每年将会高达800亿美元。现在我们的投入可能还不到10亿。无疑未来我们会加速AI的投入。”

 

美国政府正在推动自己成为AI研究中的主要角色,原因如下:成为AI研发领域的领导者,能使美国成为AI使用的国际标准制定者。AI将改变几乎一切,包括劳动力、环境以及未来的战争和网络冲突。如果美国没有成为这一标准制定者,那么其他国家例如中国就会取代它,将使美国在未来的变化中处于劣势。


在中国,2016年5月23日,国家发展改革委、科技部、工业和信息化部、中央网信办在发改委网站发布了《“互联网+”人工智能三年行动实施方案》。


方案指出,要统筹利用中央预算内资金、专项建设基金、工业转型升级资金、国家重大科研计划等多种渠道,更好发挥财政资金的引导作用。完善天使投资、风险投资、创业投资基金及资本市场融资等多种融资渠道,引导社会多元投入。鼓励通过债券融资等方式支持企业发展,支持有条件的人工智能企业发行公司债券。


另外,在人才培养上,方案要求,应鼓励相关研究机构、高等院校和专家开展人工智能基础知识和应用培训。依托国家重大人才工程,加快培养引进一批高端、复合型人才。完善高校的人工智能相关专业、课程设置,注重人工智能与其他学科专业的交叉融合,鼓励高校、科研院所与企业间开展合作,建设一批人工智能实训基地。支持人工智能领域高端人才赴海外开展前沿技术、标准等学术交流,提升技术交流水平。


随着白宫两份重磅报告《国家人工智能研究与发展策略规划》、《为未来人工智能做好准备》的发布,人工智能作为美国国家重要战略的路线已经逐渐明晰。未来,人工智能将会全面影响人类社会,在各行各业掀起剧烈变革,各国之间在该领域的竞争将会进一步加剧。


文章转自新智元公众号,原文链接

相关文章
|
2月前
|
人工智能 物联网 调度
边缘大型AI模型:协作部署与物联网应用——论文阅读
论文《边缘大型AI模型:协作部署与物联网应用》系统探讨了将大模型(LAM)部署于边缘网络以赋能物联网的前沿框架。针对传统云端部署高延迟、隐私差的问题,提出“边缘LAM”新范式,通过联邦微调、专家混合与思维链推理等技术,实现低延迟、高隐私的分布式智能。
731 6
边缘大型AI模型:协作部署与物联网应用——论文阅读
|
8月前
|
人工智能 数据可视化 数据挖掘
AI竟能独立完成顶会论文!The AI Scientist-v2:开源端到端AI自主科研系统,自动探索科学假设生成论文
The AI Scientist-v2 是由 Sakana AI 等机构开发的端到端自主科研系统,通过树搜索算法与视觉语言模型反馈实现科学假设生成、实验执行及论文撰写全流程自动化,其生成论文已通过国际顶会同行评审。
542 34
AI竟能独立完成顶会论文!The AI Scientist-v2:开源端到端AI自主科研系统,自动探索科学假设生成论文
|
3月前
|
机器学习/深度学习 人工智能 资源调度
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
本文探讨智能家居中AI决策的可解释性,提出以人为中心的XAI框架。通过SHAP、DeepLIFT等技术提升模型透明度,结合用户认知与需求,构建三层解释体系,增强信任与交互效能。
302 19
智能家居环境中的AI决策解释:实现以人为中心的可解释性——论文阅读
|
8月前
|
机器学习/深度学习 人工智能 自然语言处理
还在想开题报告?SurveyGO卷姬:清华开源学术论文AI写作神器,一键生成文献综述
SurveyGO是清华与面壁智能联合开源的AI论文写作工具,采用LLMxMapReduce-V2技术实现文献智能聚合,能根据用户输入主题快速生成结构严谨、引用可靠的学术综述。
1111 1
还在想开题报告?SurveyGO卷姬:清华开源学术论文AI写作神器,一键生成文献综述
|
3月前
|
机器学习/深度学习 资源调度 算法框架/工具
AI-ANNE: 将神经网络迁移到微控制器的深度探索——论文阅读
AI-ANNE框架探索将深度学习模型迁移至微控制器的可行路径,基于MicroPython在Raspberry Pi Pico上实现神经网络核心组件,支持本地化推理,推动TinyML在边缘设备中的应用。
245 10
|
7月前
|
机器学习/深度学习 人工智能 供应链
从概念到商业价值:AI、机器学习与深度学习全景指南
在这个科技飞速发展的时代🚀,人工智能正以惊人的速度渗透到我们的生活和工作中👀。但面对铺天盖地的AI术语和概念,很多人感到困惑不已😣。"AI"、"机器学习"、"深度学习"和"神经网络"到底有什么区别?它们如何相互关联?如何利用这些技术提升工作效率和创造价值?
|
3月前
|
人工智能 算法 开发者
2025年高教社杯E题——AI 辅助智能体测全国大学生数学建模(思路、代码、论文)
2025年高教社杯E题——AI 辅助智能体测全国大学生数学建模(思路、代码、论文)
468 1
|
5月前
|
机器学习/深度学习 人工智能 PyTorch
AI 基础知识从 0.2 到 0.3——构建你的第一个深度学习模型
本文以 MNIST 手写数字识别为切入点,介绍了深度学习的基本原理与实现流程,帮助读者建立起对神经网络建模过程的系统性理解。
641 15
AI 基础知识从 0.2 到 0.3——构建你的第一个深度学习模型
|
5月前
|
机器学习/深度学习 人工智能 自然语言处理
AI 基础知识从 0.3 到 0.4——如何选对深度学习模型?
本系列文章从机器学习基础出发,逐步深入至深度学习与Transformer模型,探讨AI关键技术原理及应用。内容涵盖模型架构解析、典型模型对比、预训练与微调策略,并结合Hugging Face平台进行实战演示,适合初学者与开发者系统学习AI核心知识。
490 15
|
8月前
|
人工智能 自然语言处理 算法
科研论文翻译神器!BabelDOC:开源AI工具让PDF论文秒变双语对照,公式图表全保留
BabelDOC 是一款专为科学论文设计的开源AI翻译工具,采用先进的无损解析技术和智能布局识别算法,能完美保留原文格式并生成双语对照翻译。
2359 67
科研论文翻译神器!BabelDOC:开源AI工具让PDF论文秒变双语对照,公式图表全保留

热门文章

最新文章