人工智能研究所(HAI)发布了《2021年人工智能指数报告》。

　　报告介绍人工智能各个子领域的技术进展，包括计算机视觉、语言、语音、概念学习和定理证明。它结合了定量测量，如共同基准和奖项挑战，以及学术论文中的定性见解，展示了最先进的人工智能技术的发展。

　　虽然技术进步使得人工智能系统的部署比以往更广泛、更容易，但人们对人工智能的使用也越来越关注，尤其是在算法偏差等问题上。

　　•计算机视觉的产业化

计算机视觉在过去十年中取得了巨大的进步，主要是由于机器学习技术(特别是深度学习)的使用。

新的数据显示，计算机视觉正在产业化：在一些最大的基准上，表现开始趋于平缓，这表明社会需要制定和商定更难的标准，以进一步测试表现。与此同时，企业正在投入越来越多的计算资源，以更快的速度训练计算机视觉系统。

　　同时，用于已部署系统的技术(如用于分析视频静止帧的目标检测框架)正在迅速成熟，这表明人工智能的进一步部署。

　　计算机视觉图像挑战：最高精度

　　•自然语言处理(NLP)超出了其评估指标：NLP的快速发展产生了人工智能系统，其语言能力显著提高，已开始对世界产生有意义的经济影响。

谷歌和微软都在搜索引擎中部署了BERT语言模型，而其他大型语言模型则是由微软和OpenAI等公司开发的。NLP的进展如此之快，以至于技术进步已经开始超过测试它们的基准。这可以从快速出现的系统中看出，这些系统在SuperGLUE上获得了人的水平的性能，这是一个NLP评估套件，是针对早期NLP进展超过了GLUE评估的能力而开发的。

　　SuperGLUE 基准

　　•新的推理分析：大多数技术问题的衡量标准都显示了每个时间点最佳系统在固定基准上的表现。

人工智能指数开发的新分析有一些指标，这些指标考虑到了一个不断发展的基准，并考虑到随着时间的推移，将一组系统的总体性能的一部分归因于单个信用系统。这些被应用于两个符号推理问题，自动定理证明和布尔公式的可满足性。

2016-20年每个解算器和年份解算所有400个实例的总时间(越低越好)

　　•机器学习正在改变医疗保健和生物领域：随着机器学习的采用，医疗保健和生物行业的格局发生了实质性变化。

DeepMind的AlphaFold应用了深度学习技术，在长达数十年的蛋白质折叠生物学挑战中取得了重大突破。科学家们使用ML模型来学习化学分子的表示，以便制定更有效的化学合成计划。PostEra是一家人工智能初创公司，在疫情期间，它利用基于ML的技术加速发现与COVID相关的药物。

　　文本由@云闲 原创发布于三个皮匠报告网站，未经授权禁止转载。

　　数据来源：《人工智能研究所(HAI)：2021年人工智能指数报告》。