牛津大学人工智能博士

（留学SoEasy）聊牛津大学计算机之前我们先聊聊人工智能^_^人工智能发展如火如荼，就像人类有些伦理问题无法解决，人工智能的发展同样面对着许多伦理上的问题。比如，如果自动驾驶车辆无法及时刹车，往前开就会把闯红灯的人撞死，如果猛转向就会撞到旁边的大货车使车上的乘车人死亡。那么，在这种情况下，自动驾驶车辆应当如何选择？人类面临的难题同样无法在机器身上得到完美解决。再者，机器人有权利吗？就像斯皮尔伯格拍摄的《人工智能》一样，那个乖巧听话的小男孩，主人能够不喜欢就抛弃他吗？人工智能机器人在法律上到底是什么？自然人？法人？动物？物？我们可以随意虐待、折磨、遗弃或者杀死它们吗？据说欧盟已经在研究是否应该赋予智能机器人“电子人”的法律人格，具有其应该享有的权利、义务，并对其行为负责。所有，人工智能站在风口必将引来更多的资本和关注。今天我们来聊一聊世界排名第五的牛津大学的计算机系，看看它的历史，它的研究方向，以及有什么特点？牛津大学计算机科学系是英国历史最悠久的计算机科学系之一。它原名牛津大学计算实验室，拥有世界一流的研究和教学社区。研究活动包括核心计算机科学，以及计算生物学， 量子计算，计算语言学， 信息系统， 软件验证和软件工程。该系是本科生，全日制和兼职硕士生的家园，并拥有强大的博士课程。牛津大学计算实验室于1957年在Leslie Fox的指导下成立。在成立之初的短时间内，它在数学系提供本科讲座，培训了一些研究生，并运行一台大型计算机，为大学提供计算服务。在这个初始阶段，实验室的研究工作几乎全部用于数值分析，并导致数值分析小组的建立。1965年播下了重点转移和范围扩大的种子，在Christopher Strachey的领导下，在编程研究小组（PRG）的实验室内建立了基础。该计算服务，于1977年从实验室分裂为今后几年的规划研究小组和数值分析集团，分布在不同的相当孤立的建筑物。从那时起，从人员数量的快速发展和他们的利益范围，以及住宿的稳步提高，已经出现了一个具有明确身份和共同目标的主要部门。Keble Road的最初住宿包括由8-11号修建的维多利亚式房屋，这些房屋很快就会扩建。1986年，决定通过大学的牛津运动寻求许可和资金，以便对Keble Road房屋后方进行重大扩建。新沃尔夫森大厦的规划，资金和建设给实验室带来了很大的成就感; 自1993年夏天以来，它的职业为院系提供了专门的住宿，能够将所有工作人员聚集在一起，满足院系的大部分需求。随着该部门进一步扩展，新的电子科学大楼为计算实验室提供了额外的空间，并且还设有牛津电子研究中心。在2009年数值分析小组搬到了数学研究所。2011年6月1日，牛津大学计算实验室更名为牛津大学计算机科学系。现在，该系在大学内负责计算的所有学术方面; 用于教学，基础研究以及与其他部门和应用研究行业的合作。它的研究试图通过使用计算机来解决问题，并解决计算系统本身的设计和编程中的问题。在这两个领域，它将严谨的理论与工业应用结合起来，每一个都充当对另一个人的强烈刺激，这在教学中得到了反映。计算机科学系很自豪能够提供一系列课程，包括计算机科学本科学位和数学与计算机科学的联合学位 。硕士学位课程包括计算机科学，数学和计算机科学基础，以及兼职研究生软件工程资格。计算机科学系也是许多学习DPhils （牛津博士）的学生的家 。2012年，本科课程扩展到提供计算机科学和哲学的新联合学位 。该部门继续发展。截至2016年，大约有200名本科生。院系提供全日制教学研究生课程：计算机科学硕士（仅50多名学生）。此外，每年大约有15名学生获得数学硕士学位和计算机科学基础（由数学研究所管理）。大约330名学生参加了两个兼职专业研究生课程之一：软件工程硕士和软件与系统安全硕士。该系的博士课程有130多名研究生，还有大约70名学术人员和140名研究人员。计算机科学系的研究分为十大主题，具体见下图：牛津大学的校友可谓群星璀璨。至少产生了来自8个国家的12位国王、6位英国国王、47位诺贝尔奖获得者、来自19个国家的53位总统或首相（包括25位英国首相）、12位圣人、86位大主教以及18位红衣主教。计算机系也是世界计算机十大名校之一，所以，到牛津大学读计算机科学是一个非常理想的选择（留学SoEasy）^_^

雷刚 发自 凹非寺 量子位 报道 | 公众号 QbitAIAI专业、AI学院，还不足以反映AI时代变革的态势。这不，全球首个AI大学正式成立，阿联酋阿布扎比官方出资创办，面向研究生进行AI培养。而且发起规格到校董会设置，级别都非常高。包含姚期智、李开复等在内的全球知名AI学者人士均是创始校董会成员。详情如下：全球第一所AI大学全名“穆罕默德·本·扎耶德人工智能大学（MBZUAI）”。大学以阿布扎比王储、阿拉伯联合酋长国联邦武装部队副最高指挥官——谢赫·穆罕默德·本·扎耶德·阿勒纳哈扬殿下的名字命名。官方对外称，王储长期倡导阿联酋通过知识和科学思维发展人力资本，引领国家走向未来。穆罕默德·本·扎耶德人工智能大学将为人工智能领域引入学术和研究的新模式，向学生和教师提供全球最先进的人工智能系统，释放人工智能在促进经济和社会发展方面的潜能。具体办学方向方面，这会是全球第一所培养研究生的研究型人工智能大学。旨在支持研究学者、企业和政府进一步推动人工智能的发展。目前大学成立和创始工作，由阿拉伯联合酋长国国务部长——苏尔坦·艾哈迈德·阿尔·贾比尔博士牵头，他也是这所新兴大学的首任校董会主席。他说：人工智能正在改变世界，如果我们能发挥人类的无限想象力进行全面探索，我们还将实现更多成就。人工智能大学将把人工智能学科带到最前沿的位置，培养并赋能有创造力的带头人，未来将由他们引领我们迈入人工智能新时代。”校董会大咖云集此外，身为全球第一所AI大学，校董会也规格颇高。该大学董事会由来自全世界的专家组成，其中包括：英国牛津大学肿瘤成像学迈克尔·布雷迪（Michael Brady）教授；美国密歇根州立大学特聘教授阿尼尔·杰恩（Anil K. Jain）；清华大学交叉信息研究院院长姚期智教授；美国麻省理工学院（MIT）计算机科学与人工智能实验室（CSAIL）主任丹妮拉·鲁斯（Daniela Rus）教授；创新工场创始人李开复博士；以及阿联酋G42集团首席执行官彭晓。学校临时校长将由迈克尔·布雷迪（Michael Brady）教授担任。他表示，历经了在机器学习和人工智能领域几十年的研究之后，我们正处于广泛应用先进智能技术的转折点。这一演进正如其他领域的发展，在几乎每一个领域创造令人兴奋的全新职业机会。在穆罕默德·本·扎耶德人工智能大学，我们将支持学生把握这些机会，并在全球范围内扩大他们对人工智能领域的贡献。明年9月开学，100%全额奖学金最后，学习规划方面。穆罕默德·本·扎耶德人工智能大学将提供人工智能关键领域——机器学习、计算机视觉和自然语言处理——的理学硕士（MSc）和博士学位课程。同时与全世界的政策制定者和企业建立紧密联系，共同担起使人工智能成为产业变革的正面驱动力量的责任。穆罕默德·本·扎耶德人工智能大学已与位于阿布扎比的起源人工智能研究院（IIAI）展开合作，进行博士研究生指导和课程开发工作。此外，通过举办区域性和国际性会议、研讨会与专题讨论会，穆罕默德·本·扎耶德人工智能大学还希望汇聚人工智能领域的专家。对学生更具吸引力的是100%全额奖学金。穆罕默德·本·扎耶德人工智能大学承诺将向被录取的学生提供全额奖学金，外加诸多福利，比如月度津贴、健康保险和住宿等。学校将与领先的本地企业和全球公司合作，帮助学生获得实习机会，并协助他们寻找就业机会。研究生现可在穆罕默德·本·扎耶德人工智能大学网站进行申请，登记注册将于2020年8月开启。首批研究生将于2020年9月在穆罕默德·本·扎耶德人工智能大学马斯达尔城校区开始课程学习。

【编者按】作为发达国家最集中的地区，欧洲讨论人工智能的话题非常多，媒体撰写人工智能方面的文章亦数不胜数。欧洲人素来以批判精神见长，因此对人工智能的伦理问题也有深入探讨，其中以各大院校为主。这些大学近些年在人工智能领域的研究和发展取得了令人瞩目的成绩。因此，智能观综合QS、USNews等顶级排名网站的观点，整理了以下10所欧洲人工智能专业最好的大学，并附加了地理位置和网址，以供想要去欧洲深造的同学了解和选择。1.剑桥大学（University of Cambridge）位于：英国英格兰剑桥郡网址：www.cam.ac.uk剑桥大学是一所誉满全球的世界顶级研究型书院联邦制大学。剑桥大学最大的特色是学院制，剑桥大学本身没有一个指定的校区，没有围墙，也没有校牌。绝大多数的学院、研究所、图书馆和实验室都建在剑桥镇的剑河两岸，以及镇内的不同地点。剑桥大学提供计算机科学荣誉学士或荣誉硕士学位，开设人工智能、人机互动、自然语言处理、高级算法等课程。2016年，剑桥大学新成立了一个研究中心——Leverhulme Centre for the Future of Intelligence，联合牛津大学、剑桥大学、伦敦帝国学院和加州大学-伯克利分校的力量，主要研究人工智能的内涵并试图影响其伦理发展。世界著名的物理学家、剑桥大学教授霍金出席了此次开幕式并发表了演讲。Cambridge Quantum Computing Ltd.由剑桥大学圣埃德蒙学院和贾奇商学院的教授、研究员，英国斯蒂芬霍金基金会的主席、Stanhill Capital Partners的高级合伙人Ilyas Khan先生创办，是一家在量子信息处理技术、人工智能、优化与模式识别相结合等领域的领先独立公司。该公司目前关注的领域包括：量子操作系统与量子模拟、认证随机性、人工智能、安全认证和量子对抗加密货币等。该公司目前获得了5000万美元的融资。2.牛津大学（University of Oxford）位于：英国牛津郡网址：www.ox.ac.uk牛津大学，简称“牛津”，是一所誉满全球的世界顶级研究型书院联邦制大学。牛津大学是一所“城市大学”，没有主校区;相反，学院、部门、住宿等设施分散在整个市中心。该校提供计算机科学、数学与计算机科学学士学位，开设先进的机器学习课程；提供计算机科学硕士学位，开设智能系统、机器学习、深入学习自然语言处理、视觉分析等课程模块。牛津大学没有专门的人工智能实验室，但其在深度学习方面的实力不容小觑。2014年谷歌先收购了人工智能公司DeepMind，然后在年底展开了与牛津大学的合作，雇用了7位深度学习领域的专家，其中3位仍然保留牛津大学教授的职称。正是这些人和DeepMind一起研制出了后来名扬天下的AlphaGo。2017年，牛津大学和DeepMind 联合推出了《NLP深度学习课程》，专攻基于深度学习的自然语言处理，涉及递归神经网络、B-P、LSTM、注意力网络、记忆网络、神经图灵机等技术要点。牛津大学历史学博士尤瓦尔赫拉利在《未来简史》中表示，人工智能将成为人类历史上最重要的革命。书中大胆预测了人类社会发展，被《泰晤士报》等多家媒体评为年度最佳图书。3.苏黎世联邦理工学院（Eidgenssische Technische Hochschule Zürich）位于：瑞士苏黎世Rmistrasse101网址：www.ethz.ch苏黎世联邦理工学院，又名瑞士联邦理工学院，简称ETH Zürich，是瑞士的两所联邦理工学院之一，享有欧洲大陆第一理工大学的美誉。苏黎世联邦理工学院的主校区位于苏黎世市中心，与苏黎世大学比邻，数学、机械、电子、计算机等系所散落于此，与城市融为一体。1896年，爱因斯坦考进了苏黎世联邦理工学院，并从这里走向了世界，成为众所周知的物理学家。苏黎世联邦理工学院提供数据科学硕士学位，机器人、系统和控制硕士学位，同时提供CS博士学位，包括计算机视觉等专业，并研究数据管理与机器学习、理论与算法、计算机视觉等领域。苏黎世联邦理工学院的人工智能实验室在机器视觉、深度学习和机械工程等方面有深厚的积累。培养出了无数人工智能领域的人才。国内外许多AI公司的CTO都毕业于该校的计算机视觉专业。在其人工智能实验室成立25周年之际，苏黎世理工学院展示了他们制造的最新一款的人形机器人，其结构设计看起来同人类的肌肉-骨骼系统颇为相似。其分布式自动控制实验室甚至制造出过一款带有球拍的、可以用来打球的四旋翼无人机系统“Quadrators”。2017年，苏黎世联邦理工学院教授、IEEE Fellow、nuTonomy 首席科学家Emilio Frazzoli获得ICRA（IEEE机器人与自动化国际会议）IEEEKiyo Tomiyasu Award，这一奖项主要颁发给在规划、控制与自动驾驶的操作算法上有着巨大研究成果的学者。4.伦敦帝国学院（Imperial College London）地址：英国伦敦南肯星顿区网址：www.imperial.ac.uk伦敦帝国学院，是一所世界顶尖的专攻理工领域的研究型大学，其研究水平被公认为在英国大学的五强之列。主校区位于伦敦著名的富人区——南肯星顿，与著名的海德公园、肯辛顿宫仅咫尺之遥。除主校区外，还有另外六个校区遍布伦敦，其中一个研究生校区位于伯克郡阿斯科特附近的Sunninghill村，主要为生态学、进化研究系的教学中心。学校保证为大学一年级新生在学院内或学院间提供住处，其次优先安排第一年的海外研究生。伦敦帝国学院提供人工智能方向工程硕士学位。伦敦帝国学院的人工智能机器情感计算实验室，拥有世界最先进又是目前唯一的机器情绪分析干预“人类自闭症心理疾病”的前沿技术项目。帝国理工学院教授马佳·潘迪克（Maja Pantic）是全球计算机人脸识别和情感计算之母。伦敦帝国学院机器人论坛研究涵盖了基础和应用机器人研究的各个方面，包括机电系统设计和控制、自主系统和人工智能、医疗和康复机器人、计算机视觉、人类和社会机器人学。还包括一个非常活跃的学生机器人协会。5.爱丁堡大学（The University of Edinburgh）位于：英国爱丁堡网址：www.ed.ac.uk爱丁堡大学，简称“爱大”，英国顶尖学府，世界二十强顶尖大学，位于英国苏格兰首府爱丁堡市中心，是英语国家中第六古老的大学。爱丁堡大学既有传统的学生宿舍，又有设施完备的现代学生公寓。学校可以保证所有的新生都可以在校内住宿。此外，如果学生选择在校外住宿，校方还可以提供有关房屋出租的信息。爱丁堡大学的人工智能研究有着悠久的历史和广泛的知名度，如今爱丁堡大学在人工智能领域的研究依然处于世界领先地位。爱丁堡大学的人工智能专业（MSc in AI）早在1983年的时候就可以颁发硕士学位。该专业的主要课程有：大脑处理和人工学习系统的研究，计算机视觉，移动和转配机器人，音乐感知和可视化等。神经网络之父Geoffrey Hinton 获得爱丁堡大学人工智能的博士学位，他将神经网络带入到研究与应用的热潮，将深度学习从边缘课题变成了谷歌等互联网巨头仰赖的核心技术，并将HintonBack Propagation（反向传播）算法应用到神经网络与深度学习，还提出了Dark Knowledge概念。6.洛桑联邦理工学院（cole Polytechnique Fédérale de Lausanne）位于：瑞士沃州洛桑网址：www.epfl.ch洛桑联邦理工学院又名瑞士联邦理工学院，简称EPFL，是一所世界顶尖的理工院校，在工程科技领域享有极高的声望。学校在瑞士的法语区，与德语区的苏黎世联邦理工学院是姊妹院校。洛桑联邦理工学院主要的建筑都位于莱芒湖畔的主校区，但仍有部分分支位于其他地方，如佛里堡的智能生活实验室。其计算机与通信科学学院提供人工智能与机器学习、算法与理论计算机科学、图形与视觉、人机交互等专业。洛桑联邦理工学院非常注重与其他院校及企事业单位的合作，目前在欧洲有270多个合作项目，其中在机器人领域有许多重点项目。同时，该学校还为瑞士最尖端的机器人科研机构输送人才，研究人性化智能机器人。2016年，该学院的研究员们研制出桌上足球机器人，可以使用高速摄像机分析定位，通过高动态直线电机加速并击球。2017年，洛桑联邦理工学院(EPFL)研发出一种双刚度无人机结构框架，在进行50多次的反复试验后仍然完好无损。7.伦敦大学学院(University College London)位于：英国伦敦布卢姆茨伯里区网址：www.ucl.ac.uk伦敦大学学院，简称UCL，是英国规模最大、学科最广的综合研究型大学。伦敦大学学院的本部校园坐落于伦敦市中心的布卢姆茨伯里区，接近高尔街。由于地方有限，只有本科新生及国际研究新生有住宿保证，其他学生则需自己寻找住房。学生亦有资格申请入住9所伦敦大学跨学院宿舍。该学校提供计算统计和机器学习、数据科学与专业化(计算机科学)、机器学习、机器人和计算技术、虚拟现实、网络科学和大数据分析等专业学位。伦敦大学学院在人工智能和机器学习领域有世界领先的研究实力。计算机科学系、统计科学系、认知神经科学研究所以及盖茨比计算神经科学等相关院系和机构通力合作，在神经网络研究、数字信号处理、机器学习和人工智能、计算机图形学和人机交互、医学图像和信息处理的研究上，保持领先地位。从事的科研项目与谷歌、IBM与微软等保持着密切的合作。伦敦大学学院在人工智能和机器学习领域有世界领先的研究实力。DeepMind和AlphaGo的创始人戴密斯·哈萨比斯便是在在伦敦大学学院获得的计算神经科学博士学位。2015年，英国政府宣布伦敦大学学院、牛津大学、剑桥大学、爱丁堡大学、华威大学为艾伦图灵研究院（ATI）的五所始创大学成员。此研究院旨在促进对进阶数学、计算机科学、大数据处理技术的运用。8.慕尼黑工业大学（Technische Universitt München）位于：德国慕尼黑网址：www.tum.de慕尼黑工业大学坐落于德国南部巴伐利亚州（拜恩州）首府慕尼黑，是德国最古老的工业大学之一。学校目前拥有3个校区，其中计算机科学专业位于慕尼黑以北约10公里的加兴校区。慕尼黑工业大学提供数据工程与分析，机器人技术认知智力硕士学位。在世界著名机构以及杂志的各类排名中，慕尼黑工业大学常年排名德国第一、世界前列。该校有240多个专业，其中人工智能、工程学、自动化、计算机科学物理学等在欧洲乃至世界都属于顶尖级别。共20位诺贝尔奖得主在慕尼黑工业大学就读或任教。慕尼黑工业大学拥有自己的人工智能研究所，并与全球顶级科研机构建立广泛合作，以促进机器人和人工智能的深度结合。2017年，慕尼黑工业大学展开了一项Roboy项目，目标旨在提升仿人机器人技术，不断优化模型，直到其性能可与真实人体的敏捷度、稳健性和灵活性相媲美。9.伦敦国王学院（King's College London）位于：英国伦敦泰晤士河畔威斯敏斯特区河岸街网址：www.kcl.ac.uk伦敦国王学院，简称King's或KCL，世界20强顶尖名校，伦敦大学的创校学院，世界著名研究型大学。伦敦国王学院包括5个校区，其中计算机科学系位于主校区——泰晤士河北岸的威斯敏斯特的河岸校区。本科阶段，伦敦国王学院提供计算机科学与机器人学士学位，计算机科学与智能系统理学学士学位；研究所阶段，提供数据科学、机器人学硕士学位。2015年，伦敦国王学院机器人研究中心的国家卫生服务组织研发了肉感机器人手指，内科医生可以用它来检查患者下腹部。这个设备能让医生通过触诊来检查肿瘤，进而通过触觉反馈做出诊断。2016年，英国伦敦国王学院教授Thomas Rid的《机器崛起》成为《麻省理工技术评论》《君子》《财富》等杂志评定的2016年度最佳书籍之一。10.曼彻斯特大学（The University of Manchester）位于：英国曼彻斯特市区网址：manchester.ac.uk曼彻斯特大学位于英国第二繁华城市曼彻斯特，是一所世界三十强顶尖名校，英国著名的六所“红砖大学”之一，英国“常春藤联盟”罗素大学集团创始成员之一，也是英国最大的单一校址大学。学校为所有一年级的本科生和国际研究生提供住宿，而对国际本科生则提供与在读时间相当的住宿。曼彻斯特大学提供人工智能、人工智能与工业经验、计算机科学（人机交互）、计算机科学（人机交互）与工业经验等专业理学学士学位和工程硕士学位。曼彻斯特大学计算机科学学院创造了许多世界第一，包括第一台可存储程序计算机、第一台浮点机、第一台晶体管计算机和第一台使用虚拟存储器的计算机。计算机科学和人工智能之父阿兰·图灵（Alan Turing）于1948-1954年在曼大工作，并领导了曼彻斯特马克一号（Manchester Mark 1）电脑的系统开发工作。

选自Business Insider机器之心编译参与：王宇欣、吴攀英国一些最聪明的头脑正在被 DeepMind 诱惑离开他们在剑桥大学和牛津大学的研究职位。LinkedIn 资料显示：在过去两年中，已经有超过十二位人工智能的研究者离开了这些大学的学术中心加入了 DeepMind，因为 DeepMind 可能会支付更高薪水。剑桥大学新的智能的未来研究中心（Centre for the Future of Intelligence）的主任 Steven Cave 认为从学术界到企业的人才流失是一个问题。「最好的人才被支付大量的薪水去在这些科技公司工作，」Cave 上周在剑桥告诉 Business Insider。「你刚发现对某个研究项目有极大兴趣的人，然后他们就被挖走了。我们正在思考关于这个问题的各种可能的解决方法。我们知道，雄心勃勃的年轻人想要在这些大牌企业当中工作，赚很多的钱，这是好事。但是同时我们希望有足够多的聪明的年轻人能够被我们正在研究的智力上的难题所激励，会想要做一些有益于世界改变的事情。」为了更好地了解日益复杂的人工智能系统的对我们可能产生的影响，牛津大学和剑桥大学近年来成立了一些研究机构。其中包括由瑞典的哲学家 Nick Bostrom 领导的牛津的人类未来研究所（Future of Humanity Institute）和剑桥的生存风险研究中心（CSER/Study of Existential Risk）都在其中。这些前瞻性的研究中心和 DeepMind 在许多领域竞争最聪明的人工智能思想家。Cave 说，一些方向的人工智能研究可能很难得到应有的关注，一些人工智能专家仍旧在回避着学术界而在科技公司工作。「有一些哲学性的工作不可能在以利益为导向的公司完成，」 他说。「我之前谈论的关于映射可能的智能空间; 这不是大多数科技公司愿意花费时间在上面的东西。」像 Microsoft 和 Facebook 这样的美国科技巨头也正在招募牛津大学的研究生和教授，但是 DeepMind 似乎比其他的公司挖到的人才更多。这可能与该公司的联合创始人有关——Demis Hassabis、Mustafa Suleyman 和 Shane Legg——都曾某一阶段在牛津或者剑桥工作或者学习过，这可能让他们和一些学院的关键的领导人物建立了关系。这可以和 DeepMind 在过去几年有着显著的增长的事实有关。这个力图 「解决智能（solve intelligence）」 的公司自从被 Google 收购了之后就已经把它的团队规模从在国王十字路时的 100 人扩大到了大约 250 人。DeepMind 通过聘请世界各地的毕业生和教授来推动它的成长，但是牛津和剑桥似乎是最受欢迎的招聘场地。DeepMind 也聘请了一些来自哈佛大学、斯坦福大学等一些其他大学的人。该公司以允许雇员公开发表他们的研究的方式来回馈学术界，DeepMind 的工作人员已经发布了超过 100 份被同行评审的论文。但是牛津和剑桥仍旧在为 DeepMind 提供人才。例如，Matthew Grimes 是一个剑桥的博士后研究员，从 2013 年 10 月份到 2015 年 12 月份主要从事将深度学习应用于视觉的研究。他在 2016 年 1 月加入 DeepMind 担任研究科学家。然后是从 2013 年 8 月至 2015 年 8 月在剑桥大学担任研究助理的 Yutian Chen。在他在 2015 的 9 月份加入 DeepMind 担任研究科学家之前，Chen 正在研究大规模机器学习的问题并且正在指导几位研究生的毕业项目。同样, Andrew Ballard 从 2012 年到 2015 年是剑桥的博士后研究员。他在 2015 年 10 月份离开并且作为研究员加入了 DeepMind。在其他地方，Irina Higgins 在 2015 年的 4 月从牛津的机器学习的导师职位离职，并且在同一年的 6 月作为研究科学家加入了 DeepMind。Higgins 还在牛津完成了计算神经科学和人工智能的博士学位，然后离开加入了 DeepMind。还有一些其他有名的从牛津到 DeepMind 的离职。比如，Edward Grefenstette、Nando de Freitas 和 Karl Hermann——牛津大学的 spinout Dark Blue 实验室的联合创始人——都已经离开了他们在牛津的研究职位加入了 DeepMind，这是有道理的，因为他们的创业公司已经被 DeepMind 收购。DeepMind 也聘请了 Martin Szummer，他曾经是剑桥的高级研究员。他离开了大学以专注于他的创业公司 VocalIQ，它在 2014 年被苹果公司收购。Cave 说他希望看到更多的人把他们在牛津、剑桥和科技公司的时间分开来。「来自科技公司的人可以在学术界度过一天，或者相反，这无疑是一种我们正在探索的模式。在某种程度上说, 只要人们理解或者得到他们所处的行为准则，学术界和行业的转换就是健康的。」DeepMind 拒绝发表评论. 然而, 它也许会说, 它同样雇佣了来自哈佛大学、斯坦福大学和世界上其他顶尖大学的人。同样重要的是需要注意 DeepMind 允许其工作人员公开发表他们的研究，到目前为止他们已经发表了超过 100 份经同行评审的论文，它对于学术界的回馈超过了许多其它的科技公司。一些 DeepMind 的员工也在牛津大学、伦敦大学学院和其他学术机构任教, 同时该公司还赞助了一些学生、院系和博士项目。

博士团进行实地参观考察。　胡耀杰　摄中新网青岛8月8日电 (记者 杨兵 胡耀杰)“牛津大学博士团山东(青岛)行”8日在青岛启动。在为期三天的访问期间，30名牛津大学博士团成员将在材料工程、电子信息、生物医学、智能交通等领域寻求创业合作发展机遇。“牛津大学博士团山东(青岛)行”启动。　胡耀杰 摄牛津学联主席、本次牛津大学博士团团长康文斌表示，此次是牛津学联首次来到山东进行访问交流，他认为山东是中国发展最快的省份之一，此次来访的博士团成员均经过综合选拔，研究领域包括人工智能、计算机科学、新材料、智能交通、生物医疗等，基本上涵盖了当今最前沿的领域和技术。博士团成员参加供需对接交流。　胡耀杰 摄康文斌认为，通过此次交流学习访问，博士团成员将在进行实地参观考察的同时，了解中国国内相关政策，可以让博士团成员及其团队在各自研究领域契合中国国情，能更好的来到中国创业合作发展。山东省委统战部副部长、省侨办主任孙传尚称，山东省把引进海外高层次人才特别是华侨华人高层次人才作为人才工作的重要目标，大批海外高层次人才在山东实现了创新创业的梦想。他希望能通过此次活动与留学生建立更加深厚的友谊，进一步加深与英国高层次人才的合作交流。启动仪式后，7名博士分别对单细胞生物传感器项目、摩尔斯智慧城市管理服务与智能安防系统项目、基于微生物的材料与分子创新平台项目、动态需求驱动的城市物流调度技术项目、阿尔法云计算基础平台等项目进行路演。2012年以来，山东省共引进海外留学回国人员7.1万人，每年来鲁工作的海外人才达4万人次，长期在鲁服务的海外专家近1.5万人，并出台《山东省离岸创新人才引进使用支持办法》，支持各类企业、高等院校、科研机构、社会组织、个人等在国(境)外建立研发基地、开放实验室、科技孵化器、技术转移中心等离岸创新基地，对于符合条件的离岸创新人才基地，给予300万至500万元人民币引才用才补贴。2018年，山东省对英国进出口金额约50亿美元，同比增长6.7%。截至2017年底，英国在山东省企业达180家，实际使用外资6.2亿美元。截至2018年底，山东省累计备案核准对英国境外投资企业(机构)62家，备案核准中方投资6.5亿美元。

萧箫 发自 凹非寺量子位 报道 | 公众号 QbitAI神经网络就像“炼丹炉”一样，投喂大量数据，或许能获得神奇的效果。“炼丹”成功后，神经网络也能对没见过的数据进行预测了~然而，这种情况下，神经网络其实成了“黑匣子”——具有一定的功能，但看不见是怎么起作用的。如果只做简单的图像分类，其实还好；但如果用在医学方向，对疾病进行预测，那么神经网络下的“判断”就不可轻信。如果能了解它是怎么工作的，就更好了。出于这种考虑，来自牛津大学的博士生Oana-Maria Camburu撰写了毕业论文《解释神经网络（Explaining Deep Neural Networks）》。在这篇论文中，她将这些“黑匣子”一个个打开，对神经网络原理进行了详细的解释。为什么要打开神经网络“黑匣子”？事实上，神经网络之所以起作用，最直观的原因就是，它由大量非线性函数组成。这些非线性函数，使得网络可以学习原始数据中各种抽象级特征。然而，也正是因为神经网络中的这些非线性函数，使得人类往往难以理解，它们是如何起作用的。这就导致神经网络在疾病预测、信用额度、刑法等方向上“不太受欢迎”。医生和法律相关的研究者往往更乐意采用可解释模型，例如线性回归、决策树，因为神经网络在疾病预测中的确出过问题：人们利用神经网络预测肺炎患者的病情发展，其中一项患者特征为是否有哮喘病史。神经网络经过训练后预测，有哮喘病史的患者死于肺炎的可能性较低。但其实结果恰好相反，哮喘本身会给肺炎带来雪上加霜的效果。之所以数据表明哮喘患者较少死于肺炎，往往是因为哮喘能被及早发现，所以患者得肺炎后能被及早治疗。如果这种神经网络被应用于实践中，将会带来非常危险的结果。此外，即使是神经网络，也会对男女性别产生刻板印象、产生种族偏见。例如，调查表明，有些语料库和模型，在预测再犯时，会更“偏爱”男性。除了错误的预测和种族、性别歧视以外，神经网络还很脆弱。无论是对图像进行小改动欺骗分类算法、还是用语音识别瞒过NLP模型，神经网络被“爆雷”的情况也不少。为了让神经网络应用于更多的方向，也为了让我们更好地学习它的原理，作者从两个方向对神经网络进行了解释。2种方法解释神经网络“事后再解释”第一种方法，称之为基于特征的解释方法，又叫“事后再解释”——因为这种方法，是在神经网络训练好后，才对其输入特征进行解释的。这种方法针对文本的词（token）、或是针对图像的超像素（super pixels），进行“事后”解释。目前这种方法应用较为普遍，不容易出现解释偏见，但需要验证解释方法的真实性。这里的根本原理，是研究外部解释方法给出的解释、与模型本身生成的自然语言解释之间，是否存在相关性，而相关性具体又是什么。在论文中，作者引入了一种新的验证方法，来判断解释方法的真实性。让神经网络自己解释那么，如果能让神经网络一边训练、一边“解释自己”呢？这是论文提到的第二种方法，即在模型中植入一个生成预测解释的模块，对预测的结果进行解释。至于神经网络对自己的解释是否正确，还需要人为进行判断。在这里面，作者同样引入了一种判断方法，对模型自己生成的解释进行判断，从而得出神经网络解释的结果。对神经网络详细结构、具体解释方法感兴趣的小伙伴，可以戳下方论文地址查看~作者介绍Oana-Maria Camburu，来自罗马尼亚，目前是牛津大学的博士生，主修机器学习、人工智能等方向。高中时期，Oana-Maria Camburu曾获IMO（国际奥数竞赛）银牌。她曾经在马普所、谷歌实习，读博期间，论文被ACL、EMNLP、IJCNLP等顶会收录。

毫无疑问，人工智能（AI）一直是近两年来发展最快也是最为热门领域，无论是国外的谷歌、亚马逊、苹果，还是国内的BAT等科技巨头都纷纷入局，大批的AI创业公司更是如雨后春笋般涌现。得益于中国政府对于AI的重视以及众多中国企业的大举投入，中国在AI领域也取得了飞速的发展。更为重要的是，中国拥有7.3亿的网络用户，同时也是全球最大的智能终端市场，每天可产生极为庞大的数据资源。可以说，AI技术的发展离不开数据的驱动。据国家发展改革委披露的数据显示，2020年中国将成为世界第一数据资源大国，中国每天产生的数据总量有望达到8000EB，占全球数据的18%以上。而数据对于AI来说则是相当于是“粮食”或“石油”。正因为中国所拥有的庞大的数据资源优势，也使得中国成为了AI领域发展最快的国家之一。根据美国白宫发布的两份报告显示，自2014年以来，中国不仅在深度学习领域所发表的学术文章数量上超越了美国，而且在深度学习领域被引用学术文章数量也已超过美国。此外，在计算机视觉、自然语言处理、智能机器人和语音识别能等领域，中国已超越美国走在了世界前列。因此，不少媒体和业内人士纷纷表示，中国的人工智能实力很快将超过美国。但是，实际上，中国与美国在人工智能领域的差距依然巨大。中美AI实力差距依然巨大根据此前腾讯研究院的中美AI实力对比报告显示，截止到2017年6月，全球AI企业总数为2542家，其中美国1078家，占42%；中国592家只占23%。美国的AI企业数量是中国的近两倍。另外在AI九大热门领域，美国的融资额更是达到了中国的23倍。而在AI处理器/芯片这种基础层领域，美国企业的数量也大大超过中国，是中国企业数量的2.3倍。不久前，市场研究公司Compass Intelligence对100多家人工智能（AI）芯片公司进行评估，最终发布了一份全球AI芯片企业排名，在公布的前24名的榜单上，从国家和地区分布来看，美国有13家，而且排名前三的也都是美国公司（英伟达、英特尔以及IBM）。中国公司只占据了7个席位，排名最靠前的是华为，排名第12位。随后是联发科（14）、Imagination（15）、瑞芯微（20）、芯原（21）、寒武纪（23）和地平线（24）。如果算上即将被高通收购的NXP和即将把总部搬回美国的博通，美国就将会有15家企业在榜单上，数量将超过中国企业两倍。当然，仅从中美AI相关领域的企业数量或者排名榜单上的企业数量对比，并不能完整反应两国之间的AI实力差距。那么是否有更系统的评判方式呢？中国AI实力只有美国的一半？近期，牛津大学也发布了一份题为《解密中国AI梦》（Deciphering China's AI Dream）的报告，作者牛津大学博士、青年经济和政治学者杰弗里·丁（Jeffrey Ding）指出中国目前的AI实力实际仅约为美国的一半。在这份报告中，首次提出了“国家AI潜力指数(AIPI)”这一概念，AIPI主要考察四项基本指标，分别是：硬件、数据、算法和商业，以此来衡量一个国家在AI方面的综合实力。下面我们就来看看，在AI硬件、数据、算法和商业这四个方面，中美之间的差距：1、硬件（占比25%）在AI硬件方面，由于具备较高的技术门槛和投入成本以及较长的研发周期，AI芯片的研发是最为困难的。这类AI芯片又有两大类：一类是可以被用于机器学习/深度学习训练的传统通用型芯片，比如CPU/GPU等；另一类则是专为执行AI算法所设计的芯片，比如谷歌的TPU和一些PFGA芯片。为了衡量中国在AI硬件上的实力，该报告从“半导体生产的国际市场份额（2015）”及“FPGA（现场可编程门阵列）芯片生产商的融资情况（2017）”两个方面的数据来进行分析。首先，以全球半导体市场份额来看（2015年数据），美国占据了全球半导体市场50%的份额，而中国仅只有4%的份额。其次，在FPGA芯片生产商的融资上，中国相关企业2017年获得的投资是3440万美元，占全球FPGA厂商融资额的7.6%；而美国这一数据是1.925亿美元，占据42.4%的份额。报告据此计算得出，中国硬件指数为（4+7.6）/2=5.8，美国硬件指数为（50+42.4）/2=46.2。另外报告指出，目前GPU则被广泛用于深度学习计算领域，在美国前十大芯片制造商当中，有4家GPU厂商，其中Nvidia更是极为强势。而中国在GPU方面仍没有一家企业（芯智讯注：现在Imagination已被中资收购，算是在一定程度上弥补了这个缺憾），几乎完全依赖国外的企业。虽然在中国10大芯片制造商中，有6家有专门从事ASIC芯片的研发，但是美国也拥有更多的从事ASIC芯片的企业，而且实力上也更强。比如谷歌此前已经推出了第二代的TPU。当然这些ASIC芯片的灵活性不如FPGA。而在FPGA领域，美国和中国各有两家FPGA芯片制造厂商。不过，在2017年美国的FPGA公司获得了1.925亿美元的融资，两家中国的FPGA公司只获得了3440万美元的融资。该报告也承认，中国在超级计算机方面的成功展示了它在人工智能领域追赶世界的潜力。2014年，中国在超算Top500榜单上的名额仅为76个，占比15.2%，而美国则有232个，占比46.4%。但是到来2017年6月，全球超算Top500榜单上，中国已经拥有了159个名额，占比31.8%，美国则有168个，占比33.6%，显然中国在超算上的整体实力已经与美国相当。而在未来的人工智能发展中，超级计算设备可能变得更加适用。但是需要指出的是，目前中国AI硬件实力的提升，主要还是依靠进口关键器件和收购来提升的。由于这一战略受到美国和欧盟的更严格审查，中国正在大力发展国内芯片设计和制造行业，并在强大的超级计算机上进行长期投资。但是尽管如此，中国国内生产的集成电路只满足了国内13%的需求，中国的集成电路进出口贸易逆差自2005年以来已经翻了一倍多。因此，如果中国要在人工智能硬件领域中迎头赶上，可能需要很长时间。2、数据（占据25%）前面芯智讯有提到，AI技术的发展离不开数据的驱动，特别是机器学习必须要有足够数据来训练，而庞大的数据资源优势则是中国AI发展的优势之一。根据CCID的报告，到2018年中国大陆将占到全球零售电子商务市场的50%以上。咨询公司预计，到2020年，中国将拥有全球20%的数据；到2030年，中国将拥有全世界30%的数据。因此，在数据方面，中国拥有绝对的优势。不过以2016年的数据来看，中国拥有全世界20%的数据；美国的数据量占全世界的5.5%。据此，该报告计算得出，中国数据指数为20，美国数据指数为5.5。另外报告指出，中国的数据量之所以丰富，除了人口众多、移动互联网发展迅速以外，中国相对松懈的隐私保护策略，更加使得中国科技巨头能够方便收集大量的数据，并在政府间共享。此外，中国的互联网数据保护主义也是促使中国互联网崛起的关键，比如对于Facebook和谷歌的屏蔽，从而使得微博和百度等国内平台的崛起。从中我们可以看到数据的优势。此外该报告还表示，数据是人工智能发展的稀缺资源，中国可以对其公司和研究机构的资源进行排他性控制，但是如果能够在更多的平台和国家之间共享更多的数据，中国的AI厂商也可以从全球数据共享中获益。3、算法与研究（占据25%）AI研究和算法开发是人工智能发展的关键因素。该报告将这一指标的考核划分为两个部分，一部分是AI人才数量，另一部分是在AAAI上发表的论文数量。报告称，中国的研究人员能够快速复制世界上任何地方开发的最先进的算法。中国也有大量的AI研究人员和优秀的毕业生，但是在最具创新性的研究领域以及顶级AI人才数量方面仍与美国有差距。虽然数据显示，2014年，中国在人工智能研究领域的相关专利注册和深度学习领域的文章发布数量上超过了美国。但是，这并不是一个有质量的证明。该报告称，根据人工智能发展协会(AAAI)的数据显示，2015年中国学者在AAAI上发表的论文为138项，占据全世界的20.5%；而来自美国学者发表的成果数量为326项，占比高达48.4%。另外根据麦肯锡的数据显示，中国在基础研究方面落后于美国和英国。尽管中国学者发表的AI论文在数量上近年来显著提升，但在论文被引用数量上（除去自我引用），美国和英国的AI研究论文更有影响力，被引用的也更多。报告称，在AI人才数量上，2017年美国STEM专业的毕业生中，有约78700人从事AI研究，占据全世界的26.2%。而中国只有约39000人从事AI研究，占全世界AI人才的13.1%。在AI人才上美国处于领先的关键在于，美国拥有大量世界一流的大学，拥有更加成熟的人工智能商业生态系统。另外在美国，近50%的AI研究人员有超过10年的工作经验，而在中国只有25%的人有超过10年的工作经验。所以这不仅仅是AI人才数量上的差距，AI人才质量上的差距也很大。【芯智讯注：STEM由科学(Science)、技术(Technology)、工程(Engineer)和数学(Mathematics)首字母组成，是美国鼓励学生主修科学、技术、工程及数学的一项计划。在美国国土安全局网站上可以查到一个长长的属于STEM计划的专业列表，比如化工、计算机科学、物理、数学、生物科学和航空航天等理工科。】根据以上的数据，该报告计算得出，中国在算法与研究指数上的得分是（13.1+20.5）/2=16.8；美国的得分则是（26.2+48.4）/2=37.3。4、商业（占据25%）在AI商业化评分指标方面，该报告主要从以下三个方面来进行比较：a、人工智能公司数量：根据2017年6月的数据，全球AI公司总数约为2542家，其中42%来自美国，而中国则只有23%。报告称，美国的生态系统能够培育出更具竞争力的人工智能创业公司。b、2012-2016年对AI公司的总投资额根据乌镇研究所的报告称，在2012-2016年间，中国对于AI领域的总投资额是26亿美元，占据全球的6.6%；而美国的投资总额则高达172亿美元，占据全球的43.4%。但是，很多研究数据对于“核心人工智能”与“相关产业”并未完全区别，因为其界限本来就很模糊。这也使得一些研究机构的数据会有较大差异。比如来自IT Juzi和腾讯研究所的另一份报告给出了一个截然不同的估计，该数据显示，美国在AI领域共获得了148亿美元融资，占据全球51.10%的份额；而中国的融资规模则为96亿美元，占据全球的33.18%的份额。报告认为，数据相互冲突背后的另一个因素是人工智能领域的快速变化。作为参考，从2014年到2016年，中国新成立AI公司的数量占中国AI公司总量的55%，这三年中国AI投资的规模占中国科技企业总融资总量的90%以上。另外报告还指出，近年来，大型科技公司竞相收购具有领先优势的AI公司来获取相关技术和市场，有132家美国科技巨头从收购当中获益。数据显示，从2012年到2017年7月，全球总共有79次规模较大的AI企业收购案。其中美国公司收购了66家AI公司，而中国公司只收购了3家AI公司。c、2017年AI初创公司全球融资总额在AI初创公司2017年全球融资总额上，中国AI初创企业的总融资额占据全球AI初创企业融资总额的48%，美国公司总融资额则占据全球的38%。报告称，在过去的一年里，中国在AI领域的融资额获得了爆炸式的增长，要知道2016年中国AI初创企业的总融资额仅占全球的11.3%。尽管对中国AI领域的规模的统计数据各有不同，但可以肯定的是，中国的AI行业在过去几年里在绝对和相对方面都有了显著的增长。虽然，在这一项指标上，中国领先美国。但是，该报告也指出，在CB Insight的AI 100榜单中，美国有39家AI创业公司在榜单之上，而中国只有3家AI创业公司上榜。根据以上数据，报告计算得出，中国在商业指数上的得分是（23+6.6+48）/3=25.9；美国的得分则是（42+43.4+38）/3=41.1。结论：从以上四个方面的对比来看，中国虽然再数据方面具有较大的领先优势之外，在硬件、算法与研究、商业化上面与美国仍有较大差距，特别是再硬件上差距更是巨大。根据以上四个项目的评分相加再，中国最后的总得分是：5.8+20+16.8+25.9=68.5，美国最后的总得分是：46.2+5.5+37.3+41.1=130.1。显然从这个综合评分来看，中国的AI综合实力确实只有美国的一半。国内专家称该报告不专业，中美差距不会这么大？对于此份报告的内容，国内有专家称中美在AI领域确实存在一定差距，比如在半导体、芯片等方面确实差距比较大。但从整体实力上看，中美AI差距或许并没有那么大。国内相关专家表示：“首先，该报告选取的评判要素、标准不够全面，值得商榷。其次，该报告的数据不全面。比如在对AI公司的总投资额和AI初创企业融资额上，数据不太准确，中国在AI领域的跨国并购和对初创企业投资的速度在加速，从国家资本到民营机构都非常看重对优质AI公司的投入，而且力度非常大。第三，中国在商业化领域的落地能力较强，这项指标没有加入，比如图像识别在中国市场的应用已经非常广泛，反观美国则比较滞后。”不过在芯智讯看来，这份报告还是比较有参考意义的，首先决定AI综合实力的关键因素，技术（包括硬件和软件）、人才、资金、商业化等方面，该报告都有覆盖。虽然国内有专家认为“中国在商业化领域的落地能力较强，这项指标没有加入”，但是实际上，中国的这项优势是体现在了该报告当中的“数据”项上。正因为中国的人口、网络用户以及互联网上的优势，才使得中国的AI能够有足够大量的数据训练，从而能够快速的进入到实际应用。而且同样也是因为用户基数够大，所以各项的应用能够被快速的推广，而AI在应用端的快速和广泛的部署，也进一步促进了更多数据的产生和数据的价值化，进一步强化了中国在这块的优势。另外，该报告所引用的数据也都还是相对比较权威的数据，其所展现的中美在AI领域的差距，也与之前据腾讯研究院发布的《中美两国人工智能产业发展全面解读》的报告所反应的基本相符。此前，腾讯研究院发布的《中美两国人工智能产业发展全面解读》显示，在AI基础研究和人才领域，美国基础层人才数量是中国的13.8倍，世界人工智能排名前20的大学中，美国占16所，中国一所都没有。目前中国只有不到30所大学拥有专注于AI的研究室，其中仅有清华大学、中国科技大学等少数几所高校在国际有一定竞争力。在AI企业数量和融资方面，美国的AI企业数量是中国的近两倍，另外在AI九大热门领域，美国的融资额更是达到了中国的23倍。特别是在AI处理器/芯片这种基础层领域，美国企业的数量也大大超过中国，是中国企业数量的2.3倍。这些数据也都反应了中国与美国在人工智能领域的实际差距。虽然我们在人工智能应用端确实走在了世界前列，比如国内语音识别已经开始在智能家居上的广泛应用，以人脸识别为代表的机器视觉在国内各领域都开始有广泛应用（比如刷脸支付、智能安防），但是我们不能忽视在应用之上的更为核心的在硬件芯片、软件算法等方面差距。这就好比中国的智能手机产业，虽然全球智能手机大都是中国生产的，而且全球前五的智能手机厂商当中，中国已占据了3席，但是智能手机的众多核心器件乃至安卓系统都是掌握在美国厂商手中。同样，对于中国目前AI产业的繁荣我们也应该清楚的认识到中美之间的差距，我们还有很多的薄弱环节需要去弥补。作者：芯智讯-浪客剑_____________________________更多干货、爆料、独家观点，欢迎订阅芯智讯

毫无疑问，人工智能（AI）一直是近两年来发展最快也是最为热门领域，无论是国外的谷歌、亚马逊、苹果，还是国内的BAT等科技巨头都纷纷入局，大批的AI创业公司更是如雨后春笋般涌现。得益于中国政府对于AI的重视以及众多中国企业的大举投入，中国在AI领域也取得了飞速的发展。更为重要的是，中国拥有7.3亿的网络用户，同时也是全球最大的智能终端市场，每天可产生极为庞大的数据资源。可以说，AI技术的发展离不开数据的驱动。据国家发展改革委披露的数据显示，2020年中国将成为世界第一数据资源大国，中国每天产生的数据总量有望达到8000EB，占全球数据的18%以上。而数据对于AI来说则是相当于是“粮食”或“石油”。正因为中国所拥有的庞大的数据资源优势，也使得中国成为了AI领域发展最快的国家之一。根据美国白宫发布的两份报告显示，自2014年以来，中国不仅在深度学习领域所发表的学术文章数量上超越了美国，而且在深度学习领域被引用学术文章数量也已超过美国。此外，在计算机视觉、自然语言处理、智能机器人和语音识别能等领域，中国已超越美国走在了世界前列。因此，不少媒体和业内人士纷纷表示，中国的人工智能实力很快将超过美国。但是，实际上，中国与美国在人工智能领域的差距依然巨大。中美AI实力差距依然巨大根据此前腾讯研究院的中美AI实力对比报告显示，截止到2017年6月，全球AI企业总数为2542家，其中美国1078家，占42%；中国592家只占23%。美国的AI企业数量是中国的近两倍。另外在AI九大热门领域，美国的融资额更是达到了中国的23倍。而在AI处理器/芯片这种基础层领域，美国企业的数量也大大超过中国，是中国企业数量的2.3倍。不久前，市场研究公司Compass Intelligence对100多家人工智能（AI）芯片公司进行评估，最终发布了一份全球AI芯片企业排名，在公布的前24名的榜单上，从国家和地区分布来看，美国有13家，而且排名前三的也都是美国公司（英伟达、英特尔以及IBM）。中国公司只占据了7个席位，排名最靠前的是华为，排名第12位。随后是联发科（14）、Imagination（15）、瑞芯微（20）、芯原（21）、寒武纪（23）和地平线（24）。如果算上即将被高通收购的NXP和即将把总部搬回美国的博通，美国就将会有15家企业在榜单上，数量将超过中国企业两倍。当然，仅从中美AI相关领域的企业数量或者排名榜单上的企业数量对比，并不能完整反应两国之间的AI实力差距。那么是否有更系统的评判方式呢？中国AI实力只有美国的一半？近期，牛津大学也发布了一份题为《解密中国AI梦》（Deciphering China's AI Dream）的报告，作者牛津大学博士、青年经济和政治学者杰弗里·丁（Jeffrey Ding）指出中国目前的AI实力实际仅约为美国的一半。在这份报告中，首次提出了“国家AI潜力指数(AIPI)”这一概念，AIPI主要考察四项基本指标，分别是：硬件、数据、算法和商业，以此来衡量一个国家在AI方面的综合实力。下面我们就来看看，在AI硬件、数据、算法和商业这四个方面，中美之间的差距：1、硬件（占比25%）在AI硬件方面，由于具备较高的技术门槛和投入成本以及较长的研发周期，AI芯片的研发是最为困难的。这类AI芯片又有两大类：一类是可以被用于机器学习/深度学习训练的传统通用型芯片，比如CPU/GPU等；另一类则是专为执行AI算法所设计的芯片，比如谷歌的TPU和一些PFGA芯片。为了衡量中国在AI硬件上的实力，该报告从“半导体生产的国际市场份额（2015）”及“FPGA（现场可编程门阵列）芯片生产商的融资情况（2017）”两个方面的数据来进行分析。首先，以全球半导体市场份额来看（2015年数据），美国占据了全球半导体市场50%的份额，而中国仅只有4%的份额。其次，在FPGA芯片生产商的融资上，中国相关企业2017年获得的投资是3440万美元，占全球FPGA厂商融资额的7.6%；而美国这一数据是1.925亿美元，占据42.4%的份额。报告据此计算得出，中国硬件指数为（4+7.6）/2=5.8，美国硬件指数为（50+42.4）/2=46.2。另外报告指出，目前GPU则被广泛用于深度学习计算领域，在美国前十大芯片制造商当中，有4家GPU厂商，其中Nvidia更是极为强势。而中国在GPU方面仍没有一家企业（芯智讯注：现在Imagination已被中资收购，算是在一定程度上弥补了这个缺憾），几乎完全依赖国外的企业。虽然在中国10大芯片制造商中，有6家有专门从事ASIC芯片的研发，但是美国也拥有更多的从事ASIC芯片的企业，而且实力上也更强。比如谷歌此前已经推出了第二代的TPU。当然这些ASIC芯片的灵活性不如FPGA。而在FPGA领域，美国和中国各有两家FPGA芯片制造厂商。不过，在2017年美国的FPGA公司获得了1.925亿美元的融资，两家中国的FPGA公司只获得了3440万美元的融资。该报告也承认，中国在超级计算机方面的成功展示了它在人工智能领域追赶世界的潜力。2014年，中国在超算Top500榜单上的名额仅为76个，占比15.2%，而美国则有232个，占比46.4%。但是到来2017年6月，全球超算Top500榜单上，中国已经拥有了159个名额，占比31.8%，美国则有168个，占比33.6%，显然中国在超算上的整体实力已经与美国相当。而在未来的人工智能发展中，超级计算设备可能变得更加适用。但是需要指出的是，目前中国AI硬件实力的提升，主要还是依靠进口关键器件和收购来提升的。由于这一战略受到美国和欧盟的更严格审查，中国正在大力发展国内芯片设计和制造行业，并在强大的超级计算机上进行长期投资。但是尽管如此，中国国内生产的集成电路只满足了国内13%的需求，中国的集成电路进出口贸易逆差自2005年以来已经翻了一倍多。因此，如果中国要在人工智能硬件领域中迎头赶上，可能需要很长时间。2、数据（占据25%）前面芯智讯有提到，AI技术的发展离不开数据的驱动，特别是机器学习必须要有足够数据来训练，而庞大的数据资源优势则是中国AI发展的优势之一。根据CCID的报告，到2018年中国大陆将占到全球零售电子商务市场的50%以上。咨询公司预计，到2020年，中国将拥有全球20%的数据；到2030年，中国将拥有全世界30%的数据。因此，在数据方面，中国拥有绝对的优势。不过以2016年的数据来看，中国拥有全世界20%的数据；美国的数据量占全世界的5.5%。据此，该报告计算得出，中国数据指数为20，美国数据指数为5.5。另外报告指出，中国的数据量之所以丰富，除了人口众多、移动互联网发展迅速以外，中国相对松懈的隐私保护策略，更加使得中国科技巨头能够方便收集大量的数据，并在政府间共享。此外，中国的互联网数据保护主义也是促使中国互联网崛起的关键，比如对于Facebook和谷歌的屏蔽，从而使得微博和百度等国内平台的崛起。从中我们可以看到数据的优势。此外该报告还表示，数据是人工智能发展的稀缺资源，中国可以对其公司和研究机构的资源进行排他性控制，但是如果能够在更多的平台和国家之间共享更多的数据，中国的AI厂商也可以从全球数据共享中获益。3、算法与研究（占据25%）AI研究和算法开发是人工智能发展的关键因素。该报告将这一指标的考核划分为两个部分，一部分是AI人才数量，另一部分是在AAAI上发表的论文数量。报告称，中国的研究人员能够快速复制世界上任何地方开发的最先进的算法。中国也有大量的AI研究人员和优秀的毕业生，但是在最具创新性的研究领域以及顶级AI人才数量方面仍与美国有差距。虽然数据显示，2014年，中国在人工智能研究领域的相关专利注册和深度学习领域的文章发布数量上超过了美国。但是，这并不是一个有质量的证明。该报告称，根据人工智能发展协会(AAAI)的数据显示，2015年中国学者在AAAI上发表的论文为138项，占据全世界的20.5%；而来自美国学者发表的成果数量为326项，占比高达48.4%。另外根据麦肯锡的数据显示，中国在基础研究方面落后于美国和英国。尽管中国学者发表的AI论文在数量上近年来显著提升，但在论文被引用数量上（除去自我引用），美国和英国的AI研究论文更有影响力，被引用的也更多。报告称，在AI人才数量上，2017年美国STEM专业的毕业生中，有约78700人从事AI研究，占据全世界的26.2%。而中国只有约39000人从事AI研究，占全世界AI人才的13.1%。在AI人才上美国处于领先的关键在于，美国拥有大量世界一流的大学，拥有更加成熟的人工智能商业生态系统。另外在美国，近50%的AI研究人员有超过10年的工作经验，而在中国只有25%的人有超过10年的工作经验。所以这不仅仅是AI人才数量上的差距，AI人才质量上的差距也很大。【芯智讯注：STEM由科学(Science)、技术(Technology)、工程(Engineer)和数学(Mathematics)首字母组成，是美国鼓励学生主修科学、技术、工程及数学的一项计划。在美国国土安全局网站上可以查到一个长长的属于STEM计划的专业列表，比如化工、计算机科学、物理、数学、生物科学和航空航天等理工科。】根据以上的数据，该报告计算得出，中国在算法与研究指数上的得分是（13.1+20.5）/2=16.8；美国的得分则是（26.2+48.4）/2=37.3。4、商业（占据25%）在AI商业化评分指标方面，该报告主要从以下三个方面来进行比较：a、人工智能公司数量：根据2017年6月的数据，全球AI公司总数约为2542家，其中42%来自美国，而中国则只有23%。报告称，美国的生态系统能够培育出更具竞争力的人工智能创业公司。b、2012-2016年对AI公司的总投资额根据乌镇研究所的报告称，在2012-2016年间，中国对于AI领域的总投资额是26亿美元，占据全球的6.6%；而美国的投资总额则高达172亿美元，占据全球的43.4%。但是，很多研究数据对于“核心人工智能”与“相关产业”并未完全区别，因为其界限本来就很模糊。这也使得一些研究机构的数据会有较大差异。比如来自IT Juzi和腾讯研究所的另一份报告给出了一个截然不同的估计，该数据显示，美国在AI领域共获得了148亿美元融资，占据全球51.10%的份额；而中国的融资规模则为96亿美元，占据全球的33.18%的份额。报告认为，数据相互冲突背后的另一个因素是人工智能领域的快速变化。作为参考，从2014年到2016年，中国新成立AI公司的数量占中国AI公司总量的55%，这三年中国AI投资的规模占中国科技企业总融资总量的90%以上。另外报告还指出，近年来，大型科技公司竞相收购具有领先优势的AI公司来获取相关技术和市场，有132家美国科技巨头从收购当中获益。数据显示，从2012年到2017年7月，全球总共有79次规模较大的AI企业收购案。其中美国公司收购了66家AI公司，而中国公司只收购了3家AI公司。c、2017年AI初创公司全球融资总额在AI初创公司2017年全球融资总额上，中国AI初创企业的总融资额占据全球AI初创企业融资总额的48%，美国公司总融资额则占据全球的38%。报告称，在过去的一年里，中国在AI领域的融资额获得了爆炸式的增长，要知道2016年中国AI初创企业的总融资额仅占全球的11.3%。尽管对中国AI领域的规模的统计数据各有不同，但可以肯定的是，中国的AI行业在过去几年里在绝对和相对方面都有了显著的增长。虽然，在这一项指标上，中国领先美国。但是，该报告也指出，在CB Insight的AI 100榜单中，美国有39家AI创业公司在榜单之上，而中国只有3家AI创业公司上榜。根据以上数据，报告计算得出，中国在商业指数上的得分是（23+6.6+48）/3=25.9；美国的得分则是（42+43.4+38）/3=41.1。结论：从以上四个方面的对比来看，中国虽然再数据方面具有较大的领先优势之外，在硬件、算法与研究、商业化上面与美国仍有较大差距，特别是再硬件上差距更是巨大。根据以上四个项目的评分相加再，中国最后的总得分是：5.8+20+16.8+25.9=68.5，美国最后的总得分是：46.2+5.5+37.3+41.1=130.1。显然从这个综合评分来看，中国的AI综合实力确实只有美国的一半。国内专家称该报告不专业，中美差距不会这么大？对于此份报告的内容，国内有专家称中美在AI领域确实存在一定差距，比如在半导体、芯片等方面确实差距比较大。但从整体实力上看，中美AI差距或许并没有那么大。国内相关专家表示：“首先，该报告选取的评判要素、标准不够全面，值得商榷。其次，该报告的数据不全面。比如在对AI公司的总投资额和AI初创企业融资额上，数据不太准确，中国在AI领域的跨国并购和对初创企业投资的速度在加速，从国家资本到民营机构都非常看重对优质AI公司的投入，而且力度非常大。第三，中国在商业化领域的落地能力较强，这项指标没有加入，比如图像识别在中国市场的应用已经非常广泛，反观美国则比较滞后。”不过在芯智讯看来，这份报告还是比较有参考意义的，首先决定AI综合实力的关键因素，技术（包括硬件和软件）、人才、资金、商业化等方面，该报告都有覆盖。虽然国内有专家认为“中国在商业化领域的落地能力较强，这项指标没有加入”，但是实际上，中国的这项优势是体现在了该报告当中的“数据”项上。正因为中国的人口、网络用户以及互联网上的优势，才使得中国的AI能够有足够大量的数据训练，从而能够快速的进入到实际应用。而且同样也是因为用户基数够大，所以各项的应用能够被快速的推广，而AI在应用端的快速和广泛的部署，也进一步促进了更多数据的产生和数据的价值化，进一步强化了中国在这块的优势。另外，该报告所引用的数据也都还是相对比较权威的数据，其所展现的中美在AI领域的差距，也与之前据腾讯研究院发布的《中美两国人工智能产业发展全面解读》的报告所反应的基本相符。此前，腾讯研究院发布的《中美两国人工智能产业发展全面解读》显示，在AI基础研究和人才领域，美国基础层人才数量是中国的13.8倍，世界人工智能排名前20的大学中，美国占16所，中国一所都没有。目前中国只有不到30所大学拥有专注于AI的研究室，其中仅有清华大学、中国科技大学等少数几所高校在国际有一定竞争力。在AI企业数量和融资方面，美国的AI企业数量是中国的近两倍，另外在AI九大热门领域，美国的融资额更是达到了中国的23倍。特别是在AI处理器/芯片这种基础层领域，美国企业的数量也大大超过中国，是中国企业数量的2.3倍。这些数据也都反应了中国与美国在人工智能领域的实际差距。虽然我们在人工智能应用端确实走在了世界前列，比如国内语音识别已经开始在智能家居上的广泛应用，以人脸识别为代表的机器视觉在国内各领域都开始有广泛应用（比如刷脸支付、智能安防），但是我们不能忽视在应用之上的更为核心的在硬件芯片、软件算法等方面差距。这就好比中国的智能手机产业，虽然全球智能手机大都是中国生产的，而且全球前五的智能手机厂商当中，中国已占据了3席，但是智能手机的众多核心器件乃至安卓系统都是掌握在美国厂商手中。同样，对于中国目前AI产业的繁荣我们也应该清楚的认识到中美之间的差距，我们还有很多的薄弱环节需要去弥补。作者：芯智讯-浪客剑_____________________________更多干货、爆料、独家观点，欢迎订阅芯智讯

【智能观】 如果你从事人工智能行业，那么以下14个人的技术博客一定不能错过，他们有的是名师李飞飞的高徒，有的是kaggle世界排名前百的高手，有的是顶尖大学的学生组织，其博客涉及方面包括神经网络、机器学习、深度学习、NLP、硬件等。 1. Andrej Karpathy李飞飞高徒Andrej Karpathy，目前是特斯拉人工智能与自动驾驶视觉总监，他在斯坦福获得博士学位后，其博客就火了。该博客通过实例介绍了深度学习的相关内容，有一些作者的技术思考，甚至还有一份斯坦福读博技巧。学术网站： http://cs.stanford.e/people/karpathy/博客：http://karpathy.github.io/Twitter：https://twitter.com/karpathy 2. i am traskTrask是牛津大学博士生，《Manning Books》的作者，专注于深度学习领域。博客：http://iamtrask.github.io/Twitter：https://twitter.com/iamtrask 3. Christopher OlahChristopher Olah是“谷歌大脑”团队成员，这是他在建立机器学习研究的新期刊Distill之前写的博客，内容包括一般性神经网络、RNN、CNN、可视化神经网络等。博客：http://colah.github.io/Twitter：https://twitter.com/ch4024. Top BotsTop Bots与其说是一个博客，更像一个网站。他们提供企业教育，教导高管和企业领导者如何解决问题，通过机器智能实现目标。博客：http://www.topbots.com/Twitter：https://twitter.com/topbots 5. WildML这是“谷歌大脑”团队成员Denny Britz的技术博客，内容主要涉及人工智能、深度学习、NLP领域，在这个博客里，还有许多关于强化学习的技术文章。博客：http://www.wildml.com/Twitter：https://twitter.com/dennybritz 6. DistillDistill是今年3月份知名博主Christopher Olah和Shan Carter发布的一份专注于机器学习研究的新期刊，不同于过去百余年间的论文，Distill利用互联网，以可视化、可交互的形式来展示机器学习研究成果。博客：http://distill.pub/Twitter：https://twitter.com/distillpub7. FastMLFastML旨在解决机器学习中有趣的课题，同时兼具娱乐性，使机器学习易于阅读和理解。博客的运营者ZygmuntZaj02c是一位教育经济学家，他认为一些尖端的研究人员可能没有兴趣提供免费的东西，或者对做这种接地气的事情没有兴趣。博客：http://fastml.com/Twitter：https://twitter.com/fastml_extra 8. Adventures in NI这是Jason Brownlee博士的博客，他戏称自己是一位丈夫、父亲和专业开发人员，从事机器学习系统防御方向，开办创业公司，以及为天气预报服务。他的博客希望帮助专业开发人员应用机器学习来解决复杂的问题。博客：https://joanna-bryson.blogspot.de/Twitter：https://twitter.com/j2bryson博客：machinelearningmastery.com/blog/Twitter：https://twitter.com/TeachTheMachine 9. Sebastian RuderSebastian Ruder是自然语言处理和深度学习方面的博士生，目前在都柏林的文本分析创业公司AYLIEN的研究中心工作。他对NLP的转移和多任务学习感兴趣，并致力于机器学习和人工智能的普及。他曾与微软、IBM的“深蓝”、“GSoC（谷歌编程之夏）”和SAP等公司合作过。博客：http://sebastianruder.com/Twitter：https://twitter.com/seb_ruder 10. Unsupervised Methods这个博客是Robbie Allen读博士前的一些思考，他正在进行人工智能领域的创业。为了尝试让自己更聪明，Robbie学习应用图像风格迁移技术到The Great Wave（葛饰北斋神奈川浮世绘《巨浪》）的原始照片上。博客：http://unsupervisedmethods.com/Twitter：https://twitter.com/RobbieAllen 11. ExplosionExplosion AI是一个数字工作室，专门从事人工智能和自然语言处理。他们设计自定义算法，应用程序和数据资产，是高级NLP领先开源库spaCy的制造商，他们的博客总以实例方式讲解机器学习问题。博客：https://explosion.ai/blog/Twitter：https://twitter.com/explosion_ai 12. Tim DettwersTim Dettwers是瑞士卢加诺大学的信息学硕士生，目前正在微软实习，他专注于自然语言理解方向，此前，还建立了自己的GPU集群，并开发了一些算法来加速GPU集群的深度学习。他参加Kaggle比赛，目前世界排名63。Tim Dettwers的博客内容不多，内容更多关于硬件方面。博客：http://timdettmers.com/Twitter：https://twitter.com/Tim_Dettmers 13. When trees fall...Shawn Tan目前是新加坡国立大学助理教授，他的博客主要研究神经网络和自然语言处理中的应用。博客：http://blog.wtf.sg/Twitter：https://twitter.com/tanshawn14. ML@BML @ B是加州大学-伯克利分校的一个学生组织运营的博客，他们的目标是为有兴趣探索机器学习的本科生和研究生提供教育和计算资源，为他们提供在学术研究和行业环境中获得解决现实问题的实践机会。博客：https://ml.berkeley.e/blog/Twitter：https://twitter.com/berkeleyml想知道AI加教育领域有哪些最新研究成果？请在智能观（nengguanym）对话界面回复“ 论文 ”；想要AI领域更多的干货？请在对话界面回复“ 干货 ”；想了解更多专家的“智能观”，请在对话界面回复“ 观点 ”，去获取你想要的内容吧。关于我们朋友说，智能观是几个女文青在做科技的事情。哪里，我们充其量是几个对AI和教育有无限好奇与情怀的伪文青。我们以独特的视角观察AI给教育带来的变化，从国内到国外，从清华到麻省，从小学到大学，从有志于此的小团队以及个人到巨头，都是我们关注的对象。我们希望用心、用准确的信息介绍业内的最新研究成果、进展、愿景与观点，希望对关注这个领域的你有所帮助，希望跟你一起发现更多潜能。PS：我们团队还是有理性大叔的~[笔芯]