AI技术五大研究趋势发现

* 注：SI指数综合衡量了技术的热度、重要性、应用程度及未来潜力，数值越高意味着越值得密切关注。

在经历前几年的高速增长后，从2019年开始，不少AI技术的进步节奏明显趋缓。这份数据报告呈现了几组值得关注的榜单：近五年累计趋势指数排名前十的AI技术（图一），2018年和2019年各自增长最快的技术（图二、图三），以及2017至2019三年间增幅最大的技术（图四）。

图一：趋势指数（SI）排名前十的技术包括语音识别、卷积神经网络、云计算、GPU、深度学习、推荐系统、机器翻译、定位、大规模预训练模型。

图二：2018年趋势指数（SI）增长最迅速的前五技术分别为区块链、联邦学习、多任务学习、图神经网络。

图三：2019年趋势指数（SI）增长最迅速的前五技术包括扩展现实、工业物联网、人体关键点检测、三维推理、移动机器人。

图四：2017~2019年趋势指数（SI）增长最迅速的前五技术为语音识别、文本分类、数据挖掘、物体识别、GPU技术。

综合专家观点、文献报告与数据定量分析，我们可以提炼出以下五个值得关注的AI技术趋势。

趋势一：强化学习与无监督学习将成为AI技术突破的核心方向

在最新一届NeurIPS 2020上，除了机器学习、神经网络等常规主题，最热门的话题当属强化学习（Reinforcement Learning）及其主要应用领域——游戏博弈（Game）。

图 1-3-1-3 NeurIPS 论文相关技术主题

图 1-3-3-2 NeurIPS 2020 收录论文机器学习子领域主题分布

再看无监督学习和半监督学习——尽管相关专利数量近年有所下滑，但研究论文的数量整体上保持快速增长态势。

图 7-3-6 无监督学习 vs. 半监督学习论文数量走势

图 7-3-6 无监督学习 vs. 半监督学习专利数量走势

图 7-4-1-5 无监督学习对比半监督学习(整体资讯)

在机器学习领域的累计趋势指数排行榜中，无监督学习和半监督学习分别占据了第二和第三位。

图 7-5-1 机器学习 Synced Indicator(累加)

在语言和视觉这两个AI感知层最成熟的应用领域，无监督学习均是被提及最多的技术方向。2018年图灵奖得主——Geoffrey Hinton、Yann LeCun和Yoshua Bengio，近年来的研究重心也全部投入到无监督学习上。至于强化学习，尽管研究领域不断取得新突破，但应用场景大多仍局限于游戏、自动驾驶等模拟环境，呈现出“理论领先、应用滞后”的状态。未来，强化学习在具体场景中的落地实践值得期待。

趋势二：图神经网络、图深度学习与大规模图计算平台将迎来广阔发展空间

社交网络、知识图谱以及神经科学中，图结构数据无处不在。如何将深度学习模型应用于那些不规则的图结构数据？这已成为近年来的研究热点。基于图的神经网络已经在分类、嵌入、问答等多个任务上取得了最佳性能。

与机器学习领域其他主流神经网络架构相比，图神经网络目前的论文占比虽然不高，但自2018年以来其曲线出现明显陡峭上升——这通常是新领域即将爆发的信号。

图 7-3-5 机器学习七大架构论文数量走势（未包含 CNN）

从2017年起，图神经网络从技术到应用的转化速度也在加快。2019年机器学习整体专利数据源有所减少，但图神经网络的专利数量反而逆势增长。

图 7-3-5 机器学习七大架构专利数量走势（未包含 CNN）

与传统的文本、语音、图像数据不同，图结构将端到端学习与归纳推理融为一体。它更贴近真实世界的数据表示方式，有望突破深度学习在因果推理、可解释性等长期难题上的瓶颈。

趋势三：深度学习可解释性与AI安全问题日益受到重视

黑盒问题自深度学习诞生之日起便如影随形。尽管技术发展迅猛、准确率不断提升，但模型的可解释性始终进展有限。在金融、医疗等对结果可信度要求极高的行业，这一问题直接限制了应用落地。同时，随着AI渗透到生活方方面面，用户关注度不断提高，AI安全问题也随之被提上重要议程。

在研究方面，AI安全相关论文从萌芽期开始稳步增长。专利方面，2018年至2019年间出现了一次明显的加速增长。

图 10-3-2 强人工智能相关技术走势（左：论文数量，右：专利数量）

媒体端的变化更为显著。2018年之前，AI安全几乎无人问津，但一旦成为话题，便迅速成为整个领域增长最快的技术热点之一。

图 10-4-1-2 强人工智能相关技术新闻走势

趋势四：移动与物联网设备开始承担更多智能计算任务

随着智能手机和物联网设备的计算能力不断增强，加之5G等基础设施逐渐成熟，移动设备和物联网设备正逐步接手更多机器学习训练与推理任务。

从论文数量来看，分布式计算目前仍为主流，但近年论文量有所下滑。而边缘计算与无服务器计算则呈现强劲增长势头。

图 8-3-3 云计算论文数量分布

图 8-3-3 论文走势

图 8-3-3 云计算专利数量走势

一方面，云计算本身仍在迅猛发展，并逐渐向边缘延伸，助力物联网智能化。另一方面，AI芯片也在向云端、边缘端及物联网终端渗透。有实力的科技公司干脆将AI算力打包成服务，既消化了自身多余算力，也让缺乏资金与技术的中小企业能够用上充足的资源。这一思路与近期媒体热议的“无服务器计算”一脉相承。

趋势五：自动驾驶与机器人技术依然任重道远

从媒体数据来看，自动驾驶技术整体仍处于上升趋势，但近三年的热度与同期其他AI技术相比，反而逐年下降。无论是技术本身还是社会影响，自动驾驶领域的泡沫正在逐渐消散，研发进入相对沉稳的缓慢发展期。

机器人方面，无人机是目前最成熟的落地场景，近年论文数量占该领域六成以上且保持高增长。智能机器人与服务机器人的专利数量也在上升。可以看出，整个行业正在从“只盯着工业机器人”转向更贴近大众生活的服务型机器人。

图 6-3-4 移动机器人论文数量走势（左）与专利数量走势（右）

图 6-3-5 人机交互、机器人流程自动化数量走势（上）与专利数量走势（下）

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI技术五大研究趋势发现要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题