从AI人才的地域分布来看,美国在几乎每个指标的绝对数量上都处于领先地位。

时间:2019-4-8 分享到:

关键词:AI人才

最新的2019年全球AI人才流动报告显示,全球约有44%的AI人才在美国获得的博士学位,在中国获得博士学位的人才占比不到11%,并且,培养更多的AI博士并不一定会让本国受益。

有很多证据表明,顶级AI人才供不应求。然而,这类人才究竟有多么稀缺,或者他们都集中在世界各地哪些地方,却几乎不为人知。

近日,加拿大Element AI首席执行官发布了最新的2019年《全球AI人才流动报告》,对AI人才的数量、分布范围等情况做了总结,可以说是目前最全的报告,主要采集了三个数据源。

AI领域21个主要学术会议发表的论文,比如AAAI、CVPR等,并分析了作者的概括。

有针对性地分析了LinkedIn搜索结果,这些搜索显示了有多少人自称拥有博士学位,以及世界各地要求哪些AI技能。

参考了外部报告和其他辅助来源,以帮助了解背景,并更好地了解全球人工智能领域快速变化的人才库。

报告研究结果显示,2018年,在机器学习领域一个或多个顶级会议上发表论文的人数达到2.24万人,比2015年增长了36%,仅去年一年就增长了19%。LinkedIn上个人资料的补充调查显示,共有36524人符合AI专家资格,这比2018年的报告增长了66%。

中国方面:

在中国获得博士学位的论文作者占比接近11%,全球排第二;

超过11%的AI人才在中国工作,在就业人数最多的国家中排名第二;

顶级AI研究人员有225位集中在中国,数量排名世界第二。

报告还提出了一些有价值的观点和现象。比如培养那么多AI博士,不一定会让本国受益、AI顶级会议中女性总体占比仅18%,性别失衡严重。

以下是详细报告。

暴增:论文三年涨三成,会议人均千位作者

这项AI人才报告的主要数据来源是机器学习领域的学术会议,报告一共涵盖了21个会议,调查了过去一年在该领域主要国际学术会议上发表论文的作者。

这21个会议分别是:

计算语言学协会北美分会年会 (NAACL)

人工智能促进协会会议 (AAAI)

计算语言学协会会议 (ACL)

计算机视觉及模式识别会议 (CVPR)

自然语言处理经验方法会议 (EMNLP)

学习理论研讨会 (COLT)

神经信息处理系统会议 (NeurIPS)

人工智能不确定性会议 (UAI)

遗传和进化计算会议 (GECCO)

国际声学、语音和信号处理会议 (ICASSP)

国际人工智能与统计会议 (AISTATS)

自主智能体和多智能体系统国际会议 (AAMAS)

国际计算机视觉会议 (ICCV)

智能机器人与系统国际会议 (IROS)

国际机器学习会议 (ICML)

医学图像计算与计算机辅助干预国际会议 (MICCAI)

国际机器人与自动化会议 (ICRA)

国际人工智能联合会议 (IJCAI)

Interspeech

机器人学: 科学与系统 (RSS)

计算机视觉应用冬季会议 (WACV)

结果显示,2018年在上述一个或多个以上顶会上发表论文的作者有22400人,这意味着平均每个会议有超过一千人位作者。

AI研究人员Top 5的国家 (在所调查的21个顶会上发表论文的作者人数):

美国:15747 人

中国:2725 人

英国:1475 人

德国:935 人

加拿大:815 人

作为比较,报告也统计了2015、2016和2017年这三年在同样21个会议上发表论文的作者数据,结果显示出明显的增长趋势:与2015年相比,作者数量增长36%,与2017 年相比,增长了19%。研究也在增加:在这21个会议上发表的论文总数比2015年增加了25%,比前一年增加了16%。

同时,同行评议论文的数量也同步增长:比2015年增长25%,比去年增长16%。

不过,在这些会议上发表论文的研究人员中,女性比例十分不足,仅占18%。

在调查的 21 个会议的所有作者中,女性占 18%。西班牙、中国台湾和新加坡的女性作者比例最高,但从绝对数量来看,美国的女性作者几乎占了一半。

斯坦福大学不久前发布的AI Index 2018 Report也显示了同样的情况,女性在本科人工智能和机器学习课程中的比例也很低:

斯坦福大学2017年开设的人工智能入门课程中,74%是男性;

加州大学伯克利分校开设的这门课程中,男性比例为73%。

参加机器学习入门课程的女性比例更低,在斯坦福和加州大学伯克利分校的学生中,男性分别占76%和79%。同一份报告还发现,在美国,申请AI类工作的大多数是男性,占比71%。

从绝对数量看,美国是女性作者最多的国家,其次是中国、英国、德国、加拿大、法国、澳大利亚、印度、意大利和新加坡。

近半论文作者在美国获博士学位,中国仅11%_ 对会议论文作者的数据分析也能对作者在哪里接受教育进行一些观察。

首先,发表论文的作者中,在美国获得博士学位的人数最多:有44%以上的作者在美国获得博士学位。

其次,在中国获得博士学位的作者占比接近11%,紧随其后的是英国 (6%)、德国 (5%)和加拿大、法国和日本 (4%)。

就业数据也有类似的地理分布。

调查显示,美国雇主继续吸引研究人员前来工作,其中46%的人为美国雇主工作;超过11%的人在中国工作,在就业人数最多的国家中排名第二,其次是英国 (7%)。加拿大、德国和日本各占4%。

AI 专家工作的地方。美国、中国、英国、德国和加拿大这5个国家的作者数量占了总数达到72%。

总的来说,18个最大的国家占了作者总数的94%。排名前五的国家——美国、中国、英国、德国和加拿大——占了作者总数的72%。

此外,会议论文作者样本中在学术界工作 (77%),23%在工业界工作。

培养那么多AI博士,并不一定会让本国获益

数据显示,有大约27%的拥有博士学位的研究人员,其雇主所在国和学位获取国是不同的国家。在报告中超过150人的国家,这一比例上升至32%。这是为何?

首先,数据显示,有些国家对于深度学习领域的研究人员具有特别大的吸引力。美国公司最有可能吸引海外学成的博士为自己工作,中国排名第二位,中国吸引的研究人员的绝对数量大约相当于美国的四分之一。

数据显示,以下十个国家或地区的AI人才流入比例要高于流出比例,分别为:中国台湾地区、瑞典、韩国、西班牙、美国、瑞士、中国、日本、英国和澳大利亚。

在本国AI人才在外国接受学术训练的比例上,瑞士、瑞典和英国排名前三,比例分别为50%、49%和44%。

AI人才流入率和流出率这两个指标可以在一定程度上反映一个国家吸引外来AI人才和留住本地AI人才的能力。

“AI人才吸引国”:位于图中右上角的是澳大利亚、西班牙、瑞典和中国台湾地区,该区域表示这些国家的AI人才呈净流入趋势,说明这些国家或地区在吸引外来人才和留住本国(或本地区)的AI人才上方面都具有优势。

“AI人才产生国”:左下方的主要国家是法国和以色列,这两国AI人才流出比例大于流入比例,并高于本国AI人才库的比例。不过,从图中位置看,这两个国家AI人才流出仅仅比流入略低,净流出很少。

“AI人才锚定国”:美国的AI人才流出率和流入率都很低,基本上对本国的AI人才库不构成大的影响,在绝对数量上,美国仍是世界AI人才的最大聚居地,美国的AI人才库总体保持稳定。同样具备这一特点的国家还有中国、德国、日本、印度、韩国和意大利等。

“AI人才平台国”:最后,还有一类国家的AI人才流出和流入比例都在上升,这些国家正在吸引越来越多的海外AI人才,同时其本国博士生的向外流动也高于平均水平。考虑到这些生态系统的状态和趋势,处于这一类型的国家包括加拿大、荷兰、新加坡、瑞士和英国等。

顶级研究基本被大国垄断:美、中、英位居前三。

今年的调查发现,顶级国际学术会议的作者总数比去年增加了19%。为了评估这些作者目前在该领域的影响,报告分析了他们2017年和2018年发表论文的引用情况:

有18%的顶级学术会议作者的研究对该领域产生了显著影响,他们的知识足够深入,可以继续为该研究领域做出实质性贡献,这些专家也可能是致力于将理论应用于团队的潜在应用人才来源。

数据显示,这些顶尖研究人员更集中在一些国家。排名前五位的国家依次是美国(1095),其次是中国(255),英国(140),澳大利亚(80)和加拿大(45)。

下一个关注点是,在特定国家中影响力最大的AI研究人员占该国研究人员总数的比例,这个指标可能在一定程度上反映出该国在培养顶级AI人才上的成功程度。

在这个指标上,澳大利亚名列前茅,该国的AI人才中,有18%发表了高影响力的成果。之后是美国、英国和中国(13%)、瑞士(11%)、新加坡(9%)、瑞典和西班牙(各占8%)、以色列、加拿大和意大利(各占7%)。

在所有国家中,最有影响力的研究更有可能来自学术界,而不是产业界。中国是来自学术界的高影响力研究占比最高的国家(90%),其次是意大利(86%)、美国(84%)、德国(83%)和台湾地区(81%)。

法国是来自产业界的高影响力研究占比最高的国家(30%),其次是印度和以色列(29%)、西班牙(28%)和英国(27%)。

社交网络LinkedIn数据显示,共有36524人在个人资料中将自己定位为AI专家,而去年这个数字只有22064人,同比增长66%。

从全球来看,有三分之一的AI人才将计算机科学作为学术训练的相关学科。

数据表明,这些自称AI专家的人接受过各种学科知识的训练。有28%的人将计算机科学列为自己相关学科领域。在一些国家,这一比例尤其较高,包括法国(47%)和中国(44%)。

同样,另一些国家的AI人才中,将其他学科作为相关领域的比例较高,比如物理学:总体而言,9%的AI人才表示自己接受过物理学训练,但在德国,这个比例高达28%。对于数学和统计学,总体比例为18%,但在以色列和美国的比例为27%,在俄罗斯更高达35%。

不过,LinkedIn数据的局限性也是显而易见的。

LinkedIn上关于AI人才的所有个人介绍信息和相关资料都是被调查者自己填写的,并且LinkedIn在世界各国的普及程度有很大不同。比如在美国,目前约有1.44亿人在LinkedIn上建立个人资料,占美国总人口的44%以上,在加拿大,这个比例也高达38%。相比之下,在俄罗斯和中国,Linkedin并不受欢迎,人群覆盖率仅有3-5%。

AI人才大流动:高度国际化,人才培养要全球化。中国和美国之间的AI交流特别活跃,双方彼此的人才流入流出总体上保持平衡:在22400名研究人员中,大约500名专家在中国获得博士学位,然后去为美国的雇主工作,也有500多人在美国获得博士学位,然后去为中国雇主工作。在美国和英国之间也存在类似现象。

同时,美国的大学收到了大量来自国外的研究生。例如,2015年,国际学生在美国获得了大约三分之一的科学和工程研究生学位,76%的毕业生表示他们希望留在该国。在一些大学,外国研究生的比例明显更高。

总体而言,在过去一年中,无论是在AI领域发表的作者数量、高影响力的论文数量,以及在Linkedin上的AI专业人才数量上都呈显著增加的态势。

从事AI研究的女性人数仍显不足,但有些国家已经离两性平等的目标更近了一步。

从AI人才的地域分布来看,美国在几乎每个指标的绝对数量上都处于领先地位。

不过,当今全球的AI领域已经高度国际化,每个国家或地区的AI生态系统都有自己独特的优势和战略地位,专注于大力推进AI专业知识建设的国家,需要在未来推动AI领域发展所需的全球化AI人才培养上投入。

版权所有:https://www.shgopi.cn 转载请注明出处