人工智能的状态大有可为，越来越为现实生活中的企业做好准备。 但人才短缺，该领域缺乏多样性，以及对处理为日益复杂的算法提供动力的数据的担忧。
这些是人工智能领域著名投资者内森·贝奈奇 (Nathan Benaich) 和伊恩·霍加斯 (Ian Hogarth) 的一些观察，他们发布了第四份内容丰富的年度“人工智能现状”报告，回顾过去一年该领域的发展。 虽然该报告侧重于 AI 学术界以及医学和其他领域的具体进步，但对于那些寻求利用 AI 和机器学习来推进建设智能企业的人来说，也提出了重要的发展。 “推动 AI 整体领域发展的关键组织在 AI 调整方面的努力资源不足，以及对用于训练 AI 模型的数据集和模型评估基准中的偏见的担忧，引发了关于如何最好地绘制 AI 进展情况的重要问题。 具有快速发展能力的人工智能系统，”Benaich 和 Hogarth 说。
过去一年中一些值得注意的人工智能发展包括：
人工智能现在是重要现实生活场景的一部分，包括应用于关键任务基础设施，如国家电网、自动化超市仓储优化、药物发现和医疗保健。
“变形金刚”是一种基于神经网络的深度学习架构，已成为机器学习的通用架构，越来越多地应用于自然语言处理 (NLP) 和计算机视觉。
提到的其他发展包括需要较少培训的计算机视觉自我监督的兴起，以及基于生成式口语模型（GSLM）的“无文本”自然语言处理，它使“直接从原始音频中学习语音表示的任务无需任何 标签或文字。”
今年，AI 初创公司获得了创纪录的资金，数据基础设施和网络安全公司的 IPO 帮助企业为 AI-first 时代重组。
人工智能人才是一个日益受到关注的领域，也是一个充满机遇的领域。 Benaich 和 Hogarth 表示：“计算机研究科学家、软件开发人员、数学家、统计学家和数据科学家看到了他们就业的演变，远远领先于一般就业人口。” “计算机科学与工程是 2015 年至 2018 年增长最快的本科学位，占 2018 年授予的所有四年制学位的 10.2%。在此期间，他们的人数分别增长了 34% 和 25%，而其他授予的人数 学位平均增加 4.5%。”
他们补充说，在全球范围内，巴西和印度在 AI 就业增长方面处于领先地位，今天雇佣的 AI 人才是 2017 年的三倍多，与加拿大和美国的雇佣增长持平或超过。
美国组织内部的性别和种族多样性数据在技术和非技术团队之间存在根本差异，Benaich 和 Hogarth 州。 “技术团队严重缺乏性别多样性，而产品和商业团队实现了更好的平衡。非裔美国人和西班牙裔在 AI 劳动力中所占的比例低于他们在普通劳动力中的比例，下降幅度最大 来自技术团队。这些团队的亚洲工人比例也最高。” 有趣的是，在全球范围内，“印度近 30% 的科研论文中有女性作者，而美国和英国的平均比例为 15%，而中国的比例远高于 4%。”
风险资本家指出了对在人工智能领域管理大数据的担忧。 “仔细选择数据可以减轻大数据带来的痛苦，从而节省时间和金钱。处理海量数据集既麻烦又昂贵。通过将资源集中在最有价值的例子上，仔细选择示例可以减轻大数据带来的痛苦，但经典方法往往变得难以处理 -规模。最近的方法解决了这些计算成本，使现代数据集上的数据选择成为可能。”
Benaich 和 Hogarth 指出需要更高质量的数据，尤其是在实时情况下，例如检测或预测危及生命的事件。 例如，他们引用了“数据级联”的威胁，谷歌研究人员将其定义为“导致数据问题产生负面下游影响的复合事件”。 这些研究人员警告说，“当前的做法低估了数据质量并导致数据级联，指出诸如”对人工智能中的数据工作缺乏认识、缺乏足够的培训、难以获得研究区域/人群的专业数据等因素。 这需要“制定评估数据优度的指标、更好地激励数据卓越、更好的数据教育、更好的数据级联早期检测实践以及更好的数据访问。”
风投们还预测，来年可能会推出一家专注于通用人工智能 (AGI) 的研究公司，“在大力支持和专注于垂直行业的路线图下形成，这可能涉及开发工具或生命科学 应用。
