全球人工智能 – 庄闲棋牌官网官方版 -199IT //www.otias-ub.com 发现数据的价值-199IT Wed, 09 Mar 2022 13:12:58 +0000 zh-CN hourly 1 https://wordpress.org/?v=5.4.2 全球人工智能相关领域高层次女性学者报告:美国占比超6成,中国23人入围 //www.otias-ub.com/archives/1401310.html Wed, 09 Mar 2022 13:12:58 +0000 //www.otias-ub.com/?p=1401310

为展现女性学者在人工智能科研领域取得的亮丽成果,鼓舞更多年轻女性投身人工智能领域研究,本报告基于 AMiner 团队推出的 2022 年 “人工智能相关领域全球女性学者” (以下简称 “女性学者”)名单数据,对该人才群体的国别、机构、研究领域等维度进行对比分析,同时重点分析了华人女性学者的整体情况,力图呈现该人才群体的全球分布格局。

报告链接:

https://www.aminer.cn/women_in_ai

2022 年 “人工智能相关领域全球女性学者” 入围人数共 262 人,分布在全球 19 个国家。

一、国别分布:美国共 161 人,占全球 61.5%;中国 23 人,占 8.8%

从女性学者的国别分布看,美国人数遥遥领先,共 161 人,占人工智能相关领域全球女性学者总人数的 61.5%;其次是中国(含港澳台地区),共有 23 人,占 8.8%;第三是英国,共有 14 人。由此可见,虽然中国女性学者数量位居全球第二,但与美国相比差距悬殊(美国是中国的 7 倍)。

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

图 1  2022 年人工智能相关领域全球女性学者数量前十强国家

二、机构分布

(一)美国进入全球前十强的机构共 8 家,我国清华大学排名第七

从全球女性学者的机构分布看,谷歌拥有 17 位女性学者,排名全球第一。在全球前十强机构中,美国占 8 家,其中企业占 4 家。中国和法国各占 1 家。清华大学是我国唯一一家进入前十强的机构,共有 5 名女性学者入名单(名单见本报告第五节),全球排名第七。由此可见,美国顶尖高校和高科技企业的女性人才储备实力雄厚。

表 1  人工智能相关领域全球女性学者数量前十强机构

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

(二)我国女性学者分布在全国 16 家机构,其中商汤科技是唯一一家企业机构

我国 23 位女性学者分布在全国 16 家机构中,其中高校占 15 家,企业占 1 家。商汤科技是我国唯一一家拥有人工智能相关领域全球女性学者的企业,该公司研究总监石建萍入选 2022 年 “人工智能全球女性学者” 名单。机构所在地集中在北京(5 家)、香港(3 家)、上海(3 家)、浙江(2 家)等东部经济发达地区。

表 2  中国人工智能相关领域全球女性学者的所属机构

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

三、研究领域分布:人机交互领域最多,其次是可视化

从全球女性学者的研究领域 分布看,人机交互领域的数量最多,达 51 人次;其次是可视化(24 人次)和知识工程(22 人次)领域。而机器学习(6 人次)、机器人(6 人次)和计算机系统(7 人次)领域的女性学者人数最少。

表 3  女性学者研究领域分布及某领域 H 值最高的女性学者

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

四、华人女性学者:共 71 人,占全球 27.1%,其中 23 人工作单位在中国,48 人在国外

在 262 位人工智能相关领域全球女性学者中,共有 71 位华人,占比达 27.1%。在 71 位华人女性学者中,23 位工作单位在中国,48 位工作单位在外国,其中美国 39 人,澳大利亚 3 人,加拿大 2 人,英国、法国、德国和新加坡各 1 人。由此可见,在美国工作的顶尖华人女性人工智能学者人数超过了中国,美国对华人女性学者依然具有较强吸引力。

图 2  华人女性学者工作地分布

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

根据 h-index 指标对 71 位华人女性学者从高到低排序发现,在排名前十的华人女性学者中,7 位工作单位在美国,2 位在中国,1 位在加拿大。下表展示了这 10 位学者的工作单位和学术指标等信息,可见顶尖华人女性学者多数在美国工作,且在华人女性学者前十强中,美国华人女性学者的平均 h 指数为 76.4,中国女性学者平均 h 指数为 51.5,顶尖美国华人女性学者的学术指标高于顶尖中国女性学者。

表 4  2022 年 h-index 前十强华人女性学者信息统计 数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

五、中国人工智能相关领域全球女性学者分析:73.9% 有海外学习或工作经历

23 位中国人工智能相关领域全球女性学者均在中国大陆完成本科学位,其中有 17 位拥有大陆以外的学习或工作经历,占比达 73.9%。由此可见,海外学习和交流活动对我国学者的学术水平具有积极促进作用。这些学者的具体信息见表 5。

表 5  2022 年中国人工智能相关领域全球女性学者列表

数据来源:AMiner 2022 年 “人工智能相关领域全球女性学者” 名单,智谱研究整理和分析。

六、结论与建议

(一)结论

根据以上分析,得出以下结论:

1.我国顶尖女性人工智能人才储备实力明显落后于美国。我国人工智能相关领域全球女性学者数量位居世界第二,但与美国相比差距仍然很大。美国女性学者数量为 161 人,占全球总数的 61.5%,中国(含港澳台地区)数量仅为美国的七分之一。

2.华人女性人工智能学者在全球占有一席之地。华人女性学者数量达 71 人,全球占比达 27.1%,因此华人女性学者在全球人工智能学界占有重要地位。

3.我国顶尖女性人工智能人才流失较严重。在 71 位华人学者中,39 位在美国工作,仅有 23 人在中国工作,且前十强华人学者中美国华人女性学者的平均 h 指数高于中国女性学者,美国华人女性学者的 h 指数为 76.4,中国女性学者 h 指数为 51.5。

4.海外经历对女性人工智能学者成长有促进作用。73.9% 的中国女性学者有海外留学或工作经历,可见海外学习交流活动对我国女性学者成长有较大帮助。

(二)建议

支持女性科技人才在科技创新中发挥更大作用是全社会的共同责任,既需要广大女科技工作者自身不懈努力,又更需要社会各界共同努力:

1.倡导女性从事科研事业的文化氛围。需要在全社会创造一种鼓励女性投身科研、活出自我、绽放光彩的文化氛围,要鼓励女性主动选择自己的职业生活,而不是将其束缚在传统家庭生活的轨迹上。

2.完善女性科技人才评价激励机制。各类评价指标应适当向女性倾斜,在同等条件下要 “女性优先”,同时加大对女性科技人才的奖励力度。

3.创造有利于女性的科研环境。为孕哺期女性科技人才营造良好科研环境,完善弹性工作制、母婴室、儿童托管服务等配套服务措施,为女性科技人才成长进步、施展才华、发挥作用创造更好环境。

4.为女性学者创造更多出国学习与交流的机会。鼓励更多女性学者参与国际科技交流合作,提升中国女性的国际影响力和活跃度。

注释:

[1] 该榜单从人工智能 20 个子领域中,按照以下 3 种指标进行排序,入选其中一种排序 Top100 的女性学者入选 2022 年人工智能相关领域全球女性学者。1)AI2000 Index (rising star) 的计算方式,见 https://www.aminer.cn/ai2000/about/introduction 的 The AI 2000 Index。2)Citation Count 的计算方式,见 https://www.aminer.cn/ai2000/about/introduction 的 Citation Count。3)AI2000 Index(Classic) 的计算方式见 https://www.aminer.cn/ai2000/2021 的规则描述,即通过近十年学者入选论文的总引用数和作者被选论文的发表位次,进行加权计算。

[2]262 位人工智能相关领域全球女性学者的研究领域包含人工智能和计算机科学两个大领域,具体可细分为 20 个子领域。因为同一位学者可入选多个领域,所以共 269 人次入选。

[3] 人工智能相关领域指人工智能和计算机科学两大领域,前者包含经典 AI (AAAI/IJCAI)、人机交互、信息检索与推荐、机器学习、数据挖掘、计算机视觉、知识工程、自然语言处理、机器人、语音识别、多媒体等 11 个细分领域;后者包含计算理论、安全与隐私、可视化、计算机图形、数据库、计算机系统、物联网、计算机网络、芯片技术等 9 个细分领域。该名单入选规则重点考虑了近 10 年人工智能相关领域顶级期刊和会议中高质量论文的第一作学者和高被引学者等因素,筛选出人工智能相关领域全球女性学者名单。按照以下 3 种指标进行排序,入选其中一种排序 Top100 的女性学者入选 2022 年人工智能相关领域全球女性学者。

1)AI 2000 Index (rising star) 的计算方式,见:

https://www.aminer.cn/ai2000/about/introduction 的 The AI 2000 Index。

2)Citation Count 的计算方式,见:

https://www.aminer.cn/ai2000/about/introduction 的 Citation Count。

3)AI 2000 Index(Classic) 的计算方式见 https://www.aminer.cn/ai2000/2021 的规则描述,即通过近十年学者入选论文的总引用数和作者被选论文的发表位次,进行加权计算。

本文来自微信公众号 “学术头条”(ID:SciTouTiao),作者:智谱研究

]]>
全球人工智能人才达25万 //www.otias-ub.com/archives/461507.html Tue, 12 Apr 2016 02:38:07 +0000 //www.otias-ub.com/?p=461507 AlphaGo和李世石的“人机围棋大战”所引进的社会效应还在不断发酵,它使得“人工智能”从一个大多数人眼中的科幻小说词汇,变成了现实生活中近在咫尺的高逼格存在。事实上,是云计算和大数据的蓬勃发展使AI人工智能迎来了新的契机,而人工智能也不仅仅意味着一个会下棋的机器人,从手机上的计算器到医疗、教育,到无人机、无人驾驶汽车,到未来可能改变世界的重大变革,人工智能可以改变每个人的生活,也可以颠覆我们的世界。

我国“十三五”规划纲要草案中首次出现了“人工智能”一词,在“科技创新2030项目”中,智能制造和机器人成为重大工程之一。同时,国家发改委也正在与有关部门制订《互联网+人工智能三年行动实施方案》,以人工智能为着力点,带动IT产业向智能化、服务化和高附加值发展。 尽管我们目前仍处于人工智能发展的初期阶段,但可以预见的是,人工智能将越来越多地与互联网、汽车、医疗等产业相融合,迎来巨大的发展空间。

全世界都需要优秀的人工智能人才,以进一步释放机器计算和机器学习技术的巨大潜能。当前,领英数据分析显示,领英平台上的全球人工智能人才数量约为25万,主要分布在美国、欧洲、印度及中国。目前拥有人工智能相关专业人才数量最多的十个国家依次为:美国、英国、印度、加拿大、法国、荷兰、德国、西班牙、澳大利亚、巴西、中国。

人工智能1

图:当前全球人工智能人才分布图

我国人工智能人才培养潜能巨大,不输欧美

         从中美人工智能人才的从业年限构成比例上看,美国拥有10年以上经验的人工智能人才比例接近50%,而我国十年以上经验的人才比率只有不到25%。然而,美国5年以下经验的人才比例约为28%,而我国的这一数字比率超过了40%。尽管我国人工智能专业人才总量较美国和欧洲发达国家来说还较少,10年以上资深人才尚缺乏,但从人才从业年限结构分布上来看,我国新一代人工智能人才比例较高,人才培养和发展空间广阔。

人工智能2

图:全球、美国、中国人工智能人才从业年限结构对比

         目前我国人工智能人才最集中的Top10雇主排名中,高等院校占据四席,分别为清华大学、北京大学、中科院和浙江大学;而美国人工智能人才Top10雇主中,有三所世界顶尖大学,卡内基梅隆大学、麻省理工大学和斯坦福大学。

人工智能3

图:当前全球、美国、中国人工智能人才聚集的Top10雇主排名

          虽然从当前的人工智能人才整理培养实力上看,我国与美国尚有差距,但是我国在理工科,特别是基础学科人才培养方面有深厚的底蕴,例如计算机相关专业、电子与电气工程、物理、数学等专业教学水平在全球保持领先地位,而这些学科都是从事人工智能和机器学习应用开发的核心基础。

人工智能4

图:当前美国与中国人工智能人才的专业教育背景对比

将高校科研能力与企业资产实力相对接,为AI人才创造发展空间

过去,人工智能专家是高校科研机构或是实验室里需要的研究型人才,但如今,越来越多的高科技公司开设机器人或者人工智能业务分部,人工智能或机器学习类专业人才正在变得炙手可热。据《经济学人》报道,Uber去年从卡耐基梅隆大学的国家机器人工程中心招募了40名员工,几乎是该研究中心员工总数的三分之一。曾任斯坦福大学讲师的百度人工智能团队负责人Andrew Ng指出,领先的科技公司对于人工智能人才来说有两大吸引力——他们能提供强大的计算能力和大量的数据资产,这对于从事机器学习领域的人才来说非常重要。

根据领英数据,目前在为人工智能Top10雇主工作的美国人才中,仅有16% 来自高等院校,大部分人才都服务于企业雇主;而我国有约32%的人才为清华大学、北京大学、中科院和浙江大学这四所科研院校工作。随着BAT、华为、大疆无人机等高科技企业在人工智能应用和开发上的不断探索,或许也将刺激更多人才和资本向人工智能商业应用领域涌入。

但这种趋势并不意味着科研机构对于人工智能人才失去了吸引力,科研机构需要将更多的重点研究项目与企业市场应用开发相对接,将高校的技术研发实力与企业的数据资产能力相结合,这样将有助于释放人工智能产业潜能,给人才更多的创新和发展空间。从而能够将我国在计算机、物理、数学等基础学科人才培养方面的优势充分利用。

]]>