人工智能工作正在上升，人工智能系统的能力也在上升。部署速度也呈指数级增长。现在可以在大约一分钟内训练一种图像处理算法--几年前花了几个小时的时间。

这些是在最新发布的人工智能指数（AIIndex）中跟踪的人工智能的关键指标之一，来自斯坦福大学“以曼为中心的人工智能研究所”的年度数据更新与麦肯锡全球研究所（McKinseyGlobalInstitute）合作出版。索引跟踪在一系列度量上的AI增长，从发布到授予工作号的专利的论文中。

以下是从290页索引中提取的一些关键指标：

AI会议出席情况：首先，会议出席率是一个重要的指标。太高了。出席人工智能会议的人数继续大幅增加。2019年，最大的NeurIPS预计将有13，500人参加，比2018年增长41%，比2012年增长800%以上。甚至像AAAI和CVPR这样的会议每年的出席率也在30%左右。

AI作业：另一个关键指标是与AI相关的作业打开的数量。这也在上升，指数显示。考虑到2015年至2019年10月的帖子，美国的AI就业份额自2010年以来增加了5倍，总就业比例从总就业的0.26%上升到2019年10月的1.32%。虽然这仍然是总工作的一小部分，但值得一提的是，这些只是与AI发展直接相关的技术相关职位，而且AI可能会增加或重新订购大量的工作。

在人工智能技术职位中，提到“机器学习”的职位(占人工智能工作的58%)是领先类别，其次是人工智能(24%)、深度学习(9%)和自然语言处理(8%)。深度学习是增长最快的工作类别，从2015年到2018年增长了12倍。人工智能增长了五倍，机器学习增长了五倍，机器学习增长了四倍，自然语言处理增长了两倍。

计算容量：AI指数显示，摩尔定律已经进入超空间，在提高运行AI所需的计算能力方面取得了实质性进展，该指数显示。在2012年之前，人工智能的结果密切跟踪摩尔定律，计算每两年翻一番。2012年后，计算机每3.4个月翻一番----令人难以置信的净增长300000倍。相反，该指数的作者指出，摩尔定律的典型的两年倍增期以前只会产生7倍的增长。

训练时间：训练人工智能算法所花费的时间在很大程度上加速了--它现在可以在仅仅两年前大约1/180秒的时间内发生，以便在云基础结构上训练一个大的图像分类系统。两年前，它花了三个小时来训练这样的系统，但是到2019年7月，这个时间是88秒。

商业机器翻译：人工智能命中地面运行的一个指标是机器翻译--例如，英语到中文。从2017年的8个到2019年的24个，具有预培训模式和公共API的商用系统的数量迅速增长。越来越多的机器翻译系统提供了一系列定制选项：预先培训的通用模型、自动域适配，以构建模型以及具有自己数据和定制术语支持的更好的引擎。

计算机视觉：另一个基准是图像识别的准确性。该索引通过ImageNet跟踪报告，ImageNet是为解决计算机视觉领域培训数据匮乏的问题而创建的1，400多万张图像的公共数据集。在最新的报告中，系统图像识别的准确率已从2013年的62%左右提高到85%左右。

自然语言处理：人工智能系统越来越智能，通过自然语言处理超越了低水平的人类响应能力。因此，对于基准AI实现也有更强的标准。胶水，通用语言理解评估基准，仅在2018年5月发布，旨在测量AI性能以实现文本处理功能。在2019年6月，跨越非专家人因绩效的提交系统的阈值跨越了索引注释。事实上，人工智能系统的性能如此戏剧化以至于行业领导者不得不发布更高级的基准，超级胶水，"因此，在一些系统超过了胶黏剂的性能后，它们可以测试性能。"