Šie AI uzņēmumi publicē darbu visbiežāk citēto visā pasaulē.

Veröffentlicht:

Von:

Izlasiet to, kas ietekmē mūs un ķīniešu tehnoloģiju gigantus uz pētniecības dokumentiem un patentiem mākslīgā intelekta jomā. Iegūstiet ieskatu par jaunākajām tendencēm un notikumiem AI nozarē.
(Symbolbild/natur.wiki)

ASV tehnoloģiju gigantu alfabēts un Microsoft sniedz vairāk minētus pētījumus par mākslīgā intelekta tēmu (AI) nekā jebkurš cits uzņēmums, bet Ķīnas uzņēmumi Baidu un Tencent ir patentu priekšā.

Tas ir no Ready, privātā sektora ar AI saistīto aktivitāšu izsekotāju, topošo tehnoloģiju observatorijas (ETO) rīku. Rīks apkopo datus par AI tendencēm un ir ievērojami atjaunināts.

Parat atjauninājums satur datus par AI darbavietu skaitu uzņēmumos, kā arī par publicēšanu un patentu veiktspēju. AI Research un tā produkti, it īpaši ģeneratīvi modeļi, kas rada tekstus un attēlus, ir kļuvuši par ienesīgu biznesu. Valdības strādā pie tā, kā regulēt tehnoloģiju, jo tā traucē nozarēm un rada drošības jautājumus.

Teritorijā, kurā jaunākie pētījumi notiek gan rūpniecībā, gan universitātēs, ir svarīgi uzraudzīt komerciālo darbību, saka Ngor Luong, kurš veic ieguldījumus AI un uzņēmuma aktivitātes Drošības un topošo tehnoloģiju centrā - ideju laboratorijā, kas koncentrējas uz AI Džordžtaunas universitātē Vašingtonas DC. Pēc viņu domām, uzņēmumi ir jauninājumu vadītāji AI.

Starptautiskā kompetence

Dati rāda, ka lieli Ķīnas uzņēmumi AI jomā ir ļoti konkurētspējīgi, pat ja jūs ņemat vērā saražotā darba kvalitāti, saka Zachary Arnold, Observatorijas vecākais analītiķis. Trīs Ķīnas tehnoloģiju gigantu-Tencent, Alibaba un Huawei-ir starp desmit labākajiem, kad uzņēmumi tiek sakārtoti atbilstoši ļoti minēto AI rakstu un rekvizītu skaitam. "Šeit, DC, un, iespējams, citur joprojām pastāv neobjektivitāte, ka Ķīna ir lieliska un var daudz radīt, taču tā īsti nav augstākās klases sastāvdaļa," saka Arnolds. Tomēr ETO aprēķina vairākus kvalitatīvu metriku un Ķīnas uzņēmumus šajā jomā, lai sasniegtu "iespaidīgus skaitļus", saka Arnolds.

Saskaņā ar Parat datiem visbiežāk citētais raksts visos AI pētījumos ir 2017. gada dokuments ar nosaukumu “Uzmanība ir viss, kas jums nepieciešams”. Amerikāņu pētnieku darbs no Alfabēta meitasuzņēmuma Google ir slavens ar “transformatora” arhitektūras aprakstu, kas tagad ir balstīts uz daudziem ģeneratīviem AI modeļiem. Augsti minēts piemērs ar autoriem no Ķīnas ir raksts ar nosaukumu “ICNET reāllaika semantiskajai segmentēšanai uz augstas izšķirtspējas attēliem”, ko raksta Tencent pētnieki, kas apraksta uzlabotu metodi objektu identificēšanai attēlos.

ASV uzņēmumi veido tikai trīs no desmit uzņēmumiem, kas pēdējos desmit gados ir reģistrējuši lielāko daļu AI patentu-citi ir Ķīnā, Vācijā un Dienvidkorejā. Ķīnas valdība jau sen ir radījusi stimulus patentiem, bet pēdējos gados ir notikusi kustība pret patvaļīgu reģistrāciju, piebilst Luong.

augstākais darba devējs

Dati uzsver arī nozares daudzveidību, saka Arnolds. Pastāv liela daļa uzņēmumu, kas tālu pārsniedz “lielos piecus” uzņēmumus - Alfabēts, Amazon, Apple, Meta, Microsoft. Un, kad tos sakārto ar augsti citētiem AI pētījumiem, tādi slavenie vārdi kā Openai un Apple parādās blakus uzņēmumiem, kas ir mazāk pazīstami ar saviem AI jauninājumiem, piemēram, Japānas jaukto grupu Mitsubishi un ASV izklaides uzņēmumam Disney. Luongs norāda, ka papīrs un patentu dati no Parat ir tikai līdz 2023. gada sākumam, tāpēc viņi nokavē pašreizējo attīstību.

Citi metrika dažreiz parāda ignorētās AI aktivitātes, saka Arnolds. Tagad ietaupījumos ir skaitļi par AI darbavietu skaitu uzņēmumā - metrika, kuras pamatā ir dati no sociālo mediju platformas LinkedIn, kas ir visprecīzākie ASV uzņēmumiem. Tas parāda uzņēmumus ar "talantu kopumu AI", viņš saka. Amazon ir pirmais ar 14 000 darbavietām, bet tam cieši seko Starptautiskā konsultatīvā uzņēmuma Accenture. Lieli konsultāciju uzņēmumi darbojas kā “algotnis” AI projektiem citiem uzņēmumiem un valdībā, saka Arnolds.

Ir svarīgi aplūkot uzņēmumu darbību no dažādiem aspektiem, viņš piebilst. "Mēs esam dzirdējuši daudz diskusiju par" kurš vada AI? "

  1. vaswani, A. et al. NIPS’17 Proc. 31. int. Konf. Neironu inf. Proc. Sys . 6000–6010 (2017).

  2. Zhao, H., Qi, X., Shen, X., Shi, J. & Jia, J. In Computer Vision-ECCV 2018 (red 11207, 418–434 (Springer, 2018).