原标题:视角 |
全球AI顶会研究人员的男女比例是7:1,最高和最低的地方居然是…

Yoshua Bengio 创立的人工智能公司 Element AI 近日发布 2019 全球 AI
人才报告,对人工智能人才库的范围和广度进行了深入分析。

原标题:【每周福利!】盛·定投 | 为什么说现在是定投好时机?

科学 1

报告指出,市场对人工智能人才的需求比以往任何时候都要高,世界各地的不同组织都希望从人工智能中获益。

本文大概1850字,读完共需5分钟。

图片来源:www.stadiumdesignsummit.com所有者:Xperiology

强有力的证据表明,较高级人工智能人才仍然供不应求。然而,这种人才究竟有多么稀缺,或者集中在世界各地的什么地方,却缺乏系统的统计。在这次报告中,Element
AI 研究了来自三个主要数据源的数据:

style=”font-size: 16px;”>最近大盘指数每天跟坐过山车一样,在接连创下新低后有人认为是时候布局入市了;但也有人迟迟不敢入市,担心抄在半山腰,这里小盛就要建议大家一下了:为何不试试定投呢?现在或许正是入场的好时机哦~

style=”font-size: 16px;”>巴菲特说过一句话就非常适用于解读定投的入场时机: style=”font-size: 16px;”>“只有那些近期会成为股票卖家的人,才会乐于看到股票价格上涨,潜在购买者应该更喜欢不断下跌的价格。” style=”font-size: 16px;”>而今天,小盛就为大家解开种种“疑虑”。

为什么现在是定投好时机?

1

估值在底部,定投有胜数

style=”font-size: 16px;”>自上一轮牛市5187高点以来,上证指数跌幅已近50%,当前估值仅12.5倍PE,进入历史底部区域。

2

定投助你轻松玩转震荡市

style=”font-size: 16px;”>在市场底部区域,特别是在震荡仍为当前市场主基调背景下,通过定投,分批买入是一种有效的投资策略。

3

3000点下历次走出“微笑曲线”

style=”font-size: 16px;”>从实时数据看,近十年上证指数4次跌破3000点,统计前3次完整区间,均走出了先跌后涨的“定投微笑曲线”。

从“趋势”看

style=”font-size: 16px;”>回顾历史,以2000年以来,上证综指2015年高点以前的3次市场低位为例,当前的下跌周期、幅度已与前期均值接近。

科学 2

数据来源:WIND

从“估值”看

相较之前3次低位的平均值, style=”font-size: 16px;”>近期市场低点时,上证综指的PE、PB均较低 style=”font-size: 16px;”>,市盈率大于40的股票占比、破净股票占比比前3次平均值要略高,但与第3次市场低位基本持平。

科学 3

数据来源:WIND

style=”font-size: 16px;”>当然,还要从微观层面看。对此,申万宏源证券研究所指出: style=”font-size: 16px;”>“当前市场更愿意对政策进行悲观解读,放大负面影响,低估正面影响。中美贸易摩擦不必过度悲观,应保持战略定力;同时市场短期只看到了“坚决抑制房价上涨”,却忘记了房地产长效机制的根本出发点是稳定房地产市场。”申万宏源证券研究所认为“当前管理层的政策选择是正确的,市场对于当前政策组合的解读可能过度悲观了。”“ style=”font-size: 16px;”>目前A股市场已经进入历史级别的高性价比区域。 style=”font-size: 16px;”>”

买在相对高点?
定投助你逆风翻盘!

style=”font-size: 16px;”>肯定还是会有小伙伴要问小盛,尽管现在市场估值已经进入了长期价值投资区间,但万一市场继续下跌呢?

style=”font-size: 16px;”>为了更好说明定投在震荡市中的优势,让我们以长盛量化红利为例来讲述这个问题吧。2015年底开始,上证综指一路从3563点跌到最低2656点,随后维持震荡。如果在市场相对高点开始,选择月定投长盛量化红利,可以在两个月内回本,而此时一次性投资亏损为-12.08%。同时,定投在近3月后开始长期盈利,此时一次性投资仍处于亏损状态-15.10%。

科学 4

彼得·林奇曾说: style=”font-size: 16px;”>“如果执行一个定期定额投资计划,而且不管股市涨跌如何都始终坚持,你就会得到非常丰厚的回报。”

style=”font-size: 16px;”>实际上,如果从2013/8/26日起,定投坚持五年时间,止盈收益率超过60%的次数多达3次,期间有48天定投收益率“翻番”。

科学 5

长盛量化红利混合(080005)

多项“卓越” 放心托付

+139.60%

近五年收益率

style=”font-size: 16px;”>☆2017年入选工行首批“中证工银财富基金指数”成分基金;2018年入选“4433”策略严选基金。

style=”font-size: 16px;”>☆基金经理王超拥有深厚量化投资研究背景,擅长通过多种量化投资策略构建进攻性投资组合,同时有效控制下行风险。

style=”font-size: 16px;”>☆近三年、近五年收益率均位居同类同期前列:近三年收益率: style=”font-size: 16px;”>34.26% style=”font-size: 16px;”>;近五年收益率: style=”font-size: 16px;”>143.42% style=”font-size: 16px;”>;同时被银河证券授予三年期、五年期 style=”font-size: 16px;”>☆☆☆☆☆ style=”font-size: 16px;”>级评价。

注: style=”font-size: 16px;”>数据来源:WIND,2013/08/26——2018/08/28;定投测算方式为月定投。

科学 6

福利时间!!

style=”font-size: 16px;”>●赶快戳下方空白区域,触发福利

关于现在定投入市,你的看法是? 你还有哪些关于定投的问题?
你是否有过“逆风翻盘”的经历? 聊一聊你眼中的定投~(*´∇`*)~
请用生活中的一条定律来解释定投的“真理”~
——超值奖品奉上!是50元京东E卡!!50元!! ヾ(◕∀◕)ノ ヾ(o◕∀◕)ノ
ヾ(o◕∀◕)ノ任选一题回答即可,请在下方留言~ o(*≧▽≦)ツ

科学 7

注意事项!!

style=”font-size: 16px;”>1、留言时间:8月29日——8月31日;

style=”font-size: 16px;”>2、中奖名单公布时间:9月03日(下周一);

style=”font-size: 16px;”>(注:中奖用户逾期未提交或提交信息不全的视为自动放弃奖品)

style=”font-size: 16px;”>3、奖品派发时间:9月05日(下周三)。

style=”font-size: 16px;”>4、部分留言小盛将会精选出,但是其不代表留言顺序。

style=”font-size: 16px;”>5、请参与答题的各位亲时刻留意公众号的最新动态。

6、** style=”font-size: 16px;”>本活动最终解释权归长盛基金所有。**科学, class=”backword”>返回搜狐,查看更多

AI 科技评论按:本文的作者是来自于 Element AI 实验室的 Yoan
Mantha,通过本文 Mantha 探索了当前主流 AI
顶会中研究员的性别比例,并以此引出了研究领域中存在的缺乏多样性的问题。
AI 科技评论根据原文进行了编译。

首先是对人工智能领域 21
个学术会议的出版物进行了回顾,并分析了出版物中的作者简介;与此同时,报告收集了
LinkedIn
上专业人士的个人资料,以评估人工智能专业技能的发展趋势;最后,该报告结合了外部报告和其他辅助来源,以便更好地了解全球人工智能领域快速变化中的人才库。

责任编辑:

业内人士或者是那些常去参加知名人工智能会议的人士都已经意识到了性别不平衡的问题,而我们认为当前需要通过更加严谨的研究来推进这种性别对话以及加速该不平衡现象的纠正进程。作为
2 月份在 jfgagne.ai上发布《全球 AI 人才库报告》的后续行动,我们与 WIRED 进行了合作,WIRED
也是一家致力于深入研究 AI 专家人才库多样性状况的机构。这篇文章是我们与来自 WIRED 的 Tom Simonite
的合作产出,本文将通过在原始报告数据的基础上添加性别和国家的维度来进行更深入的探究。

研究结果显示,2018 年,有 22400
位作者在人工智能领域的一个或多个较高级会议上发表论文,比 2015 年增长
36%,比 2017 年增长 19%。同行评议出版物的数量也同步增长,比 2015 年增长
25%,比 2017 年增长 16%。

在该研究中,我们将研究范围集中于已经在顶会上(诸如
NIPS、ICML 或 ICLR)发表过研究工作的 4000
名学者们(如果想了解我们的策略,请继续阅读本文的第二部分)。下图展示了我们的对性别比例的研究结果:

对过去两年这些作者论文被引次数的研究发现,18% 的作者(大约 4000
人)所做研究对整个领域产生了显著的影响。这些研究人员总数最多的 5
个国家依次是美国 、中国 、英国 、澳大利亚 和加拿大
。也就是说,美国、中国、英国、澳大利亚和加拿大在高影响力研究方面处于领先地位。

科学 8

科学 9

AI
科技评论注:图中列出的国家与地区中,自上向下女性研究人员比例依次降低。全球的平均值为男性比例 88%,女性比例
12%,男女比例大约 7:1

中国台湾、荷兰、法国、丹麦、奥地利、日本、中国大陆、美国、新加坡、韩国的女性比例高于或等于平均值,也就是说它们是性别平衡方面相对乐观的区域。但仍然,即便是女性研究人员比例最高的中国台湾,女性比例也仅有
26.0%,男女比例 3:1**
。我们印象中去性别化推行得最广的北欧国家芬兰、瑞典,女性比例甚至还不如印度。**

(来源:jfgagne.ai)

尽管已经有类似的针对技术领域或创业公司的研究,但是目前还没有人在这个广泛的范围来度量机器学习研究社区的多样性。我们希望通过了解这些数据的偏差情况,进而了解整个行业的不平衡程度,从而帮助行业更好地解决这些问题。从本质上讲,我们希望这种清晰明确的量化结果可以促进整个人工智能领域的更大变革。

在所有国家中,最有影响力的研究更有可能来自学术界,而不是工业界。对一些国家来说,情况更是如此。中国是高影响力研究来自学术界比例较高的国家
,其次是意大利 、美国 、德国
。法国是高影响力研究来自工业界比例较高的国家 ,其次是印度和以色列
,西班牙 和英国 。

此外我们认为如果只公布各个国家(或地区)的性别比率而不分享我们自己的数字是不公平的。在
Element AI 的员工当中,我们的女性代表占了 32%,而领导职位中女性则占了
30%。而在技术和科学团队中,女性平均占了 21%,领导职位中的女性占了
20%。当然,多样性的重要性要大于性别,我们也会继续开展内部多样性的研究,并将结果在公司内进行分享。

不过在这些会议上发表论文的研究人员中,女性比例仅占 18%。

Element AI
的性别比例大约是平均值的两倍,并且我们也对这种领先于平均水准的领导能力感到特别自豪。但是,我们并不会幻想自己已经克服了构建多元化工作场所这一挑战。我们一直认为更为重要的是,要继续评估自身,并用以支持能够提升实际进展的内部倡议和多样性活动。

这种人工智能领域的性别失衡在学术界和工业界都存在:在学术会议的作者中,有
19% 是女性,而在工业界中这一比例为 16%。

方法

此外,性别比例在各个国家和地区的情况有所不同,一些国家和地区的女性作者比例高于
18% 的平均水平,其中西班牙 、中国台湾 和新加坡 位居榜首。中国和澳大利亚
、美国 、瑞士 、英国和意大利 以及印度
也跻身女性作者比例较高的前十位。在数量上,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。这个领域要实现性别平衡还有很长的路要走。

考虑到这一主题的敏感性,我们认为有必要将自己估算全球人才库中性别平衡程度的方法分享出来。

科学 10

为了更新初始的数据集,我们找出了去年在
NIPS、ICML 或 ICLR 上出现的所有人的姓名,并将其与从 Google
学术搜索中提取的信息进行了比对。然后我们借助 Mechanical Turk
服务获得列表中所有人员的归属机构(当前相关的大学或公司)。为了确保准确性,我们在
Mechanical Turk 上验证了 3
次,然后我们自己也检查了所有具有可变性的样例。

(来源:jfgagne.ai)

有了这些数据信息以后,我们就可以根据地理分布将列表中的人员进行重新分组。值得注意的是,这并不是为了获取每个人的国籍信息,而是为了给每个机构和每个地理位置一个权重。其理由是,我们的目的并不是研究个人数据,而是为了研究机构趋势。

在人工智能人才的流动性上,约三分之一的研究人员就职于至少一家与他们获得博士学位的国家不同的雇主。

在 4000 名人员当中,只有 17%
来自私营企业,这意味着虽然这份样本代表了整个研究社区团队,但是我们却犹豫于这是否说明它代表了“商业研究实验室”的子部分。另外一点是,在私人实验室工作的子集中存在着一定量的噪音,因为我们有时找不到个人工作的具体研究地点。

而在调查的 21 个会议上发表论文的作者中,约有 18% 在过去两年 (2017-2018
年) 对整个领域产生了重大影响。拥有最多高影响力研究人员的国家
(即美国、中国、英国、澳大利亚和加拿大)都在 18% 之内。

更为复杂的情况是,大约 12%
的商业集团名称都来自于大型科技公司(Google、Facebook
等),并且被纳入硅谷小组中。而我们的处理方案则基于一个事实,那就是只有当不改变该区域男女比例的情况下,我们才将这些公司添加到硅谷小组中。我同时还有一个工作假设,即这些公司的招聘政策在区域内保持一致,但这一点需要在以后的研究中进行验证。

总的来说,样本中近三分之一的研究人员获得博士学位所在国家与工作所在国家不同。这一比例在拥有至少
150 名作者的国家中甚至更高,为
32%。人才流动的全球地图错综复杂,每一次流动背后的故事都不可避免地是独特和个人的,尽管如此,还是能够从这些数据中观察到人工智能人才跨国流动的一些规律和模式。

在确定性别时,为了简单起见,我们保留了简单的二进制类别,这是因为大多数学术简历都没有在这一主题上有太多深入的介绍。我们通过作者描述中所使用的反映自我认同的性别代词来确定作者性别。当这种方法不可行时(约占总数
1%),则根据名称和外观进行猜测。虽然在不依赖自我报告性别时,这样更容易出错,但是我们可以确定该小组的规模小到足以证明该方法的合理性。

调查显示,美国雇主最有可能吸引到在海外接受过教育的研究人员。中国是第二大有可能吸引在其他国家获得博士学位的研究人员的国家,吸引的数量是美国能够吸引的研究人员数量的四分之一。

style=”font-size: 16px;”>我们还参与过的其它一些活动: style=”font-size: 16px;”>NIPS 2017 女性机器学习研讨会 style=”font-size: 16px;”>(https://wimlworkshop.org/2017/); style=”font-size: 16px;”>CVPR 2017 女性计算机视觉研讨会 style=”font-size: 16px;”>(https://wicvworkshop.github.io/2017/index.html); style=”font-size: 16px;”>深度学习研究中的女性 style=”font-size: 16px;”>(WiDL)。

过去一年里,人工智能领域研究人员和有影响力的论文数量显著增加,带来人工智能专业知识的持续增长。与此同时,女性研究者仍然不足,但有些国家比其他国家更接近实现性别平等。从人才的地域分布来看,美国几乎在所有指标上都处于数量的领先地位。然而,该领域无疑是国际性的,每个地方的生态系统都有其独特的优势和战略。专注于培养这一专业技能的国家,正在帮助全球人工智能人才这块蛋糕的成长,以推动该领域向前发展。

via 《Estimating the Gender Ratio of AI Researchers
Around the World》,AI
科技评论编译。返回搜狐,查看更多

参考:

责任编辑:

声明:本文版权归原作者所有,文章收集于网络,为传播信息而发,如有侵权,请联系小编及时处理,谢谢!

《计算机视觉与深度学习实战》详细讲解了多个 MATLAB
计算机视觉与深度学习案例,提供源码及在线支持。几乎涵盖了数字图像处理中几乎所有的基本模块,并延伸到了深度学习的理论及其应用方面。

相关文章