Innovations in artificial intelligence (AI) are occurring at speeds faster than ever witnessed before. However, few studies have managed to measure or depict this increasing velocity of innovations in the field of AI. In this paper, we combine data on AI from arXiv and Semantic Scholar to explore the pace of AI innovations from three perspectives: AI publications, AI players, and AI updates (trial and error). A research framework and three novel indicators, Average Time Interval (ATI), Innovation Speed (IS) and Update Speed (US), are proposed to measure the pace of innovations in the field of AI. The results show that: (1) in 2019, more than 3 AI preprints were submitted to arXiv per hour, over 148 times faster than in 1994. Furthermore, there was one deep learning–related preprint submitted to arXiv every 0.87 h in 2019, over 1064 times faster than in 1994. (2) For AI players, 5.26 new researchers entered into the field of AI each hour in 2019, more than 175 times faster than in the 1990s. (3) As for AI updates (trial and error), one updated AI preprint was submitted to arXiv every 41 days, with around 33 % of AI preprints having been updated at least twice in 2019. In addition, as reported in 2019, it took, on average, only around 0.2 year for AI preprints to receive their first citations, which is 5 times faster than 2000–2007. This swift pace in AI illustrates the increase in popularity of AI innovation. The systematic and fine-grained analysis of the AI field enabled to portrait the pace of AI innovation and demonstrated that the proposed approach can be adopted to understand other fast-growing fields such as cancer research and nano science.

人工智能（AI）的创新速度比以往任何时候都快。但是，很少有研究能够衡量或描述AI领域这种不断提高的创新速度。在本文中，我们结合了来自arXiv和Semantic Sc​​holar的AI数据，从AI出版物，AI播放器和AI更新（尝试和错误）这三个角度探讨了AI创新的步伐。提出了一个研究框架和三个新指标，即平均时间间隔（ATI），创新速度（IS）和更新速度（US），以衡量AI领域的创新步伐。结果表明：（1）在2019年，每小时向arXiv提交3个以上的AI预印本，比1994年快148倍。此外，2019年，每0.87小时向arXiv提交一个与深度学习相关的预印本，比1994年快1064倍。（2）对于AI玩家，2019年每小时有5.26名新研究人员进入AI领域，比1990年代快175倍以上。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。（2）对于AI玩家来说，2019年每小时有5.26名新研究人员进入AI领域，比1990年代快175倍以上。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年左右，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。（2）对于AI玩家来说，2019年每小时有5.26名新研究人员进入AI领域，比1990年代快175倍以上。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年左右，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。2019年，每小时有26名新研究人员进入AI领域，比1990年代快175倍以上。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。2019年，每小时有26名新研究人员进入AI领域，比1990年代快175倍以上。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年左右，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年左右，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。（3）关于AI更新（尝试和错误），每41天向arXiv提交一份更新的AI预印本，其中约33％的AI预印本在2019年至少更新了两次。此外，如2019年所述，它AI预印本获得首次引用的平均时间仅为0.2年左右，比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。正如2019年报道的那样，AI预印本平均只花了0.2年左右的时间就获得了第一次引用，这比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。正如2019年报道的那样，AI预印本平均只花了0.2年左右的时间就获得了第一次引用，这比2000-2007年快5倍。人工智能的飞速发展说明了人工智能创新的普及。对AI领域的系统且细粒度的分析能够描绘AI创新的步伐，并证明所提出的方法可用于理解其他快速增长的领域，例如癌症研究和纳米科学。