為了弄清這個(gè)問(wèn)題，美國(guó)Zeta Alpha平臺(tái)統(tǒng)計(jì)了2020-2022三年之間全世界引用次數(shù)前100的AI論文，得出了一些很有意思的結(jié)果。

比如：

“當(dāng)紅明星”O(jiān)penAI，在論文引用次數(shù)最多的機(jī)構(gòu)中名列第9。

然而，在論文發(fā)表數(shù)量最多的機(jī)構(gòu)榜單上，根本找不到它的名字。

再比如，來(lái)自工業(yè)界的谷歌Meta微軟總是在各項(xiàng)數(shù)據(jù)都名列前茅，然而總的看下來(lái)，學(xué)術(shù)界也并沒有落后工業(yè)界。

此外，此前關(guān)于“中國(guó)AI研究的產(chǎn)出數(shù)量和質(zhì)量可能超過(guò)美國(guó)”的觀點(diǎn)在這份報(bào)告中似乎也被破解——

更多以及具體的數(shù)據(jù)，我們一個(gè)一個(gè)來(lái)看。

中國(guó)第二，OpenAI、DeepMind質(zhì)量取勝

在具體分析之前，Zeta Alpha先統(tǒng)計(jì)出了2020-2022每年引用次數(shù)最多的論文，它們分別是：

2022年：

1、AlphaFold Protein Structure Database: Massively expanding the structural coverage of protein-sequence space with high-accuracy models

引用次數(shù)：1372
機(jī)構(gòu)：DeepMind
主題：利用AlphaFold增加蛋白質(zhì)結(jié)構(gòu)數(shù)據(jù)庫(kù)的覆蓋范圍

2、ColabFold: making protein folding accessible to all

引用次數(shù)：1162
機(jī)構(gòu)：多家合作完成
主題：一種開源且高效的蛋白質(zhì)折疊模型

3、Hierarchical Text-Conditional Image Generation with CLIP Latents

引用次數(shù)：718
機(jī)構(gòu)：OpenAI
主題：DALL·E 2

4、A ConvNet for the 2020s

引用次數(shù)：690
機(jī)構(gòu)：Meta和UC伯克利大學(xué)
主題：在Transformer繁榮時(shí)期成功實(shí)現(xiàn)CNN現(xiàn)代化

5、PaLM: Scaling Language Modeling with Pathways

引用次數(shù)：452
機(jī)構(gòu)：谷歌
主題：谷歌的540B大型語(yǔ)言模型，一個(gè)新的MLOps范式，包含它的實(shí)現(xiàn)過(guò)程

2021年

1、Highly accurate protein structure prediction with AlphaFold

引用次數(shù)：8965
機(jī)構(gòu)：DeepMind
主題：AlphaFold，利用深度學(xué)習(xí)進(jìn)行蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)的巨大突破

2、Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

引用次數(shù)：4810
機(jī)構(gòu)：微軟
主題：ViT的強(qiáng)大變體

3、Learning Transferable Visual Models From Natural Language Supervision

引用次數(shù)：3204
機(jī)構(gòu)：OpenAI
主題：CLIP

4、On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?

引用次數(shù)：1266
機(jī)構(gòu)：美國(guó)華盛頓，Black in AI，The Aether
主題：著名的立場(chǎng)論文，對(duì)不斷增長(zhǎng)的語(yǔ)言模型的趨勢(shì)持批評(píng)態(tài)度，強(qiáng)調(diào)了它們的局限性和危險(xiǎn)

5、Emerging Properties in Self-Supervised Vision Transformers

引用次數(shù)：1219
機(jī)構(gòu)：Meta
主題：DINO，揭示了圖像的自監(jiān)督如何導(dǎo)致Transformers中出現(xiàn)某種原型對(duì)象分割

2020年：

1、An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale

引用次數(shù)：11914
機(jī)構(gòu)：谷歌
主題：第一個(gè)展示普通Transformer如何在計(jì)算機(jī)視覺領(lǐng)域中表現(xiàn)出色的作品

2、Language Models are Few-Shot Learners

引用次數(shù)：8070
機(jī)構(gòu)：OpenAI
主題：GPT-3

3、YOLOv4: Optimal Speed and Accuracy of Object Detection

引用次數(shù)：8014
機(jī)構(gòu)：中國(guó)臺(tái)灣“中研院”
主題：YOLOv4

4、Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer

引用次數(shù)：5906
機(jī)構(gòu)：谷歌
主題：對(duì)Transformer的遷移學(xué)習(xí)進(jìn)行了嚴(yán)格的研究，產(chǎn)生了著名的T5

5、Bootstrap your own latent: A new approach to self-supervised Learning

引用次數(shù)：2873
機(jī)構(gòu)：DeepMind和帝國(guó)理工學(xué)院
主題：表明negative對(duì)于表征學(xué)習(xí)來(lái)說(shuō)不是必需的

想必大家能從中找到不少“熟悉的面孔”。

接著，Zeta Alpha就對(duì)近三年的高引用論文背后的信息進(jìn)行了一番分析。

首先是“每年論文引用次數(shù)進(jìn)前100最多”的國(guó)家（地區(qū)）。

可以看到美國(guó)強(qiáng)勢(shì)第一，中國(guó)與之的差距比較明顯。

因此Zeta Alpha也認(rèn)為，此前關(guān)于“中國(guó)在AI方面的研究可能超過(guò)美國(guó)”的說(shuō)法至少在這項(xiàng)數(shù)據(jù)上是不成立的。

除此之外，新加坡和澳大利亞的排名也比較出人意料，分別為第五和第六。

“為了正確評(píng)估美國(guó)的主導(dǎo)地位”，Zeta Alpha又換了一種統(tǒng)計(jì)方式，計(jì)算引用次數(shù)前100的百分比。

當(dāng)然，美國(guó)仍然第一，但可以看到三年間的占比有所下降。

英國(guó)是中美以外最大的競(jìng)爭(zhēng)對(duì)手，不過(guò)英國(guó)表現(xiàn)突出的2022年，其實(shí)主要都是由DeepMind貢獻(xiàn)的（占比69%）。

接下來(lái)是按組織或機(jī)構(gòu)評(píng)比論文引用次數(shù)進(jìn)前100最多的個(gè)體。

不太意外，谷歌與Meta微軟分列前三，隨后是UC伯克利、DeepMind和斯坦福。

OpenAI也收獲了一個(gè)還不錯(cuò)的名次，第九。第十是MIT，第十一是清華大學(xué)。

盡管前三名選手都來(lái)自工業(yè)界，但是如果只按照機(jī)構(gòu)類型來(lái)分，學(xué)術(shù)界和它的表現(xiàn)其實(shí)基本不相上下。

再接著，是過(guò)去三年各組織或機(jī)構(gòu)發(fā)表的論文總數(shù)排名。

老大還是谷歌。第二名比較亮眼，是清華大學(xué)，隨后是微軟、CMU、MIT、斯坦福、UC伯克利、北京大學(xué)（第八）、Meta……

可以看到，前十里隸屬于學(xué)術(shù)界的機(jī)構(gòu)或組織占據(jù)了大片江山。

而我們找了半天，也沒有看到OpenAI和DeepMind的名字——

顯然它們發(fā)表的論文數(shù)量較少，主要靠質(zhì)量取勝。

為了驗(yàn)證這一猜測(cè)，Zeta Alpha也做了一個(gè)高引論文轉(zhuǎn)化率的排名。

果不其然，OpenAI摘得桂冠，DeepMind獲得第三。

當(dāng)然，Meta也不錯(cuò)，第四，引得LeCun都出來(lái)“現(xiàn)身說(shuō)法”了一下：

我們Meta確實(shí)是更注重質(zhì)量而不是數(shù)量的。

相比之下，高引多但發(fā)得更多的谷歌才排第九，差點(diǎn)出前10。

除了這幾位，第二名也是亮點(diǎn)——它就是曠視。

以及國(guó)內(nèi)還有商湯也上榜了。

附2022引用Top100完整名單

ChatGPT的火著實(shí)盤活了AI產(chǎn)業(yè)，最新前沿研究究竟會(huì)指往哪些方向？我們也需要更加敏銳地進(jìn)行觀察。

為此，Zeta Alpha也給出了2022年引用進(jìn)100的所有AI論文的名單，或許對(duì)大家有所啟發(fā)。

1-30：

31-60：

61-90：

91-100：

那么，Zeta Alpha這份報(bào)告的全部?jī)?nèi)容就是這些。

原文可戳：???https://www.zeta-alpha.com/post/must-read-the-100-most-cited-ai-papers-in-2022??