真有意思，AI高引论文排行榜：OpenAI和DeepMind未进前十，旷视排第二？

文｜丰色 发自 凹非寺
源｜量子位

哪些机构或国家（地区）发表的AI研究是最具影响力的？

为了弄清这个问题，美国Zeta Alpha平台统计了2020-2022三年之间全世界引用次数前100的AI论文，得出了一些很有意思的结果。

比如：

“当红明星”OpenAI，在论文引用次数最多的机构中名列第9。

然而，在论文发表数量最多的机构榜单上，根本找不到它的名字。

再比如，来自工业界的谷歌Meta微软总是在各项数据都名列前茅，然而总的看下来，学术界也并没有落后工业界。

此外，此前关于“中国AI研究的产出数量和质量可能超过美国”的观点在这份报告中似乎也被破解——

更多以及具体的数据，我们一个一个来看。

中国第二，OpenAI、DeepMind质量取胜

在具体分析之前，Zeta Alpha先统计出了2020-2022每年引用次数最多的论文，它们分别是：

2022年：

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

引用次数：1372
机构：DeepMind
主题：利用AlphaFold增加蛋白质结构数据库的覆盖范围

2、ColabFold: making protein folding accessible to all

引用次数：1162
机构：多家合作完成
主题：一种开源且高效的蛋白质折叠模型

3、Hierarchical Text-Conditional Image Generation with CLIP Latents

引用次数：718
机构：OpenAI
主题：DALL·E 2

4、A ConvNet for the 2020s

引用次数：690
机构：Meta和UC伯克利大学
主题：在Transformer繁荣时期成功实现CNN现代化

5、PaLM: Scaling Language Modeling with Pathways

引用次数：452
机构：谷歌
主题：谷歌的540B大型语言模型，一个新的MLOps范式，包含它的实现过程

2021年

1、Highly accurate protein structure prediction with AlphaFold

引用次数：8965
机构：DeepMind
主题：AlphaFold，利用深度学习进行蛋白质结构预测的巨大突破

2、Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

引用次数：4810
机构：微软
主题：ViT的强大变体

3、Learning Transferable Visual Models From Natural Language Supervision

引用次数：3204
机构：OpenAI
主题：CLIP

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

引用次数：1266
机构：美国华盛顿，Black in AI，The Aether
主题：著名的立场论文，对不断增长的语言模型的趋势持批评态度，强调了它们的局限性和危险

5、Emerging Properties in Self-Supervised Vision Transformers

引用次数：1219
机构：Meta
主题：DINO，揭示了图像的自监督如何导致Transformers中出现某种原型对象分割

2020年：

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

引用次数：11914
机构：谷歌
主题：第一个展示普通Transformer如何在计算机视觉领域中表现出色的作品

2、Language Models are Few-Shot Learners

引用次数：8070
机构：OpenAI
主题：GPT-3

3、YOLOv4: Optimal Speed and Accuracy of Object Detection

引用次数：8014
机构：中国台湾“中研院”
主题：YOLOv4

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

引用次数：5906
机构：谷歌
主题：对Transformer的迁移学习进行了严格的研究，产生了著名的T5

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

引用次数：2873
机构：DeepMind和帝国理工学院
主题：表明negative对于表征学习来说不是必需的

想必大家能从中找到不少“熟悉的面孔”。

接着，Zeta Alpha就对近三年的高引用论文背后的信息进行了一番分析。

首先是“每年论文引用次数进前100最多”的国家（地区）。

可以看到美国强势第一，中国与之的差距比较明显。

因此Zeta Alpha也认为，此前关于“中国在AI方面的研究可能超过美国”的说法至少在这项数据上是不成立的。

除此之外，新加坡和澳大利亚的排名也比较出人意料，分别为第五和第六。

“为了正确评估美国的主导地位”，Zeta Alpha又换了一种统计方式，计算引用次数前100的百分比。

当然，美国仍然第一，但可以看到三年间的占比有所下降。

英国是中美以外最大的竞争对手，不过英国表现突出的2022年，其实主要都是由DeepMind贡献的（占比69%）。

接下来是按组织或机构评比论文引用次数进前100最多的个体。

不太意外，谷歌与Meta微软分列前三，随后是UC伯克利、DeepMind和斯坦福。

OpenAI也收获了一个还不错的名次，第九。第十是MIT，第十一是清华大学。

尽管前三名选手都来自工业界，但是如果只按照机构类型来分，学术界和它的表现其实基本不相上下。

再接着，是过去三年各组织或机构发表的论文总数排名。

老大还是谷歌。第二名比较亮眼，是清华大学，随后是微软、CMU、MIT、斯坦福、UC伯克利、北京大学（第八）、Meta……

可以看到，前十里隶属于学术界的机构或组织占据了大片江山。

而我们找了半天，也没有看到OpenAI和DeepMind的名字——

显然它们发表的论文数量较少，主要靠质量取胜。

为了验证这一猜测，Zeta Alpha也做了一个高引论文转化率的排名。

果不其然，OpenAI摘得桂冠，DeepMind获得第三。

当然，Meta也不错，第四，引得LeCun都出来“现身说法”了一下：

我们Meta确实是更注重质量而不是数量的。

相比之下，高引多但发得更多的谷歌才排第九，差点出前10。

除了这几位，第二名也是亮点——它就是旷视。

以及国内还有商汤也上榜了。

附2022引用Top100完整名单

ChatGPT的火着实盘活了AI产业，最新前沿研究究竟会指往哪些方向？我们也需要更加敏锐地进行观察。

为此，Zeta Alpha也给出了2022年引用进100的所有AI论文的名单，或许对大家有所启发。

1-30：

31-60：

61-90：

91-100：

那么，Zeta Alpha这份报告的全部内容就是这些。

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

后台回复关键词【入群】

加入卖萌屋NLP、CV、搜推广与求职讨论群