AI论文高引用转化率排名OpenAI第1，旷视第2，谷歌位居第9

　　丰色 发自 凹非寺
　　量子位 | 公众号 QbitAI
　　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
　　— 完 —
　　量子位 QbitAI · 头条号签约
　　关注我们，第一时间获知前沿科技动态