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。
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。
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://m.sbmmt.com/link/ea20aed6df7caa746052d227d194a395
以上就是AI论文“高引用转化率”排名出炉:OpenAI第一,旷视第二,谷歌位居第九的详细内容,更多请关注php中文网其它相关文章!