本文转自 36氪
前言：人工智能是当前的技术热点，也是各国争夺的技术制高点。一段时间以来，国内外都有不少声音认为中国有可能在AI方面取得领先。不过风投机构Thundermark的主理合伙人Gleb Chuvpilo通过分析AI领域内最著名的AI研究学术会议的入选论文作者与组织后认为，在先进AI技术贡献方面，中国跟西方还差得远。
虽然媒体可能想引导你往那方面想，但在人工智能研究方面，西方仍然遥遥领先，并没有中国坐上头把交椅的迫在眉睫。为什么我们会知道这一点？因为我们深入调查了最有名望的国际AI研究场所，神经信息处理系统大会（NIPS）。NIPS 2017是最近的一次，在加州长滩举行，吸引的注册观众超过了8000人，比上一年增加了2000.会议收到了3240篇论文，其中有679篇被录用，通过率为21%。我们通过这些会议论文集研究了这670篇录用论文，编译出了一份多达2497人的作者极其隶属组织（当然有很多都是重复的）的完整清单，然后计算出所谓的发表指数（Publication Index）。
下图就是结果，大体上遵从了因子为3的幂次定律分布：美国的领先优势明显，发表指数达到414，排在其次的是西欧，指数为136，中国虽然排名第三，但指数只有39。（另外说一下，我们把西欧定义为EEA（欧洲经济区）+瑞士，而EEA包括欧盟、挪威、卢森堡；我们觉得把这些欧洲国家捆绑到一起是合理的，因为他们之间有着健康的研究经费协调以及跨国合作）
在NIPS 2017上发表了AI研究的前10大地区（蓝色为学术发表指数，橙色为行业发表指数）
我们建立的这个发表指数的机制是这样：每发表一篇文章就得1分，由N位作者平分，每位得1/N分（假设大家的贡献一样）。然后我们再把这些分数分配给每一位作者主要隶属的组织（有时候甚至还有第二、第三隶属组织，但本次研究忽略这个了）。比方说，如果一篇论文有5位作者——3位来自MIT，一位来自牛津大学，一位来自Google——则每位作者可得1/5，也就是0.2分。因此，光靠这一篇论文，MIT的发表指数就增加了3*0.2=0.6分，而牛津大学指数会增加0.2分，Google也会加0.2分。由于MIT是美国的，所以这会给美国的发表指数增加0.6分。类似地，牛津大学是英国的，EEA+瑞士区会增加0.2。最后，Google是一家总部位于美国的跨国企业，因此美国的发表指数还会增加0.2.其总得分就是0.8。这里的想法是建立一套一致的方法论，把分数按照出版物作者数反比进行分配，这种做法应该会产生一组聚合度相当高的统计数字。
现在你可能对特定国家而不是群体的排名情况很感兴趣：
NIPS 2017上AI研究排名前10的国家
这里的结构甚至更加引人注目，美国在AI研究方面仍然以发表指数 414一骑绝尘，但是接下来的玩家却要小了一个数量级，其中中国是39，法国为37，英国是34。换句话说，在发表先进AI研究方面，美国比中国领先10倍。
研究这些数据时我们还有哪些发现呢？如果要你猜全球前5大AI研究领导者（学术和行业方面）的话，你觉得会是谁呢？
按照NIPS 2017论文发表数排名的前25大领先AI研究组织（学术及行业）
这一块也是美国占据了领先位置。毫无疑问，有着DeepMind、Google Brain以及Google Research等研究部门以及海量消费者及企业数据的Google是翘楚。紧随其后的是4家任何有抱负的AI和机器人学博士生梦想进入的研究生院——卡内基梅隆大学（CMU）、麻省理工学院（MIT）、斯坦福大学以及加州大学伯克利分校，分别占据2、3、4、5的位置。
接下来我们再看看学术界和产业界在争夺出色的AI研究人员方面的战况如何：
NIPS 2017学术界与产业界的AI研究情况
很有趣的是，现在有1/5的AI研究来自于产业。博士生、博士后以及主要研究者为了“阴暗面”工作后必须放弃一切发表自身成果的希望的日子已经一去不复返了。这是很大的变化，令人鼓舞的是AI研究这个社区仍在坚持开放研究成果。战斗尚未取得胜利，因为我们还没有看到苹果在NIPS 2017上发表任何的研究，而苹果是该领域的关键玩家之一，Siri app和HomePod都是这方面的应用。
既然谈到了企业这个主题，我们不妨看看他们相互之间的情况比较：
在NIPS 2017上AI研究领先的20家全球公司
Google自然是排名第一。有着精英云集的微软研究院的微软占据第二的位置，Facebook凭借FAIR的贡献排名第三。拥有Watson的IBM排在第四。而有着丰田研究所的丰田公司排名第6。
我们研究的最后一个问题是如果你要读研，希望被顶级的AI研究人员包围的话，应该去哪一所大学（至少基于我们从NIPS了解到的东西）？先从美国的大学开始：
美国在NIPS 2017上AI研究领先的20所大学
如果你对去全球任何一个地方读研持开放态度的话，以下是全球前25的图表：
全球在NIPS 2017上AI研究领先的25所大学
最后，我们可以给对NIPS 2017的分析下结论了。当然，可能仍然有许多开放性的问题。比方说，你可能会问如果中国对其最新的AI研究保守秘密呢？也许这就是中国大学和公司没有发表更多论文的原因呢？尽管绝对存在这种可能性，但我们倾向认为这不大可能。毕竟，对于任何中国的AI研究人员来说，在NIPS上发表论文是在全世界获得就业机会的敲门砖。更有可能的解释是中国落后了，而他们的AI战略实际上上抄袭别人的研究成果，然后应用到国内的数据集上。用Peter Thiel的《从0到1》里面的话来说，“中国已经直接复制了发达国家的有用之物：19世纪的铁路、20世纪的空调，甚至整个城市。也许这种复制可以使中国在建设道路上少走几步——比如，不用安装陆上线路，直接实现无线通信，但是，这依然是在复制。”新美国安全中心（The Center for a New American Security）在其《人工智能时代的战略优势》报告中似乎也同意这一点：
奥巴马当政的最后一年间，白宫发布了几份旨在提高美国人工智能政策连贯性的文件。所涉及的问题涵括了从管制到创新以及偏见等范畴，这些报告推动了科学家与政府官员的一系列对话。本报告的其中一些作者认为，其实中国的AI战略折射的是奥巴马当局那份报告的关键原则——现在接受它的是中国而不是美国。
如果你对我们这份NIPS 2017数据集感兴趣，可以到这里下载。此外，今年12月NIPS 2018即将在蒙特利尔举行，届时我们也会相应更新这份分析。如果你对AI研究感兴趣的话，那另一场会议你也需要关注一下：机器学习国际会议（ICML）。这是重要性仅次于NIPS的国际性AI研究会议，2018年它的论文通过率为25.1%。我们也会在接下来的文章中对ICML 2018的论文集进行类似的分析。不过如果你等不及的话，可以去看看Robbie Allen的出色工作（你会注意到他的方法论不一样，但是总体结论还是一样的）。
附：排名清单汇总
在NIPS 2017发表论文排行前10的国家地区
美国
欧洲（EEA+瑞士）
中国
日本
加拿大
以色列
韩国
澳大利亚
新加坡
印度
NIPS 2017上AI研究领先的十大国家
美国
中国
法国
英国
日本
加拿大
以色列
瑞士
德国
芬兰
NIPS 2017 AI研究前25大全球组织（发表指数）
Google（美国）
卡内基梅隆大学（美国）
麻省理工学院（美国）
斯坦福大学（美国）
加州大学伯克利分校（美国）
微软（美国）
伊利诺伊大学香槟分校（美国）
法国国家信息与自动化研究所（法国）
苏黎世联邦理工学院（瑞士）
杜克大学（美国）
多伦多大学（美国）
普林斯顿大学（美国）
剑桥大学（英国）
乔治亚理工学院（美国）
牛津大学（英国）
洛桑联邦理工学院（瑞士）
密歇根大学（美国）
纽约大学（美国）
哈佛大学（美国）
哥伦比亚大学（美国）
清华大学（中国）
康奈尔大学（美国）
以色列理工学院（以色列）
南加州大学（美国）
Facebook（美国）
NIPS 2017 AI研究前20大公司
Google（美国）
微软（美国）
Facebook（美国）
IBM（美国）
丰田（日本）
Adobe（美国）
Amazon（美国）
NTT（日本）
OpenAI（日本）
NEC（日本）
迪斯尼（美国）
腾讯（中国）
三菱（日本）
Curious AI（芬兰）
prowler.io（英国）
诺基亚（芬兰）
NVIDIA（美国）
百度（中国）
英特尔（美国）
Salesforce（美国）
NIPS 2017 AI研究20大美国大学
卡内基梅隆大学（美国）
麻省理工学院（美国）
斯坦福大学
加州大学伯克利分校
伊利诺伊大学香槟分校
杜克大学
普林斯顿大学
乔治亚理工学院
密歇根大学
纽约大学
哈佛大学
哥伦比亚大学
康奈尔大学
南加州大学
德州大学奥斯汀分校
加州大学洛杉矶分校
加州大学圣地亚哥分校
威斯康星大学
马萨诸塞大学阿默斯特分校
华盛顿大学
NIPS 2017AI 研究领先的前25大全球大学
卡内基梅隆大学（美国）
麻省理工学院（美国）
斯坦福大学（美国）
加州大学伯克利分校（美国）
伊利诺伊大学香槟分校（美国）
法国国家信息与自动化研究所（法国）
苏黎世联邦理工学院（瑞士）
杜克大学（美国）
多伦多大学（加拿大）
普林斯顿大学（美国）
剑桥大学（英国）
乔治亚理工学院（美国）
牛津大学（英国）
洛桑理工学院（瑞士）
密歇根大学（美国）
纽约大学（美国）
哈佛大学（美国）
哥伦比亚大学（美国）
清华大学（中国）
康纳尔大学（美国）
以色列理工学院（以色列）
南加州大学（美国）
德州大学奥斯汀分校（美国）
加州大学洛杉矶分校（美国）
加州大学圣地亚哥分校（美国）
当前位置：
论坛首页 »
自由讨论区 »
AI.人工智能讨论区
»
发起投票
技术讨论
加好友
发消息
2018-9-26 9:56:13 |
赞(
操作
