一年一度AI研究排名來了！
這一次，排名分析了兩大AI頂會——NeurIPS和ICML。
排名研究了2200篇被接受的論文，還列出了一份作者及其附屬組織的名單，並計算了每個組織的出版指數。
美國出版指數接近中國7倍，中國位居第二；
清華、北大入圍全球大學排名前20；
騰訊、阿里、百度、華為入圍全球公司排名前20。
值得注意的是，騰訊在公司排名中，位居中國第一，奪得8.8分，超越了阿里、百度和華為。
那麼排名是根據什麼方法？
據作者介紹，排名方法是受到了《自然指數》(Nature Index)的啟發。
為了在不被重複計算的情況下，收集一個國家、地區或機構對一篇文章的貢獻，《自然指數》使用了分數式計量(FC)方法，這個方法能考慮到每篇論文作者的貢獻份額。
一篇論文的FC總值為1，如果每位作者的貢獻度是一樣的，那麼就平分這個總值。例如一篇論文有10個作者，且貢獻度相同，那麼每位作者的獲得的FC就是0.1。
如果作者不止屬於一個機構，那麼作者的FC將在每個機構之間平均分配。
某機構的FC，就是將屬於這個機構的所有作者FC求和。
而這項研究排名與《自然指數》唯一的區別就在於，它將海外實驗室計入總部所在國/地區(而非所在國/地區)。
舉個例子。
如果一篇論文有5位作者，其中三位來自MIT，一位來自牛津，剩下的一位來自谷歌，那麼每位作者將獲得0.2分。
按機構而言，MIT將獲得3 x 0.2，即0.6分；牛津和谷歌分別獲得0.2分。
按國家/地區而言，美國將獲得0.8分，歐洲將獲得0.2分。
如果有一位作者隸屬於兩家機構，比如來自谷歌的作者還屬於斯坦福，那麼谷歌和斯坦獲得的分數分別為0.2/2，即0.1分。
那麼，研究排名為什麼會選擇NeurIPS和ICML呢？作者解釋到：
它們在頂尖AI研究人員當中都有相似的知名度、相似的機構參與度以及相似的論文接受率(NeurIPS的論文接受率為21.2%，ICML的論文接受率為22.6%)。
2019 AI研究排名2019年人工智慧研究領先的全球前40大組織(工業與學術界)
谷歌 (USA) — 167.3
史丹福大學 (USA) — 82.3
麻省理工學院 (USA) — 69.8
卡內基·梅隆大學 (USA) — 67.7
UC 伯克利 (USA) — 54.0
微軟(USA) — 51.9
牛津大學(UK) — 37.7
Facebook (USA) — 33.1
普林斯頓大學 (USA) — 31.5
康奈爾大學 (USA) — 30.9
喬治亞理工學院 (USA) — 30.1
德克薩斯大學奧斯汀分校 (USA) — 29.9
伊利諾伊大學 (USA) — 29.4
哥倫比亞大學 (USA) — 29.2
清華 (China) — 28.4
加州大學洛杉磯分校 (USA) — 27.2
蘇黎世聯邦理工學院 (Switzerland) — 27.0
IBM (USA) — 25.8
華盛頓大學 (USA) — 24.0
法國國家信息與自動化研究所 (France) — 23.2
洛桑聯邦理工學院 (Switzerland) — 22.3
北京大學(China) — 21.6
多倫多大學 (Canada) — 21.4
哈佛大學 (USA) — 19.2
杜克大學 (USA) — 18.7
紐約大學 (USA) — 17.7
劍橋大學 (UK) — 15.1
韓國科學技術院 (South Korea) — 14.8
以色列理工學院 (Israel) — 14.6
加州大學聖地牙哥分校 (USA) — 14.6
威斯康星大學麥迪遜分校 (USA) — 14.4
亞馬遜 (USA) — 14.3
麻薩諸塞大學安姆斯特分校 (USA) — 13.8
倫敦大學學院 (UK) — 13.7
蒙特婁學習算法研究所 (Canada) — 13.5
南加利福尼亞大學 (USA) — 13.5
賓夕法尼亞大學 (USA) — 13.3
首爾大學 (South Korea) — 12.7
約翰斯·霍普金斯大學 (USA) — 12.6
日本理化學研究所 (Japan) — 12.3
2019年人工智慧研究排名前20位的地區
美國 — 1260.2
歐洲經濟區+瑞士 — 431.5
中國 — 184.5
加拿大 — 80.3
日本 — 49.4
韓國 — 46.8
以色列 — 43.3
澳大利亞 — 27.0
印度 — 17.1
新加坡— 13.2
俄羅斯 — 10.6
中國臺灣 — 5.3
沙烏地阿拉伯王國 — 5.0
阿聯 — 2.3
伊朗 — 2.2
南非 — 1.0
智利 — 1.0
馬來西亞 — 0.7
土耳其 — 0.6
紐西蘭 — 0.5
2019年人工智慧研究排名前20位的國家
美國 — 1260.2
中國 — 184.5
英國 — 126.1
法國 — 94.3
加拿大 — 80.3
德國 — 64.5
瑞士 — 59.3
日本 — 49.4
韓國 — 46.8
以色列 — 43.3
澳大利亞 — 27.0
印度 — 17.1
荷蘭 — 15.3
新加坡 — 13.2
丹麥 — 12.2
義大利 — 11.5
瑞典 — 11.3
俄羅斯 — 10.6
芬蘭 — 9.6
奧地利 — 7.4
2019年美國人工智慧研究排名前20位的大學
1.史丹福大學-82.3
2.麻省理工學院-69.8
3.卡內基梅隆大學-67.7
4.伯克利大學-54.0
5.普林斯頓大學-31.5
6.康奈爾大學-30.9
7.喬治亞理工學院-30.1
8.德克薩斯大學奧斯汀分校-29.9
9.伊利諾伊大學-29.4
10.哥倫比亞大學-29.2
11.加州大學洛杉磯分校-27.2
12.華盛頓大學-24
13.哈佛大學-19.2
14.杜克大學-18.7
15.紐約大學-17.7
16.加州大學聖地牙哥分校-14.6
17.威斯康星大學麥迪遜分校-14.4
18.麻薩諸塞大學阿默斯特分校-13.8
19.南加州大學-13.5
20.賓夕法尼亞大學-13.3
2019年全球人工智慧研究排名前20位的大學
1.史丹福大學（美國）-82.3
2.麻省理工學院（美國）-69.8
3.卡內基梅隆大學（美國）-67.7
4.加州大學伯克利分校（美國）-54.0
5.牛津大學（英國）-37.7
6.普林斯頓大學（美國）-31.5
7.康奈爾大學（美國）-30.9
8.喬治亞理工學院（美國）-30.1
9.德克薩斯大學奧斯汀分校（美國）-29.9
10.伊利諾伊大學（美國）-29.4
11.哥倫比亞大學（美國）- 29.2
12.清華大學（中國）-28.4
13.加州大學洛杉磯分校（美國）-27.2
16.法國國家信息與自動化研究所（法國）-23.2
17.洛桑聯邦理工學院（瑞士）- 22.3
18.北京大學（中國）- 21.6
19.多倫多大學（加拿大）-21.4
20.哈佛大學（美國）-19.2
2019年人工智慧研究排名前20位的公司
谷歌 (USA) — 167.3
微軟 (USA) — 51.9
Facebook (USA) — 33.1
IBM (USA) — 25.8
亞馬遜 (USA) — 14.3
騰訊 (China) — 8.8
阿里巴巴 (China) — 7.5
博世 (Germany) — 7.2
Uber (USA) — 7.1
英特爾 (USA) — 6.9
豐田 (Japan) — 6.0
Yandex (Russia) — 5.8
百度 (China) — 5.5
英偉達 (USA) — 5.2
蘋果 (USA) — 4.6
Salesforce (USA) — 4.2
PROWLER.io (UK) — 4.2
Criteo (France) — 3.9
華為 (China) — 3.7
NEC (Japan) — 3.5
更深入的分析學術界 vs. 產業界：總出版指數佔比
學術界佔比：77.8%
產業界佔比：22.2%
NeurIPS 2019和ICML 2019，2200篇論文標題中出現頻率最高的前150個單詞
人均出版指數排名前30的國家
1.瑞士-6.97
2.以色列-4.88
3.美國-3.85
4.新加坡-2.34
5.加拿大-2.17
6.丹麥-2.11
7.英國-1.90
8.芬蘭-1.75
9.法國-1.41
10.瑞典-1.11
11.澳大利亞-1.08
12.韓國-0.91
13.荷蘭-0.89
14.奧地利-0.84
15.德國-0.78
16.拉脫維亞-0.67
17.比利時-0.44
18.愛沙尼亞-0.44
19.日本-0.39
20.挪威-0.32
21.賽普勒斯-0.28
22.阿拉伯聯合大公國-0.26
23.臺灣-0.22
24.愛爾蘭-0.21
25.義大利-0.19
26.沙烏地阿拉伯-0.15
27.希臘-0.14
28.中國-0.13
29.捷克共和國-0.11
30.紐西蘭-0.11
2019年人工智慧研究領先的全球前40大組織(樹圖)
總體而言，排名前40位的組織貢獻了出版指數總數的55% ，在總計2200篇論文中合計為1212.3篇。
人工智慧研究中的競爭力(赫芬達爾指數)
赫芬達爾指數是用來衡量參與者人數與行業的關係，也是衡量參與者之間競爭程度的指標。
其公式如下：
其中，
H值低於100表示這是一個競爭激烈的行業；
H值低於1500表示該行業不集中；
H值在1500到2500之間表示行業集中程度適中；
H值高於2500表示行業集中程度較高。
在這項研究中，H值為146.47，表示行業不集中。也就是說，2019年AI行業沒有出現壟斷的現象。
誰在引領人工智慧行業？現如今，中國和美國在人工智慧領域間的競爭較為激烈。這項排名傾向於站在較平衡角度去研究，但在分析這個問題之前，先來回顧一下歷史：
2016年，人工智慧領域發生了2件大事。
3月份，谷歌的AlphaGo成為首個擊敗圍棋9段專業選手李世石的電腦程式；10月，歐巴馬政府發布了一項關於人工智慧未來發展方向和考慮的戰略，名為「為人工智慧的未來做準備」。
在中國，這兩件事推動了政府優先考慮並大幅增加對人工智慧的投入。
2017年7月，中國將2030年設定為人工智慧發展的一個期限：2020年達到人工智慧經濟體的頂級水平，2025年實現重大新突破，2030年成為全球人工智慧的領跑者。
像CNAS這樣的智庫認為，中國的人工智慧戰略反映了歐巴馬政府報告中的關鍵原則——現在是中國在採用人工智慧，而不是美國。
這項研究排名是從2017年開始的，下圖反映了2017年出版指數排名前10的國家。
2017年，美國出版指數是中國的11倍。
而到了2019年，這一差距縮小到了7倍(美國1260.2，中國184.5)。
此外，艾倫人工智慧研究所(Allen Institute for Artificial Intelligence)的分析發現，在被引用次數Top 10的論文中，中國作者的比例穩步上升：2018年，中國作者的比例為26.5%，與美國的29%相差無幾。
有人會說，未來十年，美國在人工智慧領域的競爭力可能會削弱。
而這項排名研究認為，結果將取決於現代人工智慧的三個關鍵要素：算法、硬體和訓練數據。
誰要想在人工智慧領域佔領主導地位，就需要把這三個要素都做好。
目前，美國的優勢在於算法和硬體，而中國的優勢在海量的數據。
排名研究作者認為，雖然很難得出結論，但未來幾年內，美國仍將保持人工智慧領先地位。
One More Thing此項排名研究還公布了數據。
由於人工智慧頂會的數據不會採用標準化的形式，所以分析基本上靠人工手動(HTML解析、Python轉換、大量手工名稱標準化等)。
數據下載連結如下：
http://people.csail.mit.edu/chuvpilo/publications.html
Medium博客：
https://medium.com/@chuvpilo/ai-research-rankings-2019-insights-from-neurips-and-icml-leading-ai-conferences-ee6953152c1a
量子位 MEET 2020 智能未來大會精彩回放來襲！李開復、倪光南、景鯤、周伯文、吳明輝、曹旭東、葉傑平、唐文斌、王硯峰、黃剛、馬原等AI大咖與你一起讀懂人工智慧。掃碼觀看回放吧~ ~