編者按：人工智能是當(dāng)前的技術(shù)熱點(diǎn)，也是各國爭奪的技術(shù)制高點(diǎn)。一段時間以來，國內(nèi)外都有不少聲音認(rèn)為中國有可能在AI方面取得領(lǐng)先。不過風(fēng)投機(jī)構(gòu)Thundermark的主理合伙人Gleb Chuvpilo通過分析AI領(lǐng)域內(nèi)最著名的AI研究學(xué)術(shù)會議的入選論文作者與組織后認(rèn)為，在先進(jìn)AI技術(shù)貢獻(xiàn)方面，中國跟西方還差得遠(yuǎn)。
雖然媒體可能想引導(dǎo)你往那方面想，但在人工智能研究方面，西方仍然遙遙領(lǐng)先，并沒有中國坐上頭把交椅的迫在眉睫。為什么我們會知道這一點(diǎn)？因?yàn)槲覀兩钊胝{(diào)查了最有名望的國際AI研究場所，神經(jīng)信息處理系統(tǒng)大會（NIPS）。NIPS 2017是最近的一次，在加州長灘舉行，吸引的注冊觀眾超過了8000人，比上一年增加了2000.會議收到了3240篇論文，其中有679篇被錄用，通過率為21%。我們通過這些會議論文集研究了這670篇錄用論文，編譯出了一份多達(dá)2497人的作者極其隸屬組織（當(dāng)然有很多都是重復(fù)的）的完整清單，然后計(jì)算出所謂的發(fā)表指數(shù)（Publication Index）。
下圖就是結(jié)果，大體上遵從了因子為3的冪次定律分布：美國的領(lǐng)先優(yōu)勢明顯，發(fā)表指數(shù)達(dá)到414，排在其次的是西歐，指數(shù)為136，中國雖然排名第三，但指數(shù)只有39。（另外說一下，我們把西歐定義為EEA（歐洲經(jīng)濟(jì)區(qū)）+瑞士，而EEA包括歐盟、挪威、盧森堡；我們覺得把這些歐洲國家捆綁到一起是合理的，因?yàn)樗麄冎g有著健康的研究經(jīng)費(fèi)協(xié)調(diào)以及跨國合作）
在NIPS 2017上發(fā)表了AI研究的前10大地區(qū)（藍(lán)色為學(xué)術(shù)發(fā)表指數(shù)，橙色為行業(yè)發(fā)表指數(shù)）
我們建立的這個發(fā)表指數(shù)的機(jī)制是這樣：每發(fā)表一篇文章就得1分，由N位作者平分，每位得1/N分（假設(shè)大家的貢獻(xiàn)一樣）。然后我們再把這些分?jǐn)?shù)分配給每一位作者主要隸屬的組織（有時候甚至還有第二、第三隸屬組織，但本次研究忽略這個了）。比方說，如果一篇論文有5位作者——3位來自MIT，一位來自牛津大學(xué)，一位來自Google——則每位作者可得1/5，也就是0.2分。因此，光靠這一篇論文，MIT的發(fā)表指數(shù)就增加了3*0.2=0.6分，而牛津大學(xué)指數(shù)會增加0.2分，Google也會加0.2分。由于MIT是美國的，所以這會給美國的發(fā)表指數(shù)增加0.6分。類似地，牛津大學(xué)是英國的，EEA+瑞士區(qū)會增加0.2。最后，Google是一家總部位于美國的跨國企業(yè)，因此美國的發(fā)表指數(shù)還會增加0.2.其總得分就是0.8。這里的想法是建立一套一致的方法論，把分?jǐn)?shù)按照出版物作者數(shù)反比進(jìn)行分配，這種做法應(yīng)該會產(chǎn)生一組聚合度相當(dāng)高的統(tǒng)計(jì)數(shù)字。
現(xiàn)在你可能對特定國家而不是群體的排名情況很感興趣：
NIPS 2017上AI研究排名前10的國家
這里的結(jié)構(gòu)甚至更加引人注目，美國在AI研究方面仍然以發(fā)表指數(shù) 414一騎絕塵，但是接下來的玩家卻要小了一個數(shù)量級，其中中國是39，法國為37，英國是34。換句話說，在發(fā)表先進(jìn)AI研究方面，美國比中國領(lǐng)先10倍。
研究這些數(shù)據(jù)時我們還有哪些發(fā)現(xiàn)呢？如果要你猜全球前5大AI研究領(lǐng)導(dǎo)者（學(xué)術(shù)和行業(yè)方面）的話，你覺得會是誰呢？
按照NIPS 2017論文發(fā)表數(shù)排名的前25大領(lǐng)先AI研究組織（學(xué)術(shù)及行業(yè)）
這一塊也是美國占據(jù)了領(lǐng)先位置。毫無疑問，有著DeepMind、Google Brain以及Google Research等研究部門以及海量消費(fèi)者及企業(yè)數(shù)據(jù)的Google是翹楚。緊隨其后的是4家任何有抱負(fù)的AI和機(jī)器人學(xué)博士生夢想進(jìn)入的研究生院——卡內(nèi)基梅隆大學(xué)（CMU）、麻省理工學(xué)院（MIT）、斯坦福大學(xué)以及加州大學(xué)伯克利分校，分別占據(jù)2、3、4、5的位置。
接下來我們再看看學(xué)術(shù)界和產(chǎn)業(yè)界在爭奪出色的AI研究人員方面的戰(zhàn)況如何：
NIPS 2017學(xué)術(shù)界與產(chǎn)業(yè)界的AI研究情況
很有趣的是，現(xiàn)在有1/5的AI研究來自于產(chǎn)業(yè)。博士生、博士后以及主要研究者為了“陰暗面”工作后必須放棄一切發(fā)表自身成果的希望的日子已經(jīng)一去不復(fù)返了。這是很大的變化，令人鼓舞的是AI研究這個社區(qū)仍在堅(jiān)持開放研究成果。戰(zhàn)斗尚未取得勝利，因?yàn)槲覀冞€沒有看到蘋果在NIPS 2017上發(fā)表任何的研究，而蘋果是該領(lǐng)域的關(guān)鍵玩家之一，Siri app和HomePod都是這方面的應(yīng)用。
既然談到了企業(yè)這個主題，我們不妨看看他們相互之間的情況比較：
在NIPS 2017上AI研究領(lǐng)先的20家全球公司
Google自然是排名第一。有著精英云集的微軟研究院的微軟占據(jù)第二的位置，F(xiàn)acebook憑借FAIR的貢獻(xiàn)排名第三。擁有Watson的IBM排在第四。而有著豐田研究所的豐田公司排名第6。
我們研究的最后一個問題是如果你要讀研，希望被頂級的AI研究人員包圍的話，應(yīng)該去哪一所大學(xué)（至少基于我們從NIPS了解到的東西）？先從美國的大學(xué)開始：
美國在NIPS 2017上AI研究領(lǐng)先的20所大學(xué)
如果你對去全球任何一個地方讀研持開放態(tài)度的話，以下是全球前25的圖表：
全球在NIPS 2017上AI研究領(lǐng)先的25所大學(xué)
最后，我們可以給對NIPS 2017的分析下結(jié)論了。當(dāng)然，可能仍然有許多開放性的問題。比方說，你可能會問如果中國對其最新的AI研究保守秘密呢？也許這就是中國大學(xué)和公司沒有發(fā)表更多論文的原因呢？盡管絕對存在這種可能性，但我們傾向認(rèn)為這不大可能。畢竟，對于任何中國的AI研究人員來說，在NIPS上發(fā)表論文是在全世界獲得就業(yè)機(jī)會的敲門磚。更有可能的解釋是中國落后了，而他們的AI戰(zhàn)略實(shí)際上上抄襲別人的研究成果，然后應(yīng)用到國內(nèi)的數(shù)據(jù)集上。用Peter Thiel的《從0到1》里面的話來說，“中國已經(jīng)直接復(fù)制了發(fā)達(dá)國家的有用之物：19世紀(jì)的鐵路、20世紀(jì)的空調(diào)，甚至整個城市。也許這種復(fù)制可以使中國在建設(shè)道路上少走幾步——比如，不用安裝陸上線路，直接實(shí)現(xiàn)無線通信，但是，這依然是在復(fù)制。”新美國安全中心（The Center for a New American Security）在其《人工智能時代的戰(zhàn)略優(yōu)勢》報(bào)告中似乎也同意這一點(diǎn)：
奧巴馬當(dāng)政的最后一年間，白宮發(fā)布了幾份旨在提高美國人工智能政策連貫性的文件。所涉及的問題涵括了從管制到創(chuàng)新以及偏見等范疇，這些報(bào)告推動了科學(xué)家與政府官員的一系列對話。本報(bào)告的其中一些作者認(rèn)為，其實(shí)中國的AI戰(zhàn)略折射的是奧巴馬當(dāng)局那份報(bào)告的關(guān)鍵原則——現(xiàn)在接受它的是中國而不是美國。
如果你對我們這份NIPS 2017數(shù)據(jù)集感興趣，可以到這里下載。此外，今年12月NIPS 2018即將在蒙特利爾舉行，屆時我們也會相應(yīng)更新這份分析。如果你對AI研究感興趣的話，那另一場會議你也需要關(guān)注一下：機(jī)器學(xué)習(xí)國際會議（ICML）。這是重要性僅次于NIPS的國際性AI研究會議，2018年它的論文通過率為25.1%。我們也會在接下來的文章中對ICML 2018的論文集進(jìn)行類似的分析。不過如果你等不及的話，可以去看看Robbie Allen的出色工作（你會注意到他的方法論不一樣，但是總體結(jié)論還是一樣的）。
附：排名清單匯總
在NIPS 2017發(fā)表論文排行前10的國家地區(qū)
美國
歐洲（EEA+瑞士）
中國
日本
加拿大
以色列
韓國
澳大利亞
新加坡
印度
NIPS 2017上AI研究領(lǐng)先的十大國家
美國
中國
法國
英國
日本
加拿大
以色列
瑞士
德國
芬蘭
NIPS 2017 AI研究前25大全球組織（發(fā)表指數(shù)）
Google（美國）
卡內(nèi)基梅隆大學(xué)（美國）
麻省理工學(xué)院（美國）
斯坦福大學(xué)（美國）
加州大學(xué)伯克利分校（美國）
微軟（美國）
伊利諾伊大學(xué)香檳分校（美國）
法國國家信息與自動化研究所（法國）
蘇黎世聯(lián)邦理工學(xué)院（瑞士）
杜克大學(xué)（美國）
多倫多大學(xué)（美國）
普林斯頓大學(xué)（美國）
劍橋大學(xué)（英國）
喬治亞理工學(xué)院（美國）
牛津大學(xué)（英國）
洛桑聯(lián)邦理工學(xué)院（瑞士）
密歇根大學(xué)（美國）
紐約大學(xué)（美國）
哈佛大學(xué)（美國）
哥倫比亞大學(xué)（美國）
清華大學(xué)（中國）
康奈爾大學(xué)（美國）
以色列理工學(xué)院（以色列）
南加州大學(xué)（美國）
Facebook（美國）
NIPS 2017 AI研究前20大公司
Google（美國）
微軟（美國）
Facebook（美國）
IBM（美國）
豐田（日本）
Adobe（美國）
Amazon（美國）
NTT（日本）
OpenAI（日本）
NEC（日本）
迪斯尼（美國）
騰訊（中國）
三菱（日本）
Curious AI（芬蘭）
prowler.io（英國）
諾基亞（芬蘭）
NVIDIA（美國）
百度（中國）
英特爾（美國）
Salesforce（美國）
NIPS 2017 AI研究20大美國大學(xué)
卡內(nèi)基梅隆大學(xué)（美國）
麻省理工學(xué)院（美國）
斯坦福大學(xué)
加州大學(xué)伯克利分校
伊利諾伊大學(xué)香檳分校
杜克大學(xué)
普林斯頓大學(xué)
喬治亞理工學(xué)院
密歇根大學(xué)
紐約大學(xué)
哈佛大學(xué)
哥倫比亞大學(xué)
康奈爾大學(xué)
南加州大學(xué)
德州大學(xué)奧斯汀分校
加州大學(xué)洛杉磯分校
加州大學(xué)圣地亞哥分校
威斯康星大學(xué)
馬薩諸塞大學(xué)阿默斯特分校
華盛頓大學(xué)
NIPS 2017AI 研究領(lǐng)先的前25大全球大學(xué)
卡內(nèi)基梅隆大學(xué)（美國）
麻省理工學(xué)院（美國）
斯坦福大學(xué)（美國）
加州大學(xué)伯克利分校（美國）
伊利諾伊大學(xué)香檳分校（美國）
法國國家信息與自動化研究所（法國）
蘇黎世聯(lián)邦理工學(xué)院（瑞士）
杜克大學(xué)（美國）
多倫多大學(xué)（加拿大）
普林斯頓大學(xué)（美國）
劍橋大學(xué)（英國）
喬治亞理工學(xué)院（美國）
牛津大學(xué)（英國）
洛桑理工學(xué)院（瑞士）
密歇根大學(xué)（美國）
紐約大學(xué)（美國）
哈佛大學(xué)（美國）
哥倫比亞大學(xué)（美國）
清華大學(xué)（中國）
康納爾大學(xué)（美國）
以色列理工學(xué)院（以色列）
南加州大學(xué)（美國）
德州大學(xué)奧斯汀分校（美國）
加州大學(xué)洛杉磯分校（美國）
加州大學(xué)圣地亞哥分校（美國）
原文鏈接：https://medium.com/@chuvpilo/whos-ahead-in-ai-research-insights-from-nips-most-prestigious-ai-conference-df2c361236f6
編譯組出品。編輯：郝鵬程。
聯(lián)系客服
