加国头条 i4cc.ca ｜从这个指标看中国的人工智能仍落后西方很多(组图)

编者按：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。

(image)

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）

(image)

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：

(image)

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？

(image)

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：

(image)

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：

(image)

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：

(image)

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）。