编辑：编辑部 【新智元导读】脑洞问题：如果只看两个AI顶会，其他一概不管，那么最厉害的是哪些国家、哪些机构、哪些企业？按这个路子做出一个排行榜的话，又会是什么样子？（不许说野榜！）
还别说，专注科技界的风险投资公司Thundermark Capital 就年年做这个事，最近，这家公司又推出了他们一年一度的全球AI研究年度排名。
这次他们选择的两个顶会是：ICML 2021和NeurIPS 2021，一共3523篇论文（其中ICML为1184篇，NeurIPS为2339篇）。
不如一起来看看有没有自己熟悉的名字？
2022年人工智能研究排名
Top50 国家/地区
排名 | 国家/地区 | 指数 | 排名 | 国家/地区 | 指数 | 1 | 美国 | 1801.3 | 26 | 越南 | 5.0 | 2 | 中国 | 431.1 | 27 | 阿联酋 | 4.6 | 3 | 英国 | 189.0 | 28 | 智利 | 3.7 | 4 | 德国 | 131.8 | 29 | 挪威 | 3.1 | 5 | 加拿大 | 123.4 | 30 | 巴西 | 2.7 | 6 | 法国 | 116.3 | 31 | 伊朗 | 2.2 | 7 | 韩国 | 101.1 | 32 | 希腊 | 2.2 | 8 | 瑞士 | 100.2 | 33 | 土耳其 | 1.8 | 9 | 以色列 | 73.1 | 34 | 新西兰 | 1.6 | 10 | 日本 | 62.1 | 35 | 巴基斯坦 | 1.3 | 11 | 新加坡 | 46.4 | 36 | 罗马尼亚 | 1.3 | 12 | 澳大利亚 | 46.1 | 37 | 泰国 | 1.2 | 13 | 荷兰 | 33.2 | 38 | 匈牙利 | 1.1 | 14 | 印度 | 31.2 | 39 | 克罗地亚 | 1.0 | 15 | 意大利 | 23.7 | 40 | 爱尔兰 | 0.7 | 16 | 俄罗斯 | 18.9 | 41 | 哥伦比亚 | 0.5 | 17 | 奥地利 | 18.0 | 42 | 墨西哥 | 0.5 | 18 | 沙特阿拉伯 | 14.1 | 43 | 卢森堡 | 0.5 | 19 | 瑞典 | 13.0 | 44 | 捷克 | 0.5 | 20 | 丹麦 | 12.3 | 45 | 塞尔维亚 | 0.3 | 21 | 芬兰 | 10.1 | 46 | 马来西亚 | 0.3 | 22 | 中国台湾 | 8.5 | 47 | 乌拉圭 | 0.3 | 23 | 比利时 | 7.1 | 48 | 哥斯达黎加 | 0.2 | 24 | 西班牙 | 6.7 | 49 | 葡萄牙 | 0.1 | 25 | 波兰 | 6.3 | 50 | 冰岛 | 0.1 |
Top100 全球大学
由于篇幅有限，在表格中只列全球前20个AI研究排名的大学。部分大学表格内是缩写（不一定严谨），后附全称。
因为Thundermark Capital本身的失误，上图中把南洋理工大学标为中国的大学。相信新加坡的朋友们不会太介意……吧？
排名 | 学校 | 指数 | 排名 | 学校 | 指数 | 1 | MIT（美国） | 107.1 | 11 | EPFL（瑞士） | 42.5 | 2 | 斯坦福（美国） | 102.7 | 12 | KAIST（韩国） | 42.4 | 3 | CMU（美国） | 86.0 | 13 | 北大 (中国) | 41.1 | 4 | UCB（美国） | 82.3 | 14 | 康奈尔（美国） | 39.6 | 5 | 牛津（英国） | 67.7 | 15 | UW（美国） | 39.4 | 6 | 清华 (中国) | 65.5 | 16 | NYU（美国） | 36.6 | 7 | UCLA（美国） | 48.0 | 17 | NUS（新加坡） | 35.2 | 8 | ETH（瑞士） | 47.7 | 18 | Gatech（美国） | 33.7 | 9 | UT Austin（美国） | 47.6 | 19 | 哥大（美国） | 32.9 | 10 | 普林斯顿（美国） | 44.8 | 20 | UofT（加拿大） | 32.4 |
MIT=麻省理工学院；CMU=卡内基梅隆大学；UCB=加利福尼亚大学伯克利分校；UCLA=加利福尼亚大学洛杉矶分校；ETH=苏黎世联邦理工学院；UT Austin=得克萨斯大学奥斯汀分校；EPFL=洛桑联邦理工学院；KAIST=韩国科学技术院；UW=华盛顿大学；NYU=纽约大学；NUS=新加坡国立大学；Gatech=佐治亚理工学院；哥大=哥伦比亚大学；UofT=多伦多大学
其他上榜的中国大学还有：
排名 | 学校 | 指数 | 排名 | 学校 | 指数 | 27 | 上海交通大学 | 25.2 | 73 | 中国科学院 | 9.0 | 43 | 中国科学技术大学 | 16.0 | 84 | 复旦大学 | 7.6 | 48 | 南京大学 | 14.2 | 88 | 香港大学 | 6.7 | 53 | 香港中文大学 | 13.7 | 90 | 中山大学 | 6.6 | 54 | 香港科技大学 | 13.1 | 92 | 中国人民大学 | 6.4 | 62 | 浙江大学 | 10.8 |
|
|
|
Top100 全球企业
排名 | 企业 | 指数 | 排名 | 企业 | 指数 | 1 | 谷歌 (美国) | 200.2 | 11 | 百度 (中国) | 9.7 | 2 | 微软 (美国) | 79.3 | 12 | NTT (日本) | 7.5 | 3 | Meta (美国) | 54.9 | 13 | 苹果 (美国) | 7 | 4 | 亚马逊 (美国) | 26.5 | 14 | OpenAI (美国) | 6.7 | 5 | IBM (美国) | 26.3 | 15 | 英特尔 (美国) | 6.7 | 6 | 华为 (中国) | 21.8 | 16 | Adobe (美国) | 6.2 | 7 | 阿里巴巴 (中国) | 13.1 | 17 | Salesforce (美国) | 6.0 | 8 | 英伟达 (美国) | 12.5 | 18 | Yandex (俄罗斯) | 6.0 | 9 | 腾讯 (中国) | 10.2 | 19 | NEC (日本) | 5.0 | 10 | 三星（韩国） | 10.0 | 20 | VinAI (越南) | 4.5 |
其他上榜的中国企业机构有
排名 | 企业 | 指数 | 排名 | 企业 | 指数 | 23 | 字节跳动 | 3.5 | 42 | 联发科 | 1.3 | 24 | 京东 | 3.5 | 50 | 快手国际版 | 1.2 | 25 | 快手科技 | 3.2 | 54 | 平安科技 | 1.0 | 26 | 旷视科技 | 3.0 | 62 | 启元世界 | 1.0 | 27 | 商汤科技 | 2.9 | 66 | 第四范式 | 0.9 | 30 | 蚂蚁集团 | 2.5 | 79 | 美团 | 0.7 | 37 | 地平线机器人 | 1.6 | 80 | 海康威视 | 0.7 | 41 | 网易 | 1.4 | 97 | 滴滴出行 | 0.5 |
排名方法
这个排名的方法参考了Nature Index，这个指标的计算方法是这样的：
为了收集一个国家、一个地区或一个机构对一篇文章的贡献，并确保不会重复计算，Nature Index使用分数计算，综合考虑到每篇文章的作者份额。
计入Nature Index的每篇文章总分为 1，在每个人的贡献相同的情况下，由所有作者平均分享。比如一篇文章有10个作者，那么每个作者得到的分数为0.1。如果一位作者所属的机构不只一家，作者的分数会平均分配给这些机构。
最终，一个研究机构的总分，是旗下所有作者分配给该机构分数的总和。
国家/地区分数的计算过程与此类似，但由于一些机构有海外实验室，这些实验室将被计入所在国家/地区的总分，因此计算过程比较复杂。
说完了Nature Index，来说说这份报告的分数计算。
其实和Nature Index基本相同，唯一的区别是，这份报告将企业或机构的海外实验室的论文计入其总部所在的国家/地区，而不是其实际驻在国家/地区。
确实，这么算可能会有争议，但这种方法更好地反映了知识产权的分配和对总部（而不是对当地实验室）的利益累积。
以DeepMind为例，这是一家位于英国的人工智能研究实验室，2014年被总部位于美国的跨国公司谷歌收购。
按照上面的计算方式，DeepMind发表的论文会计入其目前的所有者——谷歌，也就是美国。这可能会让英国的朋友们失望了。然而，仅凭会议论文集，在地图上定位每个作者的位置过于复杂了，现在这个方法是唯一一致的作者身份处理方法。
希望这两个AI顶会的组织者今后能进一步提供作者的详细信息，这样就可以排出两个版本的榜单，一个是基于企业所有权结构的排名，另一个是基于作者所在地的排名。
举一个具体例子。
如果一篇论文有五个作者——其中三个来自MIT，一个来自牛津大学，一个来自谷歌。首先，每个作者将得到五分之一的分数，即每人0.2分。因此，仅从这篇论文来看，MIT将获得3*0.2=0.6分，牛津大学获得0.2分，谷歌获得0.2分。
由于MIT位于美国，所以美国的分数增加0.6分。同样，由于牛津大学在英国，欧洲经济区+瑞士+英国地区将增加0.2分。
最后，谷歌是一家总部设在美国的跨国公司，因此美国的分数将额外增加0.2，总共获得0.8分。
如果一个作者附属于多家不同机构，在计算时会把对应分数平均分给每个附属机构。
比如上面说的这个例子，如果最后一位作者列出了两个附属机构，即谷歌和斯坦福大学，那么谷歌和斯坦福大学都将获得额外的0.2/2=0.1分。
从直观的角度出发，谷歌的指数为200，可以解释为谷歌在2021年的这两个AI会议上发表了200篇完整的论文。
关于参考数据集，榜单发布方认为，将ICML和NeurIPS的论文合并到同一个数据集中是公平的。
这两个会议在顶级AI研究人员中的感知威望（可以理解为「口碑」）接近。从研究机构的参与度，以及论文接受率上看，这两个会议的表现也在伯仲之间。（ICML 2021接受率为21.5%，NeurIPS 2021的接受率为20.1%）。
实际上，这份榜单选择ICML和NeurIPS这两个会议作为「机器学习」领域的评价标杆倒是有一定的道理。比如CVPR、ICCV这类顶会可能影响力更大，但它们都有明显侧重的子领域。
在中国计算机学会（CCF）发布的「中国计算机学会推荐国际学术会议和期刊目录」上，在人工智能子类别下共列出了7个A类会议，ICML和NeurIPS均榜上有名。
根据去年7月更新的谷歌学术指标（ Google Scholar Metrics ）对各行业顶会和期刊影响力的排名，NeurIPS和ICML和在「工程和计算机科学」类别中分别位列第4位和第7位。
在清华AMiner对计算机科学顶会的排行榜上，结果也差不多。NeurIPS排名第2，ICML位列第4.
根据Guide2Research梳理的顶会排名，NeurIPS排在第2，而ICML则可以排到第6。
虽然说了这么多，但综合来看这套评价标准并不能称得 | 
最新评论
查看全部评论(1)