十年AI谁“最能打”？何恺明最佳论文“刷”状元，谷歌机构排名第一
点上方计算机视觉联盟获取更多干货
仅作学术分享，不代表本公众号立场，侵权联系删除
转载于：AI科技评论
985人工智能博士笔记推荐
周志华《机器学习》手推笔记正式开源！附pdf下载链接，Github2500星！
AI领域最能“打”的10位
何恺明作为年轻领域最能打的一位，技能树已经点满（如上图（右）所示）。别人的荣誉都是在某某大厂工作，拿过什么大奖，而何恺明的荣誉是best，best，best。
例如2016 CVPR 最佳论文“Deep Residual Learning for Image Recognition”已经拿下了接近9W的引用数；2017ICCV 最佳论文“Mask R-CNN”也有1w4的引用数。
其他代表性论文包括：
Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks
被引用：24629
Delving Deep into Rectifiers: Surpassing Human-Level Performance on ImageNet Classification
被引数：13029
2017 ICCV 最佳学生论文：Focal Loss for Dense Object Detection
被引数：10036
2020 CVPR 最佳论文提名：Momentum Contrast for Unsupervised Visual Representation Learning
被引数：2034
排名第二的是谷歌大脑研究科学家Diederik P. Kingma，其提出了Adam优化算法的原始论文。另一篇发表在ICLR 2013上的代表性论文“Auto-Encoding Variational Bayes”也获得了16786的引用。
Alex Krizhevsky是Geoff Hinton的高徒，2012年成功训练出了深度卷积神经网络AlexNet。
Christian Szegedy是谷歌的研究科学家。同时也是Inception-v4、Batch normalization的作者。
Karen Simonyan是DeepMind的研究员。代表性工作是ICLR 2015论文“Very Deep Convolutional Networks for Large-Scale Image Recognition ”，目前已经获得了6w5的引用数。
Tomáš Mikolov是捷克理工大学的学者，引用数最高的一篇文章是NeurIPS 2013的论文“Distributed Representations of Words and Phrases and their Compositionality ”。
Ian J. Goodfellow和Yoshua Bengio 、Aaron Courville合著《深度学习》一书，目前是苹果研究员。提出了人工智能领域著名的左右互搏术“GAN”。
Ross B. Girshick是Meta的科学家，2017年与何恺明合著“Faster R-CNN ”，这项工作也是至今为止获得最高引用的一项。
Ilya Sutskever创立并领导 OpenAI。2015 年，麻省理工学院技术评论将 Sutskever 评为 Visionaries 类别的“35 岁以下创新者”。
任少卿，蔚来汽车公司科学家，毕业于中国科学技术大学与微软亚洲研究院联合培养博士班，主攻图像处理和机器视觉方向的研究。和何恺明、孙剑等人提出适用于物体检测的高效框架 Faster RCNN 和图像识别算法 ResNet。
而在最具影响力机构前十名的排名中（见下图）也出现了科技公司占据上风的情况。由此可见，科技公司已经成为AI技术进步上的重要推进者，打破了以往理论与实践之间的隔阂。
2
各领域榜首学者
AI 2000 榜单涵盖21个子领域，主要聚集于美国，以及中国、新加坡、加拿大、德国等国家。
美国依旧在人工智能人才上占有强势领先位置，囊括13个领域的榜首学者。中国收入两个榜首学者，分别是信息检索与推荐和多媒体两个领域；德国收入两个榜首，分别是机器人和可视化两个领域；另外还有意大利取得物联网领域榜首；日本取得计算机图形领域榜首。
值得注意的是，相较于去年美国人才占据了16个人工智能子领域的榜首，今年出现了更多的上榜国家，这间接表明其他国家在逐渐强化自己的优势领域，壮大自己的技术力量。
3
1896名学者来自哪些国家？
从学者国家分布来看，美国入选AI 2000学者及提名学者的数量最多，有1146人次，占比57.3%，超过总人数的一半以上。中国排在美国之后，位列第二，有232人次，占比11.6%。英国位列第三，有115人次，占比5.75%。德国位列第四，人次未超过100，但依旧是欧盟学者数量最多的国家。整个欧洲学者数量表现较上年有所流失。
图：A1 2000 学者及提名学者的国家分布
图：A1 2000 学者及提名学者的国家分布图
4
入选学者的机构分布
从AI 2000最具影响力学者入选数量来看，谷歌、Meta（原Facebook）及微软三大科技公司占据优势地位，公司拥有的顶级AI学者数量，无论是top 10还是top 100数量，均远多于高校。其中位居首位的谷歌公司，共181人次入选榜单，也是唯一一家学者数过百的机构。
从机构所在的国家分布来看，清华大学相较于去年，遗憾离开前十名的位置。前十名均为美国机构，且美国机构学者总体人数遥遥领先。阿里巴巴位列第二十位，相较于去年有所提升。
图：A1 2000 学者及提名学者机构分布
图：A1 2000 学者及提名学者的机构分布图
5
多领域上榜学者
本届AI 2000上榜学者及提名学者中，有95位学者的研究方向涉及了多个领域并且取得杰出成果而上榜，占比5%。
其中，谷歌的Christian Szegedy在3个领域上榜（经典AI排名第1、计算机视觉排名第2及机器学习排名第13）并且排名都较为靠前。Christian Szegedy的h-index值为24，入选论文67篇，引用量128707。虽然论文数量不多，但是引用量极高。
在3个子领域上榜的还有2018年图灵奖得主、加拿大蒙特利尔大学教授Yoshua Bengio。此外还包括两位华人学者，即来自密歇根州立大学的Jiliang Tang教授及来自德克萨斯农工大学的Xia Hu教授。
此外还有86位学者在2个领域有杰出表现而上榜。
图：三个领域上榜学者名单
6
女性学者
在学者性别分布方面，AI 2000上榜学者整体呈现男多女少特征。具体而言，男性学者在人工智能各领域中均占多数，女性学者占少数。在人机交互领域女性学者比例高达37.4%，其榜首学者也为女性学者，知识工程和可视化两个领域，女性学者占比超过了15%，而其他剩余领域占比均为10%以下。
图：AI 2000学者及提名学者全领域性别分布
值得关注的是，来自美国麻省理工学院的女性学者Munmun De Choudhury 在人机交互以及新增的虚拟现实双排名第1，其h-index指数53、入选论文为 184篇、总被引用值9894次，成功当选本年度人机交互领域“最具影响力学者”，也是唯一摘取AI 2000领域榜首桂冠的女性学者。
7
华人学者
图：AI 2000华人学者工作的国家分布
在 AI 2000 全球最具影响力学者榜单中，华人学者的力量是不可忽视的。在去重后的1898位学者中，华人学者有595人，占到了总数的近三分之一。其中，在中国工作的学者一共219人，占所有上榜华人学者的36.8%。
而在21个子领域中，有两位中国学者占据榜首。他们分别是中国科学技术大学大数据学院的何向南教授（信息检索与推荐领域）和阿里的贾扬清（多媒体领域）。
图：信息检索与推荐领域榜首学者何向南
图：多媒体领域榜首学者贾扬清
此外，根据大数据显示的AI 2000华人学者流动图可以看出，中国的华人学者流动呈现出一个积极的正向流入状态；而美国的华人学者流动，呈现出一定的负向流出状态。
图：AI 2000 华人学者流动图
8
总结
整体而言，全球入选AI 2000学者之中，美国共有1146人次，中国有232人次，分布位于第一、第二名。与上届相比，没有出现较大的数据波动。由此可见，美国在人工智能整体人才资源、高水平科研成果上仍然占有绝对优势，这为美国人工智能的发展奠定了坚实的人才基础。
此外数据显示，几大科技巨头在人工智能领域贡献了极大的力量，打破了其他专业上理论和实践之间的壁垒。这使得技术的研发可以依据实际需求进行推进，从而形成一个相辅相成的良性循环，因而可以促使人工智能领域的快速发展。
中国依旧是目前人工智能发展研究热度最高的国家。虽然中国在学者规模上位列第二，与美国相比还存在很大差距，相应的人工智能领域人才队伍建设亟待加强。但是我们不能忽视华人学者在人工智能领域做出的贡献，华人学者上榜人数已占据全榜单的近三分之一。
同时在人才流向上，中国呈现出令人欣喜的正向流入状态。这表示，中国释放出诚招人才的极大诚意得到了反馈，相信未来会有更多优秀的人才加入中国的队伍。
榜单中，女性学者的数量也呈现了逐年上升的趋势，并首次出现了女性学者获得两个榜单榜首。榜单中可以看到很多熟悉的面孔，但同时也出现了很多年轻的学者。这说明人工智能领域是欣欣向荣，正在不断注入新鲜的血液，保证了其快速发展的活力。
最新完整AI2000榜单已在AMiner 平台官网发布，专题页面地址：www.aminer.cn/ai2000
-------------------
END
--------------------
我是王博Kings，985AI博士，华为云专家、CSDN博客专家（人工智能领域优质作者）。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容，欢迎一起交流学习、生活各方面的问题，一起加油进步！
我们微信交流群涵盖以下方向（但并不局限于以下内容）：人工智能，计算机视觉，自然语言处理，目标检测，语义分割，自动驾驶，GAN，强化学习，SLAM，人脸检测，最新算法，最新论文，OpenCV，TensorFlow，PyTorch，开源框架，学习方法...
这是我的私人微信，位置有限，一起进步！
王博的公众号，欢迎关注，干货多多
手推笔记：
思维导图 | “模型评估与选择” | “线性模型” | “决策树” | “神经网络” | 支持向量机（上） | 支持向量机（下） | 贝叶斯分类（上） | 贝叶斯分类（下） | 集成学习（上） | 集成学习（下） | 聚类 | 降维与度量学习 | 稀疏学习 | 计算学习理论 | 半监督学习 | 概率图模型 | 规则学习
增长见识：
博士毕业去高校难度大吗？ | 研读论文有哪些经验之谈？ | 聊聊跳槽这件事儿 | 聊聊互联网工资收入的组成 | 机器学习硕士、博士如何自救？ | 聊聊Top2计算机博士2021年就业选择 | 非科班出身怎么转行计算机？ | 有哪些相见恨晚的科研经验？ | 经验 | 计算机专业科班出身如何提高自己编程能力？ | 博士如何高效率阅读文献 | 有哪些越早知道越好的人生经验？ |
其他学习笔记：
PyTorch张量Tensor | 卷积神经网络CNN的架构 | 深度学习语义分割 | 深入理解Transformer | Scaled-YOLOv4！ | PyTorch安装及入门 | PyTorch神经网络箱 | Numpy基础 | 10篇图像分类 | CVPR 2020目标检测 | 神经网络的可视化解释 | YOLOv4全文解读与翻译总结 |
点分享
点收藏
点点赞
点在看