原文作者：Bec Crew
人工智能相關論文一枝獨秀。
谷歌學術（Google Scholar）公布了其年度最高引文章排名。人工智能（AI）研究再次拔得頭籌，在過去一年里獲得了大量引用。
計算機視覺研究的引用在短期內(nèi)增長尤甚。在大部分高引論文中，許多都圍繞對象檢測和圖像識別，這些研究對于自動駕駛汽車和監(jiān)督這類技術來說至關重要。
中國圍棋棋手柯潔（左）在與谷歌的人工智能程序AlphaGo人機對戰(zhàn)第二場后出席新聞發(fā)布會。David Silver（右）是AlphaGo的開發(fā)者之一。
AI相關論文的高引用量證實了這的確是一個“熱門”的研究領域，這還體現(xiàn)在政府對該領域越來越重視。
2月，美國政府宣布到2022年， 將非國防AI和量子信息科學的研發(fā)支出增加一倍。
4月，歐盟委員會宣布將“地平線2020”（Horizon 2020）計劃下的 AI年度投入增加70%。
巨大飛躍
谷歌學術是同類數(shù)據(jù)庫中規(guī)模最大的，可以追蹤約4億篇學術論文和其他學術文獻的引用信息。
2020年谷歌學術指標排名可免費在線獲取，該排名追蹤的論文發(fā)表于2015年至2019年之間，并統(tǒng)計截至2020年6月它們在谷歌學術所有論文中的被引情況。
被引最多的論文是2016年微軟一支團隊發(fā)表在《IEEE/CVF計算機視覺與模式識別大會論文集》（Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition）上的《圖像識別的深度殘差學習》（Deep Residual Learning for Image Recognition）。這篇論文的被引量從2019年的25256次一舉增至2020年的49301次。
《自然》2015年發(fā)表的《深度學習》（Deep Learning）是一篇關于AI技術潛力的開創(chuàng)性綜述，被引量從2019年的16750次增至2020年的27375次。
這也是《自然》發(fā)表論文中引用量最高的一篇。根據(jù)谷歌學術的H5指數(shù)（追蹤過去五年內(nèi)發(fā)表文章的H指數(shù)），《自然》是影響力最高的期刊。
根據(jù)引用量或發(fā)表期刊這類較為狹窄的指標來判斷研究質(zhì)量雖然是常規(guī)做法，但在科研界也受到了越來越大的爭議?！翱蒲性u估宣言”（Declaration on Research Assessment）要求對科研產(chǎn)出進行更全面的評價，評價指標不僅要看期刊文章，還應納入數(shù)據(jù)、軟件、知識產(chǎn)權和高素質(zhì)年輕科學家。
AI大會效應
谷歌學術統(tǒng)計的《自然》論文前五名中，有三篇都與AI相關。另外兩篇是遺傳學論文，但AI論文的引用數(shù)量明顯高很多。
舉例來說，AI論文《深度學習》是《自然》中引用量最高的，共有27375次引用。排名最高的《自然》非AI相關論文《分析60706人的蛋白編碼基因變異》（Analysis of protein-coding genetic variation in 60,706 humans）只有6387次引用。
在2020年排名前100的期刊中，6本都是AI會議的出版物。這些出版物上的論文被引用的速度超過了《新英格蘭醫(yī)學雜志》《自然》《科學》這類高影響力期刊上的文章。
引用量上升速度如此之快，一定程度上可能是因為在這些每年吸引全球成千上萬人參加的大會上，整個社區(qū)可以共享通常為開源的新軟件，之后對其做出進一步優(yōu)化。
以下為我們精選的幾篇谷歌學術統(tǒng)計的全球最具影響力期刊發(fā)表的最高引文章（點擊標題可跳轉(zhuǎn)論文）。
（點擊查閱我們2019年的報道，包括上述幾篇高引論文在內(nèi)的精選文章。）
《國際學習表征會議》，47774次引用
亞當（Adam）是一種很受歡迎的深度學習優(yōu)化算法——深度學習是機器學習的一個子集，利用類腦人工神經(jīng)網(wǎng)絡，模仿大腦獲取特定類型知識的過程。
在2014年的國際學習表征會議（ICLR）上，如今在谷歌擔任機器學習研究員的Diederik P. Kingma和加拿大多倫多大學機器學習組的Jimmy Ba首次在這篇論文中介紹了亞當。從那之后，亞當在計算機視覺和自然語言處理的深度學習中得到了廣泛應用。
ICLR是最權威的機器學習大會之一，為論文被接收的研究人員提供了一個重要平臺。2020年5月，該會議舉辦的虛擬大會吸引了近90個國家的5600名參會者——較2019年的2700人增加了一倍有余。
《Faster R-CNN：通過區(qū)域候選網(wǎng)絡實現(xiàn)實時對象檢測》2015
《神經(jīng)信息處理系統(tǒng)》，19507次引用
這篇論文在加拿大舉辦的2015年神經(jīng)信息處理系統(tǒng)年會上第一次公布，描述了如今使用最廣泛的一種對象檢測算法：R-CNN。
對象檢測是計算機視覺研究的一個主要方向，專門檢測圖像和視頻中的人類、車輛、建筑這類對象。
第一作者任少卿也是谷歌學術2020年最高引論文《圖像識別的深度殘差學習》的作者之一，這篇論文已經(jīng)獲得了近5萬次引用。
這篇論文的合著者還有Ross Girshick，他也是R-CNN的提出者之一，目前在 Facebook AI擔任研究科學家。
在任少卿等人報告Faster R-CNN的同一周，Girshick在另一個會議——2015年在智利舉辦的IEEE國際計算機視覺大會上公布了一篇關于另一版本R-CNN——Fast R-CNN——的論文，目前其引用量已經(jīng)超過1萬次。
《自然》，10394次引用
這篇論文排在谷歌學術統(tǒng)計的排名最高的《自然》文章《深度學習》（前文已描述）之后，是2020年引用量第二高的論文。
論文主要聚焦強化學習。強化學習是指通過訓練機器學習模型，讓它們與環(huán)境交互，從而做出一系列決策。
這篇論文的作者來自谷歌DeepMind團隊，這家倫敦公司在2014年被谷歌收購，其開發(fā)的AI技術可用于診斷眼病、節(jié)約能源，以及預測復雜的3D蛋白質(zhì)結構。
《神經(jīng)信息處理系統(tǒng)》，9885次引用
這篇論文的作者是Google Brain和Google Research的研究人員，論文提出了一種新的深度學習模型，名為“Transformer”。
Transformer專門用來處理自然語言這類序列數(shù)據(jù)，可以用于翻譯、文本歸納、語音識別技術，以及其他涉及序列分析的應用，比如DNA、RNA和肽測序。Transformer已被用于生成完整的維基百科文章。
今年早些時候，谷歌研究人員預測Transformer還能有文本之外的應用，包括生成音樂和圖像。
這篇論文發(fā)表在加州長灘舉辦的2017年神經(jīng)信息處理系統(tǒng)大會的會議論文集中。
《膿毒癥與感染性休克（Sepsis-3）國際共識定義第三版》2016
《美國醫(yī)學會雜志》，8576次引用
這是15年來對膿毒癥與感染性休克定義的第一次正式修訂，這篇論文描述的病癥估計每年會影響全球3000多萬人。
2014年，歐洲危重病醫(yī)學會和美國重癥醫(yī)學會聯(lián)合領導的這項研究成立了一個工作組，由19位重癥護理、傳染病、外科和肺科專家組成，總結了更一致、可重復的膿毒癥發(fā)病率和患者轉(zhuǎn)歸情況。
這篇論文是JAMA迄今為止引用量最高的論文，第一作者是倫敦大學學院的重癥護理醫(yī)學教授Mervyn Singer。根據(jù)谷歌學術，引用量第二高的論文關于阿片類藥物，被引3679次。
《limma助力RNA測序與微陣列研究的差異表達分析》2015
《核酸研究》，8328次引用
limma是一個廣泛用于基因表達實驗的開源分析工具，已經(jīng)存在十幾年了。它的主要吸引力在于支持根據(jù)新出現(xiàn)的應用，輕松添加新的功能和改進優(yōu)化。
澳大利亞墨爾本沃爾特和伊麗莎·霍爾醫(yī)學研究所（Walter and Eliza Hall Institute of Medical Research）分子醫(yī)學部的Matthew Ritchie是這篇論文的第一作者。論文是對limma包的“理念和設計”的一次綜述，主要講述其過去和現(xiàn)在的特征和功能優(yōu)化。
《核酸研究》雖然不在谷歌學術影響力最高的前十本期刊中，但比《柳葉刀》（排名第四）擁有更多被引量高于3000的論文。
《利用深度神經(jīng)網(wǎng)絡與樹形搜索掌握圍棋下法》2016
《自然》，7698次引用
圍棋擁有逾2500年的歷史，被認為是最難掌握的經(jīng)典游戲之一，考驗著有生命或沒有生命的棋手。
2016年，名為“AlphaGo”的計算機程序打敗了世界圍棋冠軍李世石，這被認為是AI技術史上的一個重要里程碑。AlphaGo是計算機科學家David Silver在加拿大阿爾伯塔大學攻讀博士時的作品。
這篇論文由David Silver和Aja Huang共同領導完成，兩人目前都是谷歌DeepMind的研究科學家。論文描述了AlphaGo背后的技術，是谷歌學術統(tǒng)計的《自然》引用量第三高的論文。
2017年，團隊推出了AlphaGo Zero，利用一個單一神經(jīng)網(wǎng)絡（而不是兩個）優(yōu)化了之前的迭代，可以評估哪種圍棋招式最有可能獲勝——這篇文章的引用量在《自然》論文中排名第八。
原文以Google Scholar reveals its most influential papers for 2020為標題發(fā)表在2019年7月14日的Nature Index的News版塊上
