谷歌學(xué)術(shù)（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(jì)算機(jī)視覺研究的引用在短期內(nèi)增長(zhǎng)尤甚。在大部分高引論文中，許多都圍繞對(duì)象檢測(cè)和圖像識(shí)別，這些研究對(duì)于自動(dòng)駕駛汽車和監(jiān)督這類技術(shù)來說至關(guān)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(jī)對(duì)戰(zhàn)第二場(chǎng)后出席新聞發(fā)布會(huì)。David Silver（右）是AlphaGo的開發(fā)者之一。

AI相關(guān)論文的高引用量證實(shí)了這的確是一個(gè)“熱門”的研究領(lǐng)域，這還體現(xiàn)在政府對(duì)該領(lǐng)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(xué)的研發(fā)支出增加一倍。

4月，歐盟委員會(huì)宣布將“地平線2020”（Horizon 2020）計(jì)劃下的 AI年度投入增加70%。

谷歌學(xué)術(shù)是同類數(shù)據(jù)庫中規(guī)模最大的，可以追蹤約4億篇學(xué)術(shù)論文和其他學(xué)術(shù)文獻(xiàn)的引用信息。

2020年谷歌學(xué)術(shù)指標(biāo)排名可免費(fèi)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(jì)截至2020年6月它們?cè)诠雀鑼W(xué)術(shù)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(tuán)隊(duì)發(fā)表在《IEEE/CVF計(jì)算機(jī)視覺與模式識(shí)別大會(huì)論文集》（Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition）上的《圖像識(shí)別的深度殘差學(xué)習(xí)》（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(xué)習(xí)》（Deep Learning）是一篇關(guān)于AI技術(shù)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(xué)術(shù)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(biāo)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(zhēng)議。“科研評(píng)估宣言”（Declaration on Research Assessment）要求對(duì)科研產(chǎn)出進(jìn)行更全面的評(píng)價(jià)，評(píng)價(jià)指標(biāo)不僅要看期刊文章，還應(yīng)納入數(shù)據(jù)、軟件、知識(shí)產(chǎn)權(quán)和高素質(zhì)年輕科學(xué)家。

谷歌學(xué)術(shù)統(tǒng)計(jì)的《自然》論文前五名中，有三篇都與AI相關(guān)。另外兩篇是遺傳學(xué)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(xué)習(xí)》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(guān)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(huì)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(xué)雜志》《自然》《科學(xué)》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?yàn)樵谶@些每年吸引全球成千上萬人參加的大會(huì)上，整個(gè)社區(qū)可以共享通常為開源的新軟件，之后對(duì)其做出進(jìn)一步優(yōu)化。

以下為我們精選的幾篇谷歌學(xué)術(shù)統(tǒng)計(jì)的全球最具影響力期刊發(fā)表的最高引文章（點(diǎn)擊標(biāo)題可跳轉(zhuǎn)論文）。

（點(diǎn)擊查閱我們2019年的報(bào)道，包括上述幾篇高引論文在內(nèi)的精選文章。）

《亞當(dāng)：一種隨機(jī)優(yōu)化方法》2015

《國際學(xué)習(xí)表征會(huì)議》，47774次引用

亞當(dāng)（Adam）是一種很受歡迎的深度學(xué)習(xí)優(yōu)化算法——深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)子集，利用類腦人工神經(jīng)網(wǎng)絡(luò)，模仿大腦獲取特定類型知識(shí)的過程。 

在2014年的國際學(xué)習(xí)表征會(huì)議（ICLR）上，如今在谷歌擔(dān)任機(jī)器學(xué)習(xí)研究員的Diederik P. Kingma和加拿大多倫多大學(xué)機(jī)器學(xué)習(xí)組的Jimmy Ba首次在這篇論文中介紹了亞當(dāng)。從那之后，亞當(dāng)在計(jì)算機(jī)視覺和自然語言處理的深度學(xué)習(xí)中得到了廣泛應(yīng)用。

ICLR是最權(quán)威的機(jī)器學(xué)習(xí)大會(huì)之一，為論文被接收的研究人員提供了一個(gè)重要平臺(tái)。2020年5月，該會(huì)議舉辦的虛擬大會(huì)吸引了近90個(gè)國家的5600名參會(huì)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(luò)實(shí)現(xiàn)實(shí)時(shí)對(duì)象檢測(cè)》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(huì)上第一次公布，描述了如今使用最廣泛的一種對(duì)象檢測(cè)算法：R-CNN。

對(duì)象檢測(cè)是計(jì)算機(jī)視覺研究的一個(gè)主要方向，專門檢測(cè)圖像和視頻中的人類、車輛、建筑這類對(duì)象。

第一作者任少卿也是谷歌學(xué)術(shù)2020年最高引論文《圖像識(shí)別的深度殘差學(xué)習(xí)》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(dān)任研究科學(xué)家。

在任少卿等人報(bào)告Faster R-CNN的同一周，Girshick在另一個(gè)會(huì)議——2015年在智利舉辦的IEEE國際計(jì)算機(jī)視覺大會(huì)上公布了一篇關(guān)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。

《通過深度強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)人類水平的控制》2015

《自然》，10394次引用

這篇論文排在谷歌學(xué)術(shù)統(tǒng)計(jì)的排名最高的《自然》文章《深度學(xué)習(xí)》（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(qiáng)化學(xué)習(xí)。強(qiáng)化學(xué)習(xí)是指通過訓(xùn)練機(jī)器學(xué)習(xí)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(tuán)隊(duì)，這家倫敦公司在2014年被谷歌收購，其開發(fā)的AI技術(shù)可用于診斷眼病、節(jié)約能源，以及預(yù)測(cè)復(fù)雜的3D蛋白質(zhì)結(jié)構(gòu)。

《你需要的是注意機(jī)制》2017

《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(xué)習(xí)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(shí)別技術(shù)，以及其他涉及序列分析的應(yīng)用，比如DNA、RNA和肽測(cè)序。Transformer已被用于生成完整的維基百科文章。

今年早些時(shí)候，谷歌研究人員預(yù)測(cè)Transformer還能有文本之外的應(yīng)用，包括生成音樂和圖像。

這篇論文發(fā)表在加州長(zhǎng)灘舉辦的2017年神經(jīng)信息處理系統(tǒng)大會(huì)的會(huì)議論文集中。

《膿毒癥與感染性休克（Sepsis-3）國際共識(shí)定義第三版》2016

《美國醫(yī)學(xué)會(huì)雜志》，8576次引用

這是15年來對(duì)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(jì)每年會(huì)影響全球3000多萬人。

2014年，歐洲危重病醫(yī)學(xué)會(huì)和美國重癥醫(yī)學(xué)會(huì)聯(lián)合領(lǐng)導(dǎo)的這項(xiàng)研究成立了一個(gè)工作組，由19位重癥護(hù)理、傳染病、外科和肺科專家組成，總結(jié)了更一致、可重復(fù)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(xué)學(xué)院的重癥護(hù)理醫(yī)學(xué)教授Mervyn Singer。根據(jù)谷歌學(xué)術(shù)，引用量第二高的論文關(guān)于阿片類藥物，被引3679次。

《limma助力RNA測(cè)序與微陣列研究的差異表達(dá)分析》2015

《核酸研究》，8328次引用

limma是一個(gè)廣泛用于基因表達(dá)實(shí)驗(yàn)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(yīng)用，輕松添加新的功能和改進(jìn)優(yōu)化。

澳大利亞墨爾本沃爾特和伊麗莎·霍爾醫(yī)學(xué)研究所（Walter and Eliza Hall Institute of Medical Research）分子醫(yī)學(xué)部的Matthew Ritchie是這篇論文的第一作者。論文是對(duì)limma包的“理念和設(shè)計(jì)”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(xué)術(shù)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(luò)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(rèn)為是最難掌握的經(jīng)典游戲之一，考驗(yàn)著有生命或沒有生命的棋手。

2016年，名為“AlphaGo”的計(jì)算機(jī)程序打敗了世界圍棋冠軍李世石，這被認(rèn)為是AI技術(shù)史上的一個(gè)重要里程碑。AlphaGo是計(jì)算機(jī)科學(xué)家David Silver在加拿大阿爾伯塔大學(xué)攻讀博士時(shí)的作品。

這篇論文由David Silver和Aja Huang共同領(lǐng)導(dǎo)完成，兩人目前都是谷歌DeepMind的研究科學(xué)家。論文描述了AlphaGo背后的技術(shù)，是谷歌學(xué)術(shù)統(tǒng)計(jì)的《自然》引用量第三高的論文。

2017年，團(tuán)隊(duì)推出了AlphaGo Zero，利用一個(gè)單一神經(jīng)網(wǎng)絡(luò)（而不是兩個(gè)）優(yōu)化了之前的迭代，可以評(píng)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(biāo)題發(fā)表在2019年7月14日的Nature Index的News版塊上