原文作者：Bec Crew
人工智能相关论文一枝独秀。
谷歌学术（Google Scholar）公布了其年度最高引文章排名。人工智能（AI）研究再次拔得头筹，在过去一年里获得了大量引用。
计算机视觉研究的引用在短期内增长尤甚。在大部分高引论文中，许多都围绕对象检测和图像识别，这些研究对于自动驾驶汽车和监督这类技术来说至关重要。
中国围棋棋手柯洁（左）在与谷歌的人工智能程序AlphaGo人机对战第二场后出席新闻发布会。David Silver（右）是AlphaGo的开发者之一。
AI相关论文的高引用量证实了这的确是一个“热门”的研究领域，这还体现在政府对该领域越来越重视。
2月，美国政府宣布到2022年， 将非国防AI和量子信息科学的研发支出增加一倍。
4月，欧盟委员会宣布将“地平线2020”（Horizon 2020）计划下的 AI年度投入增加70%。
巨大飞跃
谷歌学术是同类数据库中规模最大的，可以追踪约4亿篇学术论文和其他学术文献的引用信息。
2020年谷歌学术指标排名可免费在线获取，该排名追踪的论文发表于2015年至2019年之间，并统计截至2020年6月它们在谷歌学术所有论文中的被引情况。
被引最多的论文是2016年微软一支团队发表在《IEEE/CVF计算机视觉与模式识别大会论文集》（Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition）上的《图像识别的深度残差学习》（Deep Residual Learning for Image Recognition）。这篇论文的被引量从2019年的25256次一举增至2020年的49301次。
《自然》2015年发表的《深度学习》（Deep Learning）是一篇关于AI技术潜力的开创性综述，被引量从2019年的16750次增至2020年的27375次。
这也是《自然》发表论文中引用量最高的一篇。根据谷歌学术的H5指数（追踪过去五年内发表文章的H指数），《自然》是影响力最高的期刊。
根据引用量或发表期刊这类较为狭窄的指标来判断研究质量虽然是常规做法，但在科研界也受到了越来越大的争议。“科研评估宣言”（Declaration on Research Assessment）要求对科研产出进行更全面的评价，评价指标不仅要看期刊文章，还应纳入数据、软件、知识产权和高素质年轻科学家。
AI大会效应
谷歌学术统计的《自然》论文前五名中，有三篇都与AI相关。另外两篇是遗传学论文，但AI论文的引用数量明显高很多。
举例来说，AI论文《深度学习》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相关论文《分析60706人的蛋白编码基因变异》（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会议的出版物。这些出版物上的论文被引用的速度超过了《新英格兰医学杂志》《自然》《科学》这类高影响力期刊上的文章。
引用量上升速度如此之快，一定程度上可能是因为在这些每年吸引全球成千上万人参加的大会上，整个社区可以共享通常为开源的新软件，之后对其做出进一步优化。
以下为我们精选的几篇谷歌学术统计的全球最具影响力期刊发表的最高引文章（点击标题可跳转论文）。
（点击查阅我们2019年的报道，包括上述几篇高引论文在内的精选文章。）
《国际学习表征会议》，47774次引用
亚当（Adam）是一种很受欢迎的深度学习优化算法——深度学习是机器学习的一个子集，利用类脑人工神经网络，模仿大脑获取特定类型知识的过程。
在2014年的国际学习表征会议（ICLR）上，如今在谷歌担任机器学习研究员的Diederik P. Kingma和加拿大多伦多大学机器学习组的Jimmy Ba首次在这篇论文中介绍了亚当。从那之后，亚当在计算机视觉和自然语言处理的深度学习中得到了广泛应用。
ICLR是最权威的机器学习大会之一，为论文被接收的研究人员提供了一个重要平台。2020年5月，该会议举办的虚拟大会吸引了近90个国家的5600名参会者——较2019年的2700人增加了一倍有余。
《Faster R-CNN：通过区域候选网络实现实时对象检测》2015
《神经信息处理系统》，19507次引用
这篇论文在加拿大举办的2015年神经信息处理系统年会上第一次公布，描述了如今使用最广泛的一种对象检测算法：R-CNN。
对象检测是计算机视觉研究的一个主要方向，专门检测图像和视频中的人类、车辆、建筑这类对象。
第一作者任少卿也是谷歌学术2020年最高引论文《图像识别的深度残差学习》的作者之一，这篇论文已经获得了近5万次引用。
这篇论文的合著者还有Ross Girshick，他也是R-CNN的提出者之一，目前在 Facebook AI担任研究科学家。
在任少卿等人报告Faster R-CNN的同一周，Girshick在另一个会议——2015年在智利举办的IEEE国际计算机视觉大会上公布了一篇关于另一版本R-CNN——Fast R-CNN——的论文，目前其引用量已经超过1万次。
《自然》，10394次引用
这篇论文排在谷歌学术统计的排名最高的《自然》文章《深度学习》（前文已描述）之后，是2020年引用量第二高的论文。
论文主要聚焦强化学习。强化学习是指通过训练机器学习模型，让它们与环境交互，从而做出一系列决策。
这篇论文的作者来自谷歌DeepMind团队，这家伦敦公司在2014年被谷歌收购，其开发的AI技术可用于诊断眼病、节约能源，以及预测复杂的3D蛋白质结构。
《神经信息处理系统》，9885次引用
这篇论文的作者是Google Brain和Google Research的研究人员，论文提出了一种新的深度学习模型，名为“Transformer”。
Transformer专门用来处理自然语言这类序列数据，可以用于翻译、文本归纳、语音识别技术，以及其他涉及序列分析的应用，比如DNA、RNA和肽测序。Transformer已被用于生成完整的维基百科文章。
今年早些时候，谷歌研究人员预测Transformer还能有文本之外的应用，包括生成音乐和图像。
这篇论文发表在加州长滩举办的2017年神经信息处理系统大会的会议论文集中。
《脓毒症与感染性休克（Sepsis-3）国际共识定义第三版》2016
《美国医学会杂志》，8576次引用
这是15年来对脓毒症与感染性休克定义的第一次正式修订，这篇论文描述的病症估计每年会影响全球3000多万人。
2014年，欧洲危重病医学会和美国重症医学会联合领导的这项研究成立了一个工作组，由19位重症护理、传染病、外科和肺科专家组成，总结了更一致、可重复的脓毒症发病率和患者转归情况。
这篇论文是JAMA迄今为止引用量最高的论文，第一作者是伦敦大学学院的重症护理医学教授Mervyn Singer。根据谷歌学术，引用量第二高的论文关于阿片类药物，被引3679次。
《limma助力RNA测序与微阵列研究的差异表达分析》2015
《核酸研究》，8328次引用
limma是一个广泛用于基因表达实验的开源分析工具，已经存在十几年了。它的主要吸引力在于支持根据新出现的应用，轻松添加新的功能和改进优化。
澳大利亚墨尔本沃尔特和伊丽莎·霍尔医学研究所（Walter and Eliza Hall Institute of Medical Research）分子医学部的Matthew Ritchie是这篇论文的第一作者。论文是对limma包的“理念和设计”的一次综述，主要讲述其过去和现在的特征和功能优化。
《核酸研究》虽然不在谷歌学术影响力最高的前十本期刊中，但比《柳叶刀》（排名第四）拥有更多被引量高于3000的论文。
《自然》，7698次引用
围棋拥有逾2500年的历史，被认为是最难掌握的经典游戏之一，考验着有生命或没有生命的棋手。
2016年，名为“AlphaGo”的计算机程序打败了世界围棋冠军李世石，这被认为是AI技术史上的一个重要里程碑。AlphaGo是计算机科学家David Silver在加拿大阿尔伯塔大学攻读博士时的作品。
这篇论文由David Silver和Aja Huang共同领导完成，两人目前都是谷歌DeepMind的研究科学家。论文描述了AlphaGo背后的技术，是谷歌学术统计的《自然》引用量第三高的论文。
2017年，团队推出了AlphaGo Zero，利用一个单一神经网络（而不是两个）优化了之前的迭代，可以评估哪种围棋招式最有可能获胜——这篇文章的引用量在《自然》论文中排名第八。
原文以Google Scholar reveals its most influential papers for 2020为标题发表在2019年7月14日的Nature Index的News版块上
联系客服
