10月中旬，烏鎮(zhèn)智庫聯(lián)合網(wǎng)易科技、網(wǎng)易智能發(fā)布了《烏鎮(zhèn)指數(shù)：全球人工智能發(fā)展報告（2016）》系列報告。報告對人工智能中的一系列熱點問題進(jìn)行了詳細(xì)的剖析，包括企業(yè)分布規(guī)模、投融資情況、研究成果、細(xì)分領(lǐng)域等。

特別是在研究成果部分，在報告中我們有注意到：

在人工智能方向，全球排名TOP50的大學(xué)中沒有一所中國大陸大學(xué)。

這是為什么呢？

報告中指出這份人工智能大學(xué)排名是基于學(xué)術(shù)與影響力兩方面來進(jìn)行排布的，其中：

學(xué)術(shù)包括學(xué)校人工智能領(lǐng)域發(fā)表論文數(shù)量、單論文質(zhì)量、論文被引用數(shù)三個指標(biāo)。

影響力包括人工智能領(lǐng)域杰出校友數(shù)，維基百科人工智能方向被引用數(shù)兩個指標(biāo)。

查閱整份報告之后，我們發(fā)現(xiàn)人工智能全球Top50的大學(xué)幾乎都是來自北美、英國以及其他歐洲地區(qū)的大學(xué)，唯一上榜的亞洲大學(xué)分別是排名37的臺灣大學(xué)、排名47的東京大學(xué)、以及排名50的新加坡國立大學(xué)。為什么中國大陸以及香港的高校都沒有上榜？對此我們對多方進(jìn)行了詢問。

我們首先請教了來自香港理工大學(xué)的曲曉峰，他表示：

排行榜需要完整地看，各項指標(biāo)的設(shè)置到設(shè)計指標(biāo)的人，都要考慮進(jìn)去。

• 首先，這個榜單針對的是人工智能，人工智能的定義其實還是很模糊的，哪些領(lǐng)域、哪些指標(biāo)需要納入進(jìn)來作考慮是比較模糊的。尤其，杰出校友、成功人士多是經(jīng)歷廣泛，難以歸入某校。

• 另外，論文數(shù)量和引用，這個指標(biāo)非常容易統(tǒng)計，但不夠有力。美國大學(xué)發(fā)表英文論文非常容易，這個就容易做得很高。臺灣大學(xué)、東京大學(xué)、新加坡國立大學(xué)都是亞洲的大學(xué)，但國際化做得比較好，所以名次也就比較好。

• 再一個是國防問題。國內(nèi)所有頂尖大學(xué)，都有保密的問題，我們航空航天的科研，是完全對外保密的。而上榜地區(qū)絕大部分是對美透明的，所以那些學(xué)術(shù)成果，對英美是完全開放的。

• 還有一個可能的因素，就是論文引用數(shù)的提升，需要時間。

我主要的感想：

• 一方面是，總體排名上，中國大陸和香港大學(xué)，不至于榜單顯示得這么不堪。榜單所選取的參數(shù)，明顯滯后于現(xiàn)狀，而且由于這些參數(shù)內(nèi)生的特性，還將繼續(xù)滯后一段時間；

• 另一方面是，設(shè)計的指標(biāo)，為了便于統(tǒng)計使用的都是容易獲取的指標(biāo)。例如專利數(shù)、論文數(shù)、引用數(shù)等；專利的問題，歐美日本的習(xí)慣是，一個專利要在多個地區(qū)注冊，因為不同的國家和地區(qū)，專利不通用，誰先搶注算誰的。我國除了少數(shù)幾個國際化的公司，大多數(shù)中小公司和科研院所還沒有這方面的習(xí)慣。

• 最后，即使是現(xiàn)在這個狀況，也很明顯，中國大陸和香港都是在迅速趕超，只不過對于這樣一個參考參數(shù)明顯滯后的榜單而言，要想顯示出當(dāng)前現(xiàn)狀，它的參數(shù)至少落后了幾年的時間。舉個例子，PCA 這種非常簡單的基礎(chǔ)算法，是 MIT 八十年代用在人臉識別上的，現(xiàn)在已經(jīng)沒人這么用了，但只要提到人臉識別，總還是要引用一下。這造成的引用數(shù)還會持續(xù)的虛增好一段時間。但了解現(xiàn)狀的人都知道 MIT 對人臉識別，早已經(jīng)失去興趣了。

我們也咨詢了來自清華大學(xué)的徐魁：

我覺得這種評價方式是不準(zhǔn)確的，這種評價方式有將以往的研究成果的權(quán)重給的很高傾向，也就是說這個指標(biāo)只代表了大陸過去在人工智能方面的成績。

中國最近幾年在深度學(xué)習(xí)、計算機(jī)視覺、語音識別、以及自然語言處理等方面取得了成就是非?？捎^的，而這個影響力現(xiàn)在在整個人工智能領(lǐng)域的全范圍中目前體現(xiàn)不出來。

另外來自新加坡國立大學(xué)的李長勝表示：

我覺得我們國家在人工智能的創(chuàng)新性理論方面和國外相比，尤其是美國還有一定的差距。雖然在應(yīng)用方面我們并不比別人差，但是研發(fā)能力相對較弱，真正有影響力的學(xué)術(shù)成果較少。

另外我覺得國外在基礎(chǔ)研究領(lǐng)域的支持做的比較好，這樣使很多研究者能夠在某一個方向上堅持做下去，會有較多的創(chuàng)新性成果。

此外，一位來自北京大學(xué)人工智能相關(guān)專業(yè)的同學(xué)表示：

感覺是幾方面原因吧：

1、國內(nèi)高校CS的研究普遍是在追趕美國高校的步伐，這跟其他學(xué)科的研究類似；

2、深度學(xué)習(xí)需要大量硬件設(shè)備的支持，國內(nèi)高校條件經(jīng)費相對欠缺；

3、人才的缺乏，CS領(lǐng)域頂尖人才近期還是會留在美國做tenure或是進(jìn)入工業(yè)界，國內(nèi)吸引力不足。

從各方評論來看，大家對于這種以論文數(shù)量、單論文質(zhì)量、論文被引用數(shù)、人工智能領(lǐng)域杰出校友數(shù)、維基百科人工智能方向被引用數(shù)來進(jìn)行人工智能大學(xué)排名是持有不同看法的。

綜合各方意見，AI科技評論君為大家總結(jié)如下：

• 榜單中使用的評價方法將以往的研究成果權(quán)重給的較高，很多經(jīng)典論文（舉例：Hinton、Lecun、Bengio等人的經(jīng)典論文）可能會被多次引用，增加其權(quán)重占比，從而影響了排名。

• 榜單中評價指標(biāo)的設(shè)定選取得是易于統(tǒng)計的指標(biāo)，這使得相關(guān)數(shù)據(jù)容易獲取但是其評價力度不夠。

• 我們國家之前在人工智能的創(chuàng)新性理論方面和國外相比，尤其是美國還有一定的差距。但是中國最近幾年在深度學(xué)習(xí)、計算機(jī)視覺、語音識別、以及自然語言處理等方面取得了成就是非?？捎^的，這個影響力現(xiàn)在在整個人工智能領(lǐng)域的全范圍中目前還體現(xiàn)不出來。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。