10月中旬，烏鎮(zhèn)智庫(kù)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(bào)告（2016）》系列報(bào)告。報(bào)告對(duì)人工智能中的一系列熱點(diǎn)問(wèn)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(bào)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(méi)有一所中國(guó)大陸大學(xué)。

這是為什么呢？

報(bào)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(lái)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(gè)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(gè)指標(biāo)。

查閱整份報(bào)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(lái)自北美、英國(guó)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(tái)灣大學(xué)、排名47的東京大學(xué)、以及排名50的新加坡國(guó)立大學(xué)。為什么中國(guó)大陸以及香港的高校都沒(méi)有上榜？對(duì)此我們對(duì)多方進(jìn)行了詢(xún)問(wèn)。

我們首先請(qǐng)教了來(lái)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(xiàng)指標(biāo)的設(shè)置到設(shè)計(jì)指標(biāo)的人，都要考慮進(jìn)去。

• 首先，這個(gè)榜單針對(duì)的是人工智能，人工智能的定義其實(shí)還是很模糊的，哪些領(lǐng)域、哪些指標(biāo)需要納入進(jìn)來(lái)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(gè)指標(biāo)非常容易統(tǒng)計(jì)，但不夠有力。美國(guó)大學(xué)發(fā)表英文論文非常容易，這個(gè)就容易做得很高。臺(tái)灣大學(xué)、東京大學(xué)、新加坡國(guó)立大學(xué)都是亞洲的大學(xué)，但國(guó)際化做得比較好，所以名次也就比較好。

• 再一個(gè)是國(guó)防問(wèn)題。國(guó)內(nèi)所有頂尖大學(xué)，都有保密的問(wèn)題，我們航空航天的科研，是完全對(duì)外保密的。而上榜地區(qū)絕大部分是對(duì)美透明的，所以那些學(xué)術(shù)成果，對(duì)英美是完全開(kāi)放的。

• 還有一個(gè)可能的因素，就是論文引用數(shù)的提升，需要時(shí)間。

我主要的感想：

• 一方面是，總體排名上，中國(guó)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(shí)間；

• 另一方面是，設(shè)計(jì)的指標(biāo)，為了便于統(tǒng)計(jì)使用的都是容易獲取的指標(biāo)。例如專(zhuān)利數(shù)、論文數(shù)、引用數(shù)等；專(zhuān)利的問(wèn)題，歐美日本的習(xí)慣是，一個(gè)專(zhuān)利要在多個(gè)地區(qū)注冊(cè)，因?yàn)椴煌膰?guó)家和地區(qū)，專(zhuān)利不通用，誰(shuí)先搶注算誰(shuí)的。我國(guó)除了少數(shù)幾個(gè)國(guó)際化的公司，大多數(shù)中小公司和科研院所還沒(méi)有這方面的習(xí)慣。

• 最后，即使是現(xiàn)在這個(gè)狀況，也很明顯，中國(guó)大陸和香港都是在迅速趕超，只不過(guò)對(duì)于這樣一個(gè)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(shí)間。舉個(gè)例子，PCA 這種非常簡(jiǎn)單的基礎(chǔ)算法，是 MIT 八十年代用在人臉識(shí)別上的，現(xiàn)在已經(jīng)沒(méi)人這么用了，但只要提到人臉識(shí)別，總還是要引用一下。這造成的引用數(shù)還會(huì)持續(xù)的虛增好一段時(shí)間。但了解現(xiàn)狀的人都知道 MIT 對(duì)人臉識(shí)別，早已經(jīng)失去興趣了。

我們也咨詢(xún)了來(lái)自清華大學(xué)的徐魁：

我覺(jué)得這種評(píng)價(jià)方式是不準(zhǔn)確的，這種評(píng)價(jià)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(shuō)這個(gè)指標(biāo)只代表了大陸過(guò)去在人工智能方面的成績(jī)。

中國(guó)最近幾年在深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別、以及自然語(yǔ)言處理等方面取得了成就是非?？捎^的，而這個(gè)影響力現(xiàn)在在整個(gè)人工智能領(lǐng)域的全范圍中目前體現(xiàn)不出來(lái)。

另外來(lái)自新加坡國(guó)立大學(xué)的李長(zhǎng)勝表示：

我覺(jué)得我們國(guó)家在人工智能的創(chuàng)新性理論方面和國(guó)外相比，尤其是美國(guó)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(duì)較弱，真正有影響力的學(xué)術(shù)成果較少。

另外我覺(jué)得國(guó)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(gè)方向上堅(jiān)持做下去，會(huì)有較多的創(chuàng)新性成果。

此外，一位來(lái)自北京大學(xué)人工智能相關(guān)專(zhuān)業(yè)的同學(xué)表示：

感覺(jué)是幾方面原因吧：

1、國(guó)內(nèi)高校CS的研究普遍是在追趕美國(guó)高校的步伐，這跟其他學(xué)科的研究類(lèi)似；

2、深度學(xué)習(xí)需要大量硬件設(shè)備的支持，國(guó)內(nèi)高校條件經(jīng)費(fèi)相對(duì)欠缺；

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

從各方評(píng)論來(lái)看，大家對(duì)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(lái)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(jiàn)，AI科技評(píng)論君為大家總結(jié)如下：

• 榜單中使用的評(píng)價(jià)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(huì)被多次引用，增加其權(quán)重占比，從而影響了排名。

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

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

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