中美差距何止一丁點！
作者 | 叢末、蔣寶尚
倫敦帝國理工學院機器學習和自然語言處理著名學者Marek Rei 教授從2016年起，每年都會對ML&NLP相關的會議論文進行統計和分析，並一年一度發表分析結果，目前已成為該領域權威性的報告內容。
近期，Marek Rei 再次發佈2019年度機器學習和自然語言處理（ML&NLP）領域的年度統計。
從其分析中，我們可以清晰地看到在ML&NLP領域到底哪家單位最狂（非谷歌莫屬），哪些單位實例雄厚，哪位學者研究突飛猛進，以及中美之間實力差距如何巨大。
根據Marek Rei教授的報告結果，我們一一進行分析！
注：報告統計數據來源於2019年機器學習和NLP相關的會議 和期刊，其中統計範圍包括ACL，EMNLP，NAACL，EACL，COLING，TACL，CL，CoNLL，NeurIPS，ICML，ICLR，AAAI。
1、NeurIPS指數式增長
幾乎所有的會議都在2019年破了紀錄，尤其是NeurIPS，曾指數上升趨勢，根據數據顯示其規模是最大的，而且領先AAAI接近300篇論文。當然，由於COLING和EACL在2019年沒有舉辦，所以沒有統計其數據。
2、谷歌發文最多，清北排名前十
2019年論文發表數量最多的機構是哪個呢？
其中
谷歌順利佔據了領先地位，在各個領域都發表了大量的論文。例如，在 ICML 上，谷歌發表的論文數量是緊隨其後的MIT 的兩倍有餘。值得一提的是，Marek 之前幾年的統計中曾將DeepMind的論文也囊括在谷歌發表的論文之中，而在這一次則將DeepMind 的論文發表情況單獨列出。微軟和 CMU 也發表了大量的研究成果，在所有會議上發表的論文數總量分別排在第二、第三。
而清華大學、北京大學，則是中國進入各大會議論文數總量前十的兩所高校，分別排在第七、第九，這也說明了近年來中國高校在學術論文上的影響力日益攀升。
3、八年爭奪，微軟、CMU總量第一，谷歌上升迅猛
接下來我們來看 2012年至2019年的總體數據。
雖然在2019年由谷歌佔據主導地位，然而CMU 和微軟在 2012年至2019年整場“馬拉松式”的拉鋸戰中遙遙領先。並且值得一提的是，CMU 和微軟在 2012年至2019年的論文發表數量完全相同，都為 1215篇論文。
排在兩者其後的，是谷歌、斯坦福大學、MIT、IBM、伯克利大學、清華大學和北京大學。
如果我們再看下時間分段數據，我們會發現谷歌上升勢頭迅猛。雖然在 2012年至2016年，
谷歌發表的論文總數要比CMU和微軟的少得多，但是從2018年開始，它的論文發表數就開始遠超包括CMU和微軟在內的其他所有機構。而所有排在前列的機構都呈上升趨勢，在2019年發表的論文數量都遠比此前發表的論文數量要多。
其中，中國機構表現最突出的清華大學，雖然論文發表數量在前幾年中都一直較大地落後於國外機構，但在所有機構總體上升的趨勢下，以高於平均上升趨勢的幅度，終於在2019年拿下第七的排名，實屬不易！
4、Sergey年產33篇論文，劉知遠25篇位列華人第一
就個人作者而言，伯克利的 Sergey Levine 在2019年總共發表了33篇論文，其中在NeurIPS 上12篇，ICML上6篇，ICLR上15篇。其他比較高產的作者分別是：卡內基·梅隆的Neubig、蒙特利爾的Yoshua Bengio。清華大學的劉知遠副教授以25篇排名第四（華人第一），其次是微軟亞研院秦濤研究員（24篇）以及其同事劉鐵巖（23篇）。
此外，北大的孫栩、加州大學聖塔芭芭拉分校的王威廉、騰訊AI Lab的Shuming Shi也不分上下，分別發表了21、21、20篇論文，排名前十以內。我們還注意到統計中包括了西湖大學的張嶽（18篇）、微軟的高劍峰（18篇）、Caiming Xiong（18篇）、哈工大劉挺（17篇）、北大趙東巖（18篇）等。
5、八年期，Yoshua Bengio晉級第一，周明、張嶽、劉挺華人前三
將2012~2019年的數據作為一個整體來看，蒙特利爾的Yoshua Bengio已經取代了DeepMind的Chris Dyer成為最高產的作者。
位列第三的微軟周明，第四的西湖大學張嶽、華盛頓大學的 Noah A. Smith 以及位列第六的哈爾濱工業大學的劉挺有超過90篇論文產出。
這裡需要強調，由於中國學者英文重名現象比較嚴重，為了統計方便，列表中刪除了Yang Liu這一作者，因為有多人用此名字對論文署名，導致難以分辨。這導致清華大學計算機系的劉洋教授沒有被統計排名。
以“年”為節點進行觀察，Sergey Levine、Graham Neubig、Yoshua Bengio各自發表的文章的數量都比前幾年要多，而且這幾個人也都超過了Chris Dyer在2016年創下的記錄。
另外，值得注意的是西湖大學張嶽的論文發表在2015、2016年達到最高產，劉挺則是在2014年發表最多。
6、以一作之名，平均兩個月可發一篇頂會論文
論文的第一作者通常是論文初稿的寫作人，實驗設計的主要參與者以及實驗的主要執行者。一般能夠在第一作者署名意味著在論文裡面的貢獻比較大。下面讓我們看看論文第一作者的情況。
Gabriele Farina 是卡內基梅隴四年級的博士生，他以第一作者的身份發表論文6篇，其中有3篇被NeurIPS收錄。威斯康星大學的Diakonikolas，杜克大學的 Hanrui Zhang、新加坡國立大學的Rui Zhang以及清華大學的武楚涵、北京大學的楊鵬程、普林斯頓的 Sanjeev Arora、微軟的Zeyuan Allen-Zhu、IBM的 Mikhail Yurochkin也都有5篇論文是第一作者的署名。.
其中清華大學的武楚涵三篇文章發在了EMNLP上，北京大學的楊鵬程有五篇文章發表在了ACL上面。
縱觀第一作者的論文，其中微軟的Zeyuan Allen-Zhu、香儂科技李紀為、劍橋的Ivan Vulić和Ryan Co、亞馬遜的Young-Bum Kim以及普林斯頓的Sanjeev Arora發表的論文最全面，涉及的頂會最多。
其中李紀為在七個會議上發表了論文，數量頗豐位列第一。
7、中美差距，何止一丁點！
分析2019年各國家和地區的論文發表數量，這還是首次。不可否認地，下面這張統計圖展示了美國在 AI 領域“力壓群山”的主導地位，不過中國、英國、德國和加拿大在該領域所發揮的影響力也不容小覷。
單獨從各大會議會議上來看，中國在 AAAI 上的論文發表數量甚至與美國持平，可見中國研究者在 AAAI 上扮演著舉足輕重的角色。另外中國在NeurIPS、EMNLP、ACL 等會議上的表現也非常出色，雖然可能不及在 AI 領域本就擁有先天優勢的美國，但是遙遙領先於其他國家和地區。
下圖展示了2012年至2019年各國家和地區的論文發表總數，整體排名和差距情況與2019年各國家和地區的發表論文數量差不多。
這些年來，美國的論文發表數量都一直遠超其他國家和地區，並且現在還在加速拉大這一差距。而中國則在拼盡全力與美國匹敵，如今也以不斷增大的幅度領先於美國以外的其他國家和地區。而英國雖然在論文發表數量以及增長幅度上不及美國和中國，也還是牢牢鎖住了第三的位置。
美國—企業主導
由於美國2019年的論文發表數量在所有國家和地區中佔據了遙遙領先的主導地位，因而以下這張美國2019年論文發表數量統計圖整體情況與各大機構2019年論文發表數量統計圖差不多，
谷歌依舊遙遙領先，而微軟和CMU 依舊排在第二、第三。
中國—高校領先
在中國，高校是論文發表的中堅力量，排在前十的有九所高校，僅有一家企業。
清華大學和北京大學分別鎖住了第一、第二的寶座，二者在國際舞臺上的表現同樣不菲，是中國進入全球各機構論文發表排行榜前十僅有的兩所高校，近年來對於 AI 領域的整體發展做出了較大的貢獻和推動作用。
中國科學院大學、中國科學院、南京大學是論文發表數量排在第三至第五的高校，三所高校在 中國乃至全球 AI 領域扮演的角色同樣出類拔萃，不僅有該領域的領軍人物坐鎮，如周志華等，還有為 AI 領域培養了一大批人才，如中科院計算所等機構。
而企業同樣是中國論文發表的一隻輔助力量，其中百度、阿里巴巴是其中表現比較出色的企業，分別成立了科研性的實驗室，近年來也發表了大量的科研論文。
英國— DeepMind的傳奇
在英國， 谷歌麾下的DeepMind 遙遙領先，其後是劍橋大學、牛津大學、愛丁堡大學、倫敦大學學院、帝國理工大學和阿蘭圖靈機構。
值得注意的是，阿蘭圖靈機構由劍橋、牛津、愛丁堡、華威和倫敦大學學院五所大學領導，所有該機構的論文發表數據與其他幾所大學有一定交叉，因此具體數據比較模糊。
論文發表數量排在前七的機構中，劍橋大學和愛丁堡大學主要聚焦於 NLP 領域，而其他機構則主要專注於 ML 領域。
德國—NLP一家獨大
在德國，達姆施塔特工業大學是論文發表數量最多的機構，尤其是在 NLP 領域，論文發表數量佔德國論文發表總數的 2/3。羅伯特·博世有限公司總體論文發表數量排在第二，但 ML 領域的論文發表數量卻是德國機構中最多的。
隨後是薩爾大學、慕尼黑大學、圖賓根大學、慕尼黑工業大學、馬克斯普朗克智能系統研究所，分別排在第三至第第七的位置。
加拿大—三足鼎立
在加拿大，多倫多大學的論文發表數量是各機構中最出類拔萃的，排在第一，隨後是蒙特利爾大學、Vector 人工智能研究院，分別排第二、第三。
滑鐵盧大學是聚焦於 NLP 領域研究的唯一一所機構，而其他機構的論文大多數都發表在 ML 的相關
會議上。8、國際合作的多元化，中國還有待提升
Marek 也做了另外一項分析，即根據論文研究課題進行相似性分析，得出一些有意思的結論：
首先是組織之間的相似性，從下圖可以看出，來自中國的大學主要集中在圖的上部分，美國大學主要在圖的右側，歐洲則在左側，企業在中間。因此可以看出研究課題即是非常具有區域性的，高校之間的相互合作受地域影響很大，而企業則相對就比較靈活。
相似性也可以應用到作者的分析上，下圖的緊密度反映了研究者之間研究課題的相似性和合作頻率。從圖中可以看出秦濤（Tao Qin）和劉鐵巖（Tie-Yan Liu）很近，這很容易理解，他們都在微軟亞洲研究院工作。
也可以將相似性分析應用到國家和地區。不過鑑於每個國家都會有許多不同的主題，下面這個圖可能更能代表它們的合作頻率。中國居於右下角，距離較近的是新加坡、澳大利亞、日本等，但距離其他國家和地區就比較遠了，例如與臺灣、韓國、法國等的合作就不是很緊密。而美國和英國在國際合作上相對比較多元化。
9、因崔斯汀的統計數據
最後，讓我們再來看一些有趣的數據：
1）提及GitHub（就是指有代碼開放）的論文佔比：ACL 有70 %的論文、 EMNLP 有69%,的論文、 NAACL有 68%的論文、 ICLR 有56%的論文、 NeurIPS有 46%的論文、ICML 有45%的論文、 AAAI 有31%的論文提及GitHub。如此來看，NLP領域的論文似乎大多都免費開放了論文代碼。
2）單篇論文作者最多有 24 位，論文是《 CoSQL: A Conversational Text-to-SQL Challenge Towards Cross-Domain Natural Language Interfaces to Databases》（地址：https://arxiv.org/abs/1909.05378）
3）標題最長的論文：《What if We Simply Swap the Two Text Fragments? A Straightforward yet Effective Way to Test the Robustness of Methods to Confounding Signals in Nature Language Inference Tasks》（地址：https://ar
xiv.org/abs/1809.02719）4）標題最短的論文：《Graph U-Nets》（地址：https://arxiv.org/abs/1905.05178）
https://www.marekrei.com/blog/ml-and-nlp-publications-in-2019/
閱讀更多 AI科技評論 的文章
