《以深度神经网络和树搜索掌握围棋战略》Mastering the game of Go with deep neural networks an

 

一篇科技论文，在过去无论有多好，都很难测量其影响力在纸质杂志上发表的文章，一般很难检测出，被引用了多少次但这种尴尬局面随着互联网的出现，成了历史如今网络的搜索功能和由此产生的大数据，可以直接观察到科学工作者对论文的关注度，特别是引用其他人的论文的数据。

依靠互联网的技术，可以清楚地查找到，谁引用了谁，互相引用不再成了无法检索的空白于是，论文引用的数量自然而然地成了衡量论文影响力的一个重要标志在谷歌学术搜索中，存有高达4亿篇论文的数据库论文被引用的数据可以作为证明文章影响力的依据。

即使这个方法有局限性，但在更大程度上，反映了当今社会的进展和科学的进步

1《亚当：一种随机优化方法 》Adam: A Method for Stochastic Optimization文章发布于2015年，引用数为47774截止2020年为止，这篇文章达到了，人类可知的引用最高数。

一篇涉及人工智能的文章获得最高引用，证实了科学界对人工智能的注重不仅是科学界对人工智能领域有巨大的兴趣，而且欧美国家也正在把人工智能作为未来的主要发展对象美国把对人工智能的投资提高了一倍，欧盟也把投资提高了百分之70。

《亚当：一种随机优化方法 》能够获得最高引用，正说明在未来人工智能上，将展开激烈竞争无独有偶，跟着这篇文章后面，引用最多的文章多是涉及人工智能2《图像识别的深度残差学习》Deep Residual Learning for Image Recognition 文章发布于2016年，引用数为25256。

深度残差学习的概念出自何凯明等4名中国学生何凯明来自清华大学物理系，现是脸书人工智能的科学家从文章的引用数量来看，足以显示，他提出的这个方法对该行业的影响3《让R-CNN更快: 朝着带有区域建议网络的实时目标检测》

Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks发表于2015，引用数为195074《深度学习》。

Deep Learning, 文章发布于2015年，引用数为16750这篇文章的作者之一是Geoffrey Hinton，号称人工智能的教父，现领导着谷歌人工智能团队Hinton2006年提出了深度学习的概念，是指机器模拟人脑的机器学习方法。

如果说机器可以替代人，甚至代替人的大脑，那么深度学习的最终结果就会是：在众多领域人将被取代我们完全可以想象，Hintond 提出的深度学习对未来人类社会的发展将产生重大影响这样的文章怎么能不被当今科学家所关注和引用？。

5 《带着缠绕走得更深》Going deeper with Convolutions， 文章发布于2015年，引用数为14424。这篇文章已经成为计算机图像处理必读论文之一。

6《通过深层强化学习的人类层面的控制》Human-Level control through deep reinforcement learning 文章发布于2015年，引用数为103947 《语义分割的完全常规网络》。

Fully Conventinal Networks for Semantic segmentation 文章发布于2015年，引用数为101538《你需要的就是关注》Attention Is All You need文章发布于2017年，引用数为9885。

9 《脓毒症与脓毒症休克第三版国际共识》The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3) 文章发布于2016年，引用数为8576。

10《RNA测序和微阵列研究中Limma 强化差异表达分析》Limma porwers defferential expression analyses for RNA-sequencing and microarray studies 文章发布于2015年，引用数为8328。

第9和第10篇是前十名论文中，和计算机没有关系的两篇医学论文这是否意味着，未来对人类社会影响最大的，除了人工智能就是医学了呢？最后要提到的这篇文章，虽然没有进入第10，但值得一提《以深度神经网络和树搜索掌握围棋战略》。

Mastering the game of Go with deep neural networks and tree search发布于2016年，引用数为8209这篇文章涉及的是伦敦大学学院的教授David Silver, 他领导的AlphaGo团队击败了围棋九段棋手柯洁。

人工智能击败了最强大脑，没有什么能比这更能说明人工智能的前途，同时也可能是一个细思极恐的大事件在机器击败人的时代，人怎么办？大数据时代已经到来有些时候，大数据好像很喧闹，但在喧闹的背后是科技工作者在静悄悄地工作。

我们看到的喧嚣都是他们幕后工作的结果他们的论文不一定是普通人能看懂的语言，但他们的工作将影响整个人类社会是否我们现在应该平静下来，好好想一想，人工智能在飞速发展，我们作为人该怎么办？

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186