2017 年 11 月 8 日，在北京国家会议中心举办的
AI WORLD 2017 世界人工智能大会
开放售票！
早鸟票 5 折 抢票最后两天
。还记得去年一票难求的AI WORLD 2016盛况吗？今年，我们邀请了冷扑大师”之父 Tuomas 亲临现场，且谷歌、微软、亚马逊、BAT、讯飞、京东和华为等企业重量级嘉宾均已确认出席。
关于大会，请关注新智元微信公众号或访问活动行页面
：http://www.huodongxing.com/event/2405852054900?td=4231978320026了解更多
1
新智元推荐
来源：机器人圈
原文来源：Kakao AI Report
编译：嗯~阿童木呀，多啦A亮
【新智元导读】
为了研究AI研究领域的最新趋势，Kakao AI 研究小组对2005年至2016年期间ICML和NIPS发表的6163篇科学论文进行了分析，从累积引用，作者合作网络以及论文关键词等多个角度分析了AI和机器学习的趋势和变化。
最近，有关人工智能（AI）的研究在各个领域都取得了显著的成果。这主要归功于长期以来一直致力于这个研究领域的AI研究人员的努力。如果根据引用次数、参与人数、接受论文数量和历史记录来看的话，关于AI的最重要的学术会议就是ICML（International Conference on Machine Learning）和NIPS（Neural Information Processing Systems）。相较于ICML的重点是机器学习，NIPS涵盖的课题领域就较为广泛了，包括认知科学和应用机器学习。在37年前的1980年，ICML举行了第一次学术会议，并于今年8月在澳大利亚悉尼举行了第34次会议。NIPS成立于1987年，并计划于2017年12月在加利福尼亚举行第30届会议。
为了研究AI研究领域的最新趋势，研究小组对2005年至2016年期间ICML和NIPS发表的6163篇科学论文进行了分析，从各种角度，如累积引用，作者的合作网络，以及论文中关键字的变化，分析了最近的趋势和变化。
ICML在过去12年接受的论文数量的变化
从2005年到2016年，ICML总共接受了2315份论文。2016年接受的论文数量为322篇，
比11年前的134篇论文翻了一倍还多。
NIPS在过去12年接受的论文数量的变化
而至于NIPS，接受的论文数量从2005年的207份增加到2016年的568份，
增加了一倍多。
研究团队可以证实，对于ICML和NIPS来说，2012年接受的论文数量与2011年相比都有显著上升。这是2012年人工智能研究历史上的一个重要事件。2012年，Geoffrey E.Hinton教授和他的团队（多伦多大学）在Imagenet大型视觉识别大赛（ILSVRC）中使用深度神经网络展示了一个很好的成果。
ICML+NIPS，谁是机器学习领域被引用最高的作者？
在过去的12年里，ICML中被引用次数最高的前20名作者
在过去的12年里，NIPS中被引用次数最高的前20名作者
在过去的12年里，ICML和NIPS中累计被引用次数最高的前20名作者
以下图表显示了（分别为NIPS和ICML）中接受论文和被引用总数最高的前30名作者。 （下载原始文件）（https://github.com/giallo41/Data_Science/blob/master/Conf/data/ALL_most_cited_author_Graph.xlsx）
以下图表表示的是年度引用次数最多的15名作者：
在被引用最多的15名作者中，每年被引用次数的变化
在被引用最多的15名作者中，年度论文的变化
该研究小组调查了在ICM和NIPS中排名前15位的作者的12年变化趋势。之所以选择15个作者的原因是，这个数字可以通过数据可视化显示出最有效的趋势。上面的图表显示了这15位作者的累计引用次数和被接受的论文数量。他们表示，那些在接受论文数量上逐渐变化的作者，每年也会不断地发表论文。在GitHub上可以找到完整的ICML和累计引用的列表。
下表列出了以上图表中15位作者所发表的论文中引用最多的论文。（下载原始文件）（https://github.com/giallo41/Data_Science/blob/master/Conf/data/Top15_most_cited_papers.xlsx）
大多数引用的文章由这15位作者撰写
具有较高引用率的作者合作网络
上图显示了ICML和NIPS接受的论文中被引用最多的作者的协作网络。粗体线意味着他们经常作为合作者出版。为了更好地进行分析，研究团队创建了由15位被引用次数最多的作者发表论文的共同作者的关系网络图。分析中使用的数据可以在GitHub中找到。 （下载原始图片）（https://github.com/giallo41/Data_Science/blob/master/Conf/author_network.png）
为了间接地展示出过去12年里人工智能领域的研究课题的变化，研究团队分析了论文标题中的关键字的变化。首先，团队在过去的12年中，用了词“云”来了解趋势变化的大致情况。
过去12年在ICML和NIPS中使用频率最高的两个关键字是“学习”和“模型”。
由于这两个词是目标研究期间在论文标题中出现的频率最高，所以团队认为，除了这两个词之外的其他关键字将显示AI研究的趋势变化。选定的基础年份是2006年，2011年和2016年。选择5年的时间间隔能够更为清楚地研究变化。
出现在ICML接受的论文标题中的关键词（更大的词意味着它们更常用于标题中。）
ICML 2006
ICML 2011
ICML 2016
对于ICML收录的论文，2006年论文题目中最常使用的关键词是“贝叶斯”、“核”和“分类”。 但是，
2016年收录的论文则频繁出现“网络”、“算法”、“优化”，“深度”等关键词。
NIPS收录的论文标题中出现的关键字（越大的词意味着它们更常在标题中出现）。
NIPS 2006
NIPS 2011
NIPS 2016
对于NIPS收录的论文，2006年论文题目中最常使用的关键词是“贝叶斯”、“核”、“分类”和“聚类”，与ICML收录的论文中出现的相似。
相比之下，“深度”、“自然”、“网络”和“随机”等词在2016年被NIPS收录的论文中出现最为频繁。
对这些关键词的考察，我们了解了过去10年研究主题的变化。
为了了解过去10年人工智能研究课题的变化，对频繁出现的标题关键词进行了分析。
ICML录用论文中的标题关键词比较：2006年和2016年
NIPS录用论文中的标题关键词比较：2006年和2016年
虽然关键字“深度”在ICML中没有出现，但在2006年的NIPS中只出现一次，但在2016年随着“网络”一词成为最显著的关键字，在ICML中出现了22次，在NIPS中出现了43次。
年度文章标题的主要关键词的出现次数比较：
年度ICML论文中主要关键词出现次数的变化
