如何看待人工智慧全球大學排名Top50中沒有一所中國大陸大學？

01-14

在10月中旬，烏鎮智庫發布的《烏鎮指數：全球人工智慧發展報告（2016）》系列報告的研究成果顯示：在人工智慧方向，全球排名TOP50的大學中沒有一所中國大陸大學。
報告剖析了人工智慧的一系列熱點問題，包括企業分布規模、投融資情況、研究成果、細分領域等。具體排名：

大家怎麼看待這個結果呢？

基本瞎扯淡的。前幾名里哈佛和耶魯不是一個檔次的，耶魯的計算機。。你是在逗我嗎。。芝加哥大學做machine learning的都沒幾個人，居然還有排名。。。

你要是按什麼人腦神經排的xx的當我沒說。。

拋開這個排名本身不談，我國的問題是大家太「聰明」，大家都會趕潮流，做微創新。SVM等統計方法火的時候就用SVM把各個任務做一遍，很少有人用其他方法。深度學習火了後大家又都去用深度學習在各個領域刷一遍論文，論文數量自然很多，其中也不乏很漂亮的研究。不過缺的是SVM、CRF、神經網路等本身的模型創新。拿最近面試來說，很多應屆生都是用深度學習跑nlp的各種問題，分詞、詞性、句法、文本分類，但是對問題本身、對要處理的數據，都沒有深刻的認識，對為什麼用神經網路而不是其他的回答基本也是為了發論文或者導師讓試試看。簡而言之，fellow熱點我們很在行，開山立派我們不擅長。

下圖是各個國家關於深度學習的論文發表情況，中國的論文數量從很少變成最多，也驗證了上面的觀點。

謝邀，引用AI科技評論（aitechtalk）上採訪的香港理工大學曲曉峰博士的答案：

排行榜需要完整地看，各項指標的設置到設計指標的人，都要考慮進去。

首先，這個榜單針對的是人工智慧，人工智慧的定義其實還是很模糊的，哪些領域、哪些指標需要納入進來作考慮是比較模糊的。尤其，傑出校友、成功人士多是經歷廣泛，難以歸入某校。

另外，論文數量和引用，這個指標非常容易統計，但不夠有力。美國大學發表英文論文非常容易，這個就容易做得很高。台灣大學、東京大學、新加坡國立大學都是亞洲的大學，但國際化做得比較好，所以名次也就比較好。

再一個對於美國，沒有國防問題。國內所有頂尖大學，都有保密的問題，我們航空航天的科研，是完全對外保密的。而上榜地區絕大部分是對美透明的，所以那些學術成果，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，不至於榜單顯示得這麼不堪。榜單所選取的參數，明顯滯後於現狀，而且由於這些參數內生的特性，還將繼續滯後一段時間；

另一方面是，設計的指標，為了便於統計使用的都是容易獲取的指標。例如專利數、論文數、引用數等；專利的問題，歐美日本的習慣是，一個專利要在多個地區註冊，因為不同的國家和地區，專利不通用，誰先搶注算誰的。我國除了少數幾個國際化的公司，大多數中小公司和科研院所還沒有這方面的習慣。

最後，即使是現在這個狀況，也很明顯，中國大陸和香港都是在迅速趕超，只不過對於這樣一個參考參數明顯滯後的榜單而言，要想顯示出當前現狀，它的參數至少落後了幾年的時間。舉個例子，PCA 這種非常簡單的基礎演算法，是 MIT 八十年代用在人臉識別上的，現在已經沒人這麼用了，但只要提到人臉識別，總還是要引用一下。這造成的引用數還會持續的虛增好一段時間。但了解現狀的人都知道 MIT 對人臉識別，早已經失去興趣了。