中国的人工智能（AI）发展以快速学习和差异化为特征，目前在 AI 相关研究论文量上超过美国，但在论文质量上稍逊。中国加速 AI 进展的原因包括全球潮流的开放获取算法和研究论文、中国的海外人才回流和宽松的数据保护政策。此研究比较了中国和美国，但两国间的研究合作产生的高引用工作多于各自独立产出的研究，强调了国际合作对推动 AI 科学发展的重要性。

Jul, 2023

人工智能（AI）在工业和学术界取得了巨大的发展。然而，工业界最近取得的令人瞩目的进展震撼了世界，这使得我们对学术研究在这一领域中的作用有了新的认识。我们通过对过去 25 年间工业界和学术界在 AI 领域产生的影响和类型进行了界定，并建立了一些模式。我们发现，由纯粹由工业研究人员组成的团队发表的论文往往会受到更多的关注，更有可能被高度引用和具有颠覆性引用，而且是几倍于产生最先进模型的可能性。相比之下，我们发现纯粹由学术研究团队发表的论文占了 AI 研究的大部分，并且往往产生更高的创新性工作，其单篇论文成为非传统和非典型论文的可能性是几倍于其他。工业界和学术界在影响力和创新性方面的优势对于子领域、团队规模、资深度和声誉的控制都是稳健的。我们发现学术界和工业界的合作很难复制学术团队的创新性，并且往往与工业团队相似。综上所述，我们的研究结果确定了学术界和工业界在人工智能健康进展中所作出的独特和几乎是无可替代的贡献。

Jan, 2024

本文使用社交网络分析、自然语言处理和机器学习，重点关注 2000 年至 2019 年的人工智能出版物，全面调查了几个驱动因素对在科学合作网络中获得关键位置的影响，发现科学表现在数量和影响方面对于在网络中具有 “社交研究员” 角色至关重要 。然而，女性研究人员和男性研究人员在获得 “地方影响者” 角色方面存在微小差异。

May, 2022

AI 研究越来越多地由行业推动，因此了解企业对该领域的贡献至关重要。我们通过研究发表论文、引用、训练规模和算法创新来比较领先的 AI 公司。我们的分析揭示了 Google、OpenAI 和 Meta 的重大作用。这三家公司负责一些最大规模的训练，发展了支撑大型语言模型的大部分算法创新，并在引用影响力等各项指标中处于领先地位。相比之下，腾讯和百度等国内领先公司在许多指标上的影响力较低。我们观察到许多行业实验室正在进行大规模训练，而 OpenAI 和 Anthropic 等新进公司的训练规模甚至超过了 Google 等历史悠久的老牌公司。数据显示了一个多元化的公司生态系统在推动 AI 进展，尽管美国的实验室如 Google、OpenAI 和 Meta 在关键指标上处于领导地位。

Nov, 2023

通过科学映射方法的文献计量研究，本研究确定和评估了 2015-2020 年间人工智能研究的参考文献趋势。使用 Scopus 数据库收集了所需的数据，并进行数据转换和映射技术分析，结果显示神经网络和深度学习是顶尖人工智能研究论文的主题之一。

Jul, 2023

通过对 8700 万篇论文和 710 万项专利采用自然语言处理技术，研究发现 AI 在科研中的使用范围广泛，特别是自 2015 年以来增长迅速，使用 AI 的论文影响因子更高，同时也存在 AI 人才供需不平衡和种族、性别等方面的不公平问题。

Apr, 2023

本文主要探讨 15 个欧洲国家在人工智能领域的投资规划和国家战略，并通过定性分析的方式来总结研究结果。

Nov, 2020

本文认为通过一些文化变革，美国政府可以集中精力培养和留住人才，以缓解其在人才获取和保留上面临的困难。

Sep, 2018

将公民科学和众包与人工智能、物联网和云策略的巧妙整合，可以在多个领域加速联邦政府的优先事项。

Mar, 2021

人工智能是我们时代最重要的技术之一，本文通过比较学术界和企业界合作的科研出版物，利用科学计量学数据来衡量企业对人工智能研究的影响，并发现由企业合著的出版物获得更高的引用次数和在线关注度，最终提出了保持学术界与工业界在人工智能研究领域和谐平衡的建议。

Oct, 2023