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

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

通过分析人工智能会议上发表的论文，我们深入了解了人工智能和机器学习的演变过程，以及研究人员的影响和领导力，得出了一些对于理解和衡量人工智能演化的新见解。

May, 2022

通过对最近的跨学科文献进行综述，本文考察了人工智能技术（例如 ChatGPT）对学术写作和出版产生的重大影响，着重讨论了人工智能被用于学术不端行为时的伦理考虑以及在学术论文的写作、编辑和审查中使用人工智能时所需的监督。研究结果强调了出版商、编辑、审稿人和作者之间合作使用人工智能的需要，以确保该技术在道德和生产力方面的合理使用。

Jun, 2024

通过研究社交媒体影响者在提高机器学习研究可视性方面的作用，本文探讨了社交媒体对论文引用次数的影响。研究发现，得到这些影响者认可的论文的引用次数显著增加，中位数引用次数比对照组高 2-3 倍。此外，研究还探讨了受关注作者的地理、性别和机构多样性。这些发现突显了社交媒体在学术交流中的扩大影响，并强调了当今数字学术环境中不断发展的生态系统的重要性。

Jan, 2024

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

本研究针对人工智能 (AI) 研究的潜在滥用问题，探讨了科学研究对于保护和滥用 AI 技术之间的平衡关系，并论述了存在于 AI 领域内的软件漏洞披露问题和 AI 研究之间的差异，最终提出了需要寻求特定挑战的政策建议。

Dec, 2019

通过对高被引机器学习论文进行综合评析，我们揭示了机器学习领域内最有影响力的论文、高被引作者以及合作网络。我们还发现了热门研究主题和最新受到关注的新兴话题，并对高被引论文的地理分布进行了分析，突显了某些国家在机器学习研究中的主导地位。通过为研究人员、政策制定者和实践者提供关于这一快速发展领域的主要进展和趋势的有价值的见解，我们的研究为它们提供了有价值的洞察。

Aug, 2023

利用 arXiv 的元数据，通过学习这些数据中科学论文的主题标签，我们可以推断出其他大型语料库中与人工智能相关的论文，这种监督式方法可以一直更新，无需依赖于主题专家进行查询开发或标注。

Feb, 2020