2023年全球大学学术影响力排行榜出炉,中国大学表现依旧亮眼!

近日,2023年全球大学谷歌学术影响力排名出炉了。

此次中国内地总共有60所高校进入了世界前1000名,相比于2022年的51所,这一次多了9所,多了接近20%,说明中国高校的整体在过去的一年里进步很大!

这一次中国内地高校首次有高校进入了榜单的前100名,实现了历史性的突破,这所高校就是清华大学,清华大学的实力真的很强,虽然在第五轮学科评估中表现差强人意,但是这更多的还是因为国内的高校进步的太快了,清华大学无法在所有的学科上特别是工科上压制别的高校,事实上清华大学的实力还是有了很大的提高的,在这个榜单上排名蝉联了内地高校第一名,国际排名提升了25位,全球排名进去前100名高达78名就是明证!

有三所大学进入了前200名,分别是北京大学、浙江大学、中国科学技术大学。

北京大学和清华大学是我国最优秀的两所大学,在第五轮学科评估中该校的成绩非常亮眼,但是这个榜单更多的是侧重于理工科,对于北京大学这样一所综合型大学来说并不友好,能够排名国内第二、国际第150名已经是一个很不错的成绩了!

浙江大学是一所正在高速发展的大学,也是最有可能挑战清华北大的大学,其在各种榜单中正在接近清华北大的位置,未来可期!

中国科学技术大学是一所小而精的大学,其理工科的实力有目共睹,专心于学术的中科大在国际上的声誉和口碑要比在国内要好的多,这就是实力!

进入前300名的大学有上海交通大学、复旦大学、南京大学、华中科技大学。

上海交通大学这些年发展的非常好,其在热门学科上的实力比如医学比如计算机都是顶尖的,非常的厉害!

复旦大学还是比较稳的,面对后面的高校强有力的冲击,复旦大学始终都是稳如泰山,这是一种自信更是实力的真实体现!

南京大学的实力真的是太强了,是真正的被低估的超级大学,其正在恢复昔日的荣光,如果继续这样发展下去,南京大学很可能成为最令人惊喜的大学!

华中科技大学的表现是可以让人刮目相看的,这些年华科的进步有目共睹,不过也希望华科不要被外界的赞美给弄迷糊了,继续加油!

进入前400的大学有中山大学、武汉大学、西安交通大学、哈尔滨工业大学、天津大学。

中山大学是广东乃至华南地区最好的大学,其学科门类全,实力也很强,可惜的是顶尖的学科还是少了点,不然它的排名还能提升!

武汉大学的环境很好,这里的环境不仅仅指自然环境还指学习环境,在里面学习真的非常的舒服,珞珈山太美了!

西安交通大学和哈尔滨工业大学不愧为C9成员,它们的实力是得到了国际认可的,两所大学也为我国培养了很多优秀的人才!

天津大学的排名这么高真的让人意外,天津大学并不喜欢蹭热度(什么学科热门它大力发展什么学科),相比它一直在一些冷门的学科里默默耕耘,这是很不容易的!

最后,祝愿中国的大学越来越好!

2022/2023年,中国高校在u0026#34;谷歌在全球大学中的学术影响力;排名

本文简要介绍2022/2023,中国高校在"全球高校谷歌学术影响力"排名情况。

(1)2022中国高校“谷歌学术”排名情况

统计有50所中国高校进入世界前1000;无一所高校进入前100。

清华大学排名第101位,位列中国高校第一。

(2)2023中国高校“谷歌学术”排名情况

统计有60所中国高校进入世界前1000;24所高校进入世界前500;8所高校进入世界前300;4所高校进入世界前200;1所高校进入世界前100。

清华大学排名上升到78,进入世界前100,位列中国高校第一。

北京大学、浙江大学、中国科学技术大学3所高校进入世界前200。

上海交通大学、复旦大学、南京大学、华中科技大学4校进入世界前300。

福州大学、江苏大学、中国科学院大学、西南交通大学、东北大学、西湖大学、上海科技大学、香港中文大学(深圳)等高校新进入世界前1000。

(3)中国高校“谷歌学术”排名增速情况

增速前10高校:引用增速均超过50%。

其中,港中深、西湖大学和南方科大增速超100%。

增速后10高校:引用增速均不超过25%。

其中,华理、兰大、南工和合工大增速未超15%。

清华大学正在攻读博士,成为一名学术民工?发表了100多篇论文!这是学术规范吗?

编者按:武楚涵,清华大学电子工程系2019级博士生。吴方照,清华大学电子工程系2012级博士生。吴方照,2017年就职微软亚洲研究院;2019年,清华一年级博士武楚涵,被吴方照的雇主颁发微软学者奖学金。2022年,武楚涵被曝与吴方照共同发表100余篇论文。

武楚涵博士论文和引用情况

大事记

2012年吴方照清华电子工程系本科毕业,进入清华大学新一代网络技术与应用实验室NGNLab实验室;

2016年:清华大学本科2年级的武楚涵进入NGNLab实验室;

2017年:吴方照清华毕业,进入微软亚洲研究院;

2017年:吴方照与武楚涵开始长期的共同发表论文;

2019年:武楚涵进入NGNLab实验室读博,指导导师是吴方照;同年获得微软学者奖;

2021年7月吴方照获得北京林业大学信息学院兼职研究生导师资格

2022年7月:博士生武楚涵狂刷100篇论文被曝光;

2022年8月武楚涵与其导师、师兄吴方照共同狂刷100篇论文被曝光。

清华大学电子工程系博士生吴楚涵实验室合影

电子系博士生武楚涵获评2019年微软学者奖学金

我昨天写了一篇长文中科大的纳米,清华的电镜,北大的花教授:中国高等教育的三朵花,网友来信:清华在读博士发表100篇论文,也算一朵花瓣。

我去清华电子工程系主页看了一下,有一则新闻:

在2019年微软亚洲研究院奖学金评选中,清华大学电子工程系博士生武楚涵成功入选

电子工程系博士生武楚涵荣获2019年微软亚洲研究院奖学金

其中介绍:

“武楚涵就读于电子工程系新一代互联网实验室,在黄永峰教授的指导下攻读博士学位。 主要研究方向为用户建模与推荐系统,长期研究目标是设计精准的用户建模和个性化推荐方法,保护用户隐私。 他在用户建模和推荐系统方面的阶段性研究成果发表在ACL、KDD、IJCAI、EMNLP、WSDM、CIKM、NAACL等国际学术会议和KBS等学术期刊上。”

以我的理解,这不就是研究“网瘾”模式吗?

微软亚洲研究院吴方照博士

随手打开武楚涵7月份刚刚发表的会议论文,发现通讯作者是微软亚洲研究院吴方照博士

随手翻阅这篇论文的引文,发现引用了42篇论文,其中12篇论文均是武楚涵第一作者、吴方照第二作者

我查阅了武楚涵的其他几篇论文,均存在类似大量自引的情况。

微软亚洲研究院主页显示:吴方照2012年清华电子工程系本科,2017年清华电子工程系博士,2017年加入微软亚洲研究院。

吴楚涵所在的NGNLab实验室主页

而在清华大学武楚涵所在的NGNLab实验室主页,在已毕业同学名单里,我看到了吴方照的介绍。也就是说,武楚涵与吴方照是同一个导师、同一个实验室的师兄弟。

吴方照博士报告会

武楚涵的指导导师:微软亚洲研究院吴方照博士?

2021年7月,吴方照获得北京林业大学信息学院兼职研究生导师资格,其中导师介绍是这样的:

1,本人在清华大学电子工程系攻读博士期间,曾获得国家奖学金(3次)、网络安全奖学金、清华大学优秀博士论文(本专业第一)等荣誉。

2,发表论文100余篇,谷歌学术引用超过1400多次。

3,自工作以来,本人指导过20多位实习生我指导的清华大学武楚涵同学直博一年级就获得了微软学者奖学金(亚太每年仅10余人)

2021年吴方照获得北京林业大学信息学院兼职研究生导师资格

武楚涵博士2022年的全部文章,我们可以很容易发现:

1,武楚涵博士大部分论文都是第一作者;而其第一作者的论文,第二作者全部是微软亚洲研究院的吴方照!

2,武楚涵博士少数论文是第三作者,而这些文章的第二作者也都是微软亚洲研究院的吴方照!

武楚涵博士大部分论文都是第一作者;而其第一作者的论文,第二作者全部是微软亚洲研究院的吴方照

清华大学博士的培养模式?

我们看看吴方照和武楚涵2016-2018年的部分论文列表:

彼时清华的博士生吴方照,在2015-2017年,以第一作者发表13篇论文,其中2016年发表7篇。

吴方照和武楚涵2016-2018年的部分论文列表

到了2017年,也就是吴方照博士毕业那年,以吴方照为第一作者发表了4篇,以武楚涵为第一作者、吴方照为第二作者发表了第一篇!而自2018年开始,两人合作的论文全部以武楚涵为第一作者、吴方照为第二作者。

两个人的论文署名完成了清华博士研究的完美切换!

这两人似乎形影不离、判若一人!

清华的博士培养便是这样传承的吗?

2022年吴方照和武楚涵部分论文列表

结语

清华博士生发表100余篇论文,其原因一目了然:

清华GNLab实验室2017年毕业博士生后在微软工作,将其衣钵传给清华本科生;本科生两年之后在同一实验室读博,并接受微软奖学金;两个师兄弟开始在不同单位、依托不同资源、组团刷论文的工作。

清华博士生的培养目标是什么?

博士研究生的本质是学术训练,而不是学术民工。学术训练的本质是提升学术思维、是以培养独立的、创新思维的人才为目标。而跟随清华师兄刷论文的武楚涵博士,不仅没有自我的学术训练体系,更加没有学术研究的独立性,直接沦落成为微软研究院的学术附庸!

不仅如此,武楚涵博士2019年接受其导师所在单位的奖项,其成果却涉嫌是其导师的学术研究的附属品,岂不可笑?

不仅如此,我留意到2021年7月,吴方照获得北京林业大学信息学院兼职研究生导师资格,这是要把刷论文的模式拓展到北京林业大学吗?

而为何微软研究院研究员如此热衷于成为中国高校的导师?他们来中国是做研究,还是挖墙角?或是进行学术利益输送?

参考资料

https://dl.acm.org/doi/pdf/10.1145/3477495.3531862

https://dl.acm.org/profile/84458717657

https://www.microsoft.com/en-us/research/people/fangzwu/

https://web.ee.tsinghua.edu.cn/huangyongfeng/zh_CN/index.htm

https://thungnlab.cn/

https://dl.acm.org/profile/84458717657

https://xxxy.qlu.edu.cn/2021/1020/c2024a174658/page.htm

https://sc.panda321.com/citations?hl=zh-CN&user=0SZVO0sAAAAJ&view_op=list_works&sortby=pubdate

https://sc.panda321.com/citations?hl=zh-CN&user=OG1cMswAAAAJ&view_op=list_works&sortby=pubdate

出版了16本《自然》和14本《科学》!这位顶尖学者告诉你写论文的十种方法

文章来源:新智元

11月15日,Edward H. Sargent第16次在Nature发表论文。

进一步探究,会发现他还在Science上发表过14篇论文。30篇正刊之外,他发表的Nature系列文章高达139篇,堪称NS论文「收割机」

Sargent是谁?

他是多伦多大学电子和计算机工程系教授,也是加拿大皇家科学院院士、加拿大工程院院士、IEEE Fellow和AAAS Fellow。

Sargent多年深耕材料学和光子学领域,目前已获引用超过10万次(Google数据),h-index高达163

如此亮眼的学术发表成绩,Sargent在科研上必有其独到之处。

近日,他在Matter杂志上专门写了篇文章,分享自己做研究、写论文的经验。以下内容根据该文编译:

作为博士生和博士后的导师,我把自己的精力投入到研究过程的输入和输出阶段。所涉及的工作中,文章的研究背景、实验、数据分析等,通常由学生负责。

输入阶段需要设定研究项目目标,通常包括一个应用目标和一个需要解决的关键科学问题,以便为实现上述应用目标提供信息。在初始阶段,我对学生的项目愿景和计划提出自己的看法。之后,我召集一个小团队,反复讨论学生的目标、假设和方法计划。

输出阶段主要是与他人交流成果,即完成手稿并提交期刊。

以下是关于我们输出的过程。

写手稿的7个技巧

01 积极可视化的艺术:从图开始

在我职业生涯的早期,就从成名的同事那里学到了一个很好的策略,那就是从图开始,甚至在我们写论文和收集数据之前就开始

这对论文的逻辑和流程有很大帮助。图中的空缺和漏洞告诉我们还有哪些未完成的工作,这有助于第一作者预估时间。

02 概述逻辑和叙述:在这个阶段获得大量的反馈,然后进行迭代和优化

在写文章之前,以流程图的形式写下观点的逻辑顺序,以及两者间的关系,这将使文章更清晰。要与同事和导师经常讨论这个问题。当你掌握了这一点,手稿几乎是水到渠成。

然后是迭代、重新排序或意识到缺少一个关键的实验。如果你在这个阶段得到大量反馈,那么你后续的痛苦就会减少。比如,当你把一份“完美”的手稿交给你的导师时,你已经把它打磨得非常好,以至于你不忍心看到任何修改。

03 最好的叙述不是按你工作的时间顺序

你有一个想法,你尝试它,失败了,你有另一个想法,你认为那是可行的,但后来发现那是个伪命题。你不需要按照事情发生的顺序来讲述故事

如果你这样做,可能很难让别人看懂。你应该参照第2项:使用大纲;迭代大纲;并制定一个流畅、易于理解和吸引读者的顺序。

04 早期的失败可以帮助你,在读者中创造一种戏剧性的紧张感和期待感

如果我们第一次尝试就成功了,那么这项成就不太可能是由深刻和原始推理的实质性进展。如果你回顾一下实验室的实际工作情况,你的第一次尝试和最终成功的前奏,往往没有按预期进行。你尝试了一个专家会做的显而易见的事情,但这种方法却失败了。

这为你的最终成功奠定了基础,并将强调它并非微不足道,相反,它需要创新。然后,我们从这些失败中吸取教训

这些研究很可能会关注到以前被忽视或未被充分重视的因素。开发的新模型将说明如何创新地解决这个问题:只有通过做X,才能克服当前被理解的机制,我们现在知道这种机制是明显组合失败的根源。

我上面概述的方法并不是写一篇有趣和吸引人的论文的唯一方法。但它说明了一个更广泛的原则,它确实贯穿了许多好的论文:它们有一个情节。通常会有挣扎和失望;然后是由好奇心驱动的一系列研究,由此产生的见解,将促成进入创新阶段;最后是依靠创新步骤取得重大成就。

05 自豪地站在巨人的肩膀上,清楚地描绘前人工作完成的时间,以及后续发展

文献综述应该提到前人的研究,他们的工作构成了你研究项目的基础。之后,用新的段落清楚地过渡到你的新努力/假设/尝试。

切记,将前人的工作和你的工作清楚地划分出来

06 危害和解决方法应该是相称的、彼此成比例的,并且应该精确地制定

借用杰出的Yogi Surendranath教授的话:如果你提出的危害(需要克服的问题)是“世界每年排放39G吨CO2”,那么解决方法(你的成就)需要是你在论文结束时达到碳中和。

危害和解决方法需要适度、精确,并且彼此相称。

07 尽量少写字,并在论文字数达到90%的完美程度时提交

审稿人总是会要求你做更多的工作,但很难预测他们到底想要什么(这正是同行评审过程的魅力所在:我们从审稿人的反馈中学到的东西有巨大的信息量和价值,我们无法预测会是什么)。

审稿人总是会发现一些东西,而这些东西总是让论文变得更好。为审稿人创造一个机会,让他们提供有价值的反馈。在他们的帮助下,你了解到你需要什么来完善这篇论文。

有一些缺陷是可以的,但论文必须有足够高的质量和严谨性,以便与审稿人进行实质性对话。即使你认为它是完美的,审稿人却不会这么认为。

Edward H. Sargent

08 解读同行评审意见:我怎样才能利用这些反馈来改进工作?

评审报告往往包含建设性的建议,显然是为了帮助你更好地撰写论文。同时,它们也包含一些让你觉得苛刻或消极的语言。

然而,我们总是能在批评中找到建设性的意见。“如果我最初写的东西给审稿人留下了这样的印象,那么我如何重新审视我的研究、他们的解释和他们的表述,以创造一个更均衡的视角?”

严格的反馈包含了误解,因此再次提交时要提高论文的清晰度。通常,反馈意见是让你对你的研究结果进行其他解释,这些想法并不在你的初稿中,但一旦包含在修改后的稿件中,就会传达出你的开放性。

我尽量避免在回复中与审稿人争论;相反,我试图说明我们如何根据他们的反馈使工作变得更好。

09 关于Cover Letter

根据我的经验,期刊编辑会阅读Cover Letter和手稿。由于这个原因,我们不会在这两份文件中重复相同的内容。

通常,Cover Letter会更有吸引力,更容易理解。它将包含一个视觉元素(图形或表格),以说明主要的新想法和应用成果,即相对于现有技术所取得的新的量化成果。

我倾向于提供大约10-12个审稿人。这听起来很多,但即使是影响因子最高的期刊,他们的编辑也很难找到审稿人。

我推荐审稿人时,会选择我所在领域和相关领域中最严谨、最专业的人,因此也是我的直接竞争对手。通过这种方式,我得到了最高质量的反馈,并向编辑传达我对工作的信心。我不要求把审稿人排除在外。

力求名单的多样性:当然是智力上的多样性(有些人可以审查理论,有些人可以审查某些关键的实验方法,有些人可以审查系统层面的大局),关键是,还有地域、性别、职业阶段等方面的多样性。

如今,多样性、公平性和包容性渗透到了研究和研究生培训过程的每个阶段,这是应该的,对于同行评审也应该如此。

10 照我说的做,而不是照我做的做

读者会在我们小组过去24年的论文中发现上述的一些内容,也会发现许多违反这些准则的情况!

上面所写的,是我在2022年7月的某一天吃早餐时,对论文写作的艺术和科学的看法。它随着时间的推移不断发展,直到今天,仍然是不断发展的。

我鼓励大家发展和优化你们自己的学术传播哲学,定期思考并写下来,将自己的个人视角带到你们的工作中。

我希望这封信能激发我与学生、博士后和教师的一些后续对话,持续更新我们对期刊文章写作过程的看法,我欢迎这种对话。

腾讯OD的“三件套”

腾讯OD三件套

(1)管体系——让体系更敏捷更有效

① 组织设计个性化:

OD在整个模型中往往占据COE的重要位置,出台全公司统一的制度、政策。

但是,未来出政策、建体系时,会更多授权、各业务部门、各个群体结合实际个性化定制是个方向。

② 新技术代替旧管理

如通过社交数据快速识别应聘者的兴趣,精确甄选;高频的实时反馈系统,代替绩效体系;海量的数据分析,预测员工的行为;图像识别、语音识别、生理数据,识别员工的满意度、组织氛围。

补充案例:腾讯E_HR平台,比如鹅民公社——弹性福利平台,每个月都有三万五千多人使用,鹅厂运动每个月有三万一千多人使用。而这些功能的应用,都是员工自发的行为,并不是HR要求的。而且腾讯会继续探索新技术对HR创新的应用支撑,包括比如移动定位技术、语音技术、二维码技术、图像识别技术、员工行为分析与预测。

(2)管人——让人才脱颖而出

核心两句话:关注TOP5%的核心人才,推动人才快速流动

① 关注TOP5%核心人才

人对组织的价值贡献,从正态分布到幂率分布是个认识的飞跃。平均主义的思想,伴随着工业组织的隐退而逐渐谢幕。因此,OD要重点关注的是TOP5%核心人才。

补充案例:腾讯坚持在全球范围内扫描学术界、工业界的顶尖人才,与他们建立连接,具体到校招,腾讯每年从全球范围引进近2000名最顶尖的毕业生入职,筛选标准极为严格,录用率仅3%。什么是TOP人才,QQ产品团队,一位毕业3年的年轻员工创作了一种基于动态表情的趣味聊天玩法“厘米秀”,上线3个多月即获得上亿用户,深受年轻用户喜爱。

② 推动人才快速流动

人才有活水,组织才有活力,OD要有意识推动人才在企业内部的加快流动。

补充案例:腾讯内部曾经出台一个活水计划,推动员工轮岗,但过了半年,成果寥寥,仔细研究发现,其中有一条,“需要上级经理同意”是个障碍,后来改为“只要对方接收、不需要上级经理同意”,结果员工正如项目名称“活水”般的流动起来,几年流动了几千人。例如腾讯微信团队引进人才的60%来自于内部活水,加速了微信的敏捷创新和高速成长。

(3)管组织——让组织更柔性更透明

三句话,围绕核心人才重新配置组织,让组织更有柔性、边界更模糊,创造透明、共享的组织文化。

① 组织围绕核心人才配置

工业时代的组织逻辑是,战略决定组织,组织分解岗位、以岗择人。

新时代的组织逻辑是,愿景吸引牛人、牛人感受战略方向、组织配合牛人。

比如腾讯工作室式的组织模式,比如某个牛人走了,但手下的两个人都没成长到足够单独带领整个团队,最后是部门设置两个head,两个人共同带领团队,就是组织围绕核心人才,量身打造。

补充背景:腾讯自2012年底开始实行工作室群制度,全国拥有四大工作室群:天米、北极光、光子、魔方,四大工作室群旗下还拥有20多个小工作室,平均每个工作室人数变成几十人,由于更多的放权,使得小工作室更大的自由度,可以有足够空间探索新的方向。

② 组织更柔性、组织边界更模糊

工业时代的组织,强调的是精确性,从企业目标、到业务单元定位、部门职责、岗位职责,纵向符合责权对等,横向要无遗漏无重叠,符合MECE原则。今天有雨技术的进步,信息传递成本几乎为零,比如领导和员工直接拉群沟通,推动了未来的层级越来越模糊化,组织更扁平。

补充案例:腾讯内部最著名的就是赛马机制,同样产品内部2、3个部门同时做,竞争白热化。比如2011年曾在微信项目赛马中因为晚了一个月而败北于张小龙广州邮箱团队的成都游戏团队,其中隶属于天美工作室群下原本只在2007年产出过《QQ三国》的L1工作室一度因为表现不佳而即将解散,但正好是在这一轮手游赛马中L1工作室绝地反击的做出了《王者荣耀》这款现象级的作品,上演“终场绝杀”。

③ 组织文化更透明、更共享

透明、共享是创造愉悦工作环境、吸引牛人的前提,是弹性组织有效运作的根基,是未来组织的基石,以Google、Facebook为代表,从创始人开始就有意识的打造透明共享的组织文化。如TGIF,thankgod it is friday,每周五大家聚在一起听听老板讲讲公司最新的事,每个人都可以提问,无论有多尖锐。

补充案例:腾讯内部有BBS平台——乐问,经常会有很热的贴子爆出来,一个腾讯员工想买一个微信相框,用财付通支付的过程中说财付通体验太差了,马化腾亲自回复了那个贴子,他说:财付通是很烂!后来所有人跑到马化腾那里回复留言:老大原来真的在这个论坛上活着,在上面签名留念。这就是透明的组织文化。

谷歌想在科厄尔投资2亿美元,但老板还没有毕业。为什么它如此受欢迎?

你好,我是王煜全,这里是王煜全要闻评论。

根据《华尔街日报》10月22日报道,Alphabet旗下的谷歌公司正在跟一家初创公司谈判,投资至少2亿美元。同时英伟达也加入进来,讨论了潜在的战略投资机会。这篇文章认为,这是大型科技公司之间军备竞赛不断升级的体现。

刚好昨天的要闻评论介绍了微软准备投资OpenAI,要获得OpenAI技术的独家许可,目标是降低开发门槛、让AI大规模使用,谷歌也开始行动并不奇怪。

谷歌的CEO皮查伊(Sundar Pichai)跟微软有一个共识,就是把人工智能作为未来战略的重点。对大企业来说,兼并收购小企业是一个快速获得新技术的战略方式,上一次谷歌对人工智能公司的大笔收购,还是2014年收购的DeepMind。

这次收购的Cohere成立于2019年,专门开发自然语言处理的软件或APP,帮助企业开发AI应用,比如聊天机器人、智能客服,或者理解人类语音和文本的功能。从公司技术能力的提供来看,Cohere确实跟OpenAI做得很相似,因为OpenAI的GPT-3工具也是擅长文字和语言处理,所以这两家公司也经常被认为是竞争对手。

Cohere的CEO 是Aidan Gomez,英国牛津大学的计算机在读博士,本科毕业于加拿大多伦多大学。他是一个很有上进心的小伙儿,2017年开始,还是本科生的Aidan去谷歌实习,2018年甚至实习了9个月,深度参与了"谷歌大脑"(Google Brain)的核心研究项目,也就是这两年很火的算法模型Transformer的研究。

或许是在谷歌的研究启发了Aidan创业的想法,2019年9月从谷歌结束实习后,立刻成立了AI公司Cohere。这家公司发展也很快,不到半年就拿到了500万美元的天使投资,谷歌云AI首席科学家李飞飞、学术大牛Geoffrey Hinton都是投资人之一。在今年2月份,Cohere还融到了1.25亿美元。

关于企业的未来战略,Aidan认为有两个方向。

第一个方向是,他认为未来使用人工智能的群体,不仅仅是AI工程师或者学术界,而是要扩散到更广泛的群体,尽可能帮助普通人把AI工具集成到应用程序里面。

这一点跟OpenAI提倡的低代码开发类似,因为只有降低使用门槛,才能实现服务的广泛覆盖。

第二个方向是,从开发自然语言到图片音频和视频。因为从长远来看,只是给机器喂养和训练网络文字和书籍是远远不够的,图片、音频、视频都是人类知识的重要组成部分,这也是未来人工智能的重要发展方向。

我们之前介绍过DeepMind发布的Gato,可以同时处理多个不同的任务,跟Aidan提出的想法类似。背后原理不难理解,不管是图像、文字还是别的什么数据,在Gato眼里都一样,不会区别对待。不过现在的多维度AI算法都还处于科研层面,能不能尽快找到应用场景,实现商业落地,还在不断尝试探索中。

从微软投资OpenAI、谷歌投资Cohere来看,我们会发现在很多战略方向、底层逻辑上两家公司都会有一些相似之处,这也跟整个科技潮流的大趋势是相符合的。

基于以上两个战略方向,Cohere的生态位处于一个中间层:底层是谷歌云这样的基础设施,提供算力支持,Cohere开发出一套低代码的工具,拿给最上层的行业企业去做应用、甚至自己可以去创业。

为什么谷歌或者Cohere并不直接去做最上层的行业应用呢?这是因为AI需要跟行业的特定应用来深度结合,只有在行业里浸润多年的产业专家才最懂行业特点和需求。谷歌和微软虽然也生产应用程序,但是他们不具备理解某些行业的特定专业知识,这恰好给了科技企业非常好的创业机会。

根据德勤研究,在整个人工智能产业里,包括芯片、数据中心在内的基础层的市场规模占比只有12%,而更大的市场在于应用层,也就是大量的利用AI来解决问题的小企业,他们的市场占比已经超过了60%,未来更大的机会也将在这个层面展开。

我在科技特训营里分析过,基于微软、谷歌这样的云平台,利用AI工具的很多初创企业,他们最懂得如何利用数据来完善自己的业务。比如绘画工具Stability AI,智能客服Hour One AI,机器健康检测Augury等等。我相信未来这样的AI初创公司还会不断涌现。

所以,从谷歌投资Cohere,我们发现,谷歌固然跟微软形成了直接竞争,甚至不排除更多的头部玩家参与,比如亚马逊。但这个市场是在迅速扩张的,AI浪潮正在席卷各行各业,今天早早进入的玩家都有可能吃到科技的红利。

10年前,苹果的APP Store平台上诞生了许多优秀的应用,到如今已经是一个有3000万开发者的生态了。未来,基于微软、谷歌这样的云平台来打造AI应用的公司,或许会再造一个规模更大的产业生态。当AI真正渗透进我们每个人的生活和工作中,人工智能时代就真的到来了。

以上就是今天的内容,更多详细的产业分析和底层逻辑,我会在科技特训营里分享。欢迎关注全球风口微信号,报名加入!

王煜全要闻评论,我们明天见!

戴离开上堂,进入清华大学电子系

作者 | 李梅

编辑 | 陈彩娴

近日,商汤科技执行研究总监、计算机视觉领域大牛代季峰离职,加入清华大学电子工程系任副教授。

目前,代季峰的名字已经出现在清华电子系官网的教师名单中,其个人网站也已经更新了最新履历,职位由商汤执行研究总监变成了清华大学电子工程系副教授。

代季峰的本科就读于清华大学自动化系,2014 年在自动化系获得博士学位,师从周杰教授。博士期间,他曾到加州大学洛杉矶分校 UCLA 实验室访问,与朱松纯、吴英年有过合作。

2014 年至 2019 年期间,代季峰在微软亚洲研究院视觉计算组担任高首席研究经理,与孙剑合作。此后一直在商汤科技研究院任执行研究总监。

代季峰的研究重点是针对高级视觉的深度学习。他最知名的代表作是他在 2016 年发表在 NIPS 上的R-FCN,引用数超过 5300。另外还有发表在 ICCV 2017 上的 Deformable ConvNets、发表在 ICLR 2020 上的 Visual-Linguistic BERT(VL-BERT)。谷歌学术显示,代季峰的引用总次数 20500 次以上。此外,代季峰还担任 IJCV的编委会成员和 AAAI 2018的高级程序委员,也担任过CVPR、ICCV、ECCV、ICLR 等会议和 TPAMI、IJCV、CVIU、TIP、TMM等期刊的审稿人。

此前,代季峰从微软亚研跳槽到商汤科技的消息曾引发热议。据当时代季峰在知乎上的本人回答,他离开微软亚研的原因是「不想只做纯科研,而想尝试做业务,扩充自己的职业技能」。

参考链接:

1.https://www.zhihu.com/question/544948777

2.https://jifengdai.org

3.https://scholar.google.com.hk/citations?user=SH_-B_AAAAAJ&hl=zh-CN

2018年谷歌学术影响力排名发布:CVPR进入前20名,RESNET最多被引用1万多次!

新智元报道

来源:scholar.google.com

作者:闻菲

【新智元导读】谷歌学术昨天发表了2018年最新的学术期刊和会议影响力排名,CVPR和NIPS分别排名第20和第54。在排名第一的Nature里,过去5年被引用次数最高的论文,正是深度学习三大神Hinton、LeCun和Bengio写的《深度学习》一文,而CVPR里被引次数最高的,则是ResNet,引用次数超过了1万次。

昨天,谷歌学术(Google Scholar)公布了2018年最新的学术期刊/会议影响力排名,从综合领域看,毫不意外的,Nature第一、Science第三,但值得关注的是,计算机视觉顶会CVPR排名第20,另一个AI领域的顶会NIPS也排名第54,名次较去年有了大幅提升。

就连排名第一的Nature里,过去5年被引用次数最高的论文,也是“深度学习三大神”Hinton、LeCun和Bengio合著的《深度学习》一文。

不仅如此,在CVPR里,过去5年被引次数最多的论文,是当时还在微软亚洲研究院的孙剑、何恺明、张祥雨、任少卿写的的ResNet,被引次数已经过万。

2018 谷歌学术期刊和会议影响力排名:CVPR第20,NIPS第54

首先来看综合领域结果。

大家比较关心的Nature、Science分别位列第一和第三,医学著名期刊《新英格兰杂志》和《柳叶刀》分别位于第二和第四。一向被国内与Nature、Science并列,有“CNS”之称的Cell,这次排名第6。

接下来就是新智元的读者更为关注的与人工智能有关的期刊和会议了,这一次,计算机视觉顶会CVPR不负众望排名第20,由此计算机领域顶会也终于进入Top20的行列。

另一方面,AI领域另一个备受关注的会议NIPS,也在综合排名中位列第54,取得了不错的成绩。

与神经科学相关的 Nature Neuroscience 排名第44。

至于第21名到第40名的期刊,实际上也有常有跟AI相关的论文发表,大家也可以看一下排名。

值得一提,PLoS ONE位于第23,Scientific Reports 排名第39,也算是不错的发表场所了。

在第61到第80名中间,集中出现了多本IEEE期刊。被誉为另一个计算机视觉顶会的ICCV,排名第78。

第81到第100名的期刊/会议排名如下,TPAMI 位于第92,果然好论文都优先去会议发表了。

工程与计算机领域Top 20:CVPR排名第5

谷歌学术计量排名方法:过去5年被引用论文“h5指数”

谷歌学术(Google Scholar)期刊和会议排名主要基于h-index。实际上,从2012年起来,谷歌学术计量(Google Scholar Metrics, GSM)每年都会发布学术期刊和会议的GSM排名。

相比科睿唯安基于Web of Science数据库公布的《期刊引证报告》(Journal Citation Report, JCR),GSM不仅可以免费检索,而且收录的期刊和会议范围远远大于Web of Science。

还有一点,期刊/会议的“h5指数”(过去5年h-index)比较难以被人为操控,不会因为多了一篇超高被引论文而明显增长,另一方面,刻意减少发文量也不会对提升h5指数有作用。

因此,h5指数可以体现期刊和会议的整体综合实力,逐渐成为学术出版物和会议影响力评价的一个重要参考。

总体看,GSM主要参考以下3个指标:

  • h指数(h-index):指在所有发表的论文中,有至少 h 篇论文分别被引用了至少 h 次,那么这份期刊或会议的h指数就是h。

  • h核心(h-core):指该期刊或会议被引用最高的 h 篇论文。

  • h中位数(h-median):指 h核心中位数论文的引用次数。

相应地,h5指数(h5-index)、h5核心(h5-core)和h5中值(h5-median),就是收录在谷歌学术系统中的期刊和会议在最近5年的论文数量及各论文被引用的次数

例如,如果某本期刊在过去5年所发表的论文中,至少有 h 篇论文分别被引用了至少 h 次,那么这份杂志的 h5指数就是 h。h5核心和h5中值的计算方法也一样。

了解更多:

https://scholar.google.com/citations?view_op=top_venues&hl=zh-CN&vq=en

新智元AI WORLD 2018大会【早鸟票】

开售!

新智元将于9月20日在北京国家会议中心举办AI WORLD 2018 大会,邀请机器学习教父、CMU教授 Tom Mitchell,迈克思·泰格马克,周志华,陶大程,陈怡然等AI领袖一起关注机器智能与人类命运。

大会官网:

https://www.aiworld2018.com/

即日起到8月19日,新智元限量发售若干早鸟票,与全球AI领袖近距离交流,见证全球人工智能产业跨越发展。

  • 活动行购票链接:

    https://www.huodongxing.com/event/6449053775000

  • 活动行购票二维码:

谷歌计划向所有企业和政府机构开放“谷歌地球引擎”的商业使用

据ZDNet 6月27日报道,在过去的十年里,学术界和非营利组织的研究人员通过谷歌地球引擎(Google Earth Engine)获得了越来越复杂的关于地球表面的信息。现在,任何商业或政府机构都可以访问谷歌Cloud的新企业级商业版计算机程序。

图片来自:Bing

谷歌地球项目负责人丽贝卡·摩尔(Rebecca Moore)周一(6月27日)表示:“我们正在帮助企业负责任地管理自然资源,同时建立可持续的商业实践。”他们正在商业化地球引擎,以满足优先考虑可持续性的商业客户。企业正面临来自监管机构、投资者和客户的压力,要求它们减少碳排放。因此谷歌正在推出新产品,承诺用更多更好的数据帮助他们实现可持续发展目标。

(编译:晋阳)

在互联网上发表论文将产生一种新的学术评估机制

报纸不是新闻,电视机也不是新闻,它们仅仅是新闻的载体而已,新闻中描述的事件没有载体也是实实在在发生的,载体只是承载了一部分的传播功能。学报期刊也仅仅是学术论文交流的载体,论文载体并不参与科研成果的研究过程,它也仅仅是承载了一部分学术传播作用。互联网已经深刻改变了传统媒体格局和舆论生态,它也必将改变传统学术期刊格局和学术交流生态。

与此形成鲜明对比的是,纸质新闻媒体和杂志关门倒闭已屡见不鲜,但争办纸质学报期刊的机构团体却蜂拥而至,还叫喊着办精品期刊。时代在发展,利用互联网发表论文,不仅能够有效解决纸质期刊发表周期过长的问题,还能规避论文发表过程中的不正之风,有效地保护作者的知识产权等。

同时,互联网这种载体的不同,还能彻底改变传统的学术论文在评估评价等方面的不足。

在纸质期刊时代,期刊的影响因子和论文的被引用次数(且不分正面和反面引用)是评估论文价值和影响力的最重要指标、甚至是唯一指标。其局限性在于一篇很有价值的论文,读者用其思想指导实验、开展工作,或进一步研究发展到申请专利、制造出产品,但这位读者就是不发表论文,所以对原论文就不会增加被引用次数。在互联网时代,可以全面评价论文的价值。大量论文首先在线发表有的只在网络发表,读者在线阅读的普及,不仅可以通过论文的被引用次数评估其学术价值,而且可以统计论文被在线阅读的时间、点击次数、下载次数、收藏次数、转载次数、评论评价、推荐次数等,都可以成为论文价值的评价指标。

利用互联网发展出新的学术评价机制将是大势所趋。

谷歌学术(GoogleScholar)从2012 年开始,每年统计公布各个学术载体的五年h指数,排在前十位的基本上是七家期刊和三家开放存取(OA)网站,而且RePEc网站排在第四位,arXiv排第五,仅次于大名鼎鼎的期刊Science,排第七的SSReNet网站仅次于Lancet,超过Cell期刊。研究表明:开放存取论文达到巅峰值的时间在延长,互联网并没有加快开放存取论文的老化,反而有延缓之势;单篇论文下载频次与被引频次之间的相关性不显著;综述性论文更容易出现“高下载低引用”现象;从长期来看,开放存取论文下载频次与被引频次之间呈现正相关趋势。以网络为载体的开放存取网站其影响力在逐步增大。

论文不就是交流吗?无论出版商、学霸、评价机构如何抬高传统期刊的地位,只要学术界回归到发表论文是为了学术交流的本来目的,是纸质期刊发表好还是通过网络数字发表好,应该是没有争议的。

为什么不可以建设一个世界科研论文的“淘宝”平台?我们应该借中国大发展的历史机遇,借中国科研人员众多,论文数量庞大的机会,尽快建立或合作建立网络发布论文的共建共享平台,让作者自助并自主发布论文,形成世界最大的专业论文库、知识库,从而间接地快速提升中国的科研水平与地位。

可惜的是,我们现在还有很多人,也包括相关主管部门,出于各种目的与原因,还抱着纸本期刊不放,还用办精品期刊的名义浪费纳税人的钱。广大老百姓都不买胶片相机改买数码相机了,转而网络购物、网络银行、网路炒股等等。如果自诩为精英的科技人员思想观念都落后于普通老百姓,这个国家还有希望吗?(李志民,图片源自网络)