清華大学と北京大学は確実にトップ20に入っています！世界のAI研究の年間ランキングが発表され、中国と米国の間には大きな差がある

さらに、テクノロジー業界に特化したベンチャーキャピタル企業であるサンダーマーク・キャピタルは、毎年この取り組みを行っており、最近、同社は毎年恒例の世界 AI 研究ランキングを発表しました。

今回選ばれた2つのトップカンファレンスは、ICML 2021とNeurIPS 2021で、合計3523件の論文（ICMLから1184件、NeurIPSから2339件）が発表されました。

見覚えのある名前がないか、一緒に探してみませんか？

2022年AI研究ランキング

上位50カ国

世界のトップ100大学

スペースの制限により、表には AI 研究で世界ランキング上位 20 位の大学のみが記載されています。一部の大学のフォームでは、略語（必ずしも正確ではない）の後にフルネームが続きます。

サンダーマークキャピタル自身のミスにより、上の写真では南洋理工大学が中国の大学として表示されています。シンガポールの友達はあまり気にしないと思います…よね？

MIT = マサチューセッツ工科大学、CMU = カーネギーメロン大学、UCB = カリフォルニア大学バークレー校、UCLA = カリフォルニア大学ロサンゼルス校、ETH = スイス連邦工科大学、UT Austin = テキサス大学オースティン校、EPFL = ローザンヌ連邦工科大学、KAIST = 韓国科学技術院、UW = ワシントン大学、NYU = ニューヨーク大学、NUS = シンガポール国立大学、Gatech = ジョージア工科大学、Columbia = コロンビア大学、UofT = トロント大学

リストに載っている他の中国の大学は以下の通り。

世界のトップ100企業

リストに載っている他の中国企業は以下のとおりです。

ランキング方法

このランキング方法はNature Indexを参考にしており、この指標の計算方法は次のとおりです。

論文に対する国、地域、機関の貢献度を把握し、二重カウントが起こらないようにするために、Nature Index では、各論文の著者のシェアを考慮した分数計算を使用しています。

Nature Index にカウントされる各論文の合計スコアは 1 で、各著者が同等の貢献をした場合はすべての著者に均等に分配されます。たとえば、記事に 10 人の著者がいる場合、各著者のスコアは 0.1 になります。著者が複数の機関に所属している場合、著者のスコアは機関間で均等に分割されます。

最終的に、研究機関の合計スコアは、その機関のすべての著者によって割り当てられたスコアの合計になります。

国/地域スコアの計算プロセスも同様ですが、一部の機関には海外の研究所があり、その研究所の国/地域全体のスコアに加算されるため、より複雑になります。

Nature Indexについてお話しした後は、このレポートのスコア計算についてお話ししましょう。

実は、基本的にはNature Indexと同じです。唯一の違いは、このレポートでは、企業や研究機関の海外研究室の論文を、実際に所在する国/地域ではなく、本社がある国/地域の論文としてカウントしている点です。

確かに、この計算は議論の余地があるかもしれないが、このアプローチは、知的財産の分配と、地方の研究所ではなく本社への利益の蓄積をより適切に反映している。

たとえば、2014年に米国を拠点とする多国籍企業Googleに買収された英国を拠点とするAI研究機関DeepMindを例に挙げてみましょう。

上記の計算によれば、DeepMind が発表した論文は、現在の所有者である米国 Google にカウントされることになります。これは英国の友人たちを失望させるかもしれない。しかし、会議の議事録だけに基づいて地図上で各著者の位置を特定するのは複雑すぎるため、このアプローチは現在、著者を扱う唯一の一貫した方法です。

これら 2 つのトップ AI カンファレンスの主催者が将来、著者に関するより詳細な情報を提供し、企業の所有構造のランキングに基づくリストと著者の所在地に基づくリストの 2 つのバージョンを作成できるようになることが期待されます。

具体的な例を挙げてみましょう。

論文の著者が 5 人いる場合 (MIT から 3 人、オックスフォード大学から 1 人、Google から 1 人)。まず、各著者はスコアの 5 分の 1、つまり 1 人あたり 0.2 ポイントを受け取ります。したがって、この論文だけに基づくと、MIT は 3*0.2=0.6 ポイント、オックスフォードは 0.2 ポイント、Google は 0.2 ポイントを獲得することになります。

MIT は米国にあるため、米国のスコアは 0.6 ポイント増加します。同様に、EEA + スイス + 英国地域は、オックスフォード大学が英国にあるため、0.2 ポイント増加します。

最後に、Google は米国に本社を置く多国籍企業であるため、米国のスコアにさらに 0.2 ポイントが加算され、合計 0.8 ポイントになります。

著者が複数の機関に所属している場合、対応するスコアは計算中に各所属機関間で均等に分割されます。

たとえば、上記の例で、最後の著者が Google とスタンフォード大学の 2 つの提携機関を挙げている場合、Google とスタンフォード大学の両方に 0.2/2 = 0.1 ポイントが追加で加算されます。

直感的に言えば、Google の 200 という指標は、Google が 2021 年にこれら 2 つの AI カンファレンスで 200 件の完全な論文を発表したと解釈できます。

参照データセットに関しては、リストの発行者は、ICML と NeurIPS の論文を同じデータセットに統合することが公平であると考えています。

これら 2 つのカンファレンスは、トップクラスの AI 研究者の間では、同様に名声 (「評判」とも言える) があると認識されています。研究機関の参加と論文採択率から判断すると、これら 2 つの会議のパフォーマンスは同等です。 （ICML 2021の合格率は21.5％、NeurIPS 2021の合格率は20.1％です）。

実際、このリストが「機械学習」の分野の評価ベンチマークとして ICML と NeurIPS を選択しているのは理にかなっています。たとえば、CVPR や ICCV などのトップ カンファレンスは大きな影響力を持っているかもしれませんが、どのカンファレンスも重点を置いているサブ フィールドが明確に存在します。

中国コンピュータ連合会（CCF）が発表した「中国コンピュータ連合会が推奨する国際学術会議・ジャーナル目録」には、人工知能のサブカテゴリに合計7つのA級会議が掲載されており、ICMLとNeurIPSもそのリストに載っている。

昨年7月に更新された、さまざまな業界のトップカンファレンスとジャーナルのGoogle Scholar Metricsランキングによると、NeurIPSとICMLは「エンジニアリングとコンピューターサイエンス」カテゴリーでそれぞれ4位と7位にランクされました。

清華大学AMinerによるトップコンピュータサイエンスカンファレンスのランキングでも同様の結果が得られました。 NeurIPSは2位、ICMLは4位にランクインしました。

Guide2Research がまとめたトップカンファレンスのランキングによると、NeurIPS は 2 位、ICML は 6 位にランクされています。

とはいえ、全体的にこの評価基準は厳密とは言えませんが、参考として使うことはできます。

各国のAI研究動向の簡単な分析

ご覧のとおり、中国は過去 2 年間にわたって AI に関する大規模な研究を行っており、その出版指数は毎年 52% と 53% 増加しています。これは、ICML および NeurIPS カンファレンスの競争レベルを考慮すると非常に印象的な成果です。

その結果、中国のトップ大学である清華大学は、Facebook、UCLA、ETH、EPFL、プリンストン、UTオースティンなどの強力なライバルを追い抜いて、2年前の15位から現在8位に上昇しました。

もう一つの中国のトップ大学である北京大学も、AI研究で清華大学に追随しているが、論文出版指数では1、2年遅れをとっている（現在16位）。

もう一つの大きな改善はドイツで見られ、出版指数は過去2年間でそれぞれ42%と44%増加しました。

格付け機関は、この傾向を支持する一つ星の大学や企業を見つけられなかった（リストのドイツのトップの機関は、42位のテュービンゲン大学である）。

ドイツの AI 研究の成長の勢いは、ドイツの有名なマックス・プランク研究所と全国の工科大学の間で地理的に均等に分散しています。

さらに、韓国の論文出版指数は過去2年間でそれぞれ64%と32%増加しました。 AI研究における日本の才能は、現在スイスと同等（あるいはわずかに上回っている）です。

ちなみに、韓国の近隣国であるシンガポール（まだトップ10には入っていない）は、過去2年間で出版指数がそれぞれ128%と55%向上し、現在は11位と目覚ましい成績を収めている。

この調子でいくと、数年後には日本（10位）に追いつくかもしれない。

学術界と産業界から出版された論文の総数の割合

中国と米国：AIでリードするのは誰か？

現在、AI分野における優位性をめぐる米国と中国の戦略的競争の現状について、活発な議論が行われている。

2016 年に人工知能の分野で 2 つの大きな出来事がありました。

まず、Google の AlphaGo が、ハンディキャップなしでプロ囲碁プレイヤーの李世ドル 9 段を破った初のコンピュータ プログラムとなった。

2 番目に、オバマ大統領の政権は、「人工知能の未来への準備」と呼ばれる AI の将来の方向性と検討に関する戦略を発表しました。

これに対して中国は2017年に「新世代人工知能開発計画」を提案し、政策支援だけでなく数十億ドルの研究開発投資も提供した。

サンダーマーク・キャピタルによれば、中国の協調的な取り組みにより、AIにおける米国の技術的優位性は急速に失われつつあるという。

2017年、米国は中国に対して11倍のリードを持っていましたが、2019年までに米国のリードは7倍に低下しました。2020年には米国のリードはわずか6倍でした。この記事の執筆時点では、米国のリードは4倍です。

さらに、アレン人工知能研究所の分析によると、最も引用された論文の上位10％に中国人著者が占める割合は着実に増加していることが判明した。

今後10年間は​​、AI分野における米国の競争力にとって明るい兆しは見えない、と主張する人もいるだろう。

しかし、サンダーマーク・キャピタルは、結果は現代の AI の 3 つの主要要素であるアルゴリズム、ハードウェア、トレーニング データの進歩の相互作用に左右されると考えています。この分野を支配するには、これらすべてをうまく実行する必要があります。

今後数年間、米国は、MIT、スタンフォード大学、CMU、カリフォルニア大学バークレー校などの世界クラスの大学における数十年にわたるコンピューターサイエンスの進歩に基づき、AI アルゴリズムで引き続き大きなリードを維持するでしょう。

さらに、Google や Facebook などの企業が AI の学術会議で社内研究を公開するオープン性により、トップクラスの AI 研究者が学術界と産業界の間をシームレスに行き来できる、活気のあるエコシステムが生まれました。

さらに、シリコンバレーの元祖とも言えるシリコン中心の企業である米国は、常にハードウェアのイノベーションの最前線に立ってきました。

サンダーマーク・キャピタルは、特にインテル、AMD、NVIDIAが所有する大規模な特許ポートフォリオの保護を考慮すると、今後5年から10年で中国が先進的なマイクロプロセッサ技術で米国に追いつくのは非常に難しいだろうと考えている。

しかし、トレーニングデータの入手可能性に関しては、米国の優位性は疑問視されている。データへのアクセスは、プライバシーと公共の利益をめぐる幅広い議論の一部であり、米国は前者を選択し、中国は後者を選択する傾向がある。

現在、中国では、AI が何億台もの街頭カメラから顔をスキャンし、何十億もの WeChat メッセージを読み取り、何百万もの健康記録を分析しています。このトレーニング データが利用可能であることと、中国の 14 億人の人口が相まって、中国にとって大きな戦略的優位性が生まれます。

結論を出すのは難しいですが、著者は、最初の 2 つの要素 (アルゴリズムとハードウェア) が最後の要素 (データの可用性) を上回り、今後数年間は米国が AI 能力において主導的な地位を維持すると考えています。

最近、ホワイトハウスは中国の進歩に対応して、人工知能や量子コンピューティングなどの研究分野に10億ドルの投資を発表し、これらの分野で米国が中国に遅れをとっているという多くの政策顧問の懸念に応えた。

著者について

グレブ・チュピロ氏は、ディープテクノロジーのスタートアップ企業に投資するベンチャーキャピタル会社、サンダーマーク・キャピタルのマネージングパートナーです。

彼は、MIT でコンピューターサイエンスと人工知能研究所の修士号を取得し、ペンシルバニア大学ウォートン校で財務と戦略管理の MBA を取得しています。