Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar
यह शोध पत्र Scholar-ML-1000 को प्रस्तुत करता है, जो जून 2026 में एकत्र किए गए 996 शीर्ष-उद्धृत मशीन लर्निंग शोधकर्ताओं का एक सार्वजनिक रूप से जारी किया गया डेटासेट है, जो यह प्रकट करता है कि गूगल और डीपमाइंड जैसी प्रमुख तकनीकी कंपनियां अब शीर्ष विश्वविद्यालयों के संयुक्त योग से अधिक अग्रणी एमएल विद्वानों की मेजबानी करती हैं, जबकि यह क्षेत्र की महत्वपूर्ण वैश्विक विविधता और अंतरविषयक पहुंच को भी उजागर करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि मशीन लर्निंग (ML) अनुसंधान की दुनिया एक विशाल, हलचल भरे शहर की तरह है। वर्षों से, लोग इस बात पर बहस कर रहे हैं कि वास्तव में बागडोर किसके हाथ में है: क्या यह पुराने स्कूल के विश्वविद्यालय ("अकादमी") हैं, या बड़ी तकनीकी कंपनियां ("उद्योग")। क्या सबसे बुद्धिमान लोग विश्वविद्यालयों को छोड़कर बड़ी कंपनियों में जा रहे हैं, या वे वहीं टिके हुए हैं?
डॉ. कुणाल धंधा ने इस बहस को सुलझाने का फैसला किया और एक विशाल जनगणना की। उन्होंने Scholar-ML-1000 नामक एक सूची बनाई, जो दुनिया के शीर्ष 1,000 सबसे प्रसिद्ध मशीन लर्निंग शोधकर्ताओं की "कौन कौन है" (Who's Who) की सूची है, जिन्हें इस आधार पर रैंक किया गया है कि कितने लोगों ने उनके काम को पढ़ा और उद्धृत (cite) किया है।
यहाँ उनकी खोज का विवरण है, जिसे सरल भाषा में समझाया गया है:
1. "शहर" का मानचित्र: कौन कहाँ रहता है?
डॉ. धंधा ने शीर्ष 1,000 लोगों को देखा और पूछा, "वे कहाँ काम करते हैं?"
- परिणाम: आश्चर्यजनक रूप से, विश्वविद्यालय अभी भी बहुमत रखते हैं। लगभग 52% शीर्ष शोधकर्ता अभी भी अकादमिक क्षेत्र में कार्यरत हैं।
- ट्विस्ट: हालांकि विश्वविद्यालयों के पास सबसे अधिक लोग हैं, लेकिन टेक दिग्गज अविश्वसनीय रूप से शक्तिशाली हैं। विशेष रूप से, अकेले Google और Google DeepMind इन शीर्ष 209 शोधकर्ताओं को नियुक्त करते हैं।
- उपमा: कल्पना कीजिए कि दुनिया के शीर्ष 1,000 एथलीटों की बात हो रही है। आप उम्मीद करेंगे कि वे हजारों अलग-अलग हाई स्कूलों और कॉलेजों में फैले होंगे। इसके बजाय, आप पाते हैं कि एक एकल निजी स्पोर्ट्स क्लब (Google/DeepMind) के पास शीर्ष तीन विश्वविद्यालयों (Stanford, MIT, और Berkeley) के संयुक्त कर्मियों से भी अधिक एथलीट हैं। वह क्लब एक "सुपर-क्लब" है।
2. "ब्रेन ड्रेन" (प्रतिभा पलायन) का मिथक
एक आम डर है कि "ब्रेन ड्रेन" इतना गंभीर है कि विश्वविद्यालय खाली खोल बन गए हैं और सारा जीनियस कॉर्पोरेट लैब्स में चला गया है।
- वास्तविकता: पेपर कहता है कि यह डर आंशिक रूप से सच है लेकिन काफी हद तक बढ़ा-चढ़ाकर बताया गया है। हाँ, कई युवा, उभरते सितारे उद्योग की ओर बढ़ रहे हैं। लेकिन "पुराने गार्ड"—सबसे प्रसिद्ध, अत्यधिक उद्धृत वरिष्ठ शोधकर्ता—अभी भी काफी हद तक विश्वविद्यालयों में हैं। "अकादमी" के पास अभी भी कुल उद्धरणों (citations) का सबसे बड़ा हिस्सा (52.3%) है।
- उपमा: यह एक नदी की तरह है। पानी (नई प्रतिभा) निश्चित रूप से समुद्र (उद्योग) की ओर बह रहा है, लेकिन ऊपर स्थित विशाल पर्वतीय झील (अकादमी) अभी भी समुद्र द्वारा एकत्र किए गए पानी से अधिक पानी अपने पास रखे हुए है।
3. "अदृश्य" पड़ोसी
जब हम मशीन लर्निंग के बारे में सोचते हैं, तो हम आमतौर पर कंप्यूटर, रोबोट और चैटबॉट्स के बारे में सोचते हैं। लेकिन इस सूची ने कुछ अप्रत्याशित प्रकट किया।
- खोज: इन शीर्ष शोधकर्ताओं का एक बड़ा हिस्सा केवल "कंप्यूटर वैज्ञानिक" नहीं है। वे पार्टिकल भौतिक विज्ञानी (Particle Physicists), जीवविज्ञानी और खगोलशास्त्री हैं।
- उपमा: यदि आप शीर्ष 1,000 ML विशेषज्ञों के कमरे में प्रवेश करेंगे, तो आपको केवल हुडी पहने कोडिंग करने वाले लोग ही नहीं दिखेंगे। आप लैब कोट पहने उन लोगों को भी देखेंगे जो ब्रह्मांड के सबसे छोटे कणों (जैसे CERN में) का अध्ययन कर रहे हैं और उन लोगों को भी जो दूर के सितारों को देख रहे हैं। वे अपने विशिष्ट पहेलियों को सुलझाने के लिए मशीन लर्निंग का एक उपकरण के रूप में उपयोग करते हैं, और वे इतने सफल हैं कि वे वैश्विक "शीर्ष 1,000" सूची में शामिल हैं।
4. "साइटेशन" (उद्धरण) स्कोरबोर्ड
पेपर ने देखा कि शोधकर्ता उद्धरणों (कितनी बार अन्य वैज्ञानिकों ने उनके काम को उद्धृत किया है) के आधार पर कितने "लोकप्रिय" हैं।
- असमानता: विज्ञान की दुनिया में, कुछ लोग ही सारी प्रसिya पाते हैं। इसे "गिनी गुणांक" (Gini coefficient) कहा जाता है।
- निष्कर्ष: इन 1,000 लोगों के बीच असमानता, उद्योग-मात्र सूचियों की तुलना में कम है। इसका मतलब है कि हालांकि कुछ सुपरस्टार्स (जैसे योशुआ बेंगियो और जेफ्री हिंटन) शीर्ष पर हैं, लेकिन "मध्यम वर्ग" के शोधकर्ता भी काफी अच्छा कर रहे हैं। प्रसिद्धि थोड़ी अधिक समान रूप से फैली हुई है, जबकि कॉर्पोरेट जगत में कुछ सितारे सब कुछ हावी हो सकते हैं।
5. "घोस्ट" (भूत) की समस्या (डेटा क्लीनिंग)
प्रकाशित करने से पहले, डॉ. धंधा को अपनी सूची को साफ करना पड़ा। उन्होंने चार "इम्पोस्टर" (बनावटी) खातों को पाया।
- समस्या: कुछ प्रोफाइल में फर्जी, बढ़ा-चढ़ाकर दिखाए गए नंबर थे। एक व्यक्ति ने लगभग 5.5 मिलियन साइटेशन का दावा किया था (जो एक वास्तविक इंसान के लिए असंभव है), और अन्य ऐसे लोग थे जिन्होंने केवल प्रबंधन पत्र (management paper) में "मशीन लर्निंग" शब्द का उपयोग किया था लेकिन वे वास्तव में ML शोधकर्ता नहीं थे।
- समाधान: उन्होंने 996 वास्तविक शोधकर्ताओं की एक स्वच्छ सूची प्राप्त करने के लिए इन चार "भूतों" को हटा दिया।
सारांश: बड़ी तस्वीर
यह पेपर जून 2026 में मशीन लर्निंग की दुनिया का एक हाई-रिज़ॉल्यूशन फोटो लेने जैसा है।
- विश्वविद्यालय अभी भी अधिकांश शीर्ष प्रतिभाओं का मुख्य घर हैं।
- Google शीर्ष प्रतिभाओं को नियुक्त करने वाला सबसे बड़ा नियोक्ता है, जो सर्वश्रेष्ठ विश्वविद्यालयों को भी पीछे छोड़ देता है।
- मशीन लर्निंग अब केवल एक कंप्यूटर विज्ञान का विषय नहीं रह गया है; यह एक ऐसा उपकरण है जिसका उपयोग भौतिकविदों और जीवविज्ञानियों द्वारा भारी मात्रा में किया जा रहा है जो अब विशिष्ट रूप से इसमें शामिल हैं।
- "ब्रेन ड्रेन" हो रहा है, लेकिन इसने विश्वविद्यालयों को अभी तक खाली नहीं किया है।
लेखक ने सूची और इसे खोजने के लिए उपयोग किया गया कोड जारी कर दिया है, जिससे दूसरों को इस "पारिस्थितिकी तंत्र" (ecosystem) का आगे अध्ययन करने के लिए आमंत्रित किया गया है। यह एक स्नैपशॉट है कि कौन मशीनों को स्मार्ट बनाने की दौड़ का नेतृत्व कर रहा है, और यह पता चलता है कि नेतृत्व प्रोफेसरों, कॉर्पोरेट वैज्ञानिकों और अन्य क्षेत्रों के वैज्ञानिकों का एक मिश्रण है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।