Machine Learning Research in India: Institutions, Citation Patterns, and Research Trajectories Among Top-Cited Scholars on Google Scholar

インドの機械学習（ML）研究シーンを、巨大で活気あるオーケストラとして想像してみてください。長い間、誰もが最も声が大きく有名なセクションは「IIT（インド工科大学）」であると考えてきました。彼らは、誰もが知っている名高いソロ奏者や高給取りの演奏家のような存在です。

しかし、この論文は、オーケストラ全体の録音を終え、音響解析を行ったばかりのサウンドエンジニアのような役割を果たしています。エンジニア（Kunal Dhanda博士）は、インドの「機械学習」という楽器を演奏している478人のトップミュージシャン（研究者）を調査し、彼らの音楽がどれほど多くの人に聴かれたか（引用数）を確認し、実際に誰が最も大きな音を立てているのかについて、驚くべき事実を発見しました。

以下に、この論文の発見を、シンプルな比喩を用いて解説します。

1. データ収集：「Google Scholarのプレイリスト」

研究者は、誰が有名かを単に推測したわけではありません。彼はGoogle Scholar（学術論文の巨大なライブラリ）へ行き、自身を「機械学習」のエキスパートとしてタグ付けしているインドの全員をリストアップするよう求めました。そして、その仕事が何回引用されたか（曲が何回ストリーミングされたかを数えるようなもの）によって、彼らを並べ替えました。

• クリーニング： 彼は480人の名前から、2つの「偽物」または「誤った」エントリーを除外しました。一つは、巨大なチームプロジェクト（MLではない）によって高い数値を得ていた素粒子物理学者であり、もう一つはシステムを操作しようとしているように見える人物でした。
• 結果： 最終的に、合計152万件の引用を持つ、478人の本物の研究者によるクリーンなリストが残りました。

2. 「富める者がさらに富む」効果（ジニ係数）

論文では、ジニ係数（0から1までのスコア）と呼ばれるものを用いて不平等を測定しました。

• 比喩： パイを想像してください。全員が等しい一切れをもらえる場合、スコアは0です。もし一人がパイを丸ごと食べてしまったら、それは1になります。
• 発見： インドのMLのパイのスコアは0.53でした。これは、「富める者がさらに富む」現象がここで起きていることを意味しますが、極端なレベルではありません。トップ5%の研究者（約24人）が、全注目度（引用数）のほぼ**31%**を占めています。これは、いくつかのヘッドライナーがほとんどの喝采を集める一方で、他のバンドも注目されている音楽フェスティバルのようなものです。

3. 大きな驚き：実際に最も大きな音を立てているのは誰か？

これがこの論文の最大のひねりです。誰もがIITこそがインドの研究の王であると考えています。

• 現実の検証： 論文は、総引用数において**インド科学研究院（IISc）**が実際にIITを凌駕していることを明らかにしました。
  • IISc： 26人の研究者を擁しながら、総引用数の**8.9%**を獲得しています。
  • IITs： 16人の研究者を擁しながら、引用数の**4.1%**しか獲得していません。
• なぜか？： 論文は、IITは膨大な教育負担を伴う大規模な大学であるのに対し、IIScは全員が研究に純粋に集中する専門的な研究ラボに近い性質を持っているためだと示唆しています。また、多くのトップクラスのIIT卒業生は、海外の仕事へとインドを離れてしまうため、「スター」が必ずしもIITのシステム内に留まっているわけではありません。

4. 「レガシー・ジャイアント（遺産を持つ巨人）」：インド統計研究所（ISI）

ISI（インド統計研究所）と呼ばれる小さなグループがあります。

• 比喩： 彼らをベテランのジャズミュージシャンと考えてください。彼らは非常に小さなグループ（わずか8人の研究者）ですが、全引用数の**6.1%**に貢献しています。
• なぜか？： 彼らは、現代の「ディープラーニング」が普及するずっと前から、数十年にわたってこの分野に取り組んできました。彼らのパターン認識などの古い、基礎的なトピックに関する研究は、長年にわたって何千回も引用されています。長い歴史があるため、彼らはその規模をはるかに超える影響力を発揮しています。

5. コーポレート・プレイヤー：ビッグテック・ラボ

論文は、GoogleやMicrosoftといった企業で働く研究者についても調査しました。

• 発見： 彼らはグループの小さな部分（約6%）を占めていますが、引用数の**7.7%**を占めています。
• 比喩： 彼らは研究界におけるハリウッドスタジオです。彼らは大きな予算を持ち、多くの注目を集める高品質な「大作」（論文）を生み出しています。ここでの主なプレイヤーは、Google IndiaとMicrosoft Indiaです。

6. 彼らは何を演奏しているのか？（研究分野）

研究者がこれらの人々が実際に何を研究しているかを見たところ：

• コンピュータビジョン（コンピュータに画像を「見せる」技術）が最も人気のあるジャンルです。
• 画像処理とデータマイニングがこれに続きます。
• 興味深いことに、大規模言語モデル（チャットボットの背後にある技術）のような「最新の」トレンドは、まだトップの引用数には入っていません。これは、最も多くの引用を持つ人々がこの分野で長く活動してきた人々であり、彼らの「ヒット曲」（古い論文）がいまだに最も多く再生されているためと考えられます。

7. 限界（マイクが捉えられなかったもの）

著者は、この研究が伝えられないことについても正直に述べています：

• 自己選択： これはGoogle Scholarのプロフィールを作成した人々のみをカウントしています。もしインドに素晴らしい研究者がいても、その人がGoogle Scholarを利用していなければ、このオーケストラには含まれません。
• 過去 vs 現在： データは人々が「今」どこで働いているかを示していますが、彼らが有名な論文を書いた時にどこにいたかは示していません。研究者は現在大学に所属していても、企業で働いていた時に有名になった可能性があります。
• 因果関係の不在： IIScが高い引用数を持っていることは分かっていますが、IIScが引用数を「高めた」のか、あるいは引用数の高い研究者がIIScを「選んだ」のかについては分かりません。

まとめ

この論文は、インドの機械学習シーンが、一般に思われているよりも多様であることを描き出しています。IITはそのブランドで有名ですが、研究へのインパクトという点ではIIScやISIが真の有力者です。一方で、ビッグテック・ラボも静かに主要なプレイヤーになりつつあります。これは、少数の機関や企業がスポットライトの多くを保持している一方で、レガシーな専門家と現代の革新者が健全に混ざり合っている風景なのです。