Who Leads Machine Learning Research? A Bibliometric Portrait of 1,000 Top-Cited Researchers on Google Scholar
本文介绍了 Scholar-ML-1000，这是一个于 2026 年 6 月收集的包含 996 位高被引机器学习研究人员的公开数据集，该数据集揭示了像谷歌和 DeepMind 这样的主要科技公司目前拥有的顶尖机器学习学者数量已超过顶尖大学的总和，同时也凸显了该领域显著的全球多样性和跨学科影响力。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下机器学习（ML）研究的世界是一座巨大且繁忙的城市。多年来，人们一直在争论到底谁才是真正的掌权者：是传统的大学（“学术界”），还是巨型科技公司（“工业界”）？最聪明的人是在离开大学前往大公司，还是留在原地？
Kunal Dhanda 博士决定通过进行一次大规模的人口普查来解决这场争论。他创建了一个名为 Scholar-ML-1000 的名单，这本质上是一份“全球顶尖 1,000 名机器学习研究人员名录”，他们是根据其研究被阅读和引用的次数进行排名的。
以下是他发现的研究结果，用通俗易懂的方式进行了解释：
1. “城市”地图：谁住在哪里？
Dhanda 博士观察了这 1,000 名顶尖研究人员，并问道：“他们在哪里工作？”
- 结果： 出人意料的是，大学仍然占据多数。大约 52% 的这些顶尖研究人员仍就职于学术界。
- 转折： 虽然大学拥有最多的人数，但科技巨头拥有极其强大的力量。具体而言，仅 Google 和 Google DeepMind 一家就雇佣了 209 名这类顶尖研究人员。
- 类比： 想象一下全球顶尖的 1,000 名运动员。你可能会预期他们分布在成千上万所高中和大学中。然而，你会发现一个单一的私人体育俱乐部（Google/DeepMind）所拥有的运动员人数，比排名前三的大学（斯坦福、麻省理工和伯克利）加起来还要多。这个俱乐部就是一个“超级俱乐部”。
2. “人才流失”的迷思
人们普遍担心“人才流失”现象非常严重，以至于大学变成了空壳，所有的天才都去了企业实验室。
- 现实： 论文指出，这种担忧部分属实，但很大程度上被夸大了。是的，许多年轻的、冉冉升起的新星确实正在向工业界转移。但是，“老一辈”——那些最著名、被引用次数最高的资深研究人员——仍然主要留在大学里。“学术界”仍然拥有最大的总引用份额（52.3%）。
- 类比： 这就像一条河流。水流（新人才）确实在向海洋（工业界）流动，但顶端的巨大高山湖泊（学术界）目前所蓄的水量仍然比海洋收集到的还要多。
3. “隐形”的邻居们
当我们想到机器学习时，通常会想到计算机、机器人和聊天机器人。但这份名单揭示了一些意想不到的情况。
- 发现： 这群顶尖研究人员中，有很大一部分并不只是“计算机科学家”。他们是粒子物理学家、生物学家和天文学家。
- 类比： 如果你走进一个由 1,000 名机器学习专家组成的房间，你看到的不仅仅是穿着连帽衫写代码的人。你还会看到穿着实验服、研究宇宙中最微小粒子的人（例如在 CERN 的人），以及观察遥远恒星的人。他们将机器学习作为解决自身特定难题的工具，并且由于表现出色，他们也出现在了全球“前 1,000 名”的名单中。
4. “引用”计分板
论文研究了这些研究人员基于引用次数（即他们的著作被其他科学家引用的频率）的“受欢迎程度”。
- 不平等性： 在科学界，少数人通常会获得所有的名声。这被称为“基尼系数”。
- 发现： 这 1,000 人之间的不平等程度比仅限工业界的名单要低。这意味着，虽然存在超级巨星（如顶端的 Yoshua Bengio 和 Geoffrey Hinton），但研究人员的“中产阶级”也做得相当不错。与那些可能由少数明星主导一切的工业界相比，名声的分布更加均匀。
5. “幽灵”问题（数据清洗）
在发表之前，Dhanda 博士必须清洗这份名单。他发现了四个“冒充者”账号。
- 问题： 一些个人资料存在虚假、夸大的数据。一个人声称拥有近 550 万次引用（这对于真实人类来说是不可能的），还有一些人仅仅是因为在管理学论文中使用了“机器学习”这个词，但实际上并不是机器学习研究员。
- 修复： 他移除了这四个“幽灵”，从而得到了一个包含 996 名真实研究人员的干净名单。
总结：大局观
这篇论文就像是为 2026 年 6 月的机器学习世界拍摄的一张高分辨率照片。
- 大学 仍然是大多数顶尖人才的主要栖息地。
- Google 是顶尖人才的最大雇主，其规模令即使是最优秀的大学也显得逊色。
- 机器学习 不再仅仅是一个计算机科学话题；它已成为物理学家和生物学家广泛使用的工具，而这些人现在也是精英阶层的一部分。
- “人才流失” 确实在发生，但它还没有掏空大学。
作者已经发布了名单和用于寻找该名单的代码，邀请他人进一步研究这一“生态系统”。这是对谁在引领机器变得更聪明这一进程的快照，事实证明，其领导层是由教授、企业科学家以及来自其他领域的科学家共同组成的混合体。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。