12月8日（本周日），期待已久的NeurIPS 2019就要在加拿大溫哥華正式拉開帷幕。

作為機器學(xué)習(xí)領(lǐng)域最重要的頂會，NeurIPS一直有著很強的影響力和排名，被認(rèn)為是神經(jīng)計算方面最好的會議之一。

隨著近幾年深度學(xué)習(xí)的崛起，NeurIPS不僅成為了學(xué)術(shù)界的新星，也引起了工業(yè)界的高度關(guān)注，注冊人數(shù)從數(shù)年前的幾百人躍升到今年的近萬人。

根據(jù)AMiner數(shù)據(jù)平臺的統(tǒng)計分析，NeurIPS的H5指數(shù)為149，10H值為34641，在人工智能方向會議中排名第二。

通過對NeurIPS近十年接收論文引用量的統(tǒng)計分析，我們評選出了NeurIPS高引學(xué)者TOP100榜單。

?

這100位學(xué)者，他們都是機器學(xué)習(xí)領(lǐng)域的頂尖人物，不論是在學(xué)術(shù)界還是工業(yè)界，都取得了令人矚目的成果。

在這100位學(xué)者中，谷歌+DeepMind就占據(jù)了五分之一，形成了絕對的霸主地位，8人來自Facebook，7人來自加州大學(xué)伯克利分校。同時，斯坦福大學(xué)5人，麻省理工學(xué)院4人，OpenAI 4人，紐約大學(xué)、蒙特利爾大學(xué)都有3人上榜。

他們中約有16位華人學(xué)者上榜。比如前百度首席科學(xué)家吳恩達、計算機視覺大神何愷明；但是在中國大陸任職的卻僅有幾人，比如商湯科技的代季峰，曠視科技的孫劍，Momenta的任少卿等。

NeurIPS的明星學(xué)者

下面就來看看NeurIPS高引學(xué)者榜單中的Top10都有哪些大牛？

包攬高引學(xué)者榜單前三甲的正是“神經(jīng)網(wǎng)絡(luò)之父” Geoffrey Hinton與他的高徒Ilya Sutskever、Alex Krizhevsky。

排在高引學(xué)者榜單第二位的Geoffrey Hinton，是深度學(xué)習(xí)的泰斗，被人們譽為“人工智能教父”，他的名字在當(dāng)今的人工智能研究界可謂是如雷貫耳。他曾發(fā)明了玻爾茲曼機（Boltzmann machine），也首先將反向傳播（Backpropagation）應(yīng)用于多層神經(jīng)網(wǎng)絡(luò)；不僅如此，他還有 Yann LeCun 和 Ilya Sutskever 等大牛級的學(xué)生。

Hinton在劍橋大學(xué)獲得實驗心理學(xué)學(xué)士學(xué)位，在愛丁堡大學(xué)獲得人工智能博士學(xué)位。現(xiàn)任Google副總裁兼工程研究員，同時在多倫多大學(xué)教書育人，也是VectorInstitute首席科學(xué)顧問。在2012年，Hinton還獲得了加拿大基廉獎（Killam Prizes，有“加拿大諾貝爾獎”之稱的國家最高科學(xué)獎）。

Hinton教授是機器學(xué)習(xí)的開創(chuàng)者，使得計算機可以獨立想出程序、自己解決問題。特別重要的是，他還從中開辟了機器學(xué)習(xí)的一個子領(lǐng)域，即所謂的“深度學(xué)習(xí)”，也就是讓那些機器像一個蹣跚學(xué)步的孩子一樣，模仿大腦的神經(jīng)網(wǎng)絡(luò)形式進行學(xué)習(xí)。他將神經(jīng)網(wǎng)絡(luò)帶入到研究與應(yīng)用的熱潮，將“深度學(xué)習(xí)”從邊緣課題變成了谷歌等互聯(lián)網(wǎng)巨頭仰賴的核心技術(shù)。

Hinton自NeurIPS創(chuàng)辦以來的三十多年間，共發(fā)表了60篇論文，幾乎每年都有成果產(chǎn)出。而在2009年至2019年間，Hinton在NeurIPS共發(fā)表了16篇論文，引用量達47482次。

正可謂青出于藍而勝于藍， 排在榜首的Ilya Sutskever不僅是Hinton的博士生，還是吳恩達的博后，他曾是谷歌的頂級人工智能專家，后來創(chuàng)辦了人工智能非盈利公司——OpenAI。

Sutskever的H-index值為56，在2015 年他被麻省理工學(xué)院技術(shù)評論評為Visionaries 類別「35 歲以下創(chuàng)新者」。

十年間，他雖只在NeurIPS發(fā)表了11篇文章，但引用量高達67457次，位于高引學(xué)者榜單首位。

對計算機非常癡迷的Sutskever本科就讀于多倫多大學(xué)。在大學(xué)期間，他遇到了Hinton教授。Hinton 給了他一個研究項目：改進隨機鄰居嵌入算法。該項目正是他們合作的開始，接下來Sutskever順理成章地加入了Hinton的小組攻讀博士學(xué)位。

2012年畢業(yè)后，Sutskever在斯坦福大學(xué)跟隨吳恩達教授讀了兩個月的博士后。然后他回到了多倫多大學(xué)并加入了Hinton創(chuàng)立的研究公司 DNNResearch。四個月后，Google 收購了 DNNResearch，而Sutskever至此正式加入Google Brain 。

在谷歌的兩年間， Sutskever曾加入過 Google 開源庫，開發(fā)了深度學(xué)習(xí)框架TensorFlow。他還協(xié)助DeepMind開發(fā)了劃時代的圍棋人工智能 AlphaGo，而關(guān)于AlphaGo 的論文于2016 年在Nature上發(fā)表，Sutskever 是合著者之一。

2015年12月，Sutskever離開谷歌，和Greg Brockman（現(xiàn)為 OpenAI 首席技術(shù)官）共同創(chuàng)立了 OpenAI。OpenAI 的目標(biāo)是希望向所有人開放人工智能技術(shù)，在過去的幾年間OpenAI取得了許多驚人的成就。Sutskever則一直站在人工智能革命的最前沿，和他的團隊一起推動實現(xiàn)強人工智能的終極高峰。

排在榜單第三位的Alex Krizhevsky，同樣作為Hinton的博士生，Alex似乎顯得更為低調(diào)，網(wǎng)上也鮮有他的資料。

2012 年，在Hinton的指導(dǎo)下，Alex Krizhevsky和Sutskever 合作開發(fā)了 轟動一時的AlexNet。這篇題為《ImageNet Classification with Deep Convolutional Neural Networks》的論文，引用量高達44218次。這也是Alex 在NeurIPS發(fā)表的唯一論文。

AlexNet以一種新穎的神經(jīng)網(wǎng)絡(luò)架構(gòu)在NeurIPS亮相，包含五個卷積層和三個全連接層。這篇論文被廣泛認(rèn)為是一項真正的開創(chuàng)性工作，因為它首次證明了在GPU上訓(xùn)練的深度神經(jīng)網(wǎng)絡(luò)可以將圖像識別任務(wù)提升到一個新的水平。

AlexNet網(wǎng)絡(luò)對神經(jīng)網(wǎng)絡(luò)的發(fā)展產(chǎn)生了非常重要的影響，之后的ImageNet冠軍全都采用了卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，使得CNN架構(gòu)成為圖像分類的核心模型，并由此開啟了深度學(xué)習(xí)新一波浪潮，其使用的卷積＋池化＋全連接的架構(gòu)仍然是當(dāng)前深度學(xué)習(xí)最主要的網(wǎng)絡(luò)結(jié)構(gòu)。

自那之后，Alex似乎沉寂起來。他曾同Hinton教授和Sutskever 共同創(chuàng)辦了初創(chuàng)公司 DNNresearch，他們開發(fā)出了可以大幅改善目標(biāo)辨識技術(shù)的解決方案。后來Alex和Sutskever共同加入了谷歌。

再后來，Alex加入了加拿大創(chuàng)業(yè)公司Dessa ，擔(dān)任Dessa的首席機器學(xué)習(xí)架構(gòu)師。而就在今年年初，Dessa開發(fā)了一個語音合成系統(tǒng)RealTalk，與以往基于語音輸入學(xué)習(xí)人聲的系統(tǒng)不同，它可以僅基于文本輸入生成完美逼近真人的聲音。

排在榜單第四位的是“人工智能三巨頭”之一的Yoshua Bengio，他同Geoffrey Hinton、Yann LeCun同獲2018年圖靈獎。

Yoshua Bengio是人工智能自然語言處理領(lǐng)域的先鋒。Bengio，1964年出生于法國，成長于加拿大，現(xiàn)居蒙特利爾，在蒙特利爾大學(xué)（University of Montreal）計算機科學(xué)與運算系任教授。Bengio在麥吉爾大學(xué)獲得計算機科學(xué)博士學(xué)位。他與Geoffrey Hinton、Yann LeCun一起被認(rèn)為是20世紀(jì)90年代和21世紀(jì)初期推動深度學(xué)習(xí)的三個人。2016年10月，Bengio聯(lián)合創(chuàng)立了一個位于蒙特利爾的人工智能孵化器Element AI。

Bengio也是三人中最看重學(xué)術(shù)純粹性的。在微軟擔(dān)任顧問的同時，他還是CIFAR機器與大腦學(xué)習(xí)項目的聯(lián)合主任，加拿大計算機科學(xué)與運籌學(xué)系的全職教授，也是蒙特利爾大學(xué)統(tǒng)計學(xué)習(xí)算法研究主席。

在NeurIPS會議上，Bengio一共發(fā)表了74篇論文，尤其在今年的會議上，有 Bengio署名的論文就有9篇。

在過去的十年間，他在NeurIPS共發(fā)表了40篇文章，引用量達18714次。

其中引用量最高的是發(fā)表于2014年，同他的博士生Ian Goodfellow合著的《Generative Adversarial Nets》一文，引用量達10618次，這篇文章提出了著名的生成對抗網(wǎng)絡(luò)（GANs）。

它是一種能“教會”計算機勝任人類工作的有趣方法。過去五年，GANs在圖像生成領(lǐng)域取得了重大突破，現(xiàn)在可以生成動物、風(fēng)景以及人臉等高度逼真的合成圖像，充分展示了“無監(jiān)督學(xué)習(xí)”技術(shù)的潛力。

同時它在理論層面解決了機器學(xué)習(xí)技術(shù)長久以來的問題：如何促使機器學(xué)習(xí)的訓(xùn)練成果向著人類希望的方向前進。2015年時，GANs技術(shù)還名不見經(jīng)傳，2016年就達到了無處不在的火爆程度，甚至被專家稱為“機器學(xué)習(xí)領(lǐng)域20年來最酷的想法”。

說到了GANs，那就不得不說Ian Goodfellow--“GANs之父”。他位于高引學(xué)者榜單的第九位，十年間他在NeurIPS共發(fā)表了10篇論文，總引用量達13480次。

Goodfellow是機器學(xué)習(xí)領(lǐng)域備受關(guān)注的年輕學(xué)者之一，本科與碩士就讀于斯坦福大學(xué)，師從吳恩達，博士階段則跟隨Yoshua Bengio研究機器學(xué)習(xí)。他最引人注目的成就是在 2014 年 6 月提出了生成對抗網(wǎng)絡(luò)（GANs）。

畢業(yè)后，Goodfellow加入Google，成為Google Brain研究團隊的一員。然后他離開谷歌加入新成立的OpenAI研究所，在2017年3月他又回到谷歌研究院。就在今年4月，Ian Goodfellow加入蘋果公司擔(dān)任總監(jiān)級別職務(wù)，在蘋果公司領(lǐng)導(dǎo)一個「機器學(xué)習(xí)特殊項目組」。

位于高引學(xué)者榜單第五至第八位的學(xué)者，是來自谷歌的Greg Corrado、Jeffrey Dean、Kai Chen、Tomas Mikolov。

Greg Corrado、Jeffrey Dean十年間在NeurIPS各發(fā)表了3篇文章，總引用量為17218次。Tomas Mikolov也發(fā)表了3篇文章，總引用量為15407。Kai Chen發(fā)文兩篇，總引用量為16139次。

他們與Ilya Sutskever于2013年共同發(fā)表了《Distributed Representations of Words and Phrases and their Compositionality》一文，引用量達14087次。

這篇論文是對《Efficient Estimation of Word Representations in Vector Space》的補充，介紹了使用Skip-gram模型和Hierarchical Softmax訓(xùn)練模式的訓(xùn)練方法，并補充了Negative Sampling的訓(xùn)練模式替代Negative Sampling，獲得更快的訓(xùn)練效果。論文還提出了對高頻詞進行二次抽樣的方法，以及衡量短語的方法，學(xué)習(xí)短語的表示。

Greg Corrado是Google機器學(xué)習(xí)資深研究科學(xué)家，主要研究方向為人工智能、計算神經(jīng)科學(xué)和可擴展機器學(xué)習(xí)，也是Google Brain項目的創(chuàng)始人之一。

谷歌人工智能大神Jeff Dean，是谷歌的首席架構(gòu)師、谷歌研究院的高級研究員，也是谷歌的人工智能團隊谷歌大腦（Google Brain）的負(fù)責(zé)人。身披華盛頓大學(xué)博士、美國工程院院士、ACM Fellow、清華大學(xué)AI研究院計算機學(xué)科顧問、AAAS Fellow等名譽的Jeff Dean在谷歌負(fù)責(zé)過許多大型項目，支持谷歌運行的超大規(guī)模計算框架MapReduce和機器學(xué)習(xí)的標(biāo)志性軟件TensorFlow就是在他的領(lǐng)導(dǎo)下開發(fā)的。

Tomas Mikolov曾在谷歌工作，目前是Facebook人工智能研究實驗室的科學(xué)家。他也是一位產(chǎn)出多篇高質(zhì)量paper的學(xué)者，從RNNLM、Word2Vec再到最近流行的FastText都與他息息相關(guān)。

排在第十位的是計算機視覺大神、Facebook AI研究科學(xué)家何愷明。他的研究方向為計算機視覺和深度學(xué)習(xí)。十年間他在NeurIPS共發(fā)表過3篇論文，總引用量為12605次。

最有名的一篇是發(fā)表于2015年的《Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks》一文，引用量達11093次。

在這份TOP100榜單中，還有更多機器學(xué)習(xí)領(lǐng)域大神級人物的存在，比如機器學(xué)習(xí)之父、美國三院院士、伯克利教授Michael I.Jordan，蘋果首任AI總監(jiān)Ruslan Salakhutdinov等等，雖然我們沒有一一寫到，但并不能否認(rèn)他們在機器學(xué)習(xí)領(lǐng)域無人能及的地位。

為了更便于大家了解和掌握NeurIPS 2019的最新信息與動態(tài)，

本周末我們將會上線NeurIPS 2019 conf-plus頁面，歡迎大家關(guān)注使用！

?

往期回顧

NeurIPS 2019 | 中科院、武大、微軟等8篇論文解讀

解讀！北郵、西電、DeepMind等8篇NeurIPS 2019論文合集

NeurIPS 2019 | 華為、北大等聯(lián)合提出：一種基于正類與未標(biāo)記樣本（PU）的云端網(wǎng)絡(luò)壓縮方法

總結(jié)

以上是生活随笔為你收集整理的NeurIPS十年高引学者TOP100榜单发布！这些大牛值得膜拜！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。