新智元報道

編輯：桃子

【新智元導讀】21世紀最具影響力的25篇論文中，AI論文竟然獨占鰲頭！從席卷全球的ResNet到奠定ChatGPT基礎的Transformer架構，Nature獨家揭秘全球高被引論文。

21世紀第一個25年，AI領域被引最高25篇論文都有哪些？

近日，Nature頭版獨家文章，揭秘了不同科學領域最具影響力的論文。

然而，令人意外的是，那些廣為人知的科學發(fā)現(xiàn)：從mRNA疫苗和CRISPR基因編輯技術，到希格斯玻色子的發(fā)現(xiàn)和引力波的首次測量，并沒有出現(xiàn)在這些入選的論文中。

他們得出結論，被引最高的論文，正是描述科學方法、軟件工具或系統(tǒng)性綜述的「幕后英雄」。

那么，都有哪些論文上榜了呢？

引用：科學影響力的衡量標準

引用是學術界衡量論文影響力的重要指標，作者通過引用來致敬前人的工作。

Nature的分析基于五個學術數(shù)據(jù)庫（涵蓋了21世紀數(shù)千萬篇論文），通過取中位數(shù)排名，篩選出本世紀最受引用的25篇論文。

結果顯示，人工智能、提升研究質量提升、癌癥統(tǒng)計、研究軟件相關的論文占據(jù)了榜單前列。

唯一例外是一篇2004年關于石墨烯實驗的開創(chuàng)性論文，這項工作為作者贏得了2010年的諾貝爾物理學獎。

AI崛起，ResNet登頂

人工智能論文，在本世紀引用榜單中獨領風騷。

位居榜首的是，微軟團隊2016年發(fā)表的一篇論文——Deep Residual Learning for Image Recognition。

這恰恰是所有人熟知的「深度殘差學習」神經網絡——ResNets的開山之作，由AI大牛孫劍帶隊何愷明等人完成。

論文地址：https://arxiv.org/abs/1512.03385

ResNets解決了信號在多層網絡中傳播時衰減的問題，讓研究人員能夠訓練約150層神經網絡。

這大約是當時常規(guī)神經網絡層數(shù)的5倍。

該論文首次作為預印本發(fā)布于2015年末，微軟團隊憑借其在圖像識別競賽中奪冠。

ResNets的突破為AI飛速發(fā)展鋪平了道路，催生了AlphaGo、AlphaFold、ChatGPT等模型誕生。

現(xiàn)就職于麻省理工學院的何愷明表示，「在ResNets之前，深度學習并不那么『深』」。

據(jù)統(tǒng)計，這篇論文的引用量在10萬-25.4萬次之間。在五個數(shù)據(jù)庫中有兩個將其列為第一，兩個列為第二，一個列為第三，綜合中位數(shù)排名第一。

Google Scholar這篇論文被引數(shù)已超25萬

此外，2017年谷歌發(fā)表的Attention is all you need排位列七，論文中提出了著名的Transformer架構，成為ChatGPT等大模型的核心。

論文地址：https://arxiv.org/pdf/1706.03762

AI論文的高引用量，主要是因為其廣泛的應用領域和快速的研究進展。

同樣，AI教父Geoff Hinton指出，「AI論文天然具有引用優(yōu)勢」。

2012年，Hinton帶領學生Ilya、Alex Krizhevsky發(fā)表的AlexNet論文排名第八。

這篇巨作展示了神經網絡在圖像識別競賽中的壓倒性優(yōu)勢，掀起了后來的深度學習革命。

論文地址：https://proceedings.neurips.cc/paper_files/paper/2012/file/c399862d3b9d6b76c8436e924a68c45b-Paper.pdf

此外，開源也助推了AI論文的引用。

比如排名第六的Random Forests論文介紹了一種開源、易用的機器學習算法，廣泛應用于多個領域。

論文地址：https://link.springer.com/article/10.1023/A:1010933404324

需要說明的是，許多AI論文以預印本形式發(fā)布，增加了引用統(tǒng)計的復雜性。

OpenAlex數(shù)據(jù)庫嘗試合并預印本與最終出版物的引用，而Google Scholar則努力將同一作品的所有版本歸類并匯總引用。

研究軟件：科學家的「工具箱」

除了AI領域，研究軟件相關論文在本世紀引用榜單中表現(xiàn)亮眼。

排名第二的論文由Thomas Schmittgen等人于2000年發(fā)表，介紹了一種用于定量PCR（聚合酶鏈式反應）數(shù)據(jù)分析的方法。

這篇論文應審稿人要求而生，因其提供了計算基因活性變化的簡單公式，被引量超過16.2萬次，躋身歷史前十。

論文地址：https://www.sciencedirect.com/science/article/abs/pii/S1046202301912629

排名第五的論文，是由英國化學家George Sheldrick撰寫，介紹SHELX程序套件，用于分析X射線散射模式以揭示分子結構。

這篇2008年的綜述論文建議使用SHELX時引用，引用量在7萬至9萬次之間。

論文地址：https://journals.iucr.org/a/issues/2008/01/00/sc5010/index.html

其他軟件論文，如排名第十五的scikit-learn（Python機器學習庫）和排名第十八的DESeq2（RNA測序分析），因其開源和易用性，成為科學家不可或缺的工具。

統(tǒng)計軟件：數(shù)據(jù)分析的利器

統(tǒng)計軟件相關論文，也在榜單中名列前茅。

例如，排名第15的scikit-learn論文和排名第22的lme4論文分別為Python和R語言用戶提供了強大的數(shù)據(jù)分析工具。

排名第23的G*Power軟件論文則幫助生物學家計算實驗所需的樣本量，以確保統(tǒng)計顯著性。

值得注意的是，R編程語言本身未出現(xiàn)在榜單中，盡管OpenAlex記錄其引用量超過30萬次。

這是因為R的開發(fā)者建議用戶引用其網站而非學術論文，導致數(shù)據(jù)庫記錄不一致。

這也提醒研究者：若開發(fā)了有影響力的程序，發(fā)表一篇相關論文至關重要。

癌癥與健康：數(shù)據(jù)驅動的洞見

癌癥研究領域的三篇論文在榜單中占據(jù)重要位置。

排名第四的Diagnostic and Statistical Manual of Mental Disorders（DSM-5）是精神病學領域的權威指南，2013年出版后廣泛用于研究和臨床，定義了精神障礙的診斷標準。

排名第九和第十的是世界衛(wèi)生組織GLOBOCAN項目于2018年和2020年發(fā)布的全球癌癥統(tǒng)計報告，為研究者和政策制定者提供了關鍵數(shù)據(jù)。

排名第十九的綜述論文總結了癌癥的「標志性特征」，激勵了無數(shù)學生投身癌癥研究。

提升研究質量

提升研究質量的論文在本世紀引用榜單中熠熠生輝。排名第三的論文Using thematic analysis in psychology，由心理學家Virginia Braun和Victoria Hannah Clarke于2006年發(fā)表，介紹了「主題分析」——一種分析定性數(shù)據(jù)的系統(tǒng)方法。

這篇為學生設計的指南意外成為本世紀第三高引用論文，徹底改變了兩位作者的職業(yè)軌跡。

排名第11的PRISMA聲明（2009年）為系統(tǒng)綜述和薈萃分析提供了27項報告規(guī)范，引用量在5.3萬至13.8萬次之間。

2020年更新的PRISMA（排名第23）同樣上榜。排名第17的論文（2003年）討論了行為研究中的方法偏差，幫助研究者提高研究嚴謹性。

參考資料：

https://www.nature.com/articles/d41586-025-01125-9