機(jī)器之心報(bào)道

編輯：+0、陳陳

《自然》雜志統(tǒng)計(jì)了 5 個(gè)數(shù)據(jù)庫，給出了論文引用 Top 25 名單。

21 世紀(jì)被引用最多的論文有哪些？

大家不用去統(tǒng)計(jì)了，《自然》給出了一個(gè)最新 Top 25 排名。

完整排名地址：https://www.nature.com/magazine-assets/d41586-025-01125-9/50860378

排名第一的是微軟在 2016 年發(fā)布的 ResNets 研究，這是一篇計(jì)算機(jī)視覺領(lǐng)域的經(jīng)典論文。

ResNets 作為一種人工神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)以及后續(xù) AI 進(jìn)步的基礎(chǔ)。這項(xiàng)工作最初于 2015 年底以預(yù)印本形式發(fā)布，作者包括何愷明、張祥雨、任少卿和孫劍。ResNets 原始論文在 2016 就獲得了 CVPR 最佳論文獎(jiǎng)。

論文地址：https://arxiv.org/pdf/1512.03385

后來 AI 領(lǐng)域重大進(jìn)展，都深受 ResNets 的影響，包括圍棋 AI（AlphaGo）、蛋白質(zhì)結(jié)構(gòu)預(yù)測(cè)（AlphaFold）到后來的語言模型（ChatGPT）等。

此外，「隨機(jī)森林（Random forests (2001)）」，「Attention is all you need (2017)」、「ImageNet classification with deep convolutional neural networks (2017)」也位居 top 10 榜單。

值得注意的是，以上結(jié)論是《自然》團(tuán)隊(duì)選取了5 個(gè)數(shù)據(jù)庫（Web of Science、Scopus、OpenAlex、Dimensions、Google Scholar）的統(tǒng)計(jì)結(jié)果，這些數(shù)據(jù)庫涵蓋了 21 世紀(jì)發(fā)表的數(shù)千萬篇論文：ResNets 在其中兩個(gè)數(shù)據(jù)庫中引用量最高，在另外兩個(gè)中排名第二，最后一個(gè)位列第三 —— 綜合來看，其引用次數(shù)的中位數(shù)排名在五個(gè)數(shù)據(jù)庫中位居榜首。

如果從單一指標(biāo)來看，ResNets 并非在所有數(shù)據(jù)庫中都是引用量最高的。根據(jù)谷歌學(xué)術(shù)（Google Scholar）的數(shù)據(jù)（其團(tuán)隊(duì)向《自然》提供了高引論文榜單），該論文以 25.4 萬次引用位居第二。而在美國(guó)科睿唯安公司旗下的 Web of Science 數(shù)據(jù)庫中（該庫收錄的期刊范圍較窄），它僅以 10 萬余次引用排名第三。因而，大家需要相對(duì)來看待這次排名。

不過，21 世紀(jì)的重大突破不只是 AI 領(lǐng)域，希格斯玻色子的發(fā)現(xiàn)、引力波的首次測(cè)量等都稱得上巨大的進(jìn)步，然而，這些突破性成果在 2000 年以來被引用量最高的論文中卻無一上榜。

原因?yàn)楹危?/p>

接下來，Nature 這篇文章介紹了其他top 25論文以及它們成為「引用巨頭」的原因。

AI 成為二十一世紀(jì)被引用次數(shù)最多的論文

AI 教父 Geoffrey Hinton 指出，AI 論文在引用方面具有天然優(yōu)勢(shì)，AI 領(lǐng)域與眾多領(lǐng)域相關(guān)聯(lián)，21 世紀(jì)以來見證了快速的技術(shù)進(jìn)步和大量學(xué)術(shù)論文的涌現(xiàn)。

Hinton 因在 AI 領(lǐng)域的貢獻(xiàn)，去年獲得了諾貝爾物理學(xué)獎(jiǎng)。

許多人認(rèn)為，深度學(xué)習(xí)的革命性發(fā)展，特別是多層人工神經(jīng)網(wǎng)絡(luò)的廣泛實(shí)用性，得益于 Hinton 在 2012 年共同撰寫的論文《ImageNet classification with deep convolutional neural networks》。這篇論文介紹了后來被命名為 AlexNet 的網(wǎng)絡(luò)，其在圖像識(shí)別和標(biāo)記競(jìng)賽中表現(xiàn)優(yōu)于其他方法，成為 21 世紀(jì)引用次數(shù)第 8 高的論文。

論文地址：https://dl.acm.org/doi/pdf/10.1145/3065386

此外，Hinton 及其合著者撰寫的關(guān)于深度學(xué)習(xí)的綜述論文排名第 16。

而 2009 年李飛飛的論文《ImageNet: A Large-Scale Hierarchical Image Database》作為訓(xùn)練數(shù)據(jù)集根基，排名第 24。

論文地址：https://ieeexplore.ieee.org/document/5206848

三年后，一篇對(duì) AlexNet 架構(gòu)進(jìn)行修改的論文描繪了一種稱為 U-net 的新網(wǎng)絡(luò)，其在圖像處理上更高效，現(xiàn)排名第 12，當(dāng)時(shí)該論文差點(diǎn)因缺乏新意而被會(huì)議拒絕。共同作者 Olaf Ronneberger 因這一工作而加入 DeepMind，他表示，U-net 仍然是許多擴(kuò)散模型中圖像生成的主要基礎(chǔ)。

論文地址：https://arxiv.org/abs/1505.04597

2017 年，谷歌研究團(tuán)隊(duì)推出題為《Attention is all you need》的論文，介紹了 Transformer 神經(jīng)網(wǎng)絡(luò)架構(gòu)。Transformer 通過高效實(shí)現(xiàn)自注意力機(jī)制，使網(wǎng)絡(luò)學(xué)習(xí)時(shí)能優(yōu)先處理相關(guān)信息，并成為推動(dòng)類似 ChatGPT 的大型語言模型發(fā)展的關(guān)鍵。該論文是本世紀(jì)引用次數(shù)第 7 高的。

論文地址：https://arxiv.org/pdf/1706.03762

開源技術(shù)在機(jī)器學(xué)習(xí)的早期推動(dòng)了其引用率的提升。《Random forests》是第 6 高引用的論文，介紹了一種優(yōu)化的機(jī)器學(xué)習(xí)算法。猶他州立大學(xué)統(tǒng)計(jì)學(xué)家 Adele Cutler 與已故美國(guó)統(tǒng)計(jì)學(xué)家 Leo Breiman 共同擴(kuò)展了這一方法。Cutler 表示，該論文受歡迎的原因在于其開源、免費(fèi)并易于使用，且功能卓越，無需大量定制即可執(zhí)行。

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

許多AI 論文常在同行評(píng)審前以預(yù)印本形式發(fā)布，導(dǎo)致引用統(tǒng)計(jì)復(fù)雜化。商業(yè)數(shù)據(jù)庫通常不跟蹤預(yù)印本引用，或未能將其與正式發(fā)表文章的引用合并，致使實(shí)際引用量被低估。荷蘭萊頓大學(xué)退休科學(xué)計(jì)量學(xué)專家 Paul Wouters 指出，隨著預(yù)印本引用日益普及，數(shù)據(jù)庫亟需開發(fā)新方法整合這類引用數(shù)據(jù)。

據(jù)非營(yíng)利學(xué)術(shù)服務(wù)公司 OurResearch 的 Jason Priem 所述，OpenAlex 數(shù)據(jù)庫（《自然》文章的一個(gè)來源）嘗試通過合并預(yù)印本和最終版本來整合引用。而 Google Scholar 則試圖對(duì)所有版本進(jìn)行分組，匯總其引用。

研究軟件

有些論文的高引用并非偶然，而是有意識(shí)為研究人員提供可引用的對(duì)象。例如，約 25 年前，藥學(xué)科學(xué)家 Thomas Schmittgen 撰寫了一篇關(guān)于定量 PCR（聚合酶鏈?zhǔn)椒磻?yīng)）技術(shù)的論文。該技術(shù)用于定量分析樣本中的 DNA 含量。Schmittgen 原本引用了技術(shù)手冊(cè)中的公式分析數(shù)據(jù)，但審稿人反饋稱用戶手冊(cè)不可作為引用來源。因此，他聯(lián)系了公式的創(chuàng)作者，共同發(fā)表了一篇具有引用性質(zhì)的論文。

根據(jù) Web of Science 數(shù)據(jù)，這篇論文獲得了超過 162000 次引用，使其躋身歷史引用次數(shù)最多的前十名。這篇論文因簡(jiǎn)化了生物學(xué)家計(jì)算基因在不同條件（如藥物處理前后）下活性變化的方法而受歡迎。DESeq2 是一個(gè)可以使用該論文描述的 RNA 測(cè)序數(shù)據(jù)進(jìn)行基因活性變化計(jì)算的軟件程序，其相關(guān)論文在引用榜單上排名第 18。

另一個(gè)在榜單中被高度引用的軟件論文（排名第五）由已故英國(guó)化學(xué)家 George Sheldrick 撰寫。Sheldrick 于今年二月去世，他創(chuàng)建了 SHELX 計(jì)算機(jī)程序套件，用于分析 X 射線通過分子晶體后的散射圖案，從而揭示分子的原子結(jié)構(gòu)。在 2008 年，Sheldrick 撰寫了一篇評(píng)論文章，建議在使用 SHELX 程序時(shí)引用此文；該文章的引用次數(shù)約為 70000 至 90000 次，具體數(shù)值因數(shù)據(jù)庫而異。

統(tǒng)計(jì)軟件

統(tǒng)計(jì)軟件領(lǐng)域中的高被引論文通常與特定的統(tǒng)計(jì)或編程軟件相關(guān)。例如，一篇關(guān)于 scikit-learn 的論文獲得了顯著關(guān)注。scikit-learn 是一個(gè)免費(fèi)開源的機(jī)器學(xué)習(xí)庫，專為 Python 編程語言用戶設(shè)計(jì)，包含豐富的預(yù)編碼函數(shù)和技術(shù)。這篇論文的引用次數(shù)超過 50000 次，根據(jù) Google Scholar 的數(shù)據(jù)可能高達(dá) 100000 次，在引用榜單中排名第 15。

另一篇被大量引用的論文來自 2015 年，探討了 lme4 軟件包。lme4 是一個(gè)使用 R 編程語言開發(fā)的免費(fèi)軟件包，用于分析特定統(tǒng)計(jì)模型的數(shù)據(jù)，其排名略高于前述 scikit-learn 的論文。此外，還有關(guān)于 G*Power 的論文，該軟件是一個(gè)免費(fèi)工具，為生物學(xué)家提供計(jì)算實(shí)驗(yàn)規(guī)模以獲得統(tǒng)計(jì)顯著性結(jié)果的便捷方法，也是高被引的。

然而，盡管 R 編程軟件被科學(xué)界廣泛使用和引用，它并未出現(xiàn)在這些高被引榜單中。OpenAlex 記錄顯示，描述 R 的「研究工作」獲得了超過 300000 次引用，但其他數(shù)據(jù)庫沒有相關(guān)記錄。這可能是因?yàn)?R 的開發(fā)者建議用戶引用軟件所在的存儲(chǔ)庫網(wǎng)站（www.r-project.org），而未針對(duì)其撰寫過正式的研究論文。OpenAlex 錯(cuò)誤地將這些引用視作研究論文，導(dǎo)致該「研究工作」在 OpenAlex 引文記錄中排名靠前，卻在其他數(shù)據(jù)庫中缺席。

就引文文化和記錄的變幻無常，這個(gè)例子說明了問題。德國(guó)科學(xué)計(jì)量學(xué)家 Robin Haunschild 為《自然》雜志的分析提供了建議。他指出：「第一課：如果你編寫了一個(gè)有影響力的程序 —— 請(qǐng)為它撰寫一篇論文。」