随着AlphaGo连续60连胜及百度人脸识别击败人类顶级记忆高手，使得人工智能越来越火了。那么支撑这些超级人工智能背后的技术大咖都是些什么人？我们中国人/华人在人工智能领域居于什么地位？下面给大家做一下梳理。
先介绍一下人工智能领域的大咖们（排名不分先后）
今年是人工智能新一轮的爆发，众多目光纷纷投向这个行业。国内外巨头动作频繁，该领域创业公司也如雨后春笋，蓬勃生长起来。而人工智能领域的技术大咖们自然而然成为了各个巨头公司争夺的宝贵资源。极小验作为一个关注该领域的好事屁民，自然是要去扒一扒这些技术大咖的。（排名当然是不分先后的）
Geffory Hinton
典型的英国人特征，英国剑桥大学毕业，一看就是绅士一枚，风度翩翩。这位深度学习的奠基人，也是目前世界上在深度学习研究领域最有威望的人是一位文学学士你敢信？不过也不必太惊讶，毕竟那些优秀的物理学家，还都是优秀的思想家，文学家。
Hinton的文学学士主修的课程其实是实验心理学，这和深度学习有着密切的关系。随后又在爱丁堡大学修哲学博士学位，主修的就是人工智能。Hinton凭借着自己深厚的理论基础，先后在剑桥大学，卡耐基梅隆大学，伦敦大学等从事研究工作，积极推动深度学习的发展，并发明了反向传播算法和对比散度算法。
目前Hinton是多伦多大学计算机科学系教授，加入google，同时Google并购了他创办的DNNresearch公司。
都说文理不分家，文科生也是可以做计算机教授滴。
Yoshua Bengio
Bengio，看上去蛮慈祥的，今年也有52岁了，目前是加拿大蒙特利尔大学（Université de Montréal）计算机科学和运筹学系的教授。当然还有一堆的title，比如什么负责人啊，首席科学家呀等等。这年头，厉害的人，谁没有十几二十个title呢。
他在麦吉尔大学获得了计算科学的硕士，博士学位，然后又到麻省理工大学做博士后研究员，师从 Michael I. Jordan，还去了贝尔实验室。
说起这个贝尔实验室，那可是很厉害的地方，什么无限电波啊，晶体管啊，光电池啊，都是从这个实验室出来的，它还是Unix操作系统和C语言的发源地。能去到贝尔实验室的人都是有能力获诺奖的人呀。
Bengio的杰出贡献主要是在人工神经网络和深度学习方面，是深度学习的三大奠基人之一。
Yann LeCun
LeCun出生在法国， 获得了巴黎第六大学的计算机科学博士学位，而在他攻读博士期间，就提出了基于反向传播算法的神经网络的早期形式。然后又去了多伦多大学，跟着Hinton一起搞深度学习。
后来LeCun也去了贝尔实验室，经过在贝尔实验室的潜心研究，他提出了卷积神经网络（CNN）。
我才发现，原来冥冥之中，深度学习三大巨头之间是有着千丝万缕的关系的呀。LeCun是Hinton的学生，Bengio和LeCun都在贝尔实验室待过。
LeCun现在在facebook工作，担任facebook人工智能实验室主任。
吴恩达
熟悉的亚洲面孔，这是一位美籍华人，吴恩达。这可是一位超级大学霸，他已经不是顶着名校光环，简直就是名校聚光灯。卡内基梅隆大学的学士学位，麻省理工学院的硕士学位，加州伯克利分校的博士学位，斯坦福大学的副教授，简直就是逆天了。
这位年仅40岁的大神参加过google的无人驾驶和谷歌眼镜两个项目，宣布加入百度，成为百度首席科学家。
前不久财富杂志评选人工智能四巨头，百度是其中之一，吴恩达的加入的的确确让百度在人工智能领域领先国内其他互联网公司很多。
这位吴先生还是Coursera的联合创始人，给我们的广大网友们提供了很多高质量的免费在线课程，不得不说这是一件很了不起的事情。
李飞飞
终于有一位女子啦，李飞飞，美籍华人。斯坦福大学计算机学系副教授，斯坦福人工智能实验室主任，并且和自己学生李佳一起加入Google，负责机器学习相关工作。
李飞飞16岁就独自一人到国外求学，经过一段艰苦卓绝的岁月，终于苦尽甘来。这和很多成功人的经历都相同，正所谓成功地人方法都一样，失败的人各有各的失败法。
相信大家都知道ImageNet，国际计算机视觉挑战赛，吸引了很多国际知名的人工智能团队参加，而李飞飞就是这项比赛的主考官。
Michael I. Jordan
如果说前面的技术大咖都是顶级大学霸的话，那么这位乔丹教授，是很多顶级大学霸的老师。他曾经在麻省理工大学当过教授，后来去了加州大学伯克利分校，可谓是桃李满天下。他的学生，像吴恩达、David Blei、Zoubin Ghahramani等都是人工智能领域不可多得的人才。
这位教授在机器学习领域有着卓越的贡献，是他帮助普及了贝叶斯网络在机器学习中的使用，同时也指出了机器学习与统计学之间的联系，推动了机器学习的发展。他是多个国际协会，包括国际人工智能协会，计算机协会，国际贝叶斯分析协会等的研究成员。
乔丹教授1956出生，今年已经是花甲之年，但是仍然潜心于科学技术的研究，这样的科研精神是值得我们敬佩的。我们的生活越来越好，越来越方便，离不开这些人类工程师们不懈的努力。
Jeff Hawkins
一看就是非常活跃而有创造力的人，一个好的家庭环境对于孩子来说真的相当重要。霍金斯就是出生在一个充满了创造力的家庭，父母带着孩子们一起制造了浮动的气垫平台，用于海滨音乐会，真是非常有爱的一家人呢。
所以霍金斯也是很爱发明创造，喜欢新鲜事物的人，他在康奈大学获得电气工程学士学位，然后转而研究生物物理学去了。1987年，他发明了一个称之为“PalmPrint”的手写辨认系统，1989年，世界上第一台平板电脑，GRiD Pad诞生了。
2002年，他开始致力于研究神经科学以及聚焦于人类大脑皮质功能的人工智能学习过程，这期间创立了红木理论神经科学中心。还发表了关于大脑记忆-预测理论框架的开创性著作——《人工智能的未来》。
Demis Hassabis
这就是一手培养出AlphaGo的人啦。他从小就十分聪明，下得一手好棋。13岁就获得了大师级的水平，并且等级评分2300，是世界排名第二，当时世界第一的等级分是2335。说明一下Demis Hassabis有一半的华人血统。
都说人各有所长，这只是用来安慰我们这些凡人的，其实优秀的人是干什么都优秀。这位天才棋手做起研究来，也是非常腻害。
首先他获得了剑桥大学的学位，其次他是一位优秀的游戏设计师，设计出了一款获得金操纵杆奖游戏——主题公园。他还是一位杰出的人工智能研究专家，他创办人工智能公司DeepMind Technoloies，专门从事通用学习算法的开发。后来该公司被Google收购，他也加入google，负责AlphaGo的研究。
汤晓鸥
汤晓鸥，中国科学院深圳先进技术研究院教授，也是香港中文大学信息工程系任终身教授，是我国目前人工智能领域里面为数不多的佼佼者。
1990年于中国科学技术大学获学士学位，1996年于麻省理工学院获博士学位。到，于微软亚洲研究院担任视觉计算组主任。他的研究领域包括计算机视觉、模式识别、及视频处理。
他从2000年开始从事人脸识别技术研发，除了人脸识别之外，在人脸检测、定位、表情、姿态等相关技术也有。，他领导的计算机视觉研究组开发了一个名为DeepID的深度学习模型， 在LFW (Labeled Faces in the Wild)数据库上获得了99.15%的识别率，这也是有史以来首次超过99%的LFW识别率。
邓力
邓力博士主要研究语音语言方向，是微软人工智能首席科学家和深度学习技术中心研究经理。在加拿大滑铁卢大学任职教授，并在麻省理工学院任研究员。
众所周知，微软的同声传译系统是业内比较领先水平的，在语音识别这一块做得较为突出，而邓力博士从1999加入微软，一直潜心研究，推动着微软在语音识别领域的巨大发展。
获得深度学习和语音识别领域的最佳论文奖，获得IEEE信号处理技术成就奖。
当然还有很多很牛的技术大咖，在潜心的做自己的科学研究。就像屠呦呦教授一样，他们专注在自己的领域，为人类的进步作出重要的贡献。极验也要像一个努力前行的科学家一样，专注，锲而不舍，相信只有这样才能够带给大家更安全，用户体验更好的产品。
接着我们来说一下华人在人工智能领域的地位：
我们不难发现，不管是百度还是google，背后的研发团队都有华人的身影。百度的吴恩达团队自不必说了，在GoogleAlphaGo研发团队中华人也是占了半边天：AlphaGo之父杰米斯.哈萨比斯有一半的华人血统，核心研发人员黄士杰、陈御天则是地道的中国人。
因此小编搜索了一下AI领域华人到底能居于什么地位？结果发现，中国人/华人在此领域确实不一般！
下面转载一篇来自创新工场公众号的文章来说一下华人在此领域的地位。
（本文作者：王咏刚 感谢作者的辛勤付出，转载如有不当请及时联系）
AI领域，中国人/华人有多牛？
人工智能这把火已经烧到了国家战略层面，连美国总统和政府机构也卷了进来。上周四，奥巴马主持白宫前沿峰会，展望美国在未来50年的发展。峰会中，白宫发布报告《国家人工智能研究与发展策略规划》。相关情况，大家可以参考《连线》杂志的总统专访（Barack Obama on Artificial Intelligence, Autonomous Cars, and the Future of Humanity） 。
这两天，自媒体没少炒作这个报告；我自己呢，倒是特别地对这个报告中的两张趋势图感兴趣。报告中说，从到，SCI收录的论文里，提到“深度学习”的文章增长了约六倍，同时强调，“按文章数计算，美国已不再是世界第一了。”
美国不是世界第一？谁是世界第一呢？来看报告中的两张趋势图：
上图是每年SCI收录的文章里，提到“深度学习”或“深度神经网络”的文章数量变化趋势，同时按国家做了区分。数据本身是从Web of Science核心数据库里查询得到的。
第二张图和第一张图其他条件一样，只是增加了一个“文章必须至少被引用一次”的附加条件。也就是说，第二张图统计的文章数，是被引用过的“有效文章数”，相对来说更合理一些。
两张图里，中国都在和超过了美国（以及其他所有第二梯队的国家），居于领跑者的位置。
问题来了，在AI研究领域，中国人真有这么强吗？
从这些年的直觉看，中国人/华人在人工智能领域里的大牛比比皆是，吴恩达、孙剑、杨强、黄广斌、马毅、张大鹏 ……随口可以说出一大串，我自己在Google的研究团队，微软研究院等地亲眼看到的，也到处是中国人、华人的面孔。但这只是直观感受。整体来看，中国人/华人所做的科研贡献到底有多重要，对人工智能的推动作用到底有多大？白宫报告里的统计是不是科学、合理？
其实，对美国国家战略规划里的统计，我自己是有几个疑问的，主要包括：
直接搜索关键字“深度学习”、“深度神经网络”，真的能涵盖这些年人工智能领域的所有科学研究进展？像机器人、智能控制、机器视觉、无人驾驶等领域里，没有提及深度学习的文章眼见还有不少。严格按关键词匹配会漏掉多少相关文章？是否影响统计结果？
“文章至少被引用一次”，比较科学，但好像还远远不够。这种统计，真的不需要考虑SCI的影响因子吗？不考虑的话，会混进多少较差期刊上发表的比较水的论文？这些数据会不会被国内研究机构靠SCI引用数来评职称的风气污染？
在全球化时代，按国家统计，会不会有明显偏差？白宫报告没有提到被统计的文章是如何归入不同国家的。如果按作者发表文章时的所在机构，那大量在国外机构访问的中国学者会不会被算成外国人？中国人和外国人合写的文章该如何统计？如果按期刊所属国家和地区，那不同国家间的期刊水平（影响因子）差异是不是会让统计结果带有偏见？
基于此，我也想自己去做个统计。
统计前，给自己设了几条原则：
从期刊的SCI影响因子出发，只统计影响因子高的顶尖期刊。
从Web of Science主题词出发，涵盖人工智能相关的所有科研领域，而不仅是深度学习方面的文章。
文章要求至少被引用一次。
关注对象是华人，而不是用国家分类的办法去比较中国和外国——这个是我自己的选择，因为今天的学术界，国家间的合作和交流已不可忽视。类似吴恩达这样的外籍华人，其实也在为中国的人工智能发展做贡献，百度首席科学家嘛（有人说吴恩达是越南裔，我没找到出处，只知道他父母是香港人；也许有机会时，当面问问Andrew？）。与其限定国家，不如从整体上看一看，地球上的华人科学家、研究者群体，到底有多厉害。
关注时间范围是到，跨度左右——因为许多人说，这一波人工智能大潮是从后的几年时间里，才开始真正兴起的。
我的统计结果
先说说我的统计结果，一会儿会在附录一中讲讲我用的统计方法。
来看下到间华人作者的平均贡献：
在到的时间段里，近两万篇最顶级的人工智能文章中，由华人贡献的文章数和被引用数，分别占全部数字的29.2%和31.8%。近十年，华人用五分之一左右的作者人数，平均贡献了三成的顶级AI研究文章和被引用数。统计角度，这已经是超出平均水平的科研贡献了。
但平均数并不能看出华人科学家、研究者在最近几年的发力程度。来看到间，华人贡献的文章数和被引用数的变化趋势：
到间，华人作者参与的顶级AI论文，占全部顶级AI论文数量的比例，从23.2%逐年递增到42.8%。而华人作者参与的顶级AI论文被引用次数，占全部顶级AI论文被引用次数的比例从25.5%逐年递增到55.8%（ 年数据较少，未用于趋势比较）。
也就是说，即便只统计顶级出版物里的顶级文章，中国人/华人在人工智能领域的贡献，在发展趋势上也和白宫报告中揭示的规律如出一辙——无论从哪个角度来说，中国人/华人正在人工智能领域里发挥举足轻重的作用，而且，从，开始，中国人/华人已经处于人工智能研究的领先地位，占据了人工智能科研世界的半壁江山！
个案分析
会有人觉得这个统计很不可思议吗？这个结果会出乎很多人意料吗？我们还可以拿一个更具体的例子，来深入分析一下。
在顶级人工智能期刊里，我来举个大名鼎鼎的例子吧：IEEE模式分析与机器智能汇刊（IEEE Transactions on Pattern Analysis and Machine Intelligence，简称PAMI），影响因子6.077，高到没朋友，想往这里投稿的同学可能都知道被接受和发表的难度有多恐怖。
我从《IEEE模式分析与机器智能汇刊》里按引用数选出到间的前500篇论文，下面是这500篇论文的引用数分布情况：
其实很恐怖的，前500篇文章最高引用数2715，最低引用数41——真顶级期刊！普通期刊难以望其项背呀。
那么，这500篇最顶级的人工智能论文里，华人科学家、研究者的贡献如何呢？先说几个数字：500篇顶级文章的作者一共1220人，其中华人科学家、研究者316人，占25.9%。所有作者单独累加计算的被引用数总和是231361次，其中，华人科学家、研究者被引用数总和是63846 次，占27.6%。如果单看（当年华人的文章数、引用数均较高）的数据，华人科学家、研究者被引用数占51.8%，超过了半数。
如果只看《IEEE模式分析与机器智能汇刊》在到间，引用数最多的10位华人作者和10位非华人作者的具体情况，也是一个很有趣的表格：
《IEEE模式分析与机器智能汇刊》的华人前10位大牛，与非华人前10位大牛，在每个人的总引用数上几乎不相上下。的确，最顶尖的人工智能科学家里，中国人/华人的贡献丝毫不亚于其他科学家。
另外，如果对人工智能特别是模式识别的研究领域不熟悉，那么，记住表中这20位顶尖科学家的名字吧。有兴趣的话，大家可以去搜一搜他们的简历，看看他们都在哪里工作，在哪里做研究，他们的学生、同事都是谁，相信会有很多发现。
原因？
为什么中国人/华人在人工智能领域这么强？因为数学好？因为兴趣使然？因为思维习惯？因为勤奋？因为教育？大家可能都有自己的答案。
本文不想展开讨论，列举数据和事实，才是本文的目的。
附录一：统计方法介绍
简单介绍一下我是怎么得到上面那些比例和趋势数据的。
周末，我先去Web of Science数据库里，找到Computer Science / Artificial Intelligence的主题类目，根据SCI影响因子从高到低排序，取前50个出版物，这50个人工智能领域顶级期刊的详细列表见附录二。
（因为筛选条件设置，主要是类目和影响因子的设置问题，顶级会议的会议录没有作为出版物列入这份列表。当然，顶级会议文章被顶级期刊收录的情况并不罕见。另外，每年文章数相对稳定的期刊用来做趋势统计要更容易一些，白宫报告的统计对象也是期刊文章。顶级会议文章通常需要另行统计，也许下次吧。）
然后，对每份顶级期刊，基于文章的被引用数对到的所有文章进行排序。这个时间段里，期刊的平均发表文章数在500左右，我以500为上界，取每份期刊中，被引用数最多的文章，至多500篇，每篇文章至少被引用一次。由此得到到间的顶级人工智能相关论文共计19855篇。
接下来，基于这些文章的作者列表和被引用数目，统计华人科学家、研究者与全部文章作者之间的比例和趋势关系。
如何识别华人作者？好像没有特别好的方法。我的方法是根据英文姓名判断，如果英文姓名主要由汉语拼音、韦氏拼音或粤语拼音组成（当然还要考虑姓氏、名字二者在英文表述上的区别，以及其他一些经验规则），那么就假定这个作者是华裔。根据小样本集验证，这个判别方法的检准率大约在96%以上，检全率大约在90%左右。也就是说，会有一定数量的遗漏，也会有少量误识，但基本可以反映整体情况与趋势。
如何解决合作者问题？我是分别统计，并且不加权重的。第一作者和其他作者共享文章计数和引用计数。为第一作者增加权重是否影响整体统计结果？也许，但不会影响总体趋势数据，因为并没有证据表明，华人更多地出任第一作者，还是非华人更多地出任第一作者。至于每个作者的文章数和引用计数，是采用简单累加，还是采用比例累加（如两人合作，每人的贡献算0.5还是1），我做了全数据集的对比试验，几乎完全不影响整体结果。
附录二：按SCI影响因子排序的前50人工智能期刊列表
出版物名称，影响因子
IEEE TRANSACTIONS ON FUZZY SYSTEMS, 6.701
International Journal of Neural Systems, 6.085
IEEE TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE, 6.077
IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, 5.908
INTEGRATED COMPUTER-AIDED ENGINEERING, 4.981
IEEE Transactions on Cybernetics, 4.943
IEEE Transactions on Neural Networks and Learning Systems, 4.854
MEDICAL IMAGE ANALYSIS, 4.565
Information Fusion, 4.353
INTERNATIONAL JOURNAL OF COMPUTER VISION, 4.27
IEEE TRANSACTIONS ON IMAGE PROCESSING, 3.735
IEEE Computational Intelligence Magazine, 3.647
EVOLUTIONARY COMPUTATION, 3.6
IEEE INTELLIGENT SYSTEMS, 3.532
PATTERN RECOGNITION, 3.399
ARTIFICIAL INTELLIGENCE, 3.333
KNOWLEDGE-BASED SYSTEMS, 3.325
NEURAL NETWORKS, 3.216
EXPERT SYSTEMS WITH APPLICATIONS, 2.981
Swarm and Evolutionary Computation, 2.963
APPLIED SOFT COMPUTING, 2.857
DATA MINING AND KNOWLEDGE DISCOVERY, 2.714
INTERNATIONAL JOURNAL OF APPROXIMATE REASONING, 2.696
SIAM Journal on Imaging Sciences, 2.687
DECISION SUPPORT SYSTEMS, 2.604
Swarm Intelligence, 2.577
Fuzzy Optimization and Decision Making, 2.569
IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING, 2.476
JOURNAL OF MACHINE LEARNING RESEARCH, 2.45
ACM Transactions on Intelligent Systems and Technology, 2.414
NEUROCOMPUTING, 2.392
ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE, 2.368
CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS, 2.217
ARTIFICIAL INTELLIGENCE IN MEDICINE, 2.142
COMPUTER VISION AND IMAGE UNDERSTANDING, 2.134
JOURNAL OF AUTOMATED REASONING, 2.113
INTERNATIONAL JOURNAL OF INTELLIGENT SYSTEMS, 2.05
COMPUTATIONAL LINGUISTICS, 2.017
ADVANCED ENGINEERING INFORMATICS, 2
JOURNAL OF INTELLIGENT MANUFACTURING, 1.995
Cognitive Computation, 1.933
IEEE Transactions on Affective Computing, 1.873
JOURNAL OF CHEMOMETRICS, 1.873
MECHATRONICS, 1.871
IEEE Transactions on Human-Machine Systems, 1.8
Semantic Web, 1.786
IMAGE AND VISION COMPUTING, 1.766
Wiley Interdisciplinary Reviews-Data Mining and Knowledge Discovery, 1.759
NEURAL PROCESSING LETTERS, 1.747
ARTIFICIAL INTELLIGENCE REVIEW, 1.731
更多精彩，可点击下方阅读原文
