过去一篇科学论文再好，也很难衡量其影响力。发表在纸质杂志上的文章，一般很难检测到，被引用了多少次。但是这种尴尬的局面随着互联网的出现已经成为历史。现在互联网的搜索功能以及由此产生的大数据，可以直接观察到科学工作者对论文的关注度，尤其是引用他人论文的数据。依托于互联网的技术，我们可以清楚的发现谁引用了谁，相互借鉴不再是无法挽回的空白。因此，论文的引用次数自然成为衡量论文影响力的重要标志。
在谷歌学术搜索中，有一个多达4亿篇论文的数据库。论文引用的数据可以作为证明文章影响力的依据。即使这种方法有局限性，但更大程度上反映了当今社会和科学的进步。
1 《亚当：一种随机优化方法》 Adam:一种随机优化方法.这篇文章发表于2015年，被引用47774次。
到2020年，这篇文章已经达到人类已知的最高引用次数。一篇与人工智能相关的文章获得最高引用，印证了科学界对人工智能的重视。不仅科学界对人工智能领域有很大兴趣，欧美国家也在把人工智能作为未来的主要发展对象。美国对人工智能的投入增加了一倍，欧盟增加了70%的投入。003010能获得最高引用，说明未来人工智能会有激烈的竞争。无独有偶，继这篇文章之后，被引用最多的文章也大多涉及人工智能。
文章《亚当：一种随机优化方法》《图像识别的深度居住学习》发表于2016年，引用数为25256。
深度剩余学习的概念来自包括何在内的四位中国学生。何来自清华大学物理系，现在是人工智能的科学家。从文章的引用次数来看，足以说明他提出的这种方法对行业的影响。
3 《图像识别的深度残差学习》更快的R-CNN : Towers使用区域提议网络的实时对象检测发表于2015年，引用号为19507。
4 《让R-CNN更快： 朝着带有区域建议网络的实时目标检测》深度学习，文章发表于2015年，引用16750次。
这篇文章的作者之一是杰弗里辛顿(Geoffrey Hinton)，他被称为人工智能教父，现在领导着谷歌人工智能团队。Hinton在2006年提出了深度学习的概念，是指机器模拟人脑的机器学习方法。如果机器可以代替人，甚至可以代替人的大脑，那么深度学习的最终结果将是在很多领域代替人。我们完全可以想象，Hintond提出的深度学习将对人类社会未来的发展产生巨大的影响。这样的文章怎么会被当今的科学家忽视和引用呢？
《深度学习》随着进化的深入，该文章于2015年发表，被引用14424次。
这篇文章已经成为计算机图像处理的必修论文之一。
《带着缠绕走得更深》通过深度强化学习的人类水平控制文章发表于2015年，引用次数10394次。
文章《通过深层强化学习的人类层面的控制》语义分割的全约定网络发表于2015年，引用数为10153。
文章《语义分割的完全常规网络》关注是你需要的全部发表于2017年，引用次数为9885。
《你需要的就是关注》 2016年发表了第三次脓毒症和脓毒性休克国际共识定义(脓毒症-3)，引用数为8576。
0 《脓毒症与脓毒症休克第三版国际共识》 Limma Por Wers用于RNA测序和微阵列研究的防御性表达分析于2015年出版，引用次数为8328。
第9和第10篇论文都在十大论文之列，与计算机无关。这是否意味着未来除了人工智能，医学对人类社会的影响最大？
最后要说的一篇文章，虽然没有排在第10位，但是值得一提。103010《用深度神经网络和树搜索掌握围棋博弈》出版于2016年，参考号8209。
这篇文章是关于伦敦大学学院教授大卫西尔弗(David Silver)的，他的AlphaGo战队打败了九段棋手柯洁。人工智能打败了超脑。没有什么比这更能说明人工智能的未来了。同时也可能是大事件，有很大的恐惧。机器打不过人的时代，人该怎么办？
大数据时代已经到来。有时候，大数据看似嘈杂，但在嘈杂的背后，是科技人员在默默工作。我们看到的所有噪音都是他们幕后工作的结果。他们的论文不一定是普通人能看懂的语言，但他们的工作会影响整个人类社会。我们现在是不是应该静下心来想一想？人工智能发展迅速。作为人类我们应该做什么？
标签:
