【Science：#AI竞赛学术界输了#】

【Science：#AI竞赛学术界输了#】 AI领域，重心已从学术界转移到了产业界，并且失衡还在继续。 Science在最新一期正刊上发了一篇文章，整理了近几年AI领域的相关数据，结果也是一目了然： AI竞赛，学术界输了。 Science统计了论文、AI最大模型以及SOTA模型在各个领域的占比。 从2016年开始，产业界在领先的人工智能会议上发论文的占比开启了野蛮生长的趋势。 4年时间，在论文数量上，产业界几乎从学术界“夺取”了20%。 AI领域的10大模型，2013年之前还都是学术界居于主导地位。 之后，产业界持续发力，到了2016年，再往后10大AI模型几乎全都来自产业界。 SOTA模型就更不用说了，去年一年，产业界直接霸占了语言模型和图像分类的SOTA， 分析情感、语义分割和目标检测的SOTA大概是产业界和学术界各自一半的成果，机器翻译的SOTA则全都来自学术界。 当然，这一趋势在网友们的心中也都是心照不宣的事实，甚至有人做出meme图来调侃。 具体情况如何，一起来看看～

学术界相比于产业界的优势在哪？

学术界相比于产业界的优势在哪？ Triborg的回答 最简单的事例：Free energy calculation。这是生物分子动力学模拟中的圣杯。理论基础有若干种，最简单暴力的理论叫free energy perturbation，FEP。50年代就发明出来了，在L Landau的第五卷里都有。但应用在生物体系要等到九十年代。一套模拟总得要几个月。2007年我用了等效但理论更精确的方法TI，一套计算耗时六个月。目前Schrodinger公司把FEP商业化，一台普通的带GPU的服务器，一天就可以计算十几个体系。基本上跟小分子量子化学计算找一个过渡态差不多计算量。近几年Schrodinger才实现盈利。而从1950年代到21世纪，没有大量科研人员不计成本地应用与改进FEP，也不会有FEP今天的落地； （这里Schrodinger公司配套采用的产生于学界的方法有REST、GCMC、OPLS4/OPLS5力场、S-ANI力场、GQNN力场、double decoupling方法等） 没有Schrodinger公司的科技人员持续不断地尝试落地，产生的一系列专利，FEP也只能局限在学术界以及少数大型药企。 （专利是组合运用上述方法以及大数据分析，提出的优化后的计算流程、计算参数、降低结果误差的统计分析方法等。这样一对比可以看出学界和企业界的重的方向的区别） 产业界的一大问题就是要快速满足，学界是延时满足，没有学界的积累也不会有产业的升级进步；但没有产业的效率思想，很多有前途的方法也只能留在论文的“总结与展望”里。 via 知乎热榜 (author: Triborg)