12月8日（本周日），期待已久的NeurIPS2019就要在加拿大温哥华正式拉开帷幕。作为机器学习领域最重要的顶会，NeurIPS一直有着很强的影响力和排名，被认为是神经计算方面最好的会议之一。随着近几年深度学习的崛起，NeurIPS不仅成为了学术界的新星，也引起了工业界的高度关注，注册人数从数年前的几百人跃升到今年的近万人。
根据AMiner数据平台的统计分析，NeurIPS的H5指数为149，10H值为34641，在人工智能方向会议中排名第二。通过对NeurIPS近十年接收论文引用量的统计分析，我们评选出了NeurIPS高引学者TOP100榜单。这100位学者，他们都是机器学习领域的顶尖人物，不论是在学术界还是工业界，都取得了令人瞩目的成果。
在这100位学者中，谷歌+DeepMind就占据了五分之一，形成了绝对的霸主地位，8人来自Facebook，7人来自加州大学伯克利分校。同时，斯坦福大学5人，麻省理工学院4人，OpenAI 4人，纽约大学、蒙特利尔大学都有3人上榜。他们中约有16位华人学者上榜。
比如前百度首席科学家吴恩达、计算机视觉大神何恺明；但是在中国大陆任职的却仅有几人，比如商汤科技的代季峰，旷视科技的孙剑，Momenta的任少卿等。包揽高引学者榜单前三甲的正是“神经网络之父”Geoffrey Hinton与他的高徒Ilya Sutskever、Alex Krizhevsky。
排在高引学者榜单第二位的Geoffrey Hinton，是深度学习的泰斗，被人们誉为“人工智能教父”，他的名字在当今的人工智能研究界可谓是如雷贯耳。他曾发明了玻尔兹曼机（Boltzmann machine），也首先将反向传播（Backpropagation）应用于多层神经网络；不仅如此，他还有Yann LeCun和Ilya Sutskever等大牛级的学生。
Hinton在剑桥大学获得实验心理学学士学位，在爱丁堡大学获得人工智能博士学位。现任Google副总裁兼工程研究员，同时在多伦多大学教书育人，也是VectorInstitute首席科学顾问。在2012年，Hinton还获得了加拿大基廉奖（Killam Prizes，有“加拿大诺贝尔奖”之称的国家最高科学奖）。
排在榜首的Ilya Sutskever不仅是Hinton的博士生，还是吴恩达的博后，他曾是谷歌的顶级人工智能专家，后来创办了人工智能非盈利公司——OpenAI。Sutskever的H-index值为56，在2015年他被麻省理工学院技术评论评为Visionaries类别「35岁以下创新者」。十年间，他虽只在NeurIPS发表了11篇文章，但引用量高达67457次，位于高引学者榜单首位。
排在榜单第三位的Alex Krizhevsky，同样作为Hinton的博士生，Alex似乎显得更为低调，网上也鲜有他的资料。2012年，在Hinton的指导下，Alex Krizhevsky和Sutskever合作开发了轰动一时的AlexNet。
这篇题为《ImageNet Classification with Deep Convolutional Neural Networks》的论文，引用量高达44218次。这也是Alex在NeurIPS发表的唯一论文。AlexNet以一种新颖的神经网络架构在NeurIPS亮相，包含五个卷积层和三个全连接层。
这篇论文被广泛认为是一项真正的开创性工作，因为它首次证明了在GPU上训练的深度神经网络可以将图像识别任务提升到一个新的水平。排在榜单第四位的是“人工智能三巨头”之一的Yoshua Bengio，他同Geoffrey Hinton、Yann LeCun同获2018年图灵奖。Yoshua Bengio是人工智能自然语言处理领域的先锋。
Bengio，1964年出生于法国，成长于加拿大，现居蒙特利尔，在蒙特利尔大学（University of Montreal）计算机科学与运算系任教授。Bengio在麦吉尔大学获得计算机科学博士学位。他与Geoffrey Hinton、Yann LeCun一起被认为是20世纪90年代和21世纪初期推动深度学习的三个人。
位于高引学者榜单第五至第八位的学者，是来自谷歌的Greg Corrado、Jeffrey Dean、Kai Chen、Tomas Mikolov。Greg Corrado、Jeffrey Dean十年间在NeurIPS各发表了3篇文章，总引用量为17218次。Tomas Mikolov也发表了3篇文章，总引用量为15407。Kai Chen发文两篇，总引用量为16139次。
位于第十位的是计算机视觉大神、Facebook AI研究科学家何恺明。他的研究方向为计算机视觉和深度学习。十年间他在NeurIPS共发表过3篇论文，总引用量为12605次。最有名的一篇是发表于2015年的《Faster R-CNN：Towards Real-Time Object Detection with Region Proposal Networks》一文，引用量达11093次。