一篇科技论文，在过去无论有多好，都很难测量其影响力。在纸质杂志上发表的文章，一般很难检测出，被引用了多少次。但这种尴尬局面随着互联网的出现，成了历史。如今网络的搜索功能和由此产生的大数据，可以直接观察到科学工作者对论文的关注度，特别是引用其他人的论文的数据。依靠互联网的技术，可以清楚地查找到，谁引用了谁，互相引用不再成了无法检索的空白。于是，论文引用的数量自然而然地成了衡量论文影响力的一个重要标志。
在谷歌学术搜索中，存有高达4亿篇论文的数据库。论文被引用的数据可以作为证明文章影响力的依据。即使这个方法有局限性，但在更大程度上，反映了当今社会的进展和科学的进步。
1《亚当：一种随机优化方法 》Adam: A Method for Stochastic Optimization。文章发布于2015年，引用数为47774。
截止2020年为止，这篇文章达到了，人类可知的引用最高数。一篇涉及人工智能的文章获得最高引用，证实了科学界对人工智能的注重。不仅是科学界对人工智能领域有巨大的兴趣，而且欧美国家也正在把人工智能作为未来的主要发展对象。美国把对人工智能的投资提高了一倍，欧盟也把投资提高了百分之70。《亚当：一种随机优化方法 》能够获得最高引用，正说明在未来人工智能上，将展开激烈竞争。无独有偶，跟着这篇文章后面，引用最多的文章多是涉及人工智能。
2《图像识别的深度残差学习》Deep Residual Learning for Image Recognition 文章发布于2016年，引用数为25256。
深度残差学习的概念出自何凯明等4名中国学生。何凯明来自清华大学物理系，现是脸书人工智能的科学家。从文章的引用数量来看，足以显示，他提出的这个方法对该行业的影响。
3《让R-CNN更快: 朝着带有区域建议网络的实时目标检测》Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks发表于2015，引用数为19507。
4《深度学习》Deep Learning, 文章发布于2015年，引用数为16750。
这篇文章的作者之一是Geoffrey Hinton，号称人工智能的教父，现领导着谷歌人工智能团队。Hinton2006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。如果说机器可以替代人，甚至代替人的大脑，那么深度学习的最终结果就会是：在众多领域人将被取代。我们完全可以想象，Hintond 提出的深度学习对未来人类社会的发展将产生重大影响。这样的文章怎么能不被当今科学家所关注和引用？
5 《带着缠绕走得更深》Going deeper with Convolutions， 文章发布于2015年，引用数为14424。
这篇文章已经成为计算机图像处理必读论文之一。
6《通过深层强化学习的人类层面的控制》Human-Level control through deep reinforcement learning 文章发布于2015年，引用数为10394。
7 《语义分割的完全常规网络》Fully Conventinal Networks for Semantic segmentation 文章发布于2015年，引用数为10153。
8《你需要的就是关注》Attention Is All You need文章发布于2017年，引用数为9885。
9 《脓毒症与脓毒症休克第三版国际共识》The Third International Consensus Definitions for Sepsis and Septic Shock (Sepsis-3) 文章发布于2016年，引用数为8576。
10《RNA测序和微阵列研究中Limma 强化差异表达分析》Limma porwers defferential expression analyses for RNA-sequencing and microarray studies 文章发布于2015年，引用数为8328。
第9和第10篇是前十名论文中，和计算机没有关系的两篇医学论文。这是否意味着，未来对人类社会影响最大的，除了人工智能就是医学了呢？
最后要提到的这篇文章，虽然没有进入第10，但值得一提。《以深度神经网络和树搜索掌握围棋战略》Mastering the game of Go with deep neural networks and tree search发布于2016年，引用数为8209。
这篇文章涉及的是伦敦大学学院的教授David Silver, 他领导的AlphaGo团队击败了围棋九段棋手柯洁。人工智能击败了最强大脑，没有什么能比这更能说明人工智能的前途，同时也可能是一个细思极恐的大事件。在机器击败人的时代，人怎么办？
大数据时代已经到来。有些时候，大数据好像很喧闹，但在喧闹的背后是科技工作者在静悄悄地工作。我们看到的喧嚣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，但他们的工作将影响整个人类社会。是否我们现在应该平静下来，好好想一想，人工智能在飞速发展，我们作为人该怎么办？
