AI发展的国内外现状

2020-07-31王和勇古龙

现代信息科技 2020年4期

王和勇古龙

摘要：为了解决基于国内外文献角度分析人工智能重点领域发展规律和特点、人工智能重点领域的机构、机构区域等研发合作情况研究尚少的问题，以中国知网和Web of Science国内外核心数据库中与人工智能相关的文章作为研究对象，用SATI对文章索引数据进行整理，然后用UCINET软件分别从关键词、发文机构、地域合作的角度进行社会网络分析，从而得到国内外在人工智能领域的研究热点、研究趋势、地域合作情况的差异性结论。

关键词：人工智能;研究热点;地域合作;社会网络

中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2020）04-0068-08

Abstract：In order to solve the problem that there are few researches on the research and development cooperation in the key areas of artificial intelligence，such as the development laws and characteristics of the key areas of artificial intelligence，institutions and regions based on the literature at home and abroad，CNKI and Web of Science are used the article related to artificial intelligence in the core database of science at home and abroad is taken as the research object. The article index data is sorted out by using SATI，and then the social network analysis is carried out by using UCINET software from the perspective of keywords，publishing institutions and regional cooperation，so as to get the difference conclusion of research hotspot，research trend and regional cooperation in the field of artificial intelligence at home and abroad.

Keywords：artificial intelligence;research hotspots;regional cooperation;social network

0 引言

人工智能（Artificial Intelligence，AI）最早在1956年由美國的Dartmouth提出，随着技术的进步革新，1997年IBM研发的“深蓝”成功在国际象棋比赛中击败人类最强棋手，引发了激烈的讨论，在2016年AlphaGo连胜围棋世界冠军后，人工智能再一次受到世界的瞩目并引发热议。

我国于2015年在《2025中国智能制造》中首次提到智能制造，提出着力发展智能装备和智能产品推动生产过程智能化。在随后的每年里，都会有新的人工智能的相关推动政策出台，2016年，人工智能被写入“十三五”规划纲要，被确认为重点发展对象;2017年人工智能不仅被写入政府工作报告，并且国务院还发布《新一代人工智能发展规划》，明确指出新一代人工智能发展分三步走的战略目标，人工智能上升到国家战略层面;2019年《关于促进人工智能和实体经济深度融合的指导意见》提出要把握新一代人工智能的发展特点，结合不同行业、不同区域特点，探索创新成果应用转化的路径和方法，构建数据驱动、人机协同、跨界融合、共创分享的智能经济形态[1]。因此，必须把握当前人工智能的研究热点和发展合作形势，推动我国人工智能产业的快速健康发展。

梁继文等[2]运用CiteSpace软件对Web of Science（WoS）数据库中与人工智能相关的文献作科学知识图谱分析，掌握研究热点并预测了人工智能的发展趋势。邓琳碧等[3]对人工智能教育领域作分析，提出发展建议。肖博达等[4]梳理了人工智能技术体系四大模块，探讨了当前人工智能的主要应用领域。李非凡[5]使用社会网络分析对高校科研合作网络进行了研究，探讨了高校科研合作网络规律。周拴龙[6]使用UCINET对词汇共现网络进行可视化分析。王友发等[7]基于德温特创新索引数据库，对人工智能专利全球地理分布、主要国家PCT布局、技术热点、未来趋势等进行了分析，并得到了相关的研究结果。章小童等[8]基于主题词共现网络分析对人工智能政策与规划的主题结构进行探讨。以上内容虽然对人工智能知识图谱进行了分析，但是没有考虑地域合作和国内外差别;虽然考虑了单位之间的合作，但不是针对人工智能具体应用方面的合作网络分析。因此本文分别从关键词、发文机构、地域合作的角度对国内外人工智能领域进行社会网络分析，希望能够得到国内外在人工智能领域的研究热点、趋势变化、地域合作和国内外差别方面的相关结论。

1 研究目的

梳理国内外近几年来人工智能研究的热点领域和机构关系，分析国内外研究差别，归纳总结发展规律与特点，探索人工智能研究的地域合作情况及趋势，为推动我国人工智能产业的发展提供技术基础。

2 研究方法

2.1 数据来源

国内数据来源于中国知网（CNKI），以“人工智能”为主题在期刊中进行搜索，并按相关性排列，选取了相关性最强的前3 000篇文章导出进行分析，数据清洗后实际有效文章2 917篇，国内文献年份分布统计表如表1所示，可以看到，中国知网中人工智能研究的文献有96.88%来自于2015年至2019年，其中2018年的数量占比最大，占本次研究文献数的58.59%，2019年的数量占比排第2，为20.19%。2019年的文献没有2018年的多，是因为本文撰写时2019年还未结束，一些文献还未正式发布。

国外数据来源于Web of Science核心数据库，以AI为主题，以相关性进行排序，选取了相关性最强的前3 000篇文章，数据清洗后实际有效文章2 977篇，国外文献年份分布统计表如表2所示，可以看出国外人工智能领域的研究从2016年开始有了爆炸性的增长，近几年的发文数量也不断增加，一直处于上升状态，因为本文统计截止时2019年仍未结束，一些2019年的文献还没加入数据库，但也可以确认人工智能研究领域在国外也是逐渐走热。

由图1和图2可以看到，人工智能在国内外近三年内热度都有着明显的上升，国外研究热度开始大幅度提升的年份是2016年，我国研究热度开始大幅度提升的年份是2017年，人工智能的热点研究在国外比国内要早一年，说明我国人工智能领域研究起步要比国外稍晚。

2.2 研究工具

本文研究主要使用SATI和UCINET两种数据分析工具，SATI是文献题录信息统计分析工具，能够快速对文献题录信息进行数据清洗、整合、分析并形成共现矩阵，为数据可视化处理建立基础。UCINET拥有强大的矩阵分析能力，可以对社会网络的各个指标进行计算。通过SATI和UCINET软件对数据进行整合和可视化处理，可以得到人工智能的研究热点和人工智能研究领域各区域的合作情况。

2.3 分析方法

本文主要使用的是社会网络分析法，这是一种社会学研究方法。汤汇道[9]对社会网络分析法作了述评，介绍了社会网络分析法的起源和发展;刘大庆等[10]基于社会网络分析法对全球地缘政治格局力量结构演变作了研究;何兴菊[11]基于UCINET对网络学习空间进行了社会网络分析;刘三等[12]基于社会网络分析的视角，对网络环境下群体互动学习分析进行了应用研究;钟柏昌等[13]基于教育类核心期刊刊文的评述进行了社会网络分析。社会学理论认为社会不是由个人而是由网络构成的，网络中包含节点及节点之间的关系，社会网络分析法通过对于网络中关系的分析来探讨网络的结构及属性特征，包括网络中的个体属性及网络整体属性。

3 国内结果分析

3.1 关键词分析

3.1.1 关键词词频分析

使用SATI工具对中国知网的2 926篇有效文章数据进行分析，可以得到国内人工智能领域高频关键词排序，如表3所示，列出的是出现频率较高的前20个关键词。国内频次出现较高的关键词依次是“人工智能”“机器人”“大数据”“深度学习”“机器学习”等，除主题关键词“人工智能”以外就是“机器人”的频次最高，说明我国人工智能在机器人应用方面的研究有一定的成果，同时大数据、深度学习、机器学习、神经网络这些人工智能研究分支也是研究的重点方向，且人工智能著作权等一些社会伦理方面的研究也有一定进展。

3.1.2 中心度的分析

先使用SATI对中国知网数据进行处理，然后通过UCINET中得到NetDraw画出人工智能领域关键词的社会网络关系图，社会网络中节点的重要性可以用中心度来判断，中心度越高，节点越大，说明此节点在网络中的重要性也越高，各节点之间连线的粗细表示合作频次的多少。

使用NetDraw分析工具对前50位的热点关键词进行分析，可以得到国内人工智能关键词社会网络图，如图3所示。可以看到，除了主题关键词“人工智能”外，“机器人”“大数据”“机器学习”“深度学习”是明显偏大的节点，说明这些关键词在人工智能的研究领域中占据非常重要的位置，是人工智能領域研究的主要技术热点。

3.1.3 聚类分析

使用UCINET对频次排名前50的关键词进行聚类，得到如图4所示的国内关键词聚类分析图，共得到9个聚类，每个颜色代表一个聚类。图中除了节点较大、连线密集的人工智能基础技术的聚类，我们还可以看到节点较小、连线分散的其他聚类，这些聚类就是人工智能的其他研究分支方向，大致可以归纳为神经网络及计算机视觉、知识产权、人工智能的分类探讨、伦理道德、政策挑战、教育学习、管理会计、计算机网络这些研究的方向，说明我国的人工智能研究呈现多元化特点，已应用到具体应用领域，并研究人工智能相关的哲学问题。

3.2 发文机构分析

发文数量排前20的机构如表4所示。通过表4可以看出，华东政法大学法律学院是发文最多的机构，中国人民大学新闻学院的发文数量位居第二。另外按发文数量进行排序，前10位都是北京和上海的学校，说明在人工智能地域研究方面，北京和上海走在中国的前列。

从发文单位的性质来看，前10位的都是中国的名校。发文数量排前列专业是新闻传播、法律、哲学、管理类的学院，说明我国人工智能领域已经发展到比较高水平的应用阶段，基本的技术已经成功应用，但在法律和管理制度上有很多空白，国家正在推动这方面的研究。也说明了法律、哲学和管理层面上的研究是当下的一个重点研究方向，需要制定合适的法律制度和创新管理方法来更好的匹配人工智能的发展。

3.3 地域合作分析

使用SATI对中国知网数据中的2 926篇有效文章进行统计整合并输出共现矩阵，两个机构名称在同一篇论文中同时出现就可以视为一次合作，合作论文的篇数就当作两个机构之间的合作频次，根据机构间的合作次数可以构造出频次合作共现矩阵，矩阵的对角线为该机构在样本中的发文数量，其他值显示的是在数据样本中的两两合作的频次，也就是合著的论文篇数，部分矩阵如表5所示。

使用UCINET软件以发文机构为节点，根据合作共现矩阵可以制出机构合作网络图，可以直观地看到在人工智能领域国内各地的合作科研情况，其中节点代表各个研究机构，节点的大小表示重要程度，连线的粗细表示合作的频次，得到的国内机构合作网络如图5所示。

从图5可以看出，各科研机构在人工智能领域的研究合作方面比较少，只有几个机构有合作关系。其中合作发文最多的是北京的大学，然后是上海的大学，另外四川的电子科技大学和天津大学也有合作，其他省份机构合作发文的案例在本样本中尚未出现。说明北京在人工智能合作研究走在全国前列，清华大学、北京师范大学、中央人民大学、中国科学院在合作研究中最活跃，上海的合作研究走在北京的后面，华东师范大学、华东政法大学、复旦大学是主要力量，复旦大学与清华大学有着合作发文的案例，说明北京和上海在人工智能研究方面有所合作。四川和天津在人工智能研究方面也有合作，说明四川和天津已经在加紧人工智能的研究合作，其他省份在人工智能合作方面进展比较缓慢，明显落后于北京上海。

4 国外结果分析

4.1 关键词分析

4.1.1 关键词词频分析

使用SATI对Web of Science核心数据库得到的数据进行关键词分析，可以得到人工智能领域国外出现次数排前20的国外高频关键词。

如表6所示，其中“人工智能（artificial intelligence）”“机器学习（machine learning）”“人工神经网络（artificial neural network）”“神经网络（neural network）”“深度学习（deep learning）”“专家系统（expert system）”“机器人（robot）”“模糊逻辑（fuzzy logic）”“大数据（big data）”“数据挖掘（data mining）”是目前国外人工智能研究的10大热点。

国内外前10个热点对比中，可以发现国外大部分研究热点与我国相同，但是国外在“专家系统”“模糊逻辑”这两个热点细分领域的研究比我国更加火热，而我国在“著作权”“物联网”两个方面走在国外前面，说明我国人工智能的应用产业发展速度较快。

4.1.2 中心度的分析

国外人工智能关键词社会网络如图6所示，可以得到“人工智能”“机器学习”“神经网络”“人工神经网络”在整个社会关系网络中占有绝对中心地位，是国外人工智能研究的基础。

从图3和图6看出，我国和国外的关键词社会网络图非常相似，“人工智能”“机器学习”“神经网络”“人工神经网络”都为重要的节点，说明我国在人工智能领域研究方面是与世界前进大方向相同的。

4.1.3 聚类分析

使用UCINET对国外人工智能领域关键词进行聚类，得到如图7所示的国外关键词聚类分析图，共9个聚类，说明国外人工智能领域研究的方向非常广泛，有计算机视觉、游戏、群体智慧、预测、机器人等方向。国外研究跟我国类似，都呈多元化发展。

4.2 发文机构分析

通过对国外文献进行分析可以如表7所示的国外高发文量排前20的机构。从表7中我们可以看到国外人工智能发文最多的是美国，其次是英国，他们占了前20名的大部分位置，美国尤其突出，占了前20名中的9位，说明在国外，美国在人工智能研究领域占有主导地位，也提醒我们，应该加强对美国人工智能研究的关注，以了解世界人工智能研究的发展形势。

国外与国内发文机构情况大致相同，都是以高校和研究机构发文为主。

4.3 地域合作分析

部分国外机构合作共现矩阵如表8所示。国外机构合作网络图，如图8所示，从图中我们可以看到，合作发文最多的是美国的大学，其中加拿大的阿尔伯塔大学与哈佛大学、卡耐基梅隆大学、加州大学、宾夕法尼亚大学、麻省理工学院、卡耐基大学合作发文的小团体成为人工智能合作领域里最活跃的部分，还有一些美国高校在校内各学院合作研究，英国的剑桥大学与牛津大学和帝国理工在人工智能领域研究也有合作，意大利的圣拉斐尔生命健康大学在校内各机构也进行了合作研究，日本九州大学与美国哈佛大学也有合作发文，说明日本也非常注重紧跟国际人工智能的大方向。

从国外机构合作网络图我们知道，国外人工智能研究主要发生在美国、加拿大、英国、意大利、日本这些国家，在世界其他地区还缺乏人工智能相关的合作研究。其中，医学院有明显突出位置，意大利的合作机构都是圣拉斐尔生命健康大学，美国的一些合作机构也是名校的医学院，说明生命医学是国外人工智能合作领域一个重要的研究方向。

由图5和图8国内和国外机构合作网络图对比我们可以知道，国内在人工智能领域机构合作方面要落后于美国，美国高校合作已经形成了网络比较密集的小团体，多所美国名校已经参与了人工智能领域的合作研究，而我国在该领域的合作有较大局限性，基本是“一对一”式的合作，而且很多合作只在同一所学校的不同学院之间进行，所以人工智能领域的跨校跨地域合作需要国家重点推进，加强各科研机构在该领域技术的交流沟通，避免因合作不足导致人工智能领域发展落后于美国。

5 结论

从国内外人工智能领域目前的研究热点角度来看，大体上我国目前人工智能领域研究与国外研究热点很相似，都是以“人工智能”“机器学习”“神经网络”“人工神经网络”等人工智能基础技术为核心热点，然后向其他方向辐射扩展。

从发文机构来考虑，国内外都是以高校研究发文为主，在国内政法类高校学院逐渐成为发文主力，说明我国人工智能技术逐渐成熟，在应用落地方面走得很快，法律、管理等问题开始受到重视，国家开始推动在法律政策方面的研究。美国是国外人工智能领域的领军者，美国的高校在文章发表量方面有明显优势，在国外生命科学与人工智能结合是热门的研究方向，国外的高校医学院和生命健康类的大学在人工智能领域很活跃。

从地域合作发文情况分析，国内高校的合作研究比较少，北京和上海形成了较小规模的合作研究态势，四川和天津有一定合作，整体来看我国人工智能领域合作研究环节比较薄弱。国外在人工智能领域形成了较大规模的合作研究网络，美国的哈佛大学、卡耐基梅隆大學、加州大学、宾夕法尼亚大学、麻省理工学院、卡耐基大学之间的合作具有重要地位，加拿大、日本与美国也有合作，英国和意大利的发文合作都在本国内，世界范围内的合作研究还比较少。

总的来说，中国人工智能领域研究进程很快，但缺少相关法律和标准，国家目前着力推动人工智能法律管理方面的研究，政法类高校近年在该领域很活跃，地域合作较少，没有形成大范围的合作。美国是国外的领先者，有多所世界级名校在人工智能研究方面合作，生命健康与人工智能结合是国外人工智能领域近年来一个重要的研究方向。

参考文献：

[1] 本刊编辑部.我国人工智能政策法规汇编 [J].中国信息安全，2018（5）：74-76.

[2] 梁继文，王东波.近十年来人工智能领域研究进展分析 [J].江苏科技信息，2019，36（11）：22-27.

[3] 邓琳碧，陈昂，啜宁.人工智能教育的发展现状与态势分析 [J].信息通信技术与政策，2019（6）：26-28.

[4] 肖博达，周国富.人工智能技术发展及应用综述 [J].福建电脑，2018，34（1）：98-99+103.

[5] 李非凡.高校科研合作网络及演化研究——以京津冀地区211及省部共建高校为例 [J].农业图书情报，2019，31（8）：31-39.

[6] 周拴龙.基于UCINET的词汇共现网络可视化研究 [J].创新科技，2014（20）：74-75.

[7] 王友发，罗建强，周献中.基于专利地图的人工智能研究总体格局、技术热点与未来趋势 [J].中国科技论坛，2019（10）：80-89+127.

[8] 章小童，李月琳.人工智能政策与规划的主题结构：基于主题词共现网络分析 [J].情报资料工作，2019，40（4）：44-55.

[9] 汤汇道.社会网络分析法述评 [J].学术界，2009（3）：205-208.

[10] 刘大庆，白玲，郗笃刚，等.全球地缘政治格局力量结构演变研究——基于社会网络分析法 [J].世界地理研究，2018，27（1）：12-21.