孫 杰，佟澤華，姜子元，師聞笛，劉曉婷，薛曉娜

(山東理工大學(xué) 科技信息研究所, 山東 淄博 255049)

人工智能(Artificial Intelligence，AI)自1956年首次被提出以來(lái)，在中國(guó)的發(fā)展曲折坎坷，幾經(jīng)沉浮[1]。隨著云計(jì)算能力的提升、核心算法的突破、海量互聯(lián)網(wǎng)大數(shù)據(jù)的支撐以及投資力度的加大，人工智能迎來(lái)了新紀(jì)元[2]。近些年，人類(lèi)不斷在科技前沿取得重大突破，人工智能成為智能時(shí)代全球科技的焦點(diǎn)和世界各國(guó)競(jìng)爭(zhēng)的關(guān)鍵賽場(chǎng)。為保障國(guó)家安全和提高國(guó)際競(jìng)爭(zhēng)力，抓住人工智能這一“彎道超車(chē)”的戰(zhàn)略機(jī)遇，自2015年開(kāi)始，中央先后頒布了《中國(guó)制造2025》《國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》《新一代人工智能發(fā)展規(guī)劃》等一系列政策，將人工智能上升至國(guó)家戰(zhàn)略層面。為了更好地發(fā)展人工智能，必須認(rèn)知其目前的發(fā)展?fàn)顩r，在此基礎(chǔ)上對(duì)其未來(lái)發(fā)展方向做出準(zhǔn)確判斷，助力產(chǎn)業(yè)健康發(fā)展。

本研究數(shù)據(jù)來(lái)源于中國(guó)知網(wǎng)(CNKI),使用CitespaceV、SPSS等軟件，整理分析2008—2017年人工智能研究的期刊資料，運(yùn)用文獻(xiàn)計(jì)量學(xué)方法進(jìn)行數(shù)理分析，期望提高公眾認(rèn)知，助力人工智能研究。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 數(shù)據(jù)來(lái)源

本研究數(shù)據(jù)均從中國(guó)知網(wǎng)(CNKI)數(shù)據(jù)庫(kù)檢索獲得，采用高級(jí)檢索方式，檢索式確定為“主題=人工智能”(精準(zhǔn)匹配)，來(lái)源限定為核心期刊、EI來(lái)源期刊、SCI來(lái)源期刊、CSCD、CSSCI，同時(shí)發(fā)表時(shí)間限定在2008—2017年。檢索結(jié)果共有9 102條，為了保證數(shù)據(jù)具有代表性和準(zhǔn)確性，經(jīng)過(guò)辨別、去重、整理得到數(shù)據(jù)8 153條。

1.2 研究方法與工具

本文以文獻(xiàn)計(jì)量學(xué)為基礎(chǔ)，運(yùn)用數(shù)理統(tǒng)計(jì)方法，客觀地描述和總結(jié)我國(guó)人工智能的研究現(xiàn)狀和未來(lái)發(fā)展趨勢(shì)。首先使用SPSS對(duì)2008—2017年的各年度期刊文章進(jìn)行描述性統(tǒng)計(jì)，揭示近10年人工智能論文發(fā)表數(shù)量和發(fā)表時(shí)間的變化關(guān)系和趨勢(shì)。同時(shí)基于JAVA環(huán)境，使用陳超美教授開(kāi)發(fā)的CitespaceV進(jìn)行可視化分析，以作者、機(jī)構(gòu)、期刊等為研究變量繪制知識(shí)圖譜，呈現(xiàn)目前我國(guó)人工智能研究的發(fā)展?fàn)顩r，并對(duì)關(guān)鍵詞、突現(xiàn)詞等進(jìn)行分析，發(fā)現(xiàn)該領(lǐng)域的研究進(jìn)展和前沿?zé)狳c(diǎn)。

2 國(guó)內(nèi)人工智能研究的時(shí)空知識(shí)圖譜

2.1 國(guó)內(nèi)人工智能研究的時(shí)間分布

學(xué)術(shù)論文數(shù)量的時(shí)間序列變化可以作為衡量某一領(lǐng)域研究的重要指標(biāo)，發(fā)文量時(shí)間分布圖可以直觀地反映不同時(shí)期該領(lǐng)域的研究熱度[3]。本文使用SPSS軟件對(duì)CNKI檢測(cè)到的2008—2017年(其中增加了截至2018年9月份已發(fā)表)每年的論文數(shù)量進(jìn)行統(tǒng)計(jì)分析，繪制了不同年度國(guó)內(nèi)人工智能研究發(fā)表論文數(shù)量變化曲線，如圖1所示。

圖1 人工智能研究論文年度發(fā)表分布統(tǒng)計(jì)圖

基于科技文獻(xiàn)的增長(zhǎng)邏輯曲線[4]分析得知，在2008—2015年之間，國(guó)內(nèi)年均發(fā)文量在646～833篇區(qū)間波動(dòng)，說(shuō)明國(guó)內(nèi)人工智能相關(guān)研究處于相對(duì)穩(wěn)定狀態(tài)。自2016年開(kāi)始，人工智能期刊論文的數(shù)量開(kāi)始出現(xiàn)激增態(tài)勢(shì)，當(dāng)年增至902篇，2017年突增至1 449篇，此外拓展統(tǒng)計(jì)的2018年發(fā)文數(shù)量達(dá)到1 660篇，人工智能的發(fā)文量呈現(xiàn)爆炸性增長(zhǎng)態(tài)勢(shì)。綜合分析可知：當(dāng)前我國(guó)人工智能研究正處于文獻(xiàn)增長(zhǎng)邏輯曲線的快速發(fā)展階段，在此時(shí)期，我國(guó)有關(guān)人工智能的研究將可能產(chǎn)生豐厚的成果，并且可以預(yù)估在該領(lǐng)域的文獻(xiàn)數(shù)將繼續(xù)保持上升趨勢(shì)[4]。

2.2 國(guó)內(nèi)人工智能研究高產(chǎn)作者知識(shí)圖譜

通過(guò)運(yùn)行Citespace，可以分析得到發(fā)文作者分布情況知識(shí)圖譜，以此確定在2008—2017年作者發(fā)文情況，從而得到在該領(lǐng)域發(fā)表論文較多的作者和具有知名影響力的研究學(xué)者。美國(guó)心理學(xué)者Schvaneveldt在1989年提出了神經(jīng)網(wǎng)絡(luò)算法，該方法能夠用來(lái)分析數(shù)據(jù)的相似性，經(jīng)過(guò)該方法修剪處理后，得到了人工智能領(lǐng)域作者知識(shí)圖譜，如圖2所示[5]。

圖2 2008—2017年人工智能研究高產(chǎn)作者合作網(wǎng)絡(luò)

在該圖譜中共有410個(gè)節(jié)點(diǎn)，220個(gè)連接，網(wǎng)絡(luò)密度為0.002 6。圖中作者節(jié)點(diǎn)越大，代表出現(xiàn)頻次越多，發(fā)文數(shù)量相對(duì)較多。統(tǒng)計(jì)得知，在2008—2017年共有386位學(xué)者發(fā)表了人工智能領(lǐng)域的研究論文，可見(jiàn)我國(guó)在這一領(lǐng)域已經(jīng)形成了一支較為龐大、穩(wěn)定的學(xué)者隊(duì)伍。龐大的隊(duì)伍往往能夠捕捉國(guó)際研究動(dòng)向和熱點(diǎn)，具有較強(qiáng)的科研能力，代表并引領(lǐng)我國(guó)在人工智能方面的研究前沿[6]。圖中連線表示作者之間的合作強(qiáng)度，其中部分學(xué)者團(tuán)隊(duì)之間有一定的合作關(guān)系，但整體呈現(xiàn)較分散狀態(tài)。這說(shuō)明我國(guó)在人工智能領(lǐng)域的研究學(xué)者眾多，但各主體之間的合作較少，并未形成有效的合作關(guān)系網(wǎng)絡(luò)。

本文運(yùn)用德里克·普萊斯公式[7]確定人工智能領(lǐng)域高產(chǎn)作者。公式為

式中：M為發(fā)表文章的數(shù)量;Nmax是統(tǒng)計(jì)數(shù)據(jù)中發(fā)表論文最多學(xué)者的論文數(shù)量，發(fā)表M及以上論文量的作者即為高產(chǎn)作者。通過(guò)整理統(tǒng)計(jì)2008—2017年的8 153篇論文，張明路以23篇居發(fā)文量排名首位，因此Nmax確定為23，經(jīng)過(guò)計(jì)算得M=3.59，取整得4，即發(fā)文量達(dá)到4篇及以上為高產(chǎn)作者。經(jīng)過(guò)統(tǒng)計(jì)，在386位作者中共有79位發(fā)文數(shù)量在4篇及4篇以上的，其中發(fā)文量最多的4位學(xué)者為張明路、王偉、贠超、李斌，均來(lái)自機(jī)械工程領(lǐng)域，說(shuō)明我國(guó)在機(jī)械工程與人工智能融合創(chuàng)新的研究較為突出。同時(shí)發(fā)文量超過(guò)10篇的作者還有高奇琦、王飛躍、劉偉、高峰、張華、喻國(guó)明，他們分別來(lái)自政治學(xué)、計(jì)算機(jī)軟件及計(jì)算機(jī)應(yīng)用、新聞與傳媒、機(jī)械工程等領(lǐng)域。比較遺憾的是，知識(shí)圖譜中單獨(dú)節(jié)點(diǎn)較多，節(jié)點(diǎn)之間連接較少，說(shuō)明目前我國(guó)在人工智能方面并未形成有效的合作網(wǎng)絡(luò)，大多處于獨(dú)立研究狀態(tài)。

2.3 國(guó)內(nèi)人工智能研究機(jī)構(gòu)知識(shí)圖譜

將數(shù)據(jù)通過(guò)CitespaceV軟件進(jìn)行研究機(jī)構(gòu)知識(shí)圖譜的分析，研究機(jī)構(gòu)可以是某個(gè)或某些學(xué)術(shù)群體的代名詞，對(duì)研究機(jī)構(gòu)的研究數(shù)據(jù)進(jìn)行統(tǒng)計(jì)挖掘，可以得到該領(lǐng)域的核心機(jī)構(gòu)，這些機(jī)構(gòu)的動(dòng)態(tài)往往被視為該領(lǐng)域的風(fēng)向標(biāo)。

經(jīng)過(guò)調(diào)試，得到國(guó)內(nèi)人工智能領(lǐng)域研究機(jī)構(gòu)的知識(shí)圖譜，如圖3所示。其中共有316個(gè)節(jié)點(diǎn)，102個(gè)連接，網(wǎng)絡(luò)密度為0.002。在統(tǒng)計(jì)的8 153篇論文中，共有313個(gè)機(jī)構(gòu)在過(guò)去10年間積極參與人工智能研究,整理列出論文產(chǎn)出數(shù)量排名前22位的機(jī)構(gòu)，見(jiàn)表1。其中中國(guó)科學(xué)院系統(tǒng)以161篇論文位居第一并遙遙領(lǐng)先，其余的上榜機(jī)構(gòu)大多來(lái)自高校。可見(jiàn)，科研院所和高校是目前人工智能知識(shí)生產(chǎn)的主要力量。但相比于美國(guó)等科技強(qiáng)國(guó)公布的數(shù)據(jù)看，我國(guó)企業(yè)在人工智能知識(shí)生產(chǎn)上整體還比較遜色，在統(tǒng)計(jì)的316所機(jī)構(gòu)中僅有科大訊飛股份有限公司、新松機(jī)器人自動(dòng)化股份有限公司、中國(guó)移動(dòng)通信集團(tuán)有限公司等19家(約占總數(shù)6%)來(lái)自企業(yè)。而目前被公認(rèn)為中國(guó)科技巨頭的BAT(百度、阿里巴巴、騰訊)等企業(yè)在科研論文的發(fā)表上表現(xiàn)并不突出，而相較于美國(guó)的IBM、谷歌、APPLE、微軟等企業(yè)在這項(xiàng)指標(biāo)中則表現(xiàn)突出[2,8]。雖然中國(guó)在人工智能方面的應(yīng)用已經(jīng)在國(guó)際競(jìng)爭(zhēng)中占據(jù)領(lǐng)先地位[9]，但是從科研文獻(xiàn)的成果可見(jiàn)，中國(guó)側(cè)重AI商業(yè)場(chǎng)景應(yīng)用層的發(fā)展，而企業(yè)的科研產(chǎn)出較少，大多以“高校-企業(yè)”產(chǎn)學(xué)研合作的方式推動(dòng)人工智能的應(yīng)用落地。

圖3 2008—2017年人工智能研究重要機(jī)構(gòu)知識(shí)圖譜

表1 2008—2017年人工智能研究發(fā)文量前22位重要機(jī)構(gòu)Tab.1 Top 22 institutes of AI research volume from 2008 to 2017

序號(hào)頻次機(jī)構(gòu)序號(hào)頻次機(jī)構(gòu)1161中國(guó)科學(xué)院系統(tǒng)1222上海大學(xué)250北京航空航天大學(xué)1320南京航空航天大學(xué)348上海交通大學(xué)1420華東政法大學(xué)440中國(guó)人民大學(xué)1518中國(guó)社會(huì)科學(xué)院539哈爾濱工業(yè)大學(xué)1618北京師范大學(xué)636華南理工大學(xué)1717浙江工業(yè)大學(xué)734清華大學(xué)1815山東大學(xué)827河北工業(yè)大學(xué)1915北京科技大學(xué)926武漢大學(xué)2013浙江大學(xué)1025中南大學(xué)2113南京大學(xué)1122中國(guó)農(nóng)業(yè)大學(xué)2213合肥工業(yè)大學(xué)

2.4 國(guó)內(nèi)人工智能研究的期刊分布

核心期刊群為科研人員迅速查找文獻(xiàn)和高效掌握學(xué)科前沿動(dòng)態(tài)提供了非常重要的情報(bào)源。對(duì)刊載人工智能研究的期刊進(jìn)行分析，有助于更準(zhǔn)確地掌握目前人工智能的發(fā)展廣度、深度。本文使用SPSS對(duì)8 153條數(shù)據(jù)進(jìn)行了統(tǒng)計(jì)，并統(tǒng)計(jì)了刊載國(guó)內(nèi)人工智能研究論文重要期刊的前30位，見(jiàn)表2。

表2 2008—2017年人工智能研究刊載量前30位期刊Tab.2 Top 30 journals in AI research from 2008 to 2017

序號(hào)發(fā)文量期刊序號(hào)發(fā)文量期刊1215機(jī)床與液壓1673智能系統(tǒng)學(xué)報(bào)2182機(jī)械設(shè)計(jì)與制造1766計(jì)算機(jī)應(yīng)用研究3180制造業(yè)自動(dòng)化1866中國(guó)機(jī)械工程4154機(jī)器人1965計(jì)算機(jī)測(cè)量與控制5144科技導(dǎo)報(bào)2061農(nóng)業(yè)機(jī)械學(xué)報(bào)6132計(jì)算機(jī)工程與應(yīng)用2157傳感器與微系統(tǒng)7130計(jì)算機(jī)仿真2257機(jī)械工程學(xué)報(bào)8123農(nóng)機(jī)化研究2356機(jī)械科學(xué)與技術(shù)9102農(nóng)業(yè)工程學(xué)報(bào)2456計(jì)算機(jī)工程1099組合機(jī)床與自動(dòng)化加工技術(shù)2556計(jì)算機(jī)應(yīng)用1195青年記者2655機(jī)械傳動(dòng)1286微計(jì)算機(jī)信息2752機(jī)械設(shè)計(jì)1381制造技術(shù)與機(jī)床2851控制工程1477計(jì)算機(jī)工程與設(shè)計(jì)2950華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)1574計(jì)算機(jī)科學(xué)3048自動(dòng)化學(xué)報(bào)

通過(guò)分析期刊分布發(fā)現(xiàn)：以人工智能為主題的8 153篇文章，共涉及到1 195種期刊，說(shuō)明人工智能涉及研究領(lǐng)域較廣，在各期刊中人工智能研究得到普遍支持和重視，并且人工智能正在各領(lǐng)域內(nèi)實(shí)現(xiàn)滲透融合；在1 195種期刊中排名前30位的期刊共發(fā)表了2 743篇，占33.6%，這些期刊大多是機(jī)械、農(nóng)業(yè)、計(jì)算機(jī)領(lǐng)域，說(shuō)明這是過(guò)去10年我國(guó)人工智能產(chǎn)出成果較多的領(lǐng)域，表明我國(guó)人工智能研究的文獻(xiàn)集中，具有相對(duì)穩(wěn)定的期刊來(lái)源；同時(shí)1 195種期刊的前20%(239種)中共發(fā)表了約6 311篇論文，約占統(tǒng)計(jì)數(shù)據(jù)論文總量的77.4%，其他期刊雖然都有研究，但絕對(duì)數(shù)量有限。由此可見(jiàn)，此次分析結(jié)果符合二八定律和長(zhǎng)尾理論在文獻(xiàn)計(jì)量學(xué)上的應(yīng)用規(guī)律[10]。

3 國(guó)內(nèi)人工智能研究的內(nèi)容分析

在學(xué)術(shù)論文中，作者通常以關(guān)鍵詞的形式將觀點(diǎn)和內(nèi)容向讀者展示，關(guān)鍵詞在一定程度上表征論文的關(guān)鍵研究?jī)?nèi)容[11]，并且在某段時(shí)期某一領(lǐng)域出現(xiàn)頻次較高的關(guān)鍵詞，往往被視為這一領(lǐng)域的熱點(diǎn)和趨勢(shì)，這被稱為詞頻分析法，關(guān)鍵詞詞頻是文獻(xiàn)計(jì)量分析中的重要指標(biāo)[12]。

本文使用CitespaceV軟件，將2008—2017年分為10個(gè)時(shí)間區(qū)，網(wǎng)絡(luò)節(jié)點(diǎn)選擇Keyword。運(yùn)行軟件得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。在圖中圓形節(jié)點(diǎn)代表不同關(guān)鍵詞，同時(shí)軟件根據(jù)關(guān)鍵詞出現(xiàn)的頻率，使用不同的圓圈大小來(lái)表示，不同的光圈分別代表不同的發(fā)文年份，圖譜中的網(wǎng)絡(luò)節(jié)點(diǎn)中心性也是能夠反映核心問(wèn)題的關(guān)鍵指標(biāo)。經(jīng)過(guò)修剪調(diào)整，得到我國(guó)人工智能研究關(guān)鍵詞知識(shí)圖譜，如圖4所示。

圖4 2008—2017年人工智能研究關(guān)鍵詞共現(xiàn)知識(shí)圖譜

運(yùn)行后得到的結(jié)果為197個(gè)節(jié)點(diǎn)，676個(gè)連接，網(wǎng)絡(luò)密度為0.035，較其他共現(xiàn)網(wǎng)絡(luò)結(jié)果更為可觀。其中以專(zhuān)家系統(tǒng)、機(jī)器人、計(jì)算機(jī)視覺(jué)、路徑規(guī)劃、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、知識(shí)工程、圖像處理、遺傳算法、深度學(xué)習(xí)、機(jī)器視覺(jué)等為核心關(guān)鍵詞的結(jié)構(gòu)緊湊，密度較高，說(shuō)明在這幾方面的研究比較熱門(mén)和深入。但整體來(lái)講，人工智能作為未來(lái)科技發(fā)展的重要戰(zhàn)略方向，其發(fā)展應(yīng)當(dāng)深入融合到更多領(lǐng)域。

通過(guò)統(tǒng)計(jì)高頻關(guān)鍵詞，可以將人工智能的發(fā)展從兩個(gè)維度進(jìn)行分析，即技術(shù)維度和產(chǎn)品維度。深度學(xué)習(xí)、控制系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)挖掘等關(guān)鍵詞說(shuō)明在技術(shù)維度上我國(guó)人工智能的研究精力主要投入在算法層面，而硬件方面的基礎(chǔ)性研究投入較少，譬如芯片等高端智能制造技術(shù)的相關(guān)研究較少；產(chǎn)品維度則主要分為終端產(chǎn)品和行業(yè)垂直應(yīng)用，譬如機(jī)器人、智能駕駛、智能制造、無(wú)人機(jī)等熱點(diǎn)關(guān)鍵詞出現(xiàn)頻次較高，說(shuō)明我國(guó)目前人工智能行業(yè)主要集中在終端產(chǎn)品上，同時(shí)在“AI+”的產(chǎn)業(yè)垂直服務(wù)上，關(guān)鍵詞中出現(xiàn)了智慧電網(wǎng)、智慧醫(yī)療、智慧物流、虛擬現(xiàn)實(shí)、區(qū)塊鏈、智慧金融等，但出現(xiàn)頻率不高，說(shuō)明人工智能與各重要領(lǐng)域的融合應(yīng)用研究應(yīng)繼續(xù)深入，跨學(xué)科融合有待進(jìn)一步加強(qiáng)。

盡管關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)能夠?yàn)槲覀冋故狙芯繜狳c(diǎn)，但這并不能等同于研究前沿。陳超美教授指出，研究前沿是在某段時(shí)期內(nèi)出現(xiàn)頻率迅猛上升的突現(xiàn)詞[13]。因此，需要利用Citespace V來(lái)檢測(cè)關(guān)鍵詞的突變性，把短期內(nèi)頻次迅速增長(zhǎng)的詞匯分析出來(lái)，突現(xiàn)詞的動(dòng)態(tài)變化特性和時(shí)間分布能夠較大程度地展示人工智能研究前沿和發(fā)展趨勢(shì)。選擇Keyword為網(wǎng)絡(luò)節(jié)點(diǎn)，設(shè)置詞語(yǔ)類(lèi)型為Burst Terms，閾值選擇Top 50，點(diǎn)擊運(yùn)行，得到的關(guān)鍵詞突現(xiàn)見(jiàn)表3。

基于人工智能關(guān)鍵詞頻次和突現(xiàn)情況，本文將人工智能的發(fā)展分為三個(gè)階段，即基礎(chǔ)起步階段(2013年前)、穩(wěn)定發(fā)展階段(2013—2016年)、發(fā)展熱潮階段(2016年—目前)。

在第一階段中，人工智能的研發(fā)尚處于基礎(chǔ)科研階段，多以計(jì)算機(jī)學(xué)科成果展示出來(lái)，例如受Hinton提出深度學(xué)習(xí)[14](Deep learning)的影響，我國(guó)開(kāi)始出現(xiàn)神經(jīng)網(wǎng)絡(luò)、專(zhuān)家系統(tǒng)和遺傳算法等研究熱潮，同時(shí)數(shù)據(jù)的采集、挖掘、分析、共享，網(wǎng)絡(luò)通訊，傳感器等領(lǐng)域的技術(shù)不斷發(fā)展，并分化出了計(jì)算機(jī)視覺(jué)、語(yǔ)音處理、自然語(yǔ)言處理、規(guī)劃決策系統(tǒng)等技術(shù)方向。此階段的技術(shù)沉淀為日后智能物流、智慧農(nóng)業(yè)、智能醫(yī)療等新興產(chǎn)業(yè)的迅速崛起積蓄了力量。

在第二階段中，人工智能的發(fā)展得益于我國(guó)國(guó)家層面對(duì)人工智能產(chǎn)業(yè)的大力扶持，期間出臺(tái)了一系列國(guó)家政策，明確提出加快發(fā)展新一代科技信息，將人工智能上升至國(guó)家重要戰(zhàn)略層面。在這一階段中，以物聯(lián)網(wǎng)、大數(shù)據(jù)、信息安全等為核心主題。此外，人工智能發(fā)展的驅(qū)動(dòng)力開(kāi)始從基礎(chǔ)設(shè)施建設(shè)轉(zhuǎn)向了信息技術(shù)發(fā)展，大數(shù)據(jù)成為推動(dòng)人工智能發(fā)展的新興力量。并且，人工智能領(lǐng)域的研究開(kāi)始逐步落地應(yīng)用，產(chǎn)生了如圖像識(shí)別、圖像理解、視頻識(shí)別、語(yǔ)音識(shí)別、語(yǔ)義理解、語(yǔ)音合成等具體技術(shù)。

在第三階段中，David Silver創(chuàng)造性地把深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)融合起來(lái)，研制出的AlphaGo打敗了人類(lèi)圍棋高手，人工智能被廣泛熱議，其發(fā)展進(jìn)入全推進(jìn)時(shí)期。在此階段中，關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)趨于復(fù)雜，物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、虛擬現(xiàn)實(shí)等新技術(shù)成為保證其發(fā)展的中堅(jiān)力量，并且相關(guān)產(chǎn)業(yè)發(fā)展日漸成熟，在制造、物流、農(nóng)業(yè)、金融、商務(wù)、醫(yī)療等行業(yè)實(shí)現(xiàn)了“AI+”的融合創(chuàng)新，自動(dòng)駕駛、智能醫(yī)療、智能投顧、虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)等成為研究焦點(diǎn)，并逐步建立起人工智能產(chǎn)業(yè)體系，新技術(shù)新應(yīng)用在實(shí)體經(jīng)濟(jì)中開(kāi)始落地，加速了落后動(dòng)能的淘汰。研究發(fā)現(xiàn)，隨著對(duì)人工智能的更全面認(rèn)識(shí)，在《新一代人工智能發(fā)展規(guī)劃》中倫理一詞詞頻達(dá)到15次?？梢?jiàn)在人工智能迅速爆發(fā)之后，關(guān)于人工智能倫理、法律、社會(huì)經(jīng)濟(jì)、監(jiān)管治理、隱私安全等成為了關(guān)注的重點(diǎn)問(wèn)題。知識(shí)產(chǎn)權(quán)和產(chǎn)權(quán)保護(hù)越來(lái)越得到學(xué)者的重視，我國(guó)人工智能研究的視野也更加國(guó)際化。

表3 2008—2017年人工智能研究突現(xiàn)詞Tab.3 Burst terms in AI research from 2008 to 2017

突現(xiàn)詞突現(xiàn)率起始年驟減年突現(xiàn)時(shí)間可視化(2008—2017)專(zhuān)家系統(tǒng)9.09620082009▃▃▂▂▂▂▂▂▂▂遺傳算法9.07420082009▃▃▂▂▂▂▂▂▂▂神經(jīng)網(wǎng)絡(luò)9.03120092010▂▃▃▂▂▂▂▂▂▂多機(jī)器人系統(tǒng)6.26120082010▃▃▃▂▂▂▂▂▂▂蟻群算法6.25220082009▃▃▂▂▂▂▂▂▂▂知識(shí)工程5.75720082009▃▃▂▂▂▂▂▂▂▂粗糙集5.75120092010▂▃▃▂▂▂▂▂▂▂模糊控制5.49520082010▃▃▃▂▂▂▂▂▂▂路徑規(guī)劃5.23820082009▃▃▂▂▂▂▂▂▂▂物聯(lián)網(wǎng)5.16720152017▂▂▂▂▂▂▂▃▃▃模式識(shí)別4.88220082009▃▃▂▂▂▂▂▂▂▂滑?？刂?.82720082009▃▃▂▂▂▂▂▂▂▂故障診斷4.69120082010▃▃▃▂▂▂▂▂▂▂軌跡跟蹤4.43720082009▃▃▂▂▂▂▂▂▂▂自然語(yǔ)言理解4.43720082009▃▃▂▂▂▂▂▂▂▂計(jì)算機(jī)應(yīng)用4.43720082009▃▃▂▂▂▂▂▂▂▂虛擬現(xiàn)實(shí)4.42520152017▂▂▂▂▂▂▂▃▃▃模式分類(lèi)4.29920082010▃▃▃▂▂▂▂▂▂▂智能裝備4.27120142015▂▂▂▂▂▂▃▃▂▂知識(shí)表示4.16920092010▂▃▃▂▂▂▂▂▂▂plc4.16920092010▂▃▃▂▂▂▂▂▂▂逆運(yùn)動(dòng)學(xué)3.99220082009▃▃▂▂▂▂▂▂▂▂智能制造3.69020142015▂▂▂▂▂▂▃▃▂▂同時(shí)定位與地圖創(chuàng)建3.67120092014▂▃▃▃▃▃▃▂▂▂bp神經(jīng)網(wǎng)絡(luò)3.61320082014▃▃▃▃▃▃▃▂▂▂

人類(lèi)認(rèn)知和科技的突破都是呈螺旋式上升發(fā)展的，從人工智能發(fā)展歷史看，經(jīng)歷了幾代熱潮，人工智能的發(fā)展可能還會(huì)遇到沉寂時(shí)期，直到新的突破，未來(lái)的研究將從全信息環(huán)境發(fā)展到模糊資料與不完全信息環(huán)境的生存，再到自我意識(shí)的創(chuàng)造，人工智能的發(fā)展還有較長(zhǎng)的路[15]。

4 結(jié)束語(yǔ)

4.1 結(jié)論與預(yù)測(cè)

本文使用Citespace、SPSS等軟件，對(duì)CNKI中2008—2017年收錄的人工智能文獻(xiàn)進(jìn)行了研究，繪制了高產(chǎn)作者、研究機(jī)構(gòu)和關(guān)鍵詞的知識(shí)圖譜及突現(xiàn)詞表。綜合本文，得到以下結(jié)論：

1)從國(guó)內(nèi)人工智能研究的發(fā)文時(shí)間分布來(lái)看，人工智能已進(jìn)入高速發(fā)展階段。2008—2018年我國(guó)人工智能研究的論文產(chǎn)出量總體保持較高水平，并在2016年開(kāi)始呈現(xiàn)爆發(fā)式增長(zhǎng)，近年來(lái)人工智能研究非常熱門(mén)，并且研究成果豐富。作為國(guó)家戰(zhàn)略性產(chǎn)業(yè)和橫斷性學(xué)科，人工智能的研究已經(jīng)滲透到各行各業(yè)，未來(lái)發(fā)展前景廣闊，預(yù)計(jì)未來(lái)幾年人工智能研究將繼續(xù)升溫，論文產(chǎn)出量將繼續(xù)攀升。

2)從期刊分布、研究機(jī)構(gòu)、研究學(xué)者來(lái)看，人工智能研究呈現(xiàn)出三大均衡性問(wèn)題。人工智能受到各領(lǐng)域研究學(xué)者重視，論文分布涉及1 195種期刊，達(dá)到足夠的廣度，但30%左右的文論集中在機(jī)械、農(nóng)業(yè)、計(jì)算機(jī)領(lǐng)域，可見(jiàn)其他領(lǐng)域研究深度不夠。一方面人工智能研究機(jī)構(gòu)主要集中在以“中國(guó)科學(xué)院系統(tǒng)”為領(lǐng)頭羊的高校與科研機(jī)構(gòu)，科創(chuàng)企業(yè)的知識(shí)產(chǎn)出較少；另一方面研究學(xué)者和團(tuán)隊(duì)百花齊放，百家爭(zhēng)鳴，但各自為陣，高度離散。因此，各領(lǐng)域研究學(xué)者應(yīng)當(dāng)加強(qiáng)跨學(xué)科交流合作，各取所長(zhǎng)，企業(yè)與研究機(jī)構(gòu)應(yīng)當(dāng)加強(qiáng)產(chǎn)學(xué)研協(xié)同合作，充分發(fā)揮技術(shù)、資本、市場(chǎng)的力量。人工智能作為以創(chuàng)新為基本特征的新一代高科技術(shù)，決定了其科研選題極為重要，科研學(xué)者和機(jī)構(gòu)只有加強(qiáng)交流合作才能避免重復(fù)研究和浪費(fèi)財(cái)力物力智力資源。

3)從關(guān)鍵詞知識(shí)圖譜和文獻(xiàn)內(nèi)容分析，給出了4點(diǎn)總結(jié)和預(yù)測(cè)。醫(yī)療、物流、城市、金融、汽車(chē)等行業(yè)關(guān)鍵詞的出現(xiàn)，說(shuō)明人工智能開(kāi)始在更多領(lǐng)域深入滲透，越來(lái)越多的行業(yè)將擁抱人工智能技術(shù)，尤其服務(wù)行業(yè)將迎來(lái)新變革，因此“人工智能+”有望成為未來(lái)發(fā)展新生態(tài)模式；我國(guó)在語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、圖像處理、無(wú)人駕駛、無(wú)人機(jī)等應(yīng)用層面積累了較強(qiáng)的技術(shù)儲(chǔ)備，根據(jù)未來(lái)產(chǎn)學(xué)研合作深入和資本力量推進(jìn)的預(yù)期，有望出現(xiàn)大批新科創(chuàng)公司，人工智能領(lǐng)域可能產(chǎn)生更多獨(dú)角獸企業(yè)；將關(guān)鍵詞歸類(lèi)發(fā)現(xiàn)，我國(guó)在終端產(chǎn)品研發(fā)和行業(yè)應(yīng)用的研究成果較多，但基礎(chǔ)性科學(xué)研究基礎(chǔ)并不牢靠，具有突破性、原創(chuàng)性、引領(lǐng)性的研究成果屈指可數(shù)[16]，基礎(chǔ)層研究的薄弱可能造成我國(guó)人工智能發(fā)展后力不足；倫理道德、隱私安全、知識(shí)產(chǎn)權(quán)和產(chǎn)權(quán)保護(hù)是我國(guó)人工智能研究需要破解的新障礙。

4.2研究展望

本文再現(xiàn)了我國(guó)人工智能領(lǐng)域研究的現(xiàn)狀、熱點(diǎn)與前沿，具有一定參考意義與實(shí)際價(jià)值。但本文觀點(diǎn)仍存在一定的局限性，在后續(xù)的研究中將從以下兩個(gè)方面改進(jìn)：首先，熟練掌握多種知識(shí)圖譜分析工具以擴(kuò)展分析視角，如進(jìn)一步借助Bibexcel、HiteCite、Ucinet、NWB Tools等軟件；其次，后續(xù)研究中將進(jìn)一步豐富數(shù)據(jù)來(lái)源，如增加對(duì)專(zhuān)利、學(xué)位論文、會(huì)議論文、重要的報(bào)紙論文等的統(tǒng)計(jì)與分析，從而幫助研究提供更全面的分析。