王友發(fā)，陳 輝，羅建強(qiáng)

江蘇大學(xué) 管理學(xué)院，江蘇 鎮(zhèn)江212013

人工智能作為一項(xiàng)引領(lǐng)未來(lái)的戰(zhàn)略性技術(shù)，正在深刻地改變了人們的生產(chǎn)和生活方式，并影響著一個(gè)國(guó)家和民族的命運(yùn)。近年來(lái)，中國(guó)在高科技領(lǐng)域取得令人矚目成就的同時(shí)，也引起以美國(guó)為首的資本主義強(qiáng)國(guó)的偏見(jiàn)與警覺(jué)。特別是近兩年，美國(guó)深陷“修昔底德陷阱”，不惜動(dòng)用國(guó)家力量加大對(duì)華為、字節(jié)跳動(dòng)等中國(guó)高科技企業(yè)的蓄意抹黑和圍獵力度[1]，妄圖復(fù)制“阿爾斯通”事件，強(qiáng)力遏制中國(guó)科技崛起的發(fā)展勢(shì)頭。據(jù)此，習(xí)近平書(shū)記指出人工智能是突破歐美等發(fā)達(dá)國(guó)家對(duì)中國(guó)進(jìn)行技術(shù)封鎖的重要戰(zhàn)略抓手，是中國(guó)抓住新一輪科技革命和產(chǎn)業(yè)變革的重要?dú)v史機(jī)遇。除此之外，新冠肺炎在全球范圍內(nèi)的肆虐也將人們關(guān)注的目光投向人工智能、大數(shù)據(jù)、機(jī)器人等高科技領(lǐng)域。目前，人工智能發(fā)展再次受到高度關(guān)注。

人工智能是一門涉及計(jì)算機(jī)技術(shù)、法律、行為學(xué)、心理學(xué)、哲學(xué)、語(yǔ)言學(xué)、管理學(xué)等多個(gè)領(lǐng)域的綜合性學(xué)科，眾多學(xué)者從不同角度展開(kāi)探討。如基礎(chǔ)理論研究方面：自John McCarthy在達(dá)特茅斯會(huì)議首次提出人工智能以來(lái)，人工智能迅速發(fā)展形成結(jié)構(gòu)主義[2]、功能主義[3]和行為主義[4]三大理論體系。在此基礎(chǔ)上，鐘義信[5]提出“機(jī)制主義”，以實(shí)現(xiàn)“信息—知識(shí)—智能”的轉(zhuǎn)換。技術(shù)應(yīng)用方面：在深度學(xué)習(xí)理論、大數(shù)據(jù)、高性能計(jì)算、計(jì)算成本的綜合作用下，人工智能逐步進(jìn)入產(chǎn)業(yè)化階段，如智能家居[6]、智能制造[7]、智能駕駛[8]等受到學(xué)者的高度重視。社會(huì)學(xué)方面：人工智能的快速發(fā)展暴露了社會(huì)學(xué)中失業(yè)與貧富差距問(wèn)題、倫理困境、法律問(wèn)題、社會(huì)治理等盲點(diǎn)[9]，眾多學(xué)者圍繞這些熱點(diǎn)問(wèn)題展開(kāi)了相關(guān)探討。盡管眾多學(xué)者對(duì)厘清人工智能領(lǐng)域研究做出了極大的貢獻(xiàn)，但人工智能發(fā)展勢(shì)頭迅猛，現(xiàn)有研究主要從國(guó)內(nèi)或者國(guó)際視角出發(fā)對(duì)人工智能相關(guān)研究進(jìn)行梳理，未揭示國(guó)內(nèi)外研究存在的相同點(diǎn)及差異以及人工智能未來(lái)發(fā)展趨勢(shì)。鑒于此，本文采用知識(shí)圖譜方法系統(tǒng)梳理人工智能領(lǐng)域的總體格局，揭示該領(lǐng)域的熱點(diǎn)演進(jìn)和研究前沿，為后續(xù)人工智能研究提供方向，助力人工智能研究。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 研究方法

知識(shí)圖譜是指用可視化技術(shù)來(lái)發(fā)現(xiàn)、描述、分析以及最終展示數(shù)據(jù)或文本之間的相互關(guān)系，主要流程包括數(shù)據(jù)源選擇、數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)導(dǎo)入、參數(shù)設(shè)置、知識(shí)圖譜繪制和分析幾個(gè)步驟。目前，可用于知識(shí)圖譜繪制的主流軟件有：Citespace、SAS、RefViz、TDA等，但由于Citespace可以直接分析知網(wǎng)文獻(xiàn)，故選擇Citespace作為本文的研究工具。該軟件由華人學(xué)者陳超美教授基于JAVA程序于2003年開(kāi)發(fā)，通過(guò)繪制關(guān)鍵詞、研究熱點(diǎn)、時(shí)間脈絡(luò)等知識(shí)圖譜客觀地描述和預(yù)測(cè)人工智能的研究現(xiàn)狀和研究趨勢(shì)。

1.2 數(shù)據(jù)來(lái)源

國(guó)外文獻(xiàn)以Web of Science數(shù)據(jù)庫(kù)中的SCIEXPANDED和SSCI期刊為數(shù)據(jù)源，該數(shù)據(jù)庫(kù)是國(guó)際科學(xué)界公認(rèn)的權(quán)威數(shù)據(jù)庫(kù)之一，以文獻(xiàn)內(nèi)容權(quán)威、數(shù)據(jù)完整規(guī)范、便于計(jì)算機(jī)整理分析而出名。本文將檢索表達(dá)式設(shè)置為：主題=“artificial intelligence”，時(shí)間跨度為2008—2019年，以“article”為文獻(xiàn)精簡(jiǎn)類型，檢索到13 380條文獻(xiàn)記錄。國(guó)內(nèi)文獻(xiàn)以CNKI數(shù)據(jù)庫(kù)中CSSCI和EI期刊為數(shù)據(jù)源。CSSCI數(shù)據(jù)庫(kù)在中文文獻(xiàn)方面的影響力、內(nèi)容覆蓋度上具有明顯優(yōu)勢(shì)，在人工智能領(lǐng)域多數(shù)屬于人文社科類的研究；而EI數(shù)據(jù)庫(kù)是著名工程技術(shù)類綜合性檢索工具，基本不收錄純理論的研究?jī)?nèi)容，偏重工程應(yīng)用，兩類數(shù)據(jù)庫(kù)相互補(bǔ)充。為盡可能全面了解人工智能領(lǐng)域的研究現(xiàn)狀，本文將檢索表達(dá)式設(shè)置為：主題=人工智能，時(shí)間跨度為2008—2019，數(shù)據(jù)來(lái)源為CSSCI和EI，檢索到5 548條文獻(xiàn)記錄。最后，剔除與主題相關(guān)度不大的記錄，共得到15 954篇樣本文獻(xiàn)。

2 人工智能研究的總體格局分析

通過(guò)對(duì)發(fā)文量、學(xué)科及期刊分布、核心作者及研究機(jī)構(gòu)、國(guó)家（地區(qū)）分布的可視化分析對(duì)國(guó)內(nèi)外人工智能領(lǐng)域進(jìn)行總體格局分析。

2.1 發(fā)文量分析

2.1.1 國(guó)外發(fā)文量分析

某一領(lǐng)域的發(fā)展?fàn)顩r可以從該領(lǐng)域發(fā)文量歷時(shí)性變化趨勢(shì)中得到反映[10]。圖1顯示SCI和SSCI數(shù)據(jù)庫(kù)中2008—2019年人工智能發(fā)文數(shù)量?？傮w上看，國(guó)外人工智能領(lǐng)域的發(fā)文數(shù)量持續(xù)增長(zhǎng)。尤其在2015年以后，人工智能發(fā)文量呈現(xiàn)顯著的增長(zhǎng)趨勢(shì)，2016—2019年發(fā)文量占樣本比重的55%。這說(shuō)明人工智能研究領(lǐng)域具有很大的潛力，并且各國(guó)將人工智能上升至國(guó)家戰(zhàn)略層面。可以預(yù)見(jiàn)，人工智能研究正在進(jìn)入高速化發(fā)展階段，相關(guān)文獻(xiàn)數(shù)量即將進(jìn)入爆炸式的增長(zhǎng)階段。

圖1 2008—2019年國(guó)外人工智能研究文獻(xiàn)數(shù)量分布

2.1.2 國(guó)內(nèi)發(fā)文量分析

從圖2可以看出，國(guó)內(nèi)人工智能發(fā)文量先呈現(xiàn)小幅度下降趨勢(shì)，后又增長(zhǎng)迅猛。具體表現(xiàn)為在2008—2014年，受國(guó)內(nèi)硬件設(shè)施、計(jì)算速度等因素的限制，學(xué)術(shù)圈尚未重視人工智能的發(fā)展，導(dǎo)致該階段文獻(xiàn)數(shù)量呈小幅度下降趨勢(shì)；從2015年至今，該階段人工智能發(fā)文量明顯增多，特別是AlphaGo事件發(fā)生后，人工智能再次成為學(xué)者研究的熱點(diǎn)，緊接著國(guó)家發(fā)布《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》以及《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020年）》，涉及到理論探索、技術(shù)更新以及與行業(yè)相結(jié)合的應(yīng)用實(shí)踐，將人工智能研究推入發(fā)展高潮。

圖2 2008—2019年國(guó)內(nèi)人工智能研究文獻(xiàn)數(shù)量分布

總體而言，國(guó)內(nèi)外的人工智能發(fā)文量都在2016年左右迎來(lái)爆發(fā)式增長(zhǎng)。其原因是深度學(xué)習(xí)、大數(shù)據(jù)等技術(shù)的突破，打破了人們對(duì)人工智能產(chǎn)品的預(yù)期，掀起人工智能革命的第三次浪潮。

2.2 核心作者及研究機(jī)構(gòu)分布

2.2.1 國(guó)外核心作者及研究機(jī)構(gòu)分布

（1）核心作者方面：通過(guò)對(duì)研究人員的分析，可以掌握一個(gè)領(lǐng)域的核心作者，促進(jìn)學(xué)術(shù)交流與合作。對(duì)期刊論文發(fā)表作者進(jìn)行統(tǒng)計(jì)（表1），從發(fā)文量角度來(lái)說(shuō)，KISI O的發(fā)文量居首，ZHNG J、RAJA MAZ等緊隨其后，在一定程度上表明這幾位學(xué)者在人工智能領(lǐng)域具有一定的影響，但只從發(fā)文量角度分析必然有一定的片面性。篇均被引頻次反映學(xué)者對(duì)學(xué)科發(fā)展的貢獻(xiàn)和影響，其值越大，影響力越大；Web of Science數(shù)據(jù)庫(kù)通常以H-index指標(biāo)評(píng)價(jià)學(xué)者學(xué)術(shù)成就，其值越高，影響力越大。因此，本文以篇均被引頻次和H-index這2個(gè)指標(biāo)評(píng)估學(xué)者在人工智能領(lǐng)域的影響力。由表1可知：ZHNG J雖在發(fā)文量上高于RAJA MAZ、CHENG MY、LIU Y，但從篇均被引頻次和H-index值大小角度看，RAJA MAZ、CHENG MY、LIU Y在人工智能領(lǐng)域的影響力應(yīng)超越ZHNG J，那么可以得出：KISI O、RAJA MAZ、CHENG MY、LIU Y在人工智能領(lǐng)域有較大的影響力。進(jìn)一步分析上述作者發(fā)表文獻(xiàn)內(nèi)容可以看出，他們的研究大多突出基礎(chǔ)理論創(chuàng)新與技術(shù)應(yīng)用研究這兩大主題。

表1 發(fā)文量前8的核心作者

（2）機(jī)構(gòu)分布：10 965條文獻(xiàn)涉及全球7 937個(gè)機(jī)構(gòu)，由于篇幅原因，本研究只分析發(fā)文量排名前八的機(jī)構(gòu)（表2）。結(jié)果顯示：高校是人工智能研究領(lǐng)域研究的主力軍；八家研究機(jī)構(gòu)中有四家屬于中國(guó)，初步可以得出中國(guó)在人工智能領(lǐng)域具有較強(qiáng)的科研實(shí)力；從篇被引頻次角度看，美國(guó)斯坦福大學(xué)遠(yuǎn)超其他機(jī)構(gòu)，表明美國(guó)斯坦福大學(xué)在人工智能領(lǐng)域有著突出的學(xué)術(shù)優(yōu)勢(shì)和地位；雖然中國(guó)在發(fā)文量方面處于領(lǐng)先水平，但在篇均被引頻次方面落后于美國(guó)、伊朗等國(guó)家，表明我國(guó)在人工智能領(lǐng)域的研究水平與國(guó)際領(lǐng)先水平相比還存在一定的差距。

表2 人工智能發(fā)文機(jī)構(gòu)分布（前8位）

2.2.2 國(guó)內(nèi)核心作者及研究機(jī)構(gòu)分布

（1）核心作者分析：知網(wǎng)數(shù)據(jù)庫(kù)通常以學(xué)者的發(fā)文量作為評(píng)判學(xué)者學(xué)術(shù)成就的標(biāo)準(zhǔn)之一，因此引用普賴斯定律挖掘人工智能的核心作者群，促進(jìn)學(xué)術(shù)研究與交流。核心作者群發(fā)文閾值（其中Npmax為最高產(chǎn)作者發(fā)文數(shù)）。經(jīng)統(tǒng)計(jì)，高奇琦發(fā)文量最多，有17篇。因而得到核心作者最低發(fā)文量為3.1篇，按照取上限整數(shù)原則為4篇（表3）。

表3 人工智能研究核心作者分布（前8位）

根據(jù)8位核心作者的研究?jī)?nèi)容突出了當(dāng)前人工智能社會(huì)學(xué)和機(jī)器自動(dòng)化技術(shù)發(fā)展兩大主題，同時(shí)覆蓋了人工智能時(shí)代下的智慧媒體、智能教育、智能算法等多個(gè)層面。主要包括：以“高奇琦”和“劉憲權(quán)”為核心的華東政法大學(xué)對(duì)人工智能時(shí)代下自動(dòng)駕駛、機(jī)器人權(quán)利、知識(shí)產(chǎn)權(quán)等方面的法律思考；“徐英瑾”為核心的復(fù)旦大學(xué)對(duì)人工智能層面上關(guān)于人與機(jī)器主導(dǎo)地位的倫理探索；以“劉宏”和“趙杰”為核心的哈爾濱工業(yè)大學(xué)對(duì)語(yǔ)音識(shí)別、機(jī)器學(xué)習(xí)等自動(dòng)化技術(shù)理論的探索與創(chuàng)新；以“李偉”為核心的中國(guó)農(nóng)業(yè)大學(xué)對(duì)智慧農(nóng)業(yè)的探索。

（2）機(jī)構(gòu)分布：網(wǎng)絡(luò)密度是指網(wǎng)絡(luò)結(jié)構(gòu)中被分析主體（節(jié)點(diǎn)）之間實(shí)際聯(lián)結(jié)的數(shù)目與可能存在的最大的聯(lián)結(jié)數(shù)目之比，表明網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)之間關(guān)系的緊密程度，通常密度越高，節(jié)點(diǎn)之間的聯(lián)系越緊密，反之不然[11]。由圖3可知，機(jī)構(gòu)合作的網(wǎng)絡(luò)密度僅為0.002 7，該數(shù)值較低，意味著國(guó)內(nèi)尚未形成極具凝聚力的科研群體。另外，國(guó)內(nèi)人工智能領(lǐng)域研究機(jī)構(gòu)以理工類學(xué)院為主，人文社科類的學(xué)院為輔，具體包括計(jì)算機(jī)學(xué)院、機(jī)械學(xué)院、哲學(xué)院等為該領(lǐng)域的主陣地，但缺乏科創(chuàng)企業(yè)的加入。除此之外，中國(guó)科學(xué)院也是該領(lǐng)域的重要研究力量，主要涉及機(jī)器人技術(shù)研究，而官方躋身人工智能的研究更表明了人工智能研究的戰(zhàn)略意義。

圖3 人工智能研究機(jī)構(gòu)圖譜

從研究機(jī)構(gòu)層面來(lái)看，國(guó)內(nèi)的科研機(jī)構(gòu)、高校與生產(chǎn)企業(yè)聯(lián)系不緊密，造成科技成果與產(chǎn)業(yè)發(fā)展需求不匹配，這也就導(dǎo)致國(guó)內(nèi)科研成果轉(zhuǎn)化不順暢。而美國(guó)、歐盟和日本等發(fā)達(dá)國(guó)家則呈現(xiàn)企業(yè)、政府機(jī)構(gòu)和高校聯(lián)合參與的態(tài)勢(shì)，形成了一個(gè)知識(shí)產(chǎn)權(quán)確權(quán)、維權(quán)和商業(yè)化的完善的產(chǎn)業(yè)鏈條。

2.3 國(guó)家（地區(qū)）分布

為了更清晰地掌握世界范圍內(nèi)的人工智能研究布局情況，從而獲知各國(guó)（地區(qū)）在該領(lǐng)域的總體研究實(shí)力[12]。本研究從發(fā)文量、篇均被引頻次和被引頻次（≥50篇）3個(gè)角度對(duì)國(guó)家（地區(qū)）進(jìn)行分析（表4）。從國(guó)家層面看：美國(guó)與中國(guó)在發(fā)文量方面呈現(xiàn)出中美“雙雄”的格局，是人工智能領(lǐng)域的研究大國(guó)；但從篇均被引頻次、被引頻次大于等于50篇數(shù)量方面，中美存在差距，這可以說(shuō)明，美國(guó)在發(fā)文質(zhì)量上更勝一籌，表明美國(guó)在該領(lǐng)域具有較強(qiáng)的科研實(shí)力以及權(quán)威性。從區(qū)域?qū)用婵矗涸谄灰l次、被引頻次大于等于50篇數(shù)量方面，以美國(guó)、加拿大為首的北美區(qū)域是當(dāng)前人工智能研究水平最高的區(qū)域，其次以英國(guó)、西班牙為首的歐洲區(qū)域，該區(qū)域的總體研究水平也較高，再次是以中國(guó)、土耳其、印度為首的亞洲區(qū)域，說(shuō)明亞洲人工智能領(lǐng)域整體研究水平不高，缺乏高質(zhì)量的研究論文，與北美、歐洲區(qū)域相比還存在一定的差距。

表4 國(guó)家（地區(qū)）發(fā)文量分布（前8位）

3 人工智能研究的發(fā)文主題分析

通過(guò)建立關(guān)鍵詞知識(shí)圖譜、關(guān)鍵詞脈絡(luò)演進(jìn)圖譜和高頻突現(xiàn)詞表對(duì)國(guó)內(nèi)外人工智能領(lǐng)域進(jìn)行發(fā)文主題分析，揭示人工智能領(lǐng)域的研究熱點(diǎn)與研究前沿。

3.1 研究熱點(diǎn)分析

3.1.1 國(guó)外研究熱點(diǎn)分析

利用Citespace軟件繪制國(guó)外人工智能領(lǐng)域的關(guān)鍵詞知識(shí)圖譜（圖4）。從圖中獲知，關(guān)鍵詞頻次和中心度較高的有：Artificial Intelligence（人工智能）、Classification（分類）、Model（建模）、System（系統(tǒng)）、Prediction（預(yù)測(cè)）、Neural Network（神經(jīng)網(wǎng)絡(luò)）、Algorithm（算法）等，結(jié)合關(guān)鍵詞頻次和中心性總結(jié)人工智能研究熱點(diǎn)如下。

圖4 國(guó)外人工智能研究熱點(diǎn)知識(shí)圖譜

（1）數(shù)據(jù)挖掘方面：通過(guò)算法搜索挖掘出知識(shí)庫(kù)有用的信息，應(yīng)用于市場(chǎng)分析[13]、科學(xué)探索[14]、疾病預(yù)測(cè)[15]等。主要的研究熱點(diǎn)包括Prediction（預(yù)測(cè)）、Classification（分類）等。Hadavandi等[16]將遺傳模糊系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)結(jié)合形成計(jì)算智能，構(gòu)建股票價(jià)格預(yù)測(cè)專家系統(tǒng)以支持預(yù)測(cè)過(guò)程的智能化和提高預(yù)測(cè)的精準(zhǔn)性。未來(lái)，企業(yè)決策將越來(lái)越重視數(shù)據(jù)的收集與挖掘，如果說(shuō)，互聯(lián)網(wǎng)的上半場(chǎng)拼的是價(jià)格、速度、模式，而互聯(lián)網(wǎng)的下半場(chǎng)需要拼品質(zhì)、耐力和技術(shù)。

（2）模式識(shí)別方面：對(duì)表征事物或者現(xiàn)象的各種形式信息進(jìn)行處理分析，以及對(duì)事物或現(xiàn)象進(jìn)行描述分析分類和解釋的過(guò)程。Esteva等[17]通過(guò)實(shí)例驗(yàn)證深度卷積神經(jīng)網(wǎng)絡(luò)以其高容錯(cuò)性、魯棒性及自組織性可以模仿或代替人的思維，在皮膚疾病分類的表現(xiàn)與人類專家不相上下。在傳染性極強(qiáng)、潛伏期久、危害極大的新冠肺炎面前，模式識(shí)別與醫(yī)療的融合避免了醫(yī)患雙方的直接接觸，基于已構(gòu)建的知識(shí)庫(kù)實(shí)現(xiàn)病理判斷。但知識(shí)庫(kù)的規(guī)模從根本上決定智能診斷的瓶頸，因此，學(xué)者應(yīng)更注重該方面理論的研究，實(shí)現(xiàn)技術(shù)革新與理論研究齊頭并進(jìn)。

（3）智能算法方面：算法作為人工智能的根基，只有“扎根”越深才能自如的應(yīng)對(duì)復(fù)雜、多變的實(shí)際問(wèn)題。Omkar等[18]基于人工蜂群算法設(shè)計(jì)疊層復(fù)合材料構(gòu)件的多目標(biāo)優(yōu)化通用模型，根據(jù)三個(gè)失效準(zhǔn)則（基于失效機(jī)理的失效準(zhǔn)則、最大應(yīng)力失效準(zhǔn)則和蔡武失效準(zhǔn)則）驗(yàn)證智能算法優(yōu)越性。Karaboga[19]對(duì)比了微分進(jìn)化、粒子群優(yōu)化、進(jìn)化算法與人工蜂群算法在多維數(shù)值問(wèn)題上的性能，仿真結(jié)果表明，人工蜂群算法性能更優(yōu)，更易解決高維工程問(wèn)題。

（4）機(jī)器學(xué)習(xí)方面：研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，通過(guò)不斷完善自身的性能，達(dá)到操作者的特定要求。深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)新興領(lǐng)域，也是人工智能第三次熱潮興起的重要推手，其根本在于建立、模擬人腦進(jìn)行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，模仿人腦的機(jī)制來(lái)解釋數(shù)據(jù)。Arel等[20]概述并總結(jié)深度機(jī)器學(xué)習(xí)領(lǐng)域現(xiàn)狀，并預(yù)測(cè)卷積神經(jīng)網(wǎng)絡(luò)和深信網(wǎng)絡(luò)研究具有很大的前景。深度學(xué)習(xí)作為這一輪人工智能興起的根本原因，但因其不可解釋的特性被冠以“黑盒子”稱號(hào)，值得學(xué)者高度重視。

3.1.2 國(guó)內(nèi)研究熱點(diǎn)分析

在分析國(guó)外研究熱點(diǎn)的基礎(chǔ)上，為進(jìn)一步了解和對(duì)比國(guó)內(nèi)同行的研究動(dòng)態(tài)，本文利用Citespace軟件繪制出國(guó)內(nèi)人工智能領(lǐng)域的關(guān)鍵詞知識(shí)圖譜（圖5），并梳理出節(jié)點(diǎn)之間的網(wǎng)絡(luò)關(guān)系，具體如下。

圖5 國(guó)內(nèi)人工智能研究熱點(diǎn)知識(shí)圖譜

（1）以機(jī)器人系統(tǒng)為中心，旨在協(xié)助或取代人類的工作。主要研究熱點(diǎn)包括多機(jī)器人系統(tǒng)、智能機(jī)器人、路徑規(guī)劃等。近年來(lái)，隨著“人口紅利”的逐漸消失，越來(lái)越多的行業(yè)急需用機(jī)器人來(lái)替代人力?！皺C(jī)器換人”一方面可以節(jié)約勞動(dòng)力成本，提高全員勞動(dòng)生產(chǎn)率，另一方面推動(dòng)企業(yè)由“制造”向“智造”轉(zhuǎn)型。張艷華等[21]進(jìn)行實(shí)證研究后，指出“機(jī)器換人”從長(zhǎng)期角度看，“機(jī)器換人”效應(yīng)趨近于0。在此次新冠肺炎疫情期間，由于大量勞工無(wú)法按期返崗，諸多生產(chǎn)企業(yè)出現(xiàn)產(chǎn)品生產(chǎn)不及時(shí)、跟不上需求的情況。鑒于此，智能制造再次提上日程，值得學(xué)者高度重視。

（2）以計(jì)算機(jī)視覺(jué)為中心，旨在用機(jī)器觀測(cè)代替人眼觀測(cè)，實(shí)現(xiàn)機(jī)器對(duì)視頻的理解從而完成目標(biāo)檢測(cè)。主要研究熱點(diǎn)包括圖像識(shí)別、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等。隨著信息時(shí)代的發(fā)展，未來(lái)的信息社會(huì)將會(huì)有至少90%的流量源自圖像和視頻數(shù)據(jù)，讓機(jī)器“看懂”這些視覺(jué)數(shù)據(jù)，掌握解決具體的計(jì)算機(jī)視覺(jué)任務(wù)的方法是國(guó)內(nèi)外學(xué)術(shù)界和工業(yè)界最關(guān)注的問(wèn)題。行人檢測(cè)技術(shù)作為計(jì)算機(jī)視覺(jué)的研究熱點(diǎn)及難點(diǎn)，蘇松志等[22]提出未來(lái)行人檢測(cè)技術(shù)可以從多視角和遮擋問(wèn)題、特殊場(chǎng)景下的行人檢測(cè)問(wèn)題、設(shè)計(jì)自適應(yīng)的檢測(cè)器三個(gè)方面進(jìn)行研究；由于深度學(xué)習(xí)理論和計(jì)算機(jī)視覺(jué)中的魯棒性算法還未成熟，如何豐富深度學(xué)習(xí)和魯棒性算法的理論基礎(chǔ)成為了計(jì)算機(jī)視覺(jué)的一個(gè)關(guān)鍵科學(xué)問(wèn)題。

（3）以人工智能算法為中心，主要研究熱點(diǎn)包括遺傳算法、模型、卷積神經(jīng)網(wǎng)絡(luò)等。算法雖是屬于基礎(chǔ)方面的研究，但人工智能的高速發(fā)展離不開(kāi)基礎(chǔ)研究的突破性進(jìn)展。盧瑾等[23]基于雙重遺傳算法機(jī)制針對(duì)動(dòng)靜態(tài)障礙物同時(shí)存在的復(fù)雜環(huán)境進(jìn)行路徑規(guī)劃，可快速有效地找到同時(shí)能避開(kāi)動(dòng)靜態(tài)障礙物的最優(yōu)路徑。人工智能市場(chǎng)的巨大利益誘惑眾多企業(yè)進(jìn)軍人工智能產(chǎn)業(yè)，并都號(hào)稱研發(fā)技術(shù)得到了顯著進(jìn)步。但“徐匡迪之問(wèn)”揭去人工智能算法外表華麗的面紗，產(chǎn)業(yè)發(fā)展過(guò)度依賴開(kāi)源代碼和現(xiàn)有數(shù)學(xué)模型，真正屬于中國(guó)的東西不多。學(xué)者必須高度重視人工智能核心底層算法面臨“卡脖子”窘境，積極開(kāi)展相關(guān)研究和實(shí)踐。

（4）以大數(shù)據(jù)應(yīng)用為中心，主要研究熱點(diǎn)有智慧圖書(shū)館、智慧教育、智慧媒體等?；谖覈?guó)重視教育的基本國(guó)情以及新冠疫情對(duì)線下教育的沖擊，人工智能與傳統(tǒng)教育結(jié)合的線上教學(xué)模式不僅提供定制化教育，而且可以緩解疫情對(duì)學(xué)術(shù)教育的沖擊。因此國(guó)內(nèi)的應(yīng)用領(lǐng)域研究多關(guān)注教育信息化、媒體融合等主題。楊現(xiàn)民等[24]指出人工智能教育存在教育數(shù)據(jù)的數(shù)量與質(zhì)量“短板”、技術(shù)“嫁接”難度大、人機(jī)信任危機(jī)、缺乏AI人才與課程體系四大發(fā)展難題。新冠疫情作為大數(shù)據(jù)發(fā)展的一個(gè)重要契機(jī)，學(xué)者更應(yīng)將研究熱點(diǎn)聚焦于疫情追蹤、傳播演化、預(yù)測(cè)、資源配置等方面，堅(jiān)決打贏疫情防御攻堅(jiān)戰(zhàn)。

（5）以智能社會(huì)科學(xué)為中心，主要研究熱點(diǎn)有版權(quán)、倫理、刑事責(zé)任、人工智能犯罪等。Rosalind Picard曾指出“機(jī)器的自由化程度越高，就越需要道德標(biāo)準(zhǔn)”，而即將到來(lái)的人工智能時(shí)代正在沖擊當(dāng)下社會(huì)的法律、倫理道德體系。高奇琦等[25]對(duì)人工智能發(fā)展與未來(lái)的可能性做相關(guān)分析，從國(guó)內(nèi)外對(duì)于電子人權(quán)的討論、機(jī)器人的刑事責(zé)任、人工智能作品的侵權(quán)問(wèn)題等角度提出人工智能將對(duì)法律產(chǎn)生多方位的挑戰(zhàn)；郭建偉等[26]提出完善相關(guān)立法、加強(qiáng)對(duì)相關(guān)技術(shù)與產(chǎn)品的管理力度以及提升群眾的認(rèn)知素養(yǎng)來(lái)規(guī)避人工智能帶來(lái)的倫理問(wèn)題。然而，學(xué)者并未重視“機(jī)器焦慮”和“技術(shù)恐懼”等核心議題，所以“機(jī)器焦慮”和“技術(shù)恐懼”所引發(fā)的社會(huì)學(xué)問(wèn)題將是未來(lái)研究的一個(gè)重點(diǎn)領(lǐng)域。

綜合國(guó)內(nèi)外的研究熱點(diǎn)，可以發(fā)現(xiàn)它們存在諸多差別。主要表現(xiàn)為以美國(guó)為首的國(guó)外研究偏重布局人工智能基礎(chǔ)層和技術(shù)層方向，而中國(guó)研究更注重布局人工智能應(yīng)用層與社會(huì)科學(xué)方向。一方面是由于中國(guó)人工智能研究起步相對(duì)較晚[27]，在基礎(chǔ)層、技術(shù)層存在資金、技術(shù)壁壘，另一方面是由于我國(guó)政策側(cè)重于互聯(lián)網(wǎng)領(lǐng)域，資金投向偏向終端市場(chǎng)[28]。這就導(dǎo)致國(guó)內(nèi)的研究更多的是在人工智能基礎(chǔ)架構(gòu)之上的上層應(yīng)用，而國(guó)外牢牢地掌握著人工智能技術(shù)的核心。

3.2 脈絡(luò)演進(jìn)分析

3.2.1 國(guó)外脈絡(luò)演進(jìn)分析

由于上述基于社會(huì)網(wǎng)絡(luò)分析的研究熱點(diǎn)知識(shí)圖譜暴露出無(wú)法展示人工智能研究主題變化的弊端。因此，作為上述的重要補(bǔ)充，對(duì)研究熱點(diǎn)繪制TimeZone View視圖（圖6）可以更清晰地展示研究主題變遷和知識(shí)流向[29]。從圖6中可以看出，國(guó)外人工智能研究主題呈現(xiàn)出理論研究與技術(shù)應(yīng)用并駕齊驅(qū)的總體趨勢(shì)。近10年研究熱點(diǎn)大致可分成兩個(gè)時(shí)間段：第一階段是2008—2015年，該階段側(cè)重于基礎(chǔ)理論和方法的研究。這一階段，由于計(jì)算能力、計(jì)算成本、理論基礎(chǔ)等因素的限制，人工智能研究未能跳出實(shí)驗(yàn)室的禁錮，主要研究熱點(diǎn)包括人工神經(jīng)網(wǎng)絡(luò)、智能算法、深度學(xué)習(xí)等。第二階段是2016年至今，在移動(dòng)互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等新一代信息技術(shù)的快速發(fā)展，人工智能所處的信息環(huán)境、數(shù)據(jù)基礎(chǔ)發(fā)生了巨大而深刻的變化。愈加海量化的數(shù)據(jù)，持續(xù)提升的運(yùn)算力，不斷優(yōu)化的算法模型，驅(qū)動(dòng)人工智能進(jìn)入新的發(fā)展階段，人工智能在應(yīng)用層面獲得前所未有的成功。主要包括金融[30]、醫(yī)療[31]、國(guó)土安全[32]、軍事國(guó)防[33]等。

圖6 國(guó)外人工智能研究熱點(diǎn)時(shí)間線圖

3.2.2 國(guó)內(nèi)脈絡(luò)演進(jìn)分析

由于國(guó)內(nèi)外文化特質(zhì)不一樣，研究基礎(chǔ)的差異，學(xué)者們關(guān)注點(diǎn)的不同，國(guó)外的人工智能脈絡(luò)研究圖不能揭示國(guó)內(nèi)人工智能的發(fā)展歷程與動(dòng)態(tài)。因此，利用Citespace軟件繪制國(guó)內(nèi)人工智能領(lǐng)域研究主題變化圖譜（圖7）。

圖7 國(guó)內(nèi)人工智能研究熱點(diǎn)時(shí)間線圖

從時(shí)間序列圖可以看出中國(guó)人工智能領(lǐng)域具有鮮明的時(shí)代特征。2008—2014年主要對(duì)以機(jī)器人技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)為特征的人工智能技術(shù)的探索，2008年金融危機(jī)后，世界各國(guó)紛紛推出機(jī)器人產(chǎn)業(yè)發(fā)展戰(zhàn)略，機(jī)器人技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)逐漸成為人工智能領(lǐng)域的研究熱點(diǎn)，尤其在2013年國(guó)家頒布《關(guān)于推進(jìn)工業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展的指導(dǎo)意見(jiàn)》后，讓機(jī)器人變得更加智能，如機(jī)器人的軌跡規(guī)劃、機(jī)器視覺(jué)和人機(jī)交互等成為研究者們的關(guān)注重點(diǎn)。2016年，AlphaGo事件發(fā)生后，全球人工智能研究迎來(lái)了第三次熱潮。隨著大數(shù)據(jù)、云計(jì)算、深度學(xué)習(xí)等技術(shù)的飛速發(fā)展，越來(lái)越多的人工智能應(yīng)用落地，“人工智能+X”的創(chuàng)新模式成為新一輪的研究熱點(diǎn)，該類研究有利于促進(jìn)人工智能技術(shù)與社會(huì)各行業(yè)的融合提升，建設(shè)若干標(biāo)桿的應(yīng)用場(chǎng)景創(chuàng)新，實(shí)現(xiàn)低成本、高效益、范圍廣的普惠型智能社會(huì)[34]。為了確保人工智能的健康可持續(xù)發(fā)展，使其發(fā)展成果造福于民，2017年，聯(lián)合國(guó)成立人工智能和機(jī)器人中心，人工智能的社會(huì)學(xué)被提上日程，國(guó)內(nèi)學(xué)者就人工智能以及機(jī)器擬人化后可能出現(xiàn)的法律現(xiàn)象做出預(yù)測(cè)，以期在機(jī)器人權(quán)利、自動(dòng)駕駛責(zé)任判斷、人工智能相關(guān)的侵權(quán)與刑事責(zé)任等方面提出建設(shè)性建議。

綜上可見(jiàn)：2008—2014年階段，由于研究基礎(chǔ)的差異，國(guó)外的研究主題緊扣基礎(chǔ)層研究，主要有Genetic Algorithm（遺傳算法）、Neural Network（神經(jīng)網(wǎng)絡(luò)）等，而國(guó)內(nèi)的研究主題側(cè)重機(jī)器人技術(shù)、計(jì)算機(jī)視覺(jué)等市場(chǎng)終端應(yīng)用；2016年以后，“人工智能+X”成為研究熱點(diǎn)，在《美國(guó)優(yōu)先：令美國(guó)再次強(qiáng)大的預(yù)算藍(lán)圖》《聯(lián)邦政府人工智能戰(zhàn)略要點(diǎn)》等政策的影響下，國(guó)外學(xué)者深入研究人工智能在醫(yī)療、金融、國(guó)防安全領(lǐng)域的應(yīng)用，而國(guó)內(nèi)學(xué)者受《“互聯(lián)網(wǎng)+”人工智能三年行動(dòng)實(shí)施方案》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃》等相關(guān)政策的影響，研究重心囿于互聯(lián)網(wǎng)應(yīng)用領(lǐng)域。

3.3 研究前沿趨勢(shì)分析

上述基于社會(huì)網(wǎng)絡(luò)分析的研究熱點(diǎn)知識(shí)圖譜和熱點(diǎn)時(shí)間線圖全面地顯示了人工智能領(lǐng)域的當(dāng)前熱點(diǎn)及其演變路徑，但卻對(duì)未來(lái)趨勢(shì)的揭示不夠。為了更好地指導(dǎo)后續(xù)研究，需要對(duì)該領(lǐng)域做一個(gè)未來(lái)研究前沿分析。

突現(xiàn)率是反映文獻(xiàn)被引頻次或關(guān)鍵詞出現(xiàn)頻次變化率的關(guān)鍵指標(biāo)，而基于突現(xiàn)率來(lái)分析研究前沿在當(dāng)前文獻(xiàn)計(jì)量分析中較為普遍[35]。據(jù)此，將15 954篇文獻(xiàn)導(dǎo)入Citespace軟件中，繪制人工智能研究突現(xiàn)詞（表5），根據(jù)突現(xiàn)詞的出現(xiàn)頻次和Burst值進(jìn)一步分析人工智能研究的前沿問(wèn)題。

表5 人工智能研究突現(xiàn)詞

綜合高頻突現(xiàn)詞和脈絡(luò)演進(jìn)分析可對(duì)人工智能研究前沿預(yù)測(cè)如下：

（1）深度強(qiáng)化學(xué)習(xí)。突現(xiàn)值較高的有深度學(xué)習(xí)、Expert system（專家系統(tǒng)）、Learning（學(xué)習(xí)）、Neural network（神經(jīng)網(wǎng)絡(luò)）、遺傳算法。深度學(xué)習(xí)作為人工智能第三次熱潮繁榮重要推手，目前已在圖像、語(yǔ)音識(shí)別等方面實(shí)現(xiàn)技術(shù)落地。但隨著高新技術(shù)的不斷發(fā)展，現(xiàn)有的應(yīng)用場(chǎng)景不斷向縱深拓展，深度學(xué)習(xí)過(guò)度依賴大量標(biāo)注數(shù)據(jù)的弊端制約了人工智能發(fā)展進(jìn)入“通用人工智能”階段[36]。深度強(qiáng)化學(xué)習(xí)在處理復(fù)雜、多方面和決策方面顯示出的巨大潛力被認(rèn)為是通往“通用人工智能”的一條道路，這也將成為人工智能領(lǐng)域的熱門話題。

（2）“人工智能+X”。突現(xiàn)值較高的有機(jī)器人、計(jì)算機(jī)視覺(jué)、大數(shù)據(jù)、Pattern recognition（模式識(shí)別）、Feature extraction（特征提取）。在信息技術(shù)的支撐下，“人工智能+X”的創(chuàng)新模式成為了新一輪的研究熱點(diǎn)。目前，人工智能開(kāi)始在城市、醫(yī)療、物流、汽車、金融等行業(yè)滲透，已形成了高達(dá)700億的市場(chǎng)規(guī)模。而且，此次突發(fā)的新冠疫情也給“人工智能+X”帶來(lái)發(fā)展機(jī)遇，尤其在制造、醫(yī)療、物流、教育等行業(yè)。在醫(yī)療行業(yè)，工信部2月4日發(fā)布《充分發(fā)揮人工智能賦能效用，協(xié)力抗擊新型冠狀病毒感染的肺炎疫情倡議書(shū)》，將推動(dòng)AI輔助診斷、AI藥物研發(fā)、AI服務(wù)等領(lǐng)域駛?cè)氚l(fā)展“快車道”；在制造行業(yè)，時(shí)值春節(jié)，大量勞工無(wú)法按期返崗對(duì)部分勞動(dòng)密集型傳統(tǒng)企業(yè)沖擊較大，難以保證救援物質(zhì)的生產(chǎn)供應(yīng)。鑒于此，以人工智能技術(shù)為主要標(biāo)志的智能制造再次提上日程；在物流行業(yè)，救援物資如何穿越重重關(guān)卡到達(dá)使用者手里成為打贏疫情防御攻堅(jiān)戰(zhàn)的重要影響因素，也是值得物流企業(yè)深思的話題。面向未來(lái)物流長(zhǎng)期發(fā)展，構(gòu)建智能化、自動(dòng)化和可視化供應(yīng)鏈運(yùn)作體系，是物流企業(yè)在抗疫之后首先需要思考的；在教育行業(yè)，在“新冠”疫情的沖擊下，全球都在實(shí)行線下教育，再結(jié)合“非典”疫情的思考，AI教育將被越來(lái)越多的家長(zhǎng)、學(xué)生所接受，人工智能將打造下一代教育變革。除此之外，智能安防、新零售模式[37]、智能駕駛、智慧金融等也值得學(xué)者高度關(guān)注。

（3）智能社會(huì)科學(xué)。突現(xiàn)值較高的有法律主體。在人工智能技術(shù)的沖擊下，人工智能既扮演道德行為者，又扮演道德容受者的角色。但由于法律、倫理的滯后性，現(xiàn)有的法律、倫理體系并不能很好地解釋“人工智能產(chǎn)權(quán)”“電子人權(quán)”“技術(shù)恐懼”“隱私安全”等法律、倫理現(xiàn)象。因此，學(xué)者需秉承“阿西莫夫三大定律”，從社會(huì)學(xué)的角度系統(tǒng)全面地考慮如何對(duì)待人工智能系統(tǒng)，提前做好相應(yīng)規(guī)劃。

4 研究結(jié)論

本文采用了文獻(xiàn)計(jì)量方法，對(duì)Web of Science和CNKI數(shù)據(jù)庫(kù)中2008—2019年內(nèi)關(guān)于人工智能文獻(xiàn)從總體格局和發(fā)文主題兩個(gè)方面進(jìn)行統(tǒng)計(jì)分析，得到以下結(jié)論：

（1）從文獻(xiàn)數(shù)量上看，2008—2019國(guó)內(nèi)外文獻(xiàn)數(shù)量總體上都處于增長(zhǎng)趨勢(shì)，并在2016年開(kāi)始呈現(xiàn)爆炸式增長(zhǎng)，成為近年來(lái)最熱門的研究主題，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，人工智能發(fā)展前景廣闊，預(yù)計(jì)未來(lái)人工智能研究將持續(xù)升溫，文獻(xiàn)數(shù)量也將呈現(xiàn)爆炸式增長(zhǎng)。

（2）從研究機(jī)構(gòu)和學(xué)者方面來(lái)看，高校是人工智能領(lǐng)域研究的主力軍，科創(chuàng)企業(yè)的知識(shí)產(chǎn)出較少，尚未形成真正意義上的產(chǎn)學(xué)研相結(jié)合的體系。最后，國(guó)內(nèi)外研究學(xué)者和研究團(tuán)隊(duì)雖然都突出基礎(chǔ)理論創(chuàng)新與技術(shù)應(yīng)用研究這兩大主題，但各團(tuán)隊(duì)間合作較少。因此，各領(lǐng)域的學(xué)者應(yīng)當(dāng)加強(qiáng)跨學(xué)科交流合作，避免重復(fù)研究和資源浪費(fèi)。

（3）從國(guó)家層面看，中、美兩國(guó)是全球人工智能研究領(lǐng)域的引領(lǐng)國(guó)家，從篇均被引頻次、被引頻次大于等于50篇數(shù)量上看，中國(guó)與美國(guó)的研究水平相比還存在一定的差距；從區(qū)域?qū)用婵矗泵朗钱?dāng)前人工智能研究水平最高的區(qū)域，亞洲排名次于北美、歐洲地區(qū)。

（4）從關(guān)鍵詞知識(shí)圖譜、脈絡(luò)演進(jìn)看，人工神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、算法、大數(shù)據(jù)、法律等是國(guó)內(nèi)外的研究熱點(diǎn)。并且隨著計(jì)算能力、信息技術(shù)的迅猛發(fā)展，人工智能開(kāi)始在更多的領(lǐng)域深入滲透，“人工智能+X”有望成為未來(lái)發(fā)展新生態(tài)模式。但深入剖析人工智能突現(xiàn)詞發(fā)現(xiàn)，國(guó)外更注重人工智能基礎(chǔ)架構(gòu)的研究，而國(guó)內(nèi)的研究更多的是在基礎(chǔ)架構(gòu)之上的上層應(yīng)用，這足以表明國(guó)外牢牢地掌握著人工智能技術(shù)的核心。除此之外，人工智能的快速發(fā)展帶來(lái)的社會(huì)問(wèn)題也成為了新一輪的研究熱點(diǎn)。

（5）從研究趨勢(shì)看，深度強(qiáng)化學(xué)習(xí)、“人工智能+”、智能社會(huì)科學(xué)將是人工智能的研究前沿?；谀壳叭斯ぶ悄芤廊惶幱凇皩Ｓ萌斯ぶ悄茈A段”的現(xiàn)狀，深度神經(jīng)網(wǎng)絡(luò)研究依然是未來(lái)的研究重點(diǎn)；此外，受全球新冠疫情的影響，“人工智能+X”的生態(tài)模式將在制造、醫(yī)療、物流、教育等多個(gè)行業(yè)迎來(lái)新的發(fā)展機(jī)遇，在迎接機(jī)遇的同時(shí)也要考慮人工智能技術(shù)應(yīng)用給社會(huì)帶來(lái)的法律、倫理等困擾，提前展開(kāi)布局。