摘 要： ［目的／ 意義］ 本文旨在探究我國人工智能產(chǎn)業(yè)政策在不確定環(huán)境下的演化路徑， 明確我國人工智能發(fā)展過程中工作重心的變遷與未來趨勢， 為人工智能產(chǎn)業(yè)政策進(jìn)一步完善與高質(zhì)量發(fā)展提供借鑒。［方法／ 過程］ 文章結(jié)合文獻(xiàn)計(jì)量、網(wǎng)絡(luò)分析、共現(xiàn)分析和主題結(jié)構(gòu)演化等方法， 分別從人工智能產(chǎn)業(yè)政策數(shù)量、聯(lián)合發(fā)布機(jī)構(gòu)和主題結(jié)構(gòu)演化３ 個(gè)角度進(jìn)行分析。［結(jié)果／ 結(jié)論］ 研究發(fā)現(xiàn)， 我國人工智能產(chǎn)業(yè)政策發(fā)文數(shù)量逐年提高；中央地方政府協(xié)調(diào)統(tǒng)一； 政策主題日益豐富， 但是還存在人工智能技術(shù)創(chuàng)新性較低、政策平衡性欠缺、缺乏國際合作等不足。未來人工智能產(chǎn)業(yè)政策需要在技術(shù)創(chuàng)新、教育體系、就業(yè)問題和國際合作等方面進(jìn)一步完善優(yōu)化。

關(guān)鍵詞： 人工智能； 不確定環(huán)境； 政策演化分析； 主題結(jié)構(gòu)演化； 數(shù)字治理

ＤＯＩ：１０．３９６９ ／ ｊ．ｉｓｓｎ．１００８－０８２１．２０２５．０２．００７

〔中圖分類號(hào)〕Ｄ６３； ＴＰ１８ 〔文獻(xiàn)標(biāo)識(shí)碼〕Ａ 〔文章編號(hào)〕１００８－０８２１ （２０２５） ０２－００７２－１５

近年來， 隨著算力基礎(chǔ)設(shè)施水平的大幅度提升、數(shù)據(jù)資源的爆炸式增長和關(guān)鍵算法模型的突破， 以ＣｈａｔＧＰＴ、文心一言、Ｓｔａｂｌｅ Ｄｉｆｆｕｓｉｏｎ 等為代表的生成式人工智能（Ｇｅｎｅｒａｔｅｄ Ａｒｔｉｆｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ， ＧＡＩ）迅速流行， 全球人工智能領(lǐng)域迎來新一輪發(fā)展機(jī)遇。２０２４ 年２ 月， Ｏｐｅｎ ＡＩ 公司發(fā)布視頻生成大模型Ｓｏｒａ， 將多模態(tài)人工智能生成內(nèi)容（ＡＩ－ｇｅｎｅｒａｔｅｄＣｏｎｔｅｎｔ， ＡＩＧＣ）技術(shù)發(fā)展推至新高潮， 同時(shí)也引起了關(guān)于深度造假、主權(quán)人工智能、技術(shù)霸權(quán)等方面的爭議。一方面， 人工智能技術(shù)高速發(fā)展并在寫作、設(shè)計(jì)、工業(yè)生產(chǎn)等領(lǐng)域產(chǎn)生一系列顛覆性創(chuàng)新應(yīng)用；另一方面， 數(shù)據(jù)資源、技術(shù)生態(tài)、法律監(jiān)管、倫理道德等面臨著多方面不確定風(fēng)險(xiǎn)和復(fù)雜挑戰(zhàn)。例如，由于特定刑事司法系統(tǒng)中對(duì)人工智能預(yù)測算法的依賴性增加， 使得算法偏見和種族歧視飆升［１］ 。此外，在人工智能訓(xùn)練過程中不可避免地會(huì)重新識(shí)別一些涉及隱私的匿名數(shù)據(jù)， 從而加劇隱私侵犯和數(shù)據(jù)泄露［２］ 。再如生成式人工智能所創(chuàng)造的數(shù)據(jù)所有權(quán)歸屬也對(duì)法律法規(guī)提出了新要求［３］ 。并且由于生成式人工智能的深度造假泛濫， 對(duì)我國國家安全和社會(huì)公眾利益都造成了潛在風(fēng)險(xiǎn)。２０２３ 年７ 月， 國家網(wǎng)信辦等七部委聯(lián)合發(fā)文《生成式人工智能服務(wù)管理暫行辦法》， 對(duì)生成式人工智能技術(shù)發(fā)展、服務(wù)規(guī)范、監(jiān)督檢查和法律責(zé)任進(jìn)行了初步規(guī)定。

政策的制定和實(shí)施需要最大限度地消除技術(shù)發(fā)展的不確定性因素。基于此， 本文以我國人工智能產(chǎn)業(yè)政策科學(xué)決策為出發(fā)點(diǎn)， 選取２００７—２０２３ 年我國人工智能產(chǎn)業(yè)政策為素材， 從多維視角測度我國人工智能產(chǎn)業(yè)政策在不確定環(huán)境下的階段性制定、發(fā)布和演化規(guī)律， 以期服務(wù)于我國各級(jí)單位制定人工智能產(chǎn)業(yè)政策的確定性、指向性和有效性。

１ 相關(guān)研究述評(píng)

１． １ 不確定環(huán)境

１． １． １ 不確定性理論在各學(xué)科的解釋

不確定性理論研究隨機(jī)性、模糊性、信息缺失等多重不確定性因素， 在金融、物理、公共政策等領(lǐng)域有著廣泛的應(yīng)用。在經(jīng)濟(jì)學(xué)領(lǐng)域， 不確定性會(huì)影響經(jīng)濟(jì)參與者對(duì)經(jīng)濟(jì)走勢的預(yù)判， 進(jìn)而影響政策制定和決策［４］ 。在量子力學(xué)等領(lǐng)域， 不確定性被廣泛用于研究設(shè)計(jì)、數(shù)據(jù)分析等研究。在工程領(lǐng)域，不確定性更多被用于提高工程系統(tǒng)可靠性、結(jié)構(gòu)設(shè)計(jì)與優(yōu)化、供應(yīng)鏈管理等。

１． １． ２ 基于不確定理論的政策科學(xué)

２０１２ 年， 著名經(jīng)濟(jì)學(xué)家Ｍａｎｓｋｉ Ｃ Ｆ［５］ 在ＰｕｂｌｉｃＰｏｌｉｃｙ ｉｎ ａｎ Ｕｎｃｅｒｔａｉｎ Ｗｏｒｌｄ： Ａｎａｌｙｓｉｓ ａｎｄ Ｄｅｃｉｓｉｏｎｓ 一書中引入不確定理論， 認(rèn)為政策制定者在制定政策的過程中需要考慮不確定性因素， 例如， 國際政治、技術(shù)科學(xué)、社會(huì)文化和政策實(shí)施等方面的不確定性，而不是只關(guān)注預(yù)期結(jié)果； Ｎａｉｒ Ｓ［６］ 也認(rèn)為， 在公共政策的背景下需要考慮不確定性， 以促進(jìn)決策構(gòu)成。作為新技術(shù)， 人工智能在其收益、風(fēng)險(xiǎn)和未來軌跡方面存在巨大不確定性［７］ ， 導(dǎo)致人工智能產(chǎn)業(yè)政策的制定、實(shí)施、評(píng)估等也存在不確定性。因此， 如何分析不確定環(huán)境下的人工智能政策演化， 最大限度地趨利避害是重要研究問題。

１． １． ３ 人工智能產(chǎn)業(yè)發(fā)展的不確定環(huán)境

人工智能技術(shù)和人工智能治理共同構(gòu)成了不確定環(huán)境的兩個(gè)方面［８］ 。人工智能技術(shù)的不確定風(fēng)險(xiǎn)來源于算力、算法、數(shù)據(jù)等方面。例如， 人工智能算力面臨算力芯片壟斷、斷供、限制等問題； 人工智能算法中包含的隨機(jī)性和不確定性元素可能會(huì)引起人工智能的失調(diào)、偏見、失控等問題［９］ ， 人工智能治理方面的不確定性則源于人類駕馭人工智能的能力， 包括國際關(guān)系、倫理、濫用等方面的不確定性。目前， 眾多學(xué)者圍繞特定不確定環(huán)境進(jìn)行研究，例如， Ｓｃｈｅｒｅｒ Ｍ Ｕ［１０］ 提出， 為保障隱私安全人工智能研發(fā)應(yīng)集中于類似谷歌這樣的大型可見公司；Ｅｒｄｅｌｙｉ Ｏ Ｊ 等［１１］ 主張通過國際論壇制定國際人工智能標(biāo)準(zhǔn)， 以降低國際關(guān)系和軍事競賽方面的不確定性； Ｇａｒｖｅｙ Ｃ［１２］ 從軍事、政治、經(jīng)濟(jì)、社會(huì)、環(huán)境、心理生理和精神７ 個(gè)維度分析了人工智能的不確定風(fēng)險(xiǎn)， 并基于民主治理框架提出了替代方案。當(dāng)前人工智能進(jìn)入快速發(fā)展通道， 在驅(qū)動(dòng)世界進(jìn)步的同時(shí)也帶來了眾多不確定風(fēng)險(xiǎn)， 不確定環(huán)境相關(guān)理論為人工智能政策的分析規(guī)劃和未來發(fā)展提供了基本指導(dǎo)框架。

１． ２ 人工智能政策的發(fā)展

自２０ 世紀(jì)５０ 年代引入人工智能概念以來， 人工智能經(jīng)歷了多次繁榮與衰落［１３］ 。近年來， 隨著計(jì)算能力提升、機(jī)器學(xué)習(xí)算法迭代以及海量數(shù)據(jù)的可獲取性， 人工智能取得了前所未有的發(fā)展速度，技術(shù)成果與應(yīng)用場景不斷拓展， 已然成為經(jīng)濟(jì)發(fā)展的重要推動(dòng)力。

與此同時(shí)， 世界各國（地區(qū)）紛紛開始制定相關(guān)人工智能政策與發(fā)展戰(zhàn)略， 以提高在人工智能領(lǐng)域的核心競爭力與國際話語權(quán)。例如， 在２０１６ 年和２０１７ 年， 中國分別發(fā)布具有綱領(lǐng)性的《“互聯(lián)網(wǎng)＋人工智能” 三年行動(dòng)計(jì)劃實(shí)施方案》和《新一代人工智能發(fā)展規(guī)劃》。美國在２０１６ 年發(fā)布了《國家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃》和《為人工智能的未來做好準(zhǔn)備》兩項(xiàng)戰(zhàn)略規(guī)劃。歐盟在２０１６年和２０１８ 年分別發(fā)布《歐盟機(jī)器人民事法律法規(guī)》和《歐盟人工智能》。２０１７ 年， 英國發(fā)布《產(chǎn)業(yè)戰(zhàn)略———建設(shè)適應(yīng)未來的英國》， 并在２０２１ 年發(fā)布《國家人工智能戰(zhàn)略》。日本在２０１７ 年發(fā)布了《人工智能技術(shù)戰(zhàn)略》。近年來， 新一代人工智能技術(shù)變革性爆發(fā)， 為社會(huì)帶來了眾多機(jī)遇和挑戰(zhàn)。通過人工智能政策可以深入了解有關(guān)人工智能技術(shù)和產(chǎn)業(yè)發(fā)展方向及重點(diǎn)領(lǐng)域部署， 分析政策制定和實(shí)施過程中各利益相關(guān)者與倡議聯(lián)盟之間的關(guān)系［１４］ 。

目前， 國內(nèi)外對(duì)人工智能產(chǎn)業(yè)政策開展了大量研究， 主要集中于３ 個(gè)方向： ①對(duì)國內(nèi)外人工智能產(chǎn)業(yè)政策進(jìn)行定性分析。陳靜等［１５］ 選取中美人工智能政策和戰(zhàn)略進(jìn)行對(duì)比分析， 為我國人工智能進(jìn)一步發(fā)展提供參考價(jià)值。②結(jié)合相關(guān)政策分析人工智能產(chǎn)業(yè)或生態(tài)系統(tǒng)。Ｋｎｏｘ Ｊ［１６］ 選取兩個(gè)中央層面的人工智能政策文件， 探討人工智能在中國教育產(chǎn)業(yè)中的應(yīng)用和發(fā)展。③從整體出發(fā)， 探究人工智能政策目標(biāo)、政策工具或政策相關(guān)利益者關(guān)系。Ｙａｎｇ Ｃ 等［１７］ 選取中央層面所有人工智能政策， 結(jié)合文獻(xiàn)計(jì)量、語義分析和網(wǎng)絡(luò)分析對(duì)政策趨勢、政策分布和政策目標(biāo)做出相關(guān)分析和預(yù)測。

現(xiàn)有研究普遍聚焦于對(duì)小樣本人工智能政策進(jìn)行定性或量化研究， 對(duì)政策整體發(fā)文趨勢、政策分布、政策演化過程的分析有所欠缺。少數(shù)研究者圍繞中央層面政策進(jìn)行整體研究， 但對(duì)人工智能政策文本內(nèi)容信息的深入探究、對(duì)地方層面人工智能政策的特點(diǎn)分析以及對(duì)人工智能不確定風(fēng)險(xiǎn)的分析尚不充分。因此， 本文以不確定理論為分析框架， 搜集全國范圍內(nèi)的人工智能產(chǎn)業(yè)政策， 通過建立規(guī)則范式、融入ＫｅｙＢＥＲＴ 大模型抽取出最能代表政策信息的核心關(guān)鍵詞呈現(xiàn)政策重點(diǎn)與演化態(tài)勢， 并對(duì)人工智能發(fā)展進(jìn)行多維度風(fēng)險(xiǎn)分析， 為我國人工智能政策治理與治理框架提供借鑒。

２ 研究設(shè)計(jì)與方法

首先， 本文通過北大法寶數(shù)據(jù)庫檢索相關(guān)人工智能產(chǎn)業(yè)政策文本數(shù)據(jù)； 其次， 通過建立規(guī)則范式和ＫｅｙＢＥＲＴ 大模型讀取政策中的關(guān)鍵詞、發(fā)布機(jī)構(gòu)、發(fā)布時(shí)間等數(shù)據(jù)； 最后， 結(jié)合語義共現(xiàn)和網(wǎng)絡(luò)分析方法， 揭示不確定環(huán)境下我國人工智能產(chǎn)業(yè)政策從探索到完善的時(shí)空分布、機(jī)構(gòu)聯(lián)合發(fā)布和主題結(jié)構(gòu)演化等具體情況， 如圖１ 所示。

２． １ 政策文本數(shù)據(jù)收集

北大法寶是中國法律和政策領(lǐng)域的重要在線法律法規(guī)數(shù)據(jù)庫之一， 其收集中國各級(jí)政府出臺(tái)的各種公共政策、法律文獻(xiàn)、裁判文書、法學(xué)期刊等信息資源， 檢索功能支持通過關(guān)鍵詞、法規(guī)條文等進(jìn)行全文檢索。因此， 本文選擇從北大法寶中獲取人工智能產(chǎn)業(yè)政策文本。為保證檢索數(shù)據(jù)的全面性與準(zhǔn)確性， 本文選擇以“人工智能” 為檢索詞進(jìn)行標(biāo)題精確檢索， 分別獲取法律法規(guī)單元下中央法規(guī)和地方性法規(guī)兩類政策（檢索時(shí)間為２０２３ 年１１ 月１５ 日）。為確保所得政策文件內(nèi)容與研究內(nèi)容一致， 本文按照以下標(biāo)準(zhǔn)進(jìn)行政策篩選： 首先， 去除重復(fù)的政策文件； 其次， 政策類型選擇法律法規(guī)等正式?jīng)Q策內(nèi)容， 回函、批復(fù)等非正式?jīng)Q策文件不計(jì)在內(nèi)； 最后， 政策內(nèi)容重點(diǎn)保留與人工智能相關(guān)的部分。按以上標(biāo)準(zhǔn)截至２０２３ 年１１ 月， 本文共篩選得到９２４ 條與人工智能密切相關(guān)政策文件， 其中，中央法規(guī)１０８ 條， 地方性法規(guī)８１６ 條。

２． ２ 政策文本處理方法

政策文本與期刊論文在結(jié)構(gòu)和內(nèi)容上都存在巨大差異， 期刊論文含有關(guān)鍵詞、引用文獻(xiàn)等外部特征， 政策文本則沒有［１８］ 。為深入探索政策文本語義信息， 需要從政策文本中抽取出富含文本信息最多的句子和詞匯進(jìn)行共現(xiàn)分析和網(wǎng)絡(luò)分析。

２． ２． １ 關(guān)鍵詞抽取

通過政策主題詞共現(xiàn)、網(wǎng)絡(luò)、聚類分析可以較為清晰地呈現(xiàn)出人工智能政策的主體結(jié)構(gòu)和演化態(tài)勢。為抽取出最能代表政策文本的關(guān)鍵詞， 本文對(duì)人工智能政策整體文本的語言信息進(jìn)行深入挖掘。由于政策文本語言中含有大量以頓號(hào)隔開的詞句，而頓號(hào)隔開的詞匯表示詞語之間的并列， 具有更強(qiáng)的關(guān)聯(lián)性［１９］ ， 因此需要通過建立規(guī)則范式， 從政策文本中抽取含有頓號(hào)的政策關(guān)鍵句。其中， 關(guān)鍵詞抽取采用深度學(xué)習(xí)算法ＫｅｙＢＥＲＴ 模型， 即利用Ｓｅｎｔｅｎｃｅ－ｔｒａｎｓｆｏｒｍｅｒｓ 包生成ＢＥＲＴ Ｅｍｂｅｄｄｉｎｇｓ， 然后選擇Ｐａｒａｐｈｒａｓｅ－ｍｕｌｔｉｌｉｎｇｕａｌ－ＭｉｎｉＬＭ－Ｌ１２－ｖ２ 作為ＢＥＲＴ 預(yù)訓(xùn)練模型， 并使用向量余弦相似度計(jì)算候選關(guān)鍵詞與文本內(nèi)容間的相似性［２０］ 以解決語義匹配問題。在此基礎(chǔ)上， 建立人工智能主題詞表與停用詞表， 并用ｊｉｅｂａ 庫對(duì)關(guān)鍵句進(jìn)行了預(yù)處理，去除句子中動(dòng)詞、形容詞及無意義的名詞。通過文本挖掘?qū)嶒?yàn)， 將ＫｅｙＢＥＲＴ 模型ｎ＿ｇｒａｍ＿ｒａｎｇｅ 參數(shù)設(shè)置為（２，５）最優(yōu)， 即每個(gè)關(guān)鍵句抽取出２～５ 個(gè)關(guān)鍵詞。通過該方式抽取出的關(guān)鍵詞， 保留了人工智能政策文本語義全面性和多樣性， 更細(xì)粒度地反映人工智能產(chǎn)業(yè)政策的領(lǐng)域重點(diǎn)與演化趨勢。

２． ２． ２ 核心關(guān)鍵詞抽取

所抽取內(nèi)容包含大量高頻關(guān)鍵詞， 以往研究根據(jù)經(jīng)驗(yàn)從關(guān)鍵詞詞頻、關(guān)鍵詞共現(xiàn)詞頻等角度來選取一定數(shù)量的關(guān)鍵詞進(jìn)行共詞分析， 主觀性相對(duì)較強(qiáng)［２１］ ， 為進(jìn)一步優(yōu)化所抽取的關(guān)鍵詞， 本文基于楊愛青等提出的通過ｇ 指數(shù)來選取高頻詞的方法進(jìn)行詞頻ｇ 指數(shù)的構(gòu)建。其中ｇ 指數(shù)的定義為： 設(shè)置某個(gè)科學(xué)家的分值為ｇ， 當(dāng)且僅當(dāng)在他發(fā)表的Ｎ 篇論文中有ｇ 篇論文總共獲得了不少于ｇ２ 次的引文總數(shù)， 而（ｇ＋１）篇論文總共獲得了少于（ｇ＋１）２ 次的引文總數(shù)［２２］ 。同樣詞頻ｇ 指數(shù)的定義為： 在研究領(lǐng)域中， 一個(gè)關(guān)鍵詞的數(shù)量分值為ｇ， 當(dāng)且僅當(dāng)此研究領(lǐng)域的關(guān)鍵詞總量Ｎ 中， 有ｇ 個(gè)關(guān)鍵詞其累計(jì)出現(xiàn)頻次不少于ｇ２ 次， 而ｇ＋１ 個(gè)關(guān)鍵詞其累計(jì)出現(xiàn)頻次少于（ｇ＋１）２ 次［２３］ 。相比于從關(guān)鍵詞詞頻、關(guān)鍵詞共現(xiàn)頻次等角度根據(jù)研究人員的經(jīng)驗(yàn)選出一定數(shù)量的關(guān)鍵詞的方法， 詞頻ｇ 指數(shù)選出的關(guān)鍵詞更為自然客觀［２１］ ， 具體計(jì)算過程如表１ 所示。

２． ２． ３ 共現(xiàn)和網(wǎng)絡(luò)分析

共現(xiàn)分析包括政策發(fā)布機(jī)構(gòu)共現(xiàn)和核心關(guān)鍵詞共現(xiàn)， 其中政策發(fā)布機(jī)構(gòu)共現(xiàn)是通過網(wǎng)絡(luò)分析的方式構(gòu)建出政策合作網(wǎng)絡(luò)［２４］ 以衡量政策發(fā)布機(jī)構(gòu)之間的關(guān)聯(lián)程度。核心關(guān)鍵詞共現(xiàn)分析是將每一個(gè)關(guān)鍵詞視作１ 個(gè)節(jié)點(diǎn)， 每個(gè)關(guān)鍵句中抽取出來的關(guān)鍵詞彼此之間視作１ 次共現(xiàn)， 通過構(gòu)建核心關(guān)鍵詞結(jié)構(gòu)網(wǎng)絡(luò)并進(jìn)行聚類分析， 進(jìn)而揭示人工智能政策的主題結(jié)構(gòu)。在此基礎(chǔ)上， 本文還結(jié)合時(shí)間與空間維度進(jìn)一步探索人工智能政策在不確定環(huán)境下不同地區(qū)發(fā)文特點(diǎn)以及人工智能政策主題結(jié)構(gòu)的演化特征。

３ 實(shí)驗(yàn)與分析

本章節(jié)重點(diǎn)從３ 個(gè)方面分析不確定環(huán)境下人工智能政策的演化過程： ①從時(shí)空角度分析政策的發(fā)布階段和分布趨勢； ②從層級(jí)視角分析中央政策發(fā)布機(jī)構(gòu)之間的合作和引用關(guān)系； ③從主題視角分析人工智能政策主題詞結(jié)構(gòu)與演化。

３． １ 政策發(fā)文趨勢時(shí)空分析

從國內(nèi)篩選得到的９２４ 條與人工智能密切相關(guān)政策文件進(jìn)行統(tǒng)計(jì)分析， 如圖２ 所示， 其中ｘ 軸代表政策的發(fā)布年份及劃分階段， ｙ 軸代表政策每年發(fā)布數(shù)量。此外， 還對(duì)８１６ 條地方性法規(guī)進(jìn)行區(qū)域劃分， 繪制政策分布熱力圖并且針對(duì)其中發(fā)布政策總數(shù)前１０ 的地方政府繪制政策堆積圖來呈現(xiàn)地方政策的分布和演化， 如圖３ 和圖４ 所示。

通過對(duì)政策發(fā)布的趨勢變化進(jìn)行分析， 本文將人工智能政策的發(fā)布?xì)v程劃分成４ 個(gè)階段：

萌芽期（２００７—２０１６ 年）。在此階段， 人工智能作為新興技術(shù)的不確定性較強(qiáng)， 因此無論是中央還是地方都采取保守的政策制定策略。發(fā)布的政策中主要針對(duì)某些特定智能技術(shù)的行業(yè)規(guī)定、標(biāo)準(zhǔn)和實(shí)施建議。例如， 衛(wèi)生部在２００９ 年印發(fā)《人工智能輔助診斷技術(shù)管理規(guī)范（試行）》， 針對(duì)人工智能的醫(yī)療方面提出具體要求和規(guī)劃。萌芽期涉及的領(lǐng)域比較局限， 全局統(tǒng)籌我國人工智能全行業(yè)發(fā)展規(guī)劃綱要的政策文件尚未出現(xiàn)。

過渡期（２０１６—２０１８ 年）。經(jīng)歷了萌芽期的初步探索， 我國對(duì)人工智能的應(yīng)用場景逐漸明確， 開始從宏觀角度出臺(tái)人工智能政策文件。自２００７ 年人工智能首次寫入政府工作報(bào)告以來， 我國人工智能產(chǎn)業(yè)培育進(jìn)入更加確定的賽道。２０１７ 年７ 月， 發(fā)布了《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》， ２０１７ 年１２ 月， 工信部發(fā)布《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）》，以３ 年為期限明確了多項(xiàng)任務(wù)的具體目標(biāo)。在黨中央、國務(wù)院密集政策指導(dǎo)下， 各部委和地方政府也針對(duì)人工智能特定領(lǐng)域發(fā)布了相關(guān)政策加強(qiáng)人工智能產(chǎn)業(yè)發(fā)展， 并且在教育、辦公、醫(yī)療等關(guān)鍵領(lǐng)域形成試點(diǎn)示范應(yīng)用。例如２０１８ 年， 教育部印發(fā)的《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》和工業(yè)和信息化部印發(fā)的《新一代人工智能產(chǎn)業(yè)創(chuàng)新重點(diǎn)任務(wù)揭榜工作方案》在成都、廣州、福建等地都得到了部署和應(yīng)用。

發(fā)展期（２０１８—２０２１ 年）。在過渡期間， 中央機(jī)關(guān)及各部委人工智能政策的頒布為人工智能發(fā)展排除了眾多不確定因素， 人工智能作為新興戰(zhàn)略產(chǎn)業(yè)的重要性得以確認(rèn)， 配套政策制定和實(shí)施也進(jìn)入快速發(fā)展階段。該階段發(fā)布的政策集中于持續(xù)完善人工智能相關(guān)產(chǎn)業(yè)發(fā)展措施， 如智能制造、智能汽車、智能醫(yī)療、智慧健康養(yǎng)老等。在培育人工智能產(chǎn)業(yè)的同時(shí)， 我國政府也愈加重視人工智能發(fā)展中的“雙刃劍效應(yīng)”， 如數(shù)據(jù)隱私、信息安全等不確定性風(fēng)險(xiǎn)。２０２１ 年， 全國信息安全標(biāo)準(zhǔn)化技術(shù)委員會(huì)秘書處與國家新一代人工智能治理專業(yè)委員會(huì)分別發(fā)布《網(wǎng)絡(luò)安全標(biāo)準(zhǔn)實(shí)踐指南—人工智能倫理安全風(fēng)險(xiǎn)防范指引》與《新一代人工智能倫理規(guī)范》，將倫理道德融入人工智能全生命周期， 為從事人工智能相關(guān)活動(dòng)的自然人、法人和其他相關(guān)機(jī)構(gòu)等提供倫理指引。隨著中央各項(xiàng)政策的指導(dǎo)， 各地政府對(duì)人工智能應(yīng)用及風(fēng)險(xiǎn)的把握愈加明確， 紛紛出臺(tái)相關(guān)政策加強(qiáng)人工智能技術(shù)創(chuàng)新與產(chǎn)業(yè)發(fā)展。

穩(wěn)定期（２０２１—２０２３ 年）。在人工智能高速發(fā)展后， 政策的發(fā)布頻率逐漸下降， 但政策總體數(shù)量還保持在較高的水平。在這一階段頒布的政策中除了持續(xù)關(guān)注人工智能與產(chǎn)業(yè)的融合， 還積極探索如何用人工智能促進(jìn)經(jīng)濟(jì)發(fā)展以及人工智能治理。相關(guān)核心政策有《關(guān)于加快場景創(chuàng)新以人工智能高水平應(yīng)用促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展的指導(dǎo)意見》（科技部等六部門， ２０２２）、《最高人民法院關(guān)于規(guī)范和加強(qiáng)人工智能司法應(yīng)用的意見》（最高人民法院， ２０２２）。２０２２ 年， 以ＣｈａｔＧＰＴ 為代表的生成式人工智能產(chǎn)品引發(fā)了人工智能新一輪技術(shù)熱潮， 帶來更多產(chǎn)業(yè)應(yīng)用的同時(shí)也產(chǎn)生了眾多新的不確定風(fēng)險(xiǎn)。２０２３ 年８月， 國家互聯(lián)網(wǎng)信息辦公室聯(lián)合國家發(fā)展和改革委員會(huì)等７ 部門聯(lián)合發(fā)布《生成式人工智能服務(wù)管理暫行辦法》， 對(duì)生成式人工智能技術(shù)的使用和應(yīng)用提出了暫行的規(guī)定和限制， 各地政府也依據(jù)中央政策的規(guī)定， 結(jié)合自身特點(diǎn)， 出臺(tái)相關(guān)政策對(duì)生成式人工智能進(jìn)行推進(jìn)和限定。

為分析不同地域?qū)θ斯ぶ悄艿膽B(tài)度， 本文結(jié)合８１６ 條地方法規(guī)， 從時(shí)空角度繪制了地方政策時(shí)空演化圖， 以上述劃分的人工智能政策演化階段為時(shí)間段進(jìn)行繪制， 顏色越鮮艷表示發(fā)表的政策數(shù)量越多， 并且選取政策數(shù)量排名前１０ 的地方政府繪制政策堆積圖。如圖３ 所示， 在２０１６ 年之前我國人工智能政策數(shù)量較少且主要集中于東部沿海地區(qū)，在２０１７ 年國務(wù)院頒布《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》之后， 我國人工智能政策數(shù)量整體提升， 基本實(shí)現(xiàn)全地域覆蓋。由圖４ 可見，從２０１８ 年之后人工智能政策數(shù)量明顯提升， 以廣東省、山東省和福建省為代表的東部沿海地區(qū)的政策增長速度最快， 中部地區(qū)的增長速度較慢， 而偏西北部的地區(qū)增長速度不明顯。綜上所述， 面對(duì)不確定性因素較高的人工智能技術(shù)， 各地方政府都緊跟中央政策規(guī)劃， 結(jié)合自身地方優(yōu)勢推動(dòng)與人工智能相關(guān)的產(chǎn)業(yè)融合與經(jīng)濟(jì)發(fā)展。

３． ２ 不確定視角下中央部門聯(lián)合發(fā)布網(wǎng)絡(luò)圖

人工智能產(chǎn)業(yè)政策需多部門協(xié)同制定， 既有“中央—地方” 縱向協(xié)同， 也有“部委—地方” 的橫向協(xié)同， 多部門協(xié)同有利于最大限度減少人工智能產(chǎn)業(yè)發(fā)展中的不確定性。中央部門在政策頒布過程中具有權(quán)威性和全面性等優(yōu)勢， 不同部門涉及不同領(lǐng)域方向， 各部門通過聯(lián)合發(fā)文的形式協(xié)調(diào)統(tǒng)一，可以有效地分配資源。本文以３９ 個(gè)中央部門聯(lián)合發(fā)布的１０８ 條中央法規(guī)為數(shù)據(jù)來源分別繪制了中央部門聯(lián)合發(fā)布網(wǎng)絡(luò)圖和演化圖， 如圖５、圖６ 所示。

如圖５ 所示， 每一個(gè)節(jié)點(diǎn)代表１ 個(gè)中央部門，節(jié)點(diǎn)大小代表該部門發(fā)表人工智能政策的數(shù)量， 連接節(jié)點(diǎn)的邊表示部門間的關(guān)系和互動(dòng)過程， 每一次連線表示部門之間有１ 次聯(lián)合發(fā)文。此外， 本文還通過Ｇｅｐｈｉ 中基于模塊化的算法對(duì)網(wǎng)絡(luò)圖中的部門進(jìn)行聚類分析來顯示部門的網(wǎng)絡(luò)合作關(guān)系， 并且計(jì)算每個(gè)部門的特征向量中心度， 從而確定政策頒布過程中的主管部門， 如表２ 所示， 在總計(jì)１０８ 條中央政策中， 有１８ 個(gè)部門采取了聯(lián)合發(fā)布的形式頒發(fā)了２３ 條政策， 占比達(dá)２１． ３％。由圖５ 可知， 大部分聯(lián)合發(fā)文由工業(yè)和信息化部、教育部、科學(xué)技術(shù)部、國家發(fā)展和改革委員會(huì)等部門組成的核心部門集群有關(guān)， 結(jié)合表２ 中各部門數(shù)據(jù)也可以發(fā)現(xiàn)聯(lián)合發(fā)文多的部門特征向量中心度也高， 在網(wǎng)絡(luò)圖中占據(jù)核心主導(dǎo)地位。可見， 在我國人工智能政策的頒布過程中， 中央部門的政策緊緊圍繞工業(yè)和信息化部、教育部、科學(xué)技術(shù)部、國家發(fā)展和改革委員會(huì)等核心部門進(jìn)行發(fā)布。結(jié)合實(shí)際政策可以發(fā)現(xiàn)， 核心部門針對(duì)人工智能技術(shù)提出了總體布局， 并在各項(xiàng)政策中對(duì)人工智能技術(shù)的未來發(fā)展和領(lǐng)域應(yīng)用做出了規(guī)范與指導(dǎo)， 大大降低了人工智能技術(shù)發(fā)展的不確定性， 也為其余部門在自身領(lǐng)域情境下融合人工智能打下基礎(chǔ)。例如， 工業(yè)和信息化部印發(fā)的《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）》對(duì)我國在２０１８—２０２０ 年人工智能產(chǎn)業(yè)發(fā)展提出了宏觀布局。在保持高質(zhì)量獨(dú)立發(fā)布政策的情況下， 核心部門還發(fā)揮著協(xié)調(diào)規(guī)劃的作用， 結(jié)合其余部門特有資源對(duì)人工智能部署作出進(jìn)一步詳細(xì)規(guī)劃。例如， 國家發(fā)展改革委、科技部、工業(yè)和信息化部、中央網(wǎng)信辦聯(lián)合頒布的《“互聯(lián)網(wǎng)＋” 人工智能三年行動(dòng)實(shí)施方案》， 為人工智能在“互聯(lián)網(wǎng)＋” 行業(yè)的發(fā)展作出明確行動(dòng)綱要。

為明確各時(shí)期各部門的政策發(fā)布情況， 本文使用ＩＴＧｉｎｓｉｇｈｔ 軟件繪制中央部門發(fā)文演化圖， 如圖６所示， 圖中方塊的大小表示該年部門頒布的政策數(shù)量， 連線反映部門間的聯(lián)合發(fā)布關(guān)系。在２００９—２０１６年早期人工智能探索中， 由于不確定因素較大， 頒布人工智能產(chǎn)業(yè)政策的部門較少， 主要由教育部、科學(xué)技術(shù)部、工業(yè)和信息化部進(jìn)行政策頒布。從連線密切程度來看， 早期人工智能產(chǎn)業(yè)政策雖然數(shù)量較少， 但多數(shù)政策都是由各個(gè)部門協(xié)同合作、聯(lián)合發(fā)布的， 有效降低了人工智能技術(shù)早期探索階段的不確定風(fēng)險(xiǎn)。２０１６—２０１８ 年是人工智能產(chǎn)業(yè)政策的過渡期， 可以看出此階段政策數(shù)量明顯減少，但在２０１７ 年， 國務(wù)院發(fā)布的《國務(wù)院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》和工信部發(fā)布的《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）》， 明確了我國人工智能技術(shù)國家戰(zhàn)略及多項(xiàng)任務(wù)的具體目標(biāo)， 為之后各部門大量政策出臺(tái)提供理論基礎(chǔ)。２０１８—２０２１ 年， 人工智能產(chǎn)業(yè)政策出臺(tái)量和參加頒布政策的中央部門數(shù)量明顯增加，并且部門間的聯(lián)合發(fā)布情況也日益緊密， 這表明在中央核心政策的指導(dǎo)下， 各部門逐漸認(rèn)識(shí)到人工智能對(duì)國家發(fā)展的戰(zhàn)略意義， 開始圍繞人工智能進(jìn)行深入探索。但由于人工智能技術(shù)可能涉及多個(gè)方面，導(dǎo)致其不確定性增加， 所以各部門也逐漸開始協(xié)調(diào)資源和權(quán)力， 使得部門間聯(lián)合發(fā)布的政策越來越多。２０２１—２０２３ 年， 我國人工智能產(chǎn)業(yè)政策發(fā)展已經(jīng)步入穩(wěn)定期， 人工智能產(chǎn)業(yè)政策頒布量逐漸放緩， 但在此期間多出了許多新的部門， 且各部門間的連線也逐漸密切， 這表明我國積極推動(dòng)人工智能技術(shù)在新領(lǐng)域的創(chuàng)新產(chǎn)業(yè)升級(jí)， 各部門之間的協(xié)調(diào)程度也逐漸成熟。

３． ３ 人工智能產(chǎn)業(yè)政策主題詞演化

為詳細(xì)了解人工智能產(chǎn)業(yè)政策主題詞結(jié)構(gòu)與演化， 本文結(jié)合共現(xiàn)分析與網(wǎng)絡(luò)分析繪制時(shí)間維度下人工智能產(chǎn)業(yè)政策主題詞演化圖和主題詞結(jié)構(gòu)演化圖， 如圖７ 和圖８ 所示。

３． ３． １ 人工智能產(chǎn)業(yè)政策主題詞時(shí)序演化

人工智能的發(fā)展一直受算力、算法、數(shù)據(jù)等因素制約， 隨著社會(huì)發(fā)展需求與環(huán)境變化， 可能導(dǎo)致以往的人工智能產(chǎn)業(yè)政策不再適用， 在新的不確定環(huán)境下， 政策制定者需要綜合考慮多種不確定因素的影響， 客觀制定出符合我國國情的政策?；诖?，通過ＩＴＧｉｎｓｉｇｈｔ 軟件繪制了人工智能產(chǎn)業(yè)政策主題詞演化圖， 如圖７ 所示。

由圖７ 可知， ２００７—２０１６ 年， 有關(guān)人工智能產(chǎn)業(yè)政策主題詞數(shù)量和頻次都較少， 從“管理?xiàng)l例”“醫(yī)療機(jī)構(gòu)” “建筑行業(yè)” 和“網(wǎng)絡(luò)安全” 等主題詞可以看出， 早期人工智能產(chǎn)業(yè)政策主要圍繞探索人工智能技術(shù)場景應(yīng)用和完善管理方法。

２０１６—２０１８ 年， 主題詞逐漸增多， 出現(xiàn)了“產(chǎn)業(yè)化” “行動(dòng)計(jì)劃” “信息化” 和“公共服務(wù)” 等詞， 說明此階段受國務(wù)院與工信部的政策影響， 人工智能產(chǎn)業(yè)政策重心放在人工智能產(chǎn)業(yè)部署與創(chuàng)新升級(jí)等方面， 以促進(jìn)社會(huì)信息化改革。

２０１８—２０２１ 年， 人工智能產(chǎn)業(yè)政策主題詞增長速度最快。從圖７ 演化趨勢可以看出， “信息化”“產(chǎn)業(yè)化” “機(jī)器人” “知識(shí)產(chǎn)權(quán)” 和“公共服務(wù)”等主題詞脈絡(luò)一直存在， 表明此階段的政策旨在加快人工智能技術(shù)研發(fā)、產(chǎn)業(yè)融合、知識(shí)保護(hù)等整體布局， 強(qiáng)化“產(chǎn)學(xué)研” 協(xié)調(diào)推進(jìn)。

２０２１—２０２３ 年， 主題詞頻次與數(shù)量逐年減少。從出現(xiàn)的“試驗(yàn)區(qū)” “科學(xué)技術(shù)” 和“核心技術(shù)”等主題詞可以看出， 這一階段的政策主要圍繞人工智能試驗(yàn)區(qū)、人工智能技術(shù)創(chuàng)新等方向。

從各年份之間主題詞連線的密度和粗細(xì)也可以看出， 在２０１６ 年之前， 主題詞之間聯(lián)系較少， 表示此前我國對(duì)人工智能的探索比較獨(dú)立分散， 尚未形成系統(tǒng)規(guī)劃和發(fā)展措施。隨著２０１７ 年國務(wù)院《新一代人工智能發(fā)展規(guī)劃》的發(fā)布， 主題詞連線日益密切， 表明我國已開始逐步確定人工智能工作重點(diǎn)，新頒布的政策逐漸圍繞前期工作基礎(chǔ)進(jìn)行完善規(guī)劃或新領(lǐng)域拓展。

３． ３． ２ 人工智能產(chǎn)業(yè)政策主題詞結(jié)構(gòu)演化

為了更細(xì)粒度分析我國人工智能產(chǎn)業(yè)政策從不確定到確定過程中工作重點(diǎn)變化， 本文繪制了政策主題詞結(jié)構(gòu)演化圖。首先， 本文按人工智能產(chǎn)業(yè)政策演化的４ 個(gè)階段分別使用關(guān)鍵詞抽取與詞頻ｇ 指數(shù)從政策文本中抽取出核心關(guān)鍵詞視作人工智能產(chǎn)業(yè)政策中的主題詞； 其次， 通過主題詞在同一句中相互共現(xiàn)來創(chuàng)建主題詞關(guān)聯(lián)； 最后， 利用Ｇｅｐｈｉ 將每段時(shí)期的主題詞繪制成對(duì)應(yīng)的人工智能主題詞網(wǎng)絡(luò)圖， 如圖８ 所示。

如圖８ 所示， 網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都是政策主題詞，節(jié)點(diǎn)數(shù)字代表其出現(xiàn)的頻次， 節(jié)點(diǎn)越大表明目標(biāo)主題詞出現(xiàn)次數(shù)越多， 網(wǎng)絡(luò)中連接節(jié)點(diǎn)的邊表示兩個(gè)主題詞在一個(gè)政策文件中同時(shí)出現(xiàn)， 代表其間具有關(guān)聯(lián)性， 通過計(jì)算每個(gè)節(jié)點(diǎn)的特征向量中心度， 如表３～６ 所示， 可以識(shí)別各個(gè)時(shí)間段中政策主題詞網(wǎng)絡(luò)中的主題詞。核心主題詞是特征向量中心度較高的節(jié)點(diǎn)， 特征向量中心度越高， 表明主題詞在網(wǎng)絡(luò)中具有重大意義， 并且與之相連的其他主題詞往往也更重要。通過對(duì)核心主題詞及其關(guān)聯(lián)主題詞分析，可以清楚地了解每個(gè)時(shí)期的重要戰(zhàn)略目標(biāo)及演化方向， 對(duì)未來政策的進(jìn)一步完善具有重要借鑒意義。

１） ２００７—２０１６ 年（見表３）， 我國初步引入人工智能概念， 其相關(guān)政策在制定過程中需要處理大量的不確定性， 例如， 哪些是人工智能關(guān)鍵核心技術(shù)， 算力、算法、數(shù)據(jù)三要素之間的關(guān)系和發(fā)展態(tài)勢， 人工智能治理安全風(fēng)險(xiǎn)等。結(jié)合圖８ 與表３ 可知， 此階段“技術(shù)” 是詞頻和中心度最高的核心主題詞。從結(jié)構(gòu)圖中可以發(fā)現(xiàn)， 與之相連接的主題詞主要包括“醫(yī)療” “智能輔助” “智能制造” “工業(yè)機(jī)器人” 等。可見萌芽階段我國政策對(duì)人工智能技術(shù)的探索主要集中在智慧醫(yī)療、智能建筑和智慧制造等方面。“人工智能” 是詞頻第二高的核心主題詞， 與之關(guān)聯(lián)程度較高的主題詞含有“理論” “工業(yè)” “信息化” “實(shí)施方案” “企業(yè)” 等， 表明萌芽階段的政策已經(jīng)明確人工智能技術(shù)對(duì)我國信息化改革與工業(yè)改革的戰(zhàn)略性意義， 并針對(duì)人工智能提出理論概念、行業(yè)規(guī)定與實(shí)施建議。

２） ２０１６—２０１８ 年（見表４）迎來了人工智能產(chǎn)業(yè)政策的過渡期， 此階段的主題詞數(shù)量與詞頻明顯增多?！叭斯ぶ悄堋?和“技術(shù)” 依舊是詞頻排名前二的主題詞， 但出現(xiàn)了許多新的高頻主題詞， 說明過渡期人工智能產(chǎn)業(yè)政策是在前一時(shí)期的基礎(chǔ)上更新完善的。此階段與“人工智能” 密切相關(guān)的主題詞新增了“高?！?“金融” “政務(wù)” “農(nóng)業(yè)” 等，部署領(lǐng)域涉及智慧教育、智慧金融、智慧政府和智慧農(nóng)業(yè)等。與“技術(shù)” 關(guān)聯(lián)的主題詞新增了“物聯(lián)網(wǎng)” “人臉識(shí)別” “虛擬現(xiàn)實(shí)” 等關(guān)鍵技術(shù)詞匯，人工智能領(lǐng)域核心技術(shù)的部署越來越豐富。這表明在國務(wù)院《新一代人工智能發(fā)展規(guī)劃》的指引下，此時(shí)期的政策極大拓展了人工智能技術(shù)的深入研究與領(lǐng)域應(yīng)用。此外， “產(chǎn)業(yè)” 和“企業(yè)” 兩個(gè)主題詞都上升到了第四、五位， 體現(xiàn)出受工信部２０１７年頒布的《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）》政策影響， 此階段政策有效針對(duì)人工智能加強(qiáng)產(chǎn)業(yè)部署， 促進(jìn)企業(yè)發(fā)展。

３） ２０１８—２０２１ 年（見表５）是人工智能產(chǎn)業(yè)政策的發(fā)展期， 這一階段的主題詞數(shù)量和詞頻得到進(jìn)一步增長。其中高頻主題詞與過度期的高度重合，表明在過渡期我國已基本把握人工智能發(fā)展趨勢，初步構(gòu)建出人工智能發(fā)展體系， 而發(fā)展期在此基礎(chǔ)上進(jìn)一步完善。值得注意的是， 與“人工智能” 關(guān)聯(lián)的“法律” “網(wǎng)絡(luò)安全” 等主題詞詞頻明顯增加，意味著此階段的政策注意到人工智能技術(shù)帶來的不確定風(fēng)險(xiǎn)問題， 包括社會(huì)倫理、法律安全、網(wǎng)絡(luò)安全等， 通過出臺(tái)相關(guān)政策加強(qiáng)前瞻預(yù)防與約束引導(dǎo)，最大限度降低人工智能不確定性風(fēng)險(xiǎn)。此外， “企業(yè)” 由之前第五位上升到了第二位， 與之關(guān)聯(lián)程度較高的詞包括“生態(tài)” “龍頭企業(yè)” “領(lǐng)軍企業(yè)”“高?！?等主題詞， 表明此階段我國政策促進(jìn)產(chǎn)學(xué)研結(jié)合， 支持龍頭企業(yè)與上下游中小企業(yè)協(xié)同創(chuàng)新，為人工智能企業(yè)的發(fā)展創(chuàng)造良好的生態(tài)環(huán)境。另外，“技術(shù)” “產(chǎn)業(yè)” “產(chǎn)品” 等高頻主題詞表明此階段我國政策依舊將信息技術(shù)與制造技術(shù)深度融合為主線， 推動(dòng)新一代人工智能技術(shù)的產(chǎn)業(yè)化與集成應(yīng)用， 發(fā)展高端智能產(chǎn)品。

４） ２０２１—２０２３ 年（見表６）， 我國人工智能產(chǎn)業(yè)政策發(fā)展進(jìn)入穩(wěn)定期?！叭斯ぶ悄堋?和“技術(shù)”仍然是詞頻前二的主題詞， 并且大部分主題詞依舊與前一段時(shí)期類似?？梢姺€(wěn)定期總體目標(biāo)與發(fā)展期基本一致， 將政策重心放在完善人工智能領(lǐng)域的產(chǎn)業(yè)化與應(yīng)用部署。值得注意的是， “算法” 出現(xiàn)在高頻主題詞中， 與之高度關(guān)聯(lián)的主題詞包括“數(shù)據(jù)” “算力” “模型” 和“核心技術(shù)” 等， 表明在穩(wěn)定期我國政策更加注重人工智能內(nèi)核， 希望通過技術(shù)創(chuàng)新形成自己的核心競爭優(yōu)勢。

此外， 主題詞之間連線的密集程度反映了主題詞之間的交叉協(xié)作和相互作用?？梢钥闯觯?除了在萌芽期間各主題詞相互較為分散外， 其余時(shí)期的主題詞彼此之間聯(lián)系都很緊密。側(cè)面反映出自過渡期以來， 我國人工智能產(chǎn)業(yè)政策從整體布局， 協(xié)調(diào)各領(lǐng)域的工作， 全方位共同推進(jìn)我國人工智能產(chǎn)業(yè)化發(fā)展和領(lǐng)域應(yīng)用。總的來說， 本小節(jié)通過主題詞結(jié)構(gòu)演化圖、網(wǎng)絡(luò)圖和主題詞表， 呈現(xiàn)出我國人工智能產(chǎn)業(yè)政策在４ 個(gè)階段中工作重點(diǎn)的遷移和演化?？梢娂词姑慷螘r(shí)期的總體目標(biāo)基本一致， 但各時(shí)期的工作重心都有所側(cè)重， 這與當(dāng)下時(shí)期的社會(huì)、文化、經(jīng)濟(jì)的發(fā)展密切相關(guān)。特別是在２０２２ 年， 以ＣｈａｔＧＰＴ 為代表的通用人工智能技術(shù)的誕生， 從多角度對(duì)我國人工智能產(chǎn)業(yè)政策提出了新的發(fā)展和治理要求， 我國政策依舊在經(jīng)歷更深層次的演變， 以應(yīng)對(duì)其帶來的發(fā)展機(jī)遇和不確定風(fēng)險(xiǎn)。

３． ３． ３ 不確定視角下人工智能產(chǎn)業(yè)政策主題結(jié)構(gòu)分析

在人工智能領(lǐng)域， 技術(shù)快速發(fā)展、社會(huì)文化改變、國際關(guān)系改變等因素帶來眾多不確定性挑戰(zhàn)，并時(shí)刻影響著人工智能產(chǎn)業(yè)政策的制定和實(shí)施， 政策制定者需要及時(shí)了解當(dāng)下社會(huì)文化情況， 制定出針對(duì)性的政策來引導(dǎo)和治理人工智能。

首先， 是人工智能技術(shù)的不確定風(fēng)險(xiǎn)。人工智能技術(shù)的發(fā)展路徑復(fù)雜多樣， 很難預(yù)料其最終演化形態(tài)， 因此我國萌芽期的人工智能產(chǎn)業(yè)政策便覆蓋了機(jī)器學(xué)習(xí)、圖像處理、數(shù)據(jù)挖掘、智能機(jī)器人等多項(xiàng)技術(shù)， 并為隨后各個(gè)階段新出現(xiàn)的人工智能技術(shù)制定對(duì)應(yīng)的政策指引。通過及時(shí)調(diào)整政策來推動(dòng)我國人工智能技術(shù)發(fā)展， 在語音識(shí)別、視覺識(shí)別等領(lǐng)域?qū)崿F(xiàn)核心關(guān)鍵技術(shù)的重要突破。然而， ２０２２年以ＡＩＧＣ、ＣｈａｔＧＰＴ 為代表的新一代人工智能工具標(biāo)志著人工智能技術(shù)的一次飛躍， 也讓政策制定者意識(shí)到我國人工智能技術(shù)的發(fā)展缺少重大原創(chuàng)成果。在穩(wěn)定期人工智能產(chǎn)業(yè)政策的制定中產(chǎn)生了許多以算法為核心的主題詞社區(qū)， 表明此階段政策重心放在人工智能基礎(chǔ)理論和核心算法的研究。可見我國政策對(duì)人工智能技術(shù)的態(tài)度一直是鼓勵(lì)多樣化發(fā)展， 并逐漸重視技術(shù)的創(chuàng)新發(fā)展， 降低其演化過程中的不確定性風(fēng)險(xiǎn)。

其次， 社會(huì)文化的改變也為人工智能產(chǎn)業(yè)政策的制定帶來眾多不確定性風(fēng)險(xiǎn)。社會(huì)文化的不確定性體現(xiàn)在行為規(guī)范、倫理道德、法律法規(guī)、價(jià)值觀和經(jīng)濟(jì)等方面。在萌芽期， 我國政策側(cè)重于制定人工智能技術(shù)應(yīng)用的行業(yè)標(biāo)準(zhǔn)和實(shí)施建議， 較少涉及法律層面， 而由于人工智能算法及數(shù)據(jù)等特殊性，在實(shí)際應(yīng)用中帶來侵犯個(gè)人隱私、沖擊法律與社會(huì)倫理等問題。因此， 我國人工智能產(chǎn)業(yè)政策逐漸重視人工智能法律體系， 為人工智能的健康發(fā)展創(chuàng)造良好生態(tài)環(huán)境。與此同時(shí)， 我國政策也高度重視人工智能在經(jīng)濟(jì)文化方面帶來的變革性影響， 從主題詞演化過程中可以看出， 我國政策一直鼓勵(lì)人工智能的多領(lǐng)域融合， 產(chǎn)學(xué)研一體化發(fā)展， 并依據(jù)市場需求及時(shí)調(diào)整政策戰(zhàn)略， 開拓新市場。目前， 我國政策制定者及時(shí)處理社會(huì)文化變革中帶來的不確定風(fēng)險(xiǎn)， 為人工智能的可持續(xù)發(fā)展打下堅(jiān)實(shí)基礎(chǔ)。

最后， 是國際政治中的不確定性風(fēng)險(xiǎn)。國際政治的不確定性主要體現(xiàn)在大國競賽和國際貿(mào)易競爭。自人工智能技術(shù)誕生以來， 運(yùn)用其推動(dòng)經(jīng)濟(jì)復(fù)蘇和可持續(xù)發(fā)展已逐漸成為全球共識(shí)。在此背景下， 美國、英國、日本、韓國等世界主要國家（地區(qū)）紛紛制定人工智能國家發(fā)展， 搶占人工智能競爭賽道。我國也在２０１７ 年出臺(tái)《新一代人工智能發(fā)展規(guī)劃》，為我國人工智能發(fā)展提出先進(jìn)指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點(diǎn)工作和保障措施， 并逐年增加我國人工智能產(chǎn)業(yè)政策出臺(tái)數(shù)量。此外， 國際貿(mào)易的不確定性也對(duì)政策的形成產(chǎn)生重要影響。２０２２ 年１０ 月， 美國通過延長全面出口管制， 收緊對(duì)尖端人工智能芯片的出口管制， 阻礙我國人工智能算力發(fā)展。從穩(wěn)定期的政策可以看出， 我國政策逐漸重視人工智能核心算法、關(guān)鍵設(shè)備和高端芯片等方向， 提高自身核心競爭力， 降低國際貿(mào)易帶來的不確定性。

綜上所述， 人工智能在發(fā)展過程中存在著眾多不確定性風(fēng)險(xiǎn)。我國政策在大力發(fā)展人工智能的同時(shí)， 也需要高度重視其帶來的安全風(fēng)險(xiǎn)挑戰(zhàn)， 加強(qiáng)前瞻預(yù)防與約束引導(dǎo)， 最大限度降低潛在風(fēng)險(xiǎn)， 保障人工智能安全可控發(fā)展和社會(huì)和平穩(wěn)定。

４ 討論和總結(jié)

４． １ 討 論

結(jié)合分析結(jié)果， 本文總結(jié)出以下幾個(gè)值得注意的問題， 為之后人工智能產(chǎn)業(yè)政策治理的進(jìn)一步完善提供借鑒。

１） 重視技術(shù)創(chuàng)新和硬件設(shè)施發(fā)展。驅(qū)動(dòng)人工智能技術(shù)發(fā)展的３ 個(gè)核心要素分別是算法、算力和數(shù)據(jù)。算法方面， 政策需要通過投入研發(fā)資金、建立創(chuàng)新生態(tài)環(huán)境等措施來鼓勵(lì)企業(yè)、研究機(jī)構(gòu)等在算法方面的創(chuàng)新。算力的發(fā)展源自基礎(chǔ)設(shè)施和物理硬件， 未來的人工智能產(chǎn)業(yè)政策應(yīng)當(dāng)鼓勵(lì)和支持硬件基礎(chǔ)設(shè)施的建設(shè)， 包括云計(jì)算、超級(jí)計(jì)算機(jī)、邊緣計(jì)算等， 提高我國高性能計(jì)算能力。數(shù)據(jù)層面的發(fā)展受限于其存在的不確定風(fēng)險(xiǎn)， 包括信息泄露、網(wǎng)絡(luò)安全、法律道德等， 需要政策完善法律法規(guī)確保數(shù)據(jù)的安全發(fā)展。通過３ 個(gè)方面協(xié)調(diào)發(fā)展， 可以促進(jìn)我國人工智能技術(shù)安全可持續(xù)發(fā)展。

２） 完善我國人工智能教育體系。結(jié)合圖８ 可知， 目前我國政策在人工智能教育方面占比較少，表明在政策制定過程中低估了教育的重要性。教育可以為我國帶來更多專業(yè)的人工智能人才， 是人工智能發(fā)展的重要因素。未來政策需要建立合適的人工智能教育生態(tài)系統(tǒng)， 著重培養(yǎng)年輕一代人工智能素養(yǎng)， 深化人工智能學(xué)科交叉融合， 為后續(xù)人工智能發(fā)展提供持續(xù)的領(lǐng)域人才。此外， 政策還可以推廣人工智能普及教育， 從使用的角度對(duì)群眾進(jìn)行規(guī)范引導(dǎo)， 減少由人工智能不恰當(dāng)使用帶來的虛假言論、法律版權(quán)和深度偽造等風(fēng)險(xiǎn)。

３） 重視人工智能引發(fā)的就業(yè)問題。在人工智能與人類的交互活動(dòng)中， 存在著兩種主要模式： 合作模式與替代模式［２５］ 。合作模式中， 人類通過與人工智能相互協(xié)同工作， 實(shí)現(xiàn)目標(biāo)或價(jià)值。在此基礎(chǔ)上， 政策需要加強(qiáng)人工智能產(chǎn)業(yè)部署和法律法規(guī)建設(shè)， 為其合作打造適宜的人工智能生態(tài)環(huán)境。而替代模式中， 人工智能可能取代人類， 承擔(dān)起原本由人類執(zhí)行的工作任務(wù)。這需要政府積極引導(dǎo)社會(huì)適應(yīng)新技術(shù)， 減少由人工智能技術(shù)發(fā)展帶來的社會(huì)分化。此外， 政策還應(yīng)通過促進(jìn)靈活就業(yè)市場、提高社會(huì)保障、推廣培訓(xùn)教育等方法減少由人工智能替代帶來的不確定性風(fēng)險(xiǎn)。

４） 承擔(dān)大國責(zé)任、加強(qiáng)國際合作。在全球化和數(shù)字化的大背景下， 人工智能的發(fā)展需要各國（地區(qū)） 共商共建。首先， 我國人工智能產(chǎn)業(yè)政策要明確“以人為本” 的發(fā)展理念， 保障人工智能更好地造福于人類； 其次， 努力促進(jìn)國際合作和知識(shí)共享， 讓全球各國（地區(qū)）平等、和平地發(fā)展人工智能； 最后， 需聯(lián)合各國（地區(qū)）制定跨國界的人工智能標(biāo)準(zhǔn)框架和監(jiān)管體制， 避免人工智能技術(shù)的濫用和不當(dāng)競爭， 為人工智能健康發(fā)展筑牢安全屏障。

４． ２ 總 結(jié)

本文結(jié)合文獻(xiàn)計(jì)量、共現(xiàn)分析和網(wǎng)絡(luò)分析等方法， 探討了不確定環(huán)境下我國人工智能產(chǎn)業(yè)政策時(shí)空分布、中央和地方發(fā)文趨勢及主題結(jié)構(gòu)演化態(tài)勢。并依據(jù)分析結(jié)果總結(jié)出我國人工智能發(fā)展過程中可能存在的一些問題， 對(duì)我國人工智能產(chǎn)業(yè)政策進(jìn)一步完善具有一定參考價(jià)值。需要指出的是， 本文的研究仍然存在一些不足之處： ①受限于數(shù)據(jù)庫收錄政策數(shù)量， 本文的政策文本可能不夠全面。②本文從全國整體探討人工智能主題結(jié)構(gòu)演化， 缺乏從各地區(qū)角度分析地方政策差異。因此， 未來的研究將進(jìn)一步擴(kuò)大政策樣本， 并融入更多維度， 分層次、分區(qū)域挖掘人工智能產(chǎn)業(yè)政策的結(jié)構(gòu)內(nèi)涵。

參考文獻(xiàn)

［１］ 賈詩威， 閆慧． 社交媒體用戶算法偏見感知的批判性話語分析［Ｊ］． 現(xiàn)代情報(bào)， ２０２３， ４３ （６）： １４－２３．

［２］ Ｅｓｍａｅｉｌｚａｄｅｈ Ｐ． Ｕｓｅ ｏｆ ＡＩ－Ｂａｓｅｄ Ｔｏｏｌｓ ｆｏｒ Ｈｅａｌｔｈｃａｒｅ Ｐｕｒｐｏｓｅｓ：Ａ Ｓｕｒｖｅｙ Ｓｔｕｄｙ ｆｒｏｍ Ｃｏｎｓｕｍｅｒｓ Ｐｅｒｓｐｅｃｔｉｖｅｓ ［ Ｊ］． ＢＭＣ ＭｅｄｉｃａｌＩｎｆｏｒｍａｔｉｃｓ ａｎｄ Ｄｅｃｉｓｉｏｎ Ｍａｋｉｎｇ， ２０２０， ２０ （１）： １７０．

［３］ 李白楊， 白云， 詹希旎， 等． 人工智能生成內(nèi)容（ ＡＩＧＣ） 的技術(shù)特征與形態(tài)演進(jìn)［Ｊ］． 圖書情報(bào)知識(shí)， ２０２３， （１）： ６６－７４．

［４］ 洪永淼， 劉俸奇， 薛澗坡． 政府與市場心理因素的經(jīng)濟(jì)影響及其測度［Ｊ］． 管理世界， ２０２３， ３９ （３）： ３０－５１．

［５］ Ｍａｎｓｋｉ Ｃ Ｆ． Ｐｕｂｌｉｃ Ｐｏｌｉｃｙ ｉｎ ａｎ Ｕｎｃｅｒｔａｉｎ Ｗｏｒｌｄ： Ａｎａｌｙｓｉｓ ａｎｄＤｅｃｉｓｉｏｎｓ ［Ｍ］． Ｂｏｓｔｏｎ： Ｈａｒｖａｒｄ Ｕｎｉｖｅｒｓｉｔｙ Ｐｒｅｓｓ， ２０１２．

［６］ Ｎａｉｒ Ｓ． Ａｄｄｒｅｓｓｉｎｇ Ｕｎｃｅｒｔａｉｎｔｙ ａｎｄ Ａｍｂｉｇｕｉｔｙ ｉｎ Ｐｏｌｉｃｙｍａｋｉｎｇ：Ａｄｖａｎｃｅｍｅｎｔｓ ａｎｄ Ｄｉｌｅｍｍａｓ ［ Ｊ／ ＯＬ］． ｈｔｔｐｓ： ／ ／ ｃｈｉｎａ．ｅｌｇａｒｏｎｌｉｎｅ．ｃｏｍ／ ｖｉｅｗ／ ｅｄｃｏｌｌ／９７８１７８９９０４９７０／９７８１７８９９０４９７０．０００１１．ｘｍｌ， ２０２３－１２－０３．

［７］ Ｗａｌｌａｃｈ Ｗ， Ｍａｒｃｈａｎｔ Ｇ． Ｔｏｗａｒｄ ｔｈｅ Ａｇｉｌｅ ａｎｄ Ｃｏｍｐｒｅｈｅｎｓｉｖｅ Ｉｎ?ｔｅｒｎａｔｉｏｎａｌ Ｇｏｖｅｒｎａｎｃｅ ｏｆ ＡＩ ａｎｄ Ｒｏｂｏｔｉｃｓ［ Ｐｏｉｎｔ ｏｆ Ｖｉｅｗ］ ［ Ｊ／ＯＬ］． Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ， ２０１９， １０７ （３）： ５０５－５０８．

［８］ Ｐｅｒｒｙ Ｂ， Ｕｕｋ Ｒ． ＡＩ Ｇｏｖｅｒｎａｎｃｅ ａｎｄ ｔｈｅ Ｐｏｌｉｃｙｍａｋｉｎｇ Ｐｒｏｃｅｓｓ：Ｋｅｙ Ｃｏｎｓｉｄｅｒａｔｉｏｎｓ ｆｏｒ Ｒｅｄｕｃｉｎｇ ＡＩ Ｒｉｓｋ ［ Ｊ］． Ｂｉｇ Ｄａｔａ ａｎｄ Ｃｏｇ?ｎｉｔｉｖｅ Ｃｏｍｐｕｔｉｎｇ， ２０１９， ３ （２）： ２６－３２．

［９］ 郭小東． 生成式人工智能的風(fēng)險(xiǎn)及其包容性法律治理［Ｊ］． 北京理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， ２０２３， ２５ （６）： ９３－１０５， １１７．

［１０］ Ｓｃｈｅｒｅｒ Ｍ Ｕ． Ｒｅｇｕｌａｔｉｎｇ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｓｙｓｔｅｍｓ： Ｒｉｓｋｓ，Ｃｈａｌｌｅｎｇｅｓ， Ｃｏｍｐｅｔｅｎｃｉｅｓ， ａｎｄ Ｓｔｒａｔｅｇｉｅｓ ［Ｊ］． Ｈａｒｖａｒｄ Ｊｏｕｒｎａｌ ｏｆＬａｗ ＆ Ｔｅｃｈｎｏｌｏｇｙ， ２０１６， ２９ （２）： ３５３－４００．

［１１］ Ｅｒｄｅｌｙｉ Ｏ Ｊ， Ｇｏｌｄｓｍｉｔｈ Ｊ． Ｒｅｇｕｌａｔｉｎｇ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ： Ｐｒｏ?ｐｏｓａｌ ｆｏｒ ａ Ｇｌｏｂａｌ Ｓｏｌｕｔｉｏｎ ［ Ｍ／ ＯＬ］． Ｒｏｃｈｅｓｔｅｒ， ＮＹ， ｈｔｔｐｓ： ／ ／ｐａｐｅｒｓ．ｓｓｒｎ．ｃｏｍ／ ａｂｓｔｒａｃｔ＝３２６３９９２， ２０２３－１２－０３．

［１２］ Ｇａｒｖｅｙ Ｃ． ＡＩ Ｒｉｓｋ Ｍｉｔｉｇａｔｉｏｎ Ｔｈｒｏｕｇｈ Ｄｅｍｏｃｒａｔｉｃ Ｇｏｖｅｒｎａｎｃｅ：Ｉｎｔｒｏｄｕｃｉｎｇ ｔｈｅ ７－Ｄｉｍｅｎｓｉｏｎａｌ ＡＩ Ｒｉｓｋ Ｈｏｒｉｚｏｎ ［ Ｃ／ ＯＬ］ ／ ／ Ｐｒｏ?ｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１８ ＡＡＡＩ／ ＡＣＭ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ ＡＩ， Ｅｔｈｉｃｓ， ａｎｄＳｏｃｉｅｔｙ． Ｎｅｗ Ｏｒｌｅａｎｓ ＬＡ ＵＳＡ： ＡＣＭ， ２０１８： ３６６－３６７． ｈｔｔｐｓ：／ ／ｄｌ．ａｃｍ．ｏｒｇ／ ｄｏｉ／１０．１１４５／３２７８７２１．３２７８８０１， ２０２３－１１－２５．

［１３］ Ｃａｔｈ Ｃ， Ｗａｃｈｔｅｒ Ｓ， Ｍｉｔｔｅｌｓｔａｄｔ Ｂ， ｅｔ ａｌ． Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅａｎｄ ｔｈｅ ‘Ｇｏｏｄ Ｓｏｃｉｅｔｙ’： Ｔｈｅ ＵＳ， ＥＵ， ａｎｄ ＵＫ Ａｐｐｒｏａｃｈ ［ Ｊ］．Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ Ｅｔｈｉｃｓ， ２０１８， ２４ （２）： ５０５－５２８．

［１４］ Ｓａｂａｔｉｅｒ Ｐ Ａ， Ｗｅｉｂｌｅ Ｃ Ｍ． Ｔｈｅ Ａｄｖｏｃａｃｙ Ｃｏａｌｉｔｉｏｎ Ｆｒａｍｅｗｏｒｋ：Ｉｎｎｏｖａｔｉｏｎｓ ａｎｄ Ｃｌａｒｉｆｉｃａｔｉｏｎｓ ［Ｍ］． Ｔｈｅｏｒｉｅｓ ｏｆ ｔｈｅ Ｐｏｌｉｃｙ Ｐｒｏｃｅｓｓ，Ｓｅｃｏｎｄ Ｅｄｉｔｉｏｎ． Ｒｏｕｔｌｅｄｇｅ， ２０１９： １８９－２２０．

［１５］ 陳靜， 黃萃， 蘇竣． 中美人工智能治理研究比較分析———基于文獻(xiàn)計(jì)量視角［Ｊ］． 電子政務(wù)， ２０２０， （１２）： ８８－９８．

［１６］ Ｋｎｏｘ Ｊ． Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ ａｎｄ Ｅｄｕｃａｔｉｏｎ ｉｎ Ｃｈｉｎａ ［Ｊ］． Ｌｅａｒｎ?ｉｎｇ， Ｍｅｄｉａ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ， ２０２０， ４５： ２９８－３１１．

［１７］ Ｙａｎｇ Ｃ， Ｈｕａｎｇ Ｃ． Ｑｕａｎｔｉｔａｔｉｖｅ Ｍａｐｐｉｎｇ ｏｆ ｔｈｅ Ｅｖｏｌｕｔｉｏｎ ｏｆ ＡＩＰｏｌｉｃｙ Ｄｉｓｔｒｉｂｕｔｉｏｎ， Ｔａｒｇｅｔｓ ａｎｄ Ｆｏｃｕｓｅｓ Ｏｖｅｒ Ｔｈｒｅｅ Ｄｅｃａｄｅｓ ｉｎＣｈｉｎａ ［ Ｊ］． Ｔｅｃｈｎｏｌｏｇｉｃａｌ Ｆｏｒｅｃａｓｔｉｎｇ ａｎｄ Ｓｏｃｉａｌ Ｃｈａｎｇｅ， ２０２２，１７４： １２１１８８．

［１８］ Ｈｕａｎｇ Ｃ， Ｗａｎｇ Ｓ Ｔ， Ｓｕ Ｊ， ｅｔ ａｌ． Ａ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋ Ａｎａｌｙｓｉｓ ｏｆＣｈａｎｇｅｓ ｉｎ Ｃｈｉｎａｓ Ｅｄｕｃａｔｉｏｎ Ｐｏｌｉｃｙ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｒａｎｓｍｉｓｓｉｏｎ Ｓｙｓｔｅｍ（１９７８—２０１３） ［ Ｊ］． Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ Ｐｏｌｉｃｙ， ２０２０， ３３ （ ２）：３２３－３４５．

［１９］ 侯圣巒， 劉磊， 曹存根． 基于語義文法的網(wǎng)絡(luò)輿情精準(zhǔn)分析方法研究［Ｊ］． 計(jì)算機(jī)科學(xué)， ２０１４， ４１ （１０）： ２２５－２３１， ２３７．

［２０］ Ｑｉａｎ Ｙ Ｌ， Ｊｉａ Ｃ Ｃ， Ｌｉｕ Ｙ Ｍ． Ｂｅｒｔ－Ｂａｓｅｄ Ｔｅｘｔ Ｋｅｙｗｏｒｄ Ｅｘｔｒａｃｔｉｏｎ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｐｈｙｓｉｃｓ： Ｃｏｎｆｅｒｅｎｃｅ Ｓｅｒｉｅｓ， ２０２１， １９９２ （ ４）：０４２０７７．

［２１］ 唐果媛． 基于共詞分析法的學(xué)科主題演化研究方法的構(gòu)建［Ｊ］． 圖書情報(bào)工作， ２０１７， ６１ （２３）： １００－１０７．

［２２］ Ｅｇｇｈｅ Ｌ． Ｔｈｅｏｒｙ ａｎｄ Ｐｒａｃｔｉｓｅ ｏｆ ｔｈｅ Ｇ－Ｉｎｄｅｘ ［ Ｊ］． Ｓｃｉｅｎｔｏｍｅｔ?ｒｉｃｓ， ２００６， ６９ （１）： １３１－１５２．

［２３］ 楊愛青， 馬秀峰， 張風(fēng)燕， 等． ｇ 指數(shù)在共詞分析主題詞選取中的應(yīng)用研究［Ｊ］． 情報(bào)雜志， ２０１２， ３１ （２）： ５２－５５， ７４．

［２４］ Ｈｕａｎｇ Ｃ， Ｓｕ Ｊ， Ｘｉｅ Ｘ， ｅｔ ａｌ． Ａ Ｂｉｂｌｉｏｍｅｔｒｉｃ Ｓｔｕｄｙ ｏｆ ＣｈｉｎａｓＳｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ Ｐｏｌｉｃｉｅｓ： １９４９—２０１０ ［ Ｊ］． Ｓｃｉｅｎｔｏｍｅｔ?ｒｉｃｓ， ２０１５， １０２ （２）： １５２１－１５３９．

［２５］ 趙志君， 莊馨予． 中國人工智能高質(zhì)量發(fā)展： 現(xiàn)狀、問題與方略［Ｊ］． 改革， ２０２３， （９）： １１－２０．

（責(zé)任編輯： 郭沫含）

基金項(xiàng)目： 教育部人文社科青年項(xiàng)目“全球數(shù)據(jù)主權(quán)博弈背景下健全我國數(shù)據(jù)跨境流動(dòng)規(guī)則體系研究” （項(xiàng)目編號(hào)： ２１ＹＪＣ８７００１９）。