通過文本挖掘方法,運用CiteSpace、Ucinet和專利地圖等可視化工具,從發展政策、文獻計量和專利挖掘三個維度對全球人工智能產業核心技術領域的國際競爭態勢進行分析。研究發現,綜合政策、文獻和專利數量來看,美國綜合實力依舊全球第一,中國異軍突起,發展迅猛;從國家間合作網絡圖來看,我國已與美國、日本、英國等國家開展了相關合作研究,但是研究機構之間的合作密度較低;基于研究熱點、專利地圖和專利權人信息來看,我國在人工智能產業核心技術領域的專利申請量已躍居全球第一;不僅在底層技術理論研究方面實現了一定的突破,在技術應用層面也擁有一定的競爭優勢,技術研發與應用主要分布在自然語言處理、智能芯片、計算機視覺、自主無人系統和群體智能技術等方向。最后,通過對比分析為“十四五”時期我國人工智能產業核心技術的創新發展提供相關政策建議。
技術推動產業變革,新一代人工智能的發展關系到我國能否抓住新一輪科技革命和產業變革的重要機遇。新產業技術研發與應用對創新驅動具有一定的引領和支撐作用,因此,我國明確提出建設人工智能關鍵共性技術體系,以增強關鍵環節和重點領域的創新能力[1],要確保人工智能產業核心技術掌握在自己手中。中國科學院大數據挖掘與知識管理重點實驗室發布了《2019年人工智能發展白皮書》,根據標準共篩選出八大人工智能核心技術:計算機視覺技術、自然語言處理技術、跨媒體分析推理技術、智適應學習技術、群體智能技術、自主無人系統技術、智能芯片技術、腦機接口技術[2]。2020年3月科技部等五部委印發了《加強“從0到1”基礎研究工作方案》,支持人工智能等領域實現核心技術突破,以搶占前沿科學研究的制高點。因此,瞄準人工智能產業核心技術,攻克技術困境成為重中之重。
人工智能產業核心技術的研發已成為世界各國關注的焦點。面對世界范圍的國際競爭,我國在核心技術的突破和應用方面仍存在自身的短板?;诖?,為全面了解我國人工智能產業核心技術的國際競爭態勢,進一步厘清其研發現狀和所處地位,本文選取了2015-2019年間各國政府頒布的政策和戰略規劃,1999-2019年間Web of Science收錄的文獻,1999-2019年間德溫特專利數據庫收錄的專利信息,采用CiteSpace、Ucinet和專利地圖等可視化分析工具,通過政策態勢分析不同政府的規劃方向和重點支持領域;通過文獻發文量、國家及研究機構合作網絡剖析全球人工智能產業核心技術發展現狀,通過關鍵詞聚類分析不同國家關于人工智能產業核心技術的研究熱點,通過專利數據分析全球人工智能產業核心技術研發現狀,進而對我國人工智能產業核心技術在全球所處競爭態勢進行研判,為探索建設新一代人工智能創新發展試驗區以及“十四五”時期人工智能產業發展提供相關決策參考。
圖1 Web of Science收錄關于人工智能產業核心技術研究的文獻數量
對所檢索的3 681篇文獻進行整理,繪制了全球人工智能產業核心技術研究的發文量(Top10)示意圖(如圖2所示)。美國發文量居世界第一,中國緊隨其后,中國和美國發文量約占全球48%,是全球研究人工智能產業核心技術的主力。在前10位國家中,亞洲僅有三個國家:中國、韓國和日本;北美洲有兩個國家,分別是美國和加拿大;其余均為歐洲發達國家,說明歐洲仍是技術研究和創新的重要地區。
隨著經濟全球化進程加快,知識全球化和跨國合作發展越來越迅速。為突破研究水平與資源約束的限制,各個國家之間開始展開合作研究,有助于提高各國的科學研究水平和創新能力[19]。為此,本文進一步分析了所檢索的3 681篇論文,導出參考文獻,將下載的數據合并后導入excel,提取“國家”字段,導入至BICOMB軟件,生成國家共現矩陣,再將共現矩陣導入Ucinet軟件,使用Netdraw進行可視化分析,生成國家合作網絡圖譜,如圖3所示。人工智能產業核心技術國家合作研究網絡的程度中心度如表2所示。
如圖3所示,帶有顏色的節點方塊表示國家。節點的大小、各節點之間連線、連線的疏密程度以及連線的粗細分別表該國與其他所有國家合作共現的總次數,兩個國家間的合作關系,與該國家合作過的其他國家的數量以及連線兩端的國家合作次數[19]。由圖3可以看出,節點最大的是“美國”,其次是“德國”、“意大利”、“中國”和“英國”,表明美國與其他國家合作次數最多,德國、意大利、中國和英國緊隨其后,合作次數分別是365、179、156和156;由國與國之間的連線可以看出,中國與美國、日本、英國合作比較緊密,中國在國際合作中發揮著重要作用。
2.4 研究機構分析
根據所檢索的文獻,對研究機構的發文量與合作情況進行整理,從機構發文量來看,其中德國圖賓根大學發文量最多,高達84篇,說明其在人工智能產業核心技術研究領域具有一定的影響力;其次,發文量較多的是德國維爾茨堡大學(56篇)、中國清華大學(52篇)和美國紐約州衛生部(46篇),這些機構在人工智能產業核心技術研究中作為重要的力量,推動著產業核心技術不斷實現技術突破與發展。從全球分布來看,如表3所示,發文量排名前10位的研究機構主要分布在美國、中國和德國。
為了進一步分析各研究機構的合作情況,本文采用Ucinet分析軟件生成全球人工智能產業核心技術研究機構合作網絡圖(如圖4所示)。圖中每一個小方塊代表一個研究機構,方塊越大說明該研究機構與其他研究機構合作越多。其中,德國圖賓根大學、維爾茨堡大學和格拉茨技術大學與其他研究機構合作較為頻繁。我國兩所研究機構:中國科學院大學和清華大學已開展大量的基礎研究工作,并與加利福尼亞大學圣地亞哥分校和哈佛大學進行了密切的合作研究。從總體上看,我國研究機構之間合作密度較低,研究領域較為分散。無論從發文數量還是從機構合作網絡圖來看,德國圖賓根大學、維爾茨堡大學和紐約州衛生部是全球人工智能產業核心技術研究的主要力量。
2.5 熱點分析
熱點通??梢员硎緸槟骋谎芯款I域中具有發展潛勢的主題,同時,能夠展現該領域所屬學科未來的發展方向[20]。通過使用關鍵詞來表達該文章的主題和中心內容,若某一關鍵詞多次在某一領域文獻內出現,則該詞可間接反映該領域內的研究熱點與研究動向[21]。本文借助科學知識圖譜工具中的關鍵詞聚類視圖對各國人工智能產業核心技術的研究熱點進行分析?;谥袊?、美國、日本、韓國、英國和德國的文獻數據進行整理,將其導入CiteSpace5.5.R2運行關鍵詞聚類功能,主題詞類型選擇“Noun Phrases”,節點類型選擇“Keyword”,時間范圍1999-2019,剪裁方式采取Pathfinder,選擇Log-Likelihood Ratio作為提取方法[20],提取關鍵詞聚類信息將其匯總成表,如表4所示。
中國在人工智能產業核心技術研究中主要將重心放在基礎理論研究與技術突破中。在八大核心技術中,主要聚焦在#0計算機視覺技術、#4群體智能技術、#7自然語言處理技術和自主無人系統技術。作為推動人工智能技術進步的“三駕馬車”,算法、數據和計算力在過去的5-10年間不斷創新[2]。在算法方面,我國在#0計算機視覺技術中的圖像識別和特征提取以及#7自然語言處理技術中的語音技術方面的成就顯著。在基礎理論研究方面,計算機視覺和自然語言處理技術的發展同時也需要#3模式識別等技術的支撐;#1共空間模式是一種對兩分類任務下的空域濾波特征提取算法,能夠從多通道的腦機接口數據里面提取出每一類的空間分布成分[22];在技術應用領域,自主無人系統中的#8協調控制對于自動駕駛汽車和智能無人駕駛系統至關重要,在未來對汽車制造商和運輸行業將產生重大影響。
美國人工智能產業核心技術研究中共有8大關鍵詞聚類。其中主要關注#0腦機接口技術和#2計算機視覺技術。從技術應用來看,人工智能產業核心技術主要應用于醫療領域,#1電子健康檔案有助于提升醫護水平;#7事件相關誘發電位作為一種電生理學的研究手段,為研究大腦認知活動過程提供了新的指導和途徑;研究人員利用#8腦波開發了新技術—腦機接口技術(BCI),為身體嚴重殘疾的患者提供了新的治療手段。
對文獻數據進行聚類分析,無論從底層技術研究看,還是基于技術應用層面,日本主要關注#0腦機接口技術。對腦機接口技術的研究,日本將焦點轉移至#2聽覺BCI腦機接口技術。#3共空間模式作為提取的一種方式,是腦機接口技術重要的算法。腦機接口技術主要應用于醫療健康領域,主要分為“強化”和“恢復”兩個方向,“恢復”方向主要是指針對#1中風等疾病提供對應的恢復訓練,主要采取神經反饋訓練。目前,已有一些日本創業公司對相關可穿戴設備投入研發資金,將腦機接口技術應用到終端設備。
韓國重點關注#1和#2腦機接口技術和自主無人系統技術,自主無人系統中的機器人和無人駕駛等技術已成為韓國政府重點支持對象。在應用中,腦機接口以#4近紅外光譜成像技術(NIRS)為主,主要用于操控家電設備。腦機接口技術的發展與發達的半導體行業發展相適應,并為半導體產業的發展提供重要的支撐力。
#0腦機接口技術、#1群體智能技術和#7計算機視覺技術是英國重點關注對象。腦機接口技術作為產業核心技術在硬件、算法、范式方面都有新的突破和進展。英國諾丁漢大學的研究團隊基于腦機接口技術,開發了一種腦磁圖(MEG)系統,配以頭戴式設備,在掃描過程中允許被掃描者自由、自然地運動。
在人工智能產業核心技術研究中,德國主要研究#5腦機接口技術和自然語言處理技術,而作為基礎技術研究#1腦電圖、#2共空間模式、#6神經反饋技術都為腦機接口技術的發展提供了支撐和輔助作用。在基礎理論研究領域,#3非監督學習作為機器學習的一種方法,是人工智能網絡的一種重要算法;自然語言處理所涉及的各種任務,可以用#4多任務學習框架處理。從技術應用領域來看,#0輔助科技用于特殊教育行業;機器學習為#7ERP系統注入新能量,云ERP平臺提供了極大的便利。
圖5人工智能產業核心技術專利數量和專利國家分布示意圖
圖6 人工智能產業核心技術前5名專利權人
【參考文獻】
[1] 新華社.國務院印發《新一代人工智能發展規劃》[EB/OL].(2017-07-20)[2020-03-01].http://www.gov.cn/xinwen/2017-07/20/content_5212064.htm.
[2] 德勤科技.2019全球人工智能發展白皮書[R].上海:德勤科技,2019.
[3] NILSSON N J. Artificial Intelligence: A New Synthesis[M]. Amsterdam:Elsevier, 1998.
[4] 譚鐵牛,孫哲南,張兆翔.人工智能:天使還是魔鬼?[J].中國科學:信息科學,2018,48(9):1257-1263.
[5] 方兵.我國高?!叭斯ぶ悄軣帷?緣起、影響與應對[J].現代教育技術,2019,29(4):33-39.
[6] 劉剛.正在改變世界的智能科技產業[J].人民論壇·學術前沿,2019(21):38-45.
[7] 蔡自興, 徐光祐. 人工智能及其應用[M]. 北京:清華大學出版社, 2004.
[8] LUXTON D D. Artificial intelligence in psychological practice: Current and future applications and implications[J]. Professional Psychology: Research and Practice, 2014, 45(5): 332.
[9] PARK S H, HAN K. Methodologic guide for evaluating clinical performance and effect of artificial intelligence technology for medical diagnosis and prediction[J]. Radiology, 2018, 286(3): 800-809.
[10] 吳永和,劉博文,馬曉玲.構筑“人工智能+教育”的生態系統[J].遠程教育雜志,2017,35(5):27-39.
[11] 黃曉斌,吳高.人工智能時代圖書館的發展機遇與變革趨勢[J].圖書與情報,2017(6):19-29.
[12] 仇筠茜,陳昌鳳.黑箱:人工智能技術與新聞生產格局嬗變[J].新聞界,2018(1):28-34.
[13] NORMAN P M. Protecting knowledge in strategic alliances: Resource and relational characteristics[J]. The Journal of High Technology Management Research, 2002, 13(2): 177-202.
[14] Frishammar J, Ericsson K, Patel P C. The dark side of knowledge transfer: Exploring knowledge leakage in joint R&D projects[J]. Technovation, 2015, 41: 75-88.
[15] 柳卸林,何郁冰.基礎研究是中國創新的源泉[J].中國軟科學,2011(4):104-117.
[16] 李顯君,孟東暉,劉暐.核心技術微觀機理與突破路徑—以中國汽車AMT技術為例[J].中國軟科學,2018(8):88-104.
[17] 黃魯成,薛爽.機器學習技術發展現狀與國際競爭分析[J].現代情報,2019,39(10):165-176.
[18] 中國信息通信研究院. 中國人工智能產業發展聯盟.全球人工智能戰略與政策觀察(2019)[R].北京:中國信息通信研究院,中國人工智能產業發展聯盟,2019.
[19] 李欣,黃魯成.基于文獻計量和專利分析的戰略性新興產業研發競爭態勢研究—以OLED產業為例[J].科技管理研究,2016,36(8):120-126.
[20] 李韻婷,鄭紀剛,張日新.國內外智庫影響力研究的前沿和熱點分析—基于 CiteSpace Ⅴ 的可視化計量[J].情報雜志,2018(12):12.
[21] 雷婕,盤意文,劉建明.知識圖譜視角下智慧旅游的研究進展及熱點概述[J].圖書館,2019(8):52-58.
[22] 許春燕. 基于CSP和ICA的多任務腦機接口分類方法比較研究[D].南昌:南昌大學,2012.
[23] FUJII H, MANAGI S. Trends and priority shifts in artificial intelligence technology invention: A global patent analysis[J]. Economic Analysis and Policy, 2018, 58: 60-69.
[24] 婁巖,張賞,黃魯成.基于專利分析的替代性技術選擇研究[J].科技管理研究,2015,35(20):150-154.
[25] 袁野,于敏敏,陶于祥,等.基于文本挖掘的我國人工智能產業政策量化研究[J].中國電子科學研究院學報,2018,13(6):663-668.
[26] 吳衛紅,陳高翔,張愛美.“政產學研用資”多元主體協同創新三三螺旋模式及機理[J].中國科技論壇,2018(5):1-10.
本篇節選自論文《人工智能產業核心技術的國際競爭態勢分析》,發表于《中國電子科學研究院學報》第15卷第11期。