文/周峻宇 于磊 李信 姚強(qiáng)

1 引言

人工智能（Artif icial Intelligence）是由人類所研究、開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)，主要目的是理解自然智能奧秘，創(chuàng)制人工智能機(jī)器，增強(qiáng)人類智力能力。自1956年在達(dá)特茅斯人工智能夏季研究會(huì)正式提出以來(lái)，人工智能經(jīng)歷了上升、衰退、突破和重生等60多年的歷史沉浮。2016年，人工智能領(lǐng)域在全世界掀起了第三次熱潮。本輪人工智能發(fā)展將打破傳統(tǒng)創(chuàng)新模式和學(xué)科的壁壘，實(shí)現(xiàn)理論創(chuàng)新與實(shí)踐創(chuàng)新的最大化融合，帶來(lái)顛覆性的創(chuàng)新并極大地促進(jìn)創(chuàng)新成果的應(yīng)用。目前，學(xué)界、產(chǎn)業(yè)界和政府層面紛紛將人工智能視為國(guó)際競(jìng)爭(zhēng)的關(guān)鍵所在，并全力開(kāi)展人工智能研究與產(chǎn)業(yè)創(chuàng)新布局。全面了解人工智能領(lǐng)域的科研態(tài)勢(shì)和最新進(jìn)展，對(duì)于科研人員、企業(yè)和管理人員把握人工智能的發(fā)展趨勢(shì)具重要意義。因此，本研究主要目的是通過(guò)科學(xué)計(jì)量學(xué)的方法，全面揭示國(guó)際人工智能領(lǐng)域的科研進(jìn)展情況，包括科研產(chǎn)出、影響及其合作情況，熱點(diǎn)主題的演化進(jìn)程，領(lǐng)域的最新研究前沿等，以期為我國(guó)人工智能領(lǐng)域相關(guān)科研人員、企業(yè)和管理人員了解自身狀況，制定相關(guān)戰(zhàn)略提供依據(jù)。

圖1：1900-2019年人工智能領(lǐng)域研究年度分布情況

表1：1900-2019人工智能Top 10 國(guó)家/地區(qū)及影響力情況

表2：1900-2019人工智能Top 10 機(jī)構(gòu)及影響力情況

圖2：人工智能研究國(guó)家合作網(wǎng)絡(luò)圖譜（F≥60，N=55）

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來(lái)源

選擇Clarivate Analytics公司旗下的Web of Science核心數(shù)據(jù)庫(kù)為數(shù)據(jù)源，其收錄了科學(xué)、社會(huì)科學(xué)、藝術(shù)和人文科學(xué)領(lǐng)域的世界一流學(xué)術(shù)性期刊、書(shū)籍和會(huì)議錄等文獻(xiàn)，最早可以追溯到1900年，是世界范圍內(nèi)最具影響力的科學(xué)引文索引。同時(shí)，考慮到人工智能領(lǐng)域會(huì)議的重要性，本研究的文獻(xiàn)類型確定為研究論文（Article）、綜述（Review）以及會(huì)議論文（Proceedings Paper）。具體檢索策略為：主題="*Artif icial intelligence*" AND文獻(xiàn)類型= (Article OR Proceedings Paper OR Review) AND 年份=1900-2019. 數(shù)據(jù)庫(kù)索引: SCI-EXPANDED, SSCI, A&HCI, CPCI-S, CPCISSH。檢索時(shí)間2019年3月10日，共檢索到31,218數(shù)據(jù)。然后，選擇“全記錄與引用的參考文獻(xiàn)”下載為txt文本格式。

2.2 研究方法

本研究采用科學(xué)計(jì)量學(xué)研究方法和可視化技術(shù)，利用自編文獻(xiàn)處理軟件和VOSViewer軟件，將下載的題錄導(dǎo)入到相關(guān)軟件程序，從時(shí)間序列、國(guó)家分布、機(jī)構(gòu)分布、學(xué)科和主題分布等方面全面分析目前國(guó)際人工智能的科研產(chǎn)出、研究熱點(diǎn)前沿及其發(fā)展趨勢(shì)。國(guó)家和機(jī)構(gòu)的產(chǎn)出數(shù)量通過(guò)發(fā)文數(shù)量測(cè)量，產(chǎn)出質(zhì)量及影響通過(guò)引用和H-index測(cè)量，合作情況主要通過(guò)合作網(wǎng)絡(luò)；人工智能主題分布、熱點(diǎn)前沿主要通過(guò)學(xué)科分布和關(guān)鍵詞的共詞聚類分析以及同年度關(guān)聯(lián)可視化進(jìn)行研究。

3 結(jié)果

3.1 年度分布

國(guó)際人工智能研究的發(fā)文量時(shí)間分布如圖1所示，1960年，Shubik在美國(guó)統(tǒng)計(jì)學(xué)會(huì)會(huì)刊（Journal of the American Statistical Association） 發(fā)表了“Bibliography on Simulation, Gaming, Artificial Intelligence and Allied Topics”一文，系統(tǒng)整理和推薦了人工智能領(lǐng)域的讀物，1960年至1990年，人工智能領(lǐng)域研究進(jìn)入緩慢發(fā)展階段，文章數(shù)量緩慢增長(zhǎng)，1990年僅達(dá)到246篇。1991年至2009年，人工智能領(lǐng)域進(jìn)入了一個(gè)穩(wěn)定發(fā)展的階段，文章數(shù)量從1991年510篇增長(zhǎng)到2009年的1271篇。2010年之后，人工智能研究迅速增長(zhǎng)，2018年人工智能年度文章數(shù)量迅速增長(zhǎng)到3296篇。因此，人工智能研究目前處于快速發(fā)展的新階段，目前已經(jīng)成為科學(xué)界的焦點(diǎn)領(lǐng)域之一。

3.2 國(guó)家分布

人工智能研究產(chǎn)出前十名的國(guó)家/地區(qū)情況如表1所示。157個(gè)國(guó)家和地區(qū)發(fā)表了31,218文獻(xiàn)，其中前10名國(guó)家發(fā)表了21761篇次文章，占總發(fā)文量的69.71%。研究數(shù)量方面，美國(guó)作為人工智能研究歷史最悠久的國(guó)家發(fā)文量最高，6376篇（占17.25%），中國(guó)大陸發(fā)文量緊隨其后，4186篇（13.41%）。研究質(zhì)量方面，美國(guó)篇均被引頻次最高，17.25次/篇，英國(guó)和加拿大緊隨其后，分別為15.17次/篇和12.29次/篇；中國(guó)和印度在相當(dāng)對(duì)較低，分別為4.46次/篇和4.76次/篇。綜合科研實(shí)力方面，H指數(shù)表明，美國(guó)遠(yuǎn)遠(yuǎn)高于其他國(guó)家（133），其次為英國(guó)（83），中國(guó)大陸排名第三（56）。

國(guó)家或地區(qū)之間的合作情況如圖2所示，其中點(diǎn)的大小代表國(guó)家的合作總次數(shù)，國(guó)家之間的連線代表合作次數(shù)，合作次數(shù)越高，點(diǎn)和連線越大，不同顏色表示不同通過(guò)合作行程了不同的國(guó)家聚類，圖中顯示發(fā)文量大于等于60的55個(gè)高產(chǎn)國(guó)家之間的合作情況。通過(guò)國(guó)家之間的合作網(wǎng)絡(luò)圖譜，美國(guó)處于人工智能合作網(wǎng)絡(luò)的中心，具有最廣泛的合作伙伴，同英國(guó)、中國(guó)、加拿大、法國(guó)、德國(guó)、西班牙等過(guò)一同支撐起全世界人工智能合作的主干。形成了以德國(guó)為代表的歐洲、以中國(guó)為代表的亞洲、巴西為代表拉丁美洲美、阿爾及利亞和突尼斯為代表的北非等合作群體。同時(shí)，金磚國(guó)家（俄羅斯除外）以及澳大利亞同美國(guó)形成了緊密的合作群體，以色列形成了獨(dú)立的研究網(wǎng)絡(luò)，并且同時(shí)主要與主干國(guó)家合作。

3.3 機(jī)構(gòu)分布

圖3：人工智能研究機(jī)構(gòu)合作網(wǎng)絡(luò)圖譜（F≥50， N=100）

人工智能研究產(chǎn)出前二十名的機(jī)構(gòu)如表2所示。14319個(gè)機(jī)構(gòu)中發(fā)文量前10名機(jī)構(gòu)發(fā)表了1615篇次文章，占總發(fā)文量的5.17%。數(shù)量方面，中國(guó)科學(xué)院發(fā)表257篇排名第一，其次為伊朗伊斯蘭阿扎德大學(xué)（190篇），麻省理工學(xué)院和斯坦福大學(xué)發(fā)文180篇并列第三。研究質(zhì)量方面，美斯坦福大學(xué)、麻省理工學(xué)院、卡內(nèi)基梅隆大學(xué)篇均被引次數(shù)均超過(guò)排名前三，平均被引次數(shù)均超過(guò)20；香港理工大學(xué)排名第四（19.97）；中國(guó)科學(xué)院較低在10次以下?？傮w研究實(shí)力方面，麻省理工學(xué)院和斯坦福大學(xué)以H指數(shù)33并列第一，卡內(nèi)基梅隆大學(xué)、香港理工大學(xué)、南洋理工大學(xué)位列2-5名，中國(guó)科學(xué)院排名第六，H指數(shù)為24。此外，我們發(fā)現(xiàn)發(fā)文量排名12位的加拿大多倫多大學(xué)篇均被引40.26次，在所有單位中排名最高。

機(jī)構(gòu)之間的合作情況如圖3所示，目前主要形成了以美國(guó)斯坦福和麻省理工學(xué)院等大學(xué)為中心和以中國(guó)科學(xué)院為中心的兩大合作集團(tuán)。其中斯坦福大學(xué)主要與美洲機(jī)構(gòu)合作，同時(shí)包含了荷蘭、日本、韓國(guó)和中國(guó)等國(guó)家的機(jī)構(gòu)，是一個(gè)全球性的合作集團(tuán)；而麻省理工學(xué)院主要與英國(guó)牛津大學(xué)和倫敦學(xué)院等高校合作并且形成了英國(guó)屬性的合作集團(tuán)；中國(guó)集團(tuán)里包含了新加坡國(guó)立大學(xué)。此外，還形成了以伊朗伊斯蘭阿扎德大學(xué)為核心的伊朗-馬來(lái)西亞合作集團(tuán)、以西班牙瓦倫西亞理工大學(xué)等為核心的西班牙合作集團(tuán)、以澳大利亞悉尼科技大學(xué)等為核心的澳大利亞-希臘合作集團(tuán)等。新加坡南洋理工大學(xué)、印度理工學(xué)院和波蘭AGH科技大學(xué)主要同各大集團(tuán)同時(shí)均勻的合作，但是沒(méi)有與某些機(jī)構(gòu)固定緊密的合作，因此形成了合作性的特點(diǎn)但是并沒(méi)有形成各自為中心的研究集團(tuán)。

3.4 主題演化

人工智能關(guān)鍵詞主題聚類圖譜如圖4所示，其中點(diǎn)的大小代表關(guān)鍵詞共現(xiàn)頻次，線粗細(xì)代表兩個(gè)詞之間聯(lián)系緊密程度，顏色反映關(guān)鍵詞或主題的時(shí)間分布。通過(guò)人工智能主題圖譜的時(shí)間變化可以發(fā)現(xiàn)，

（1）人工智能早期主要關(guān)注知識(shí)管理和智能決策系統(tǒng)等知識(shí)表達(dá)的研究（藍(lán)紫色主題），如專家系統(tǒng)（Expert Systems）、多代理系統(tǒng)（Multi-Agent Systems）、決策支持系統(tǒng)（Decision Support Systems），分布式人工 智 能（Distributed Artif icial Intelligence）、基于案例推理（case-based reasoning）、基于知識(shí)的系統(tǒng)(Knowledge-Based Systems)以及本體論（ontology）、知識(shí)表示（Knowledge Representation）、知 識(shí) 管 理（Knowledge Management）、 知 識(shí) 工 程（Knowledge Engineering）、 智 能 代 理 商（Intelligent Agents）等數(shù)據(jù)管理技術(shù)和理論。

（2）隨后，以機(jī)器學(xué)習(xí)為代表的研究成為人工智能重要方向（黃綠色），主要包括機(jī)器學(xué)習(xí)（Machine Learning）、強(qiáng)化學(xué)習(xí)（Ref inement Learning）、數(shù)據(jù)挖掘（Data Mining）、模式識(shí)別（Pattern Recognition），故障診斷（Fault Diagnosis），決策樹(shù)（Decision Trees），分類（Classif ication），計(jì)算機(jī)視覺(jué)（Computer Vision），圖 像 處 理（Image Processing）等。

（3）在此基礎(chǔ)上，目前人工智能最前沿和熱點(diǎn)的研究主要聚焦深度學(xué)習(xí)（Deep Learning）和大數(shù)據(jù)（Big Data）。主要包括特征提?。‵eature extraction）、卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）、支持向量機(jī)（Support Vector Machines）、自適應(yīng)神經(jīng)模糊推理系統(tǒng)（Adaptive Neuro Fuzzy Inference System）、物聯(lián)網(wǎng)（Internet of Things）等。

（4）同時(shí)，以神經(jīng)網(wǎng)絡(luò)為代表的算法模型作為人工智能的核心一直伴隨和推動(dòng)著人工智能的發(fā)展（淺藍(lán)色主題），主要包括人工神經(jīng)網(wǎng)絡(luò)（Artif icial Neural Network）、遺傳算法（Genetic Algorithms）、模糊邏輯（Fuzzy Logic）、粒子群優(yōu)化算法（Particle Swarm Optimization）、遺傳編程（Genetic Programming）等一系列算法和預(yù)測(cè)模型的研究及優(yōu)化。同時(shí)，自然語(yǔ)言處理（Natural Language Processing）也是近年來(lái)人工智能重要的研究方向，強(qiáng)化學(xué)習(xí)（Ref inement Learning）也成為推動(dòng)人工智能領(lǐng)域發(fā)展的新動(dòng)力。此外，機(jī)器人（Robots）作為人工智能的重要應(yīng)用表現(xiàn)，一直伴隨著人工智能的全過(guò)程，最新前沿技術(shù)和算法革新將進(jìn)一步推動(dòng)機(jī)器人的發(fā)展。

4 結(jié)論

通過(guò)研究發(fā)現(xiàn)人工智能研究目前處于爆發(fā)式發(fā)展階段，美國(guó)和中國(guó)及其大學(xué)和科研院所是引工智能科研大國(guó)。美國(guó)作在人工智能研究方面具有悠久的歷史，一直保持高度的活躍性，是全球人工智能研究的中心。同時(shí)，英國(guó)、加拿大、西班牙、法國(guó)和德國(guó)等國(guó)家也有不俗的表現(xiàn)。中國(guó)作為新興國(guó)家的代表，盡管近年來(lái)科研產(chǎn)出已經(jīng)比肩美國(guó)，但是在科研積淀和影響力方面仍然有較大差距，目前科研影響力方面仍然是地區(qū)性的中心，并且與美國(guó)合作緊密。科研機(jī)構(gòu)方面，斯坦福大學(xué)、麻省理工學(xué)院和卡內(nèi)基梅隆大學(xué)在人工智能方面具有深厚的積淀和超強(qiáng)的科研實(shí)力及全球性的影響力。加拿大多倫多大學(xué)因“深度學(xué)習(xí)之父”Hinton團(tuán)隊(duì)的貢獻(xiàn)在論文篇均被引方面表現(xiàn)突出。同時(shí)，美國(guó)的伊利諾伊大學(xué)在影響力方面也而表現(xiàn)不俗。相比之下，中國(guó)科學(xué)院和伊斯蘭阿扎德大學(xué)作為新興國(guó)家的科研機(jī)構(gòu)代表，科研產(chǎn)出近年來(lái)迅速提高，逐漸成為引領(lǐng)地區(qū)的核心機(jī)構(gòu)，但是研究質(zhì)量和影響力方面與歐美等發(fā)達(dá)國(guó)家科研機(jī)構(gòu)相比仍然有很大的差距。因此，總體上，人工智能研究形成了“一超多強(qiáng)”的局面，美國(guó)作為人工智能研究的科研大國(guó)和超級(jí)強(qiáng)國(guó)在整個(gè)人工智能領(lǐng)域處于全面領(lǐng)跑地位，同時(shí)，英國(guó)、加拿大、西班牙、法國(guó)、德國(guó)等發(fā)達(dá)國(guó)家同樣在人工智能領(lǐng)域具有較為深厚的積淀并且在某些領(lǐng)域處于世界領(lǐng)先。中國(guó)、印度、巴西等世界新興經(jīng)濟(jì)體近年來(lái)在人工智能領(lǐng)域正在從追趕到部分超越的過(guò)程，中國(guó)作為人工智能的科研大國(guó)和應(yīng)用強(qiáng)國(guó)在人工智能領(lǐng)域具有廣闊的前景。

圖4：人工智能關(guān)鍵詞主題聚類與發(fā)展趨勢(shì)圖譜（F＞=100， N=52）

人工智能的研究主題經(jīng)歷了知識(shí)表達(dá)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的發(fā)展歷程，以神經(jīng)網(wǎng)絡(luò)為代表的算法作為人工智能的核心要素是推動(dòng)人工智能發(fā)展的核心因素，同時(shí)大數(shù)據(jù)時(shí)代、應(yīng)用場(chǎng)景多元化和計(jì)算機(jī)算力的提高進(jìn)一步加快了人工智能發(fā)展的步伐。通過(guò)對(duì)人工智能科研產(chǎn)出和研究?jī)?nèi)容的綜合分析發(fā)現(xiàn)，1943年由McCulloch和Pitts提出的人工神經(jīng)元模型開(kāi)了啟結(jié)構(gòu)模擬方法，同1956年由McCarthy發(fā)起、Simon和Newell等功能模擬方法占成為人工智能20世紀(jì)50和60年代的主流。20世紀(jì)70至80年代，人工智能的發(fā)展主要聚焦在知識(shí)表達(dá)技術(shù)和系統(tǒng)的開(kāi)發(fā)，以專家系統(tǒng)和知識(shí)系統(tǒng)等為代表的智能決策系統(tǒng)希望通過(guò)知識(shí)的積累和相關(guān)規(guī)則的制定，實(shí)現(xiàn)智能決策。然后，由于人類決策的規(guī)則復(fù)雜海量導(dǎo)致專家系統(tǒng)的決策成本急劇增加，人工智能的發(fā)展進(jìn)入了瓶頸期。20世紀(jì)90年代開(kāi)始，人工智能研究人員開(kāi)始轉(zhuǎn)向機(jī)器學(xué)習(xí)，希望通過(guò)機(jī)器自主學(xué)習(xí)解決一系列決策相關(guān)規(guī)則的制定問(wèn)題。隨后，貝葉斯網(wǎng)絡(luò)、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、進(jìn)化算法、遺傳算法等成為研究人員研究的焦點(diǎn)。最終，隨著加拿大多倫多大學(xué)Hinton團(tuán)隊(duì)與于2006年提出的由一系列受限波爾茲曼機(jī)組成的深度置信網(wǎng)絡(luò)以及非監(jiān)督貪心逐層訓(xùn)練使得神經(jīng)網(wǎng)絡(luò)突破瓶頸，2012年提出通過(guò)阻止特征檢測(cè)器的共同作用來(lái)改進(jìn)神經(jīng)網(wǎng)絡(luò)，使得神經(jīng)網(wǎng)絡(luò)又向前推進(jìn)了一步。神經(jīng)網(wǎng)絡(luò)算法方面獲得的突破性進(jìn)展突破了深度學(xué)習(xí)的瓶頸，再一次讓人工神經(jīng)網(wǎng)絡(luò)重新走到了人工智能研究的中心，并且將人工智能發(fā)展從機(jī)器學(xué)習(xí)帶進(jìn)了深度學(xué)習(xí)的新時(shí)代，卷積神經(jīng)網(wǎng)絡(luò)等一系列圍繞神經(jīng)網(wǎng)絡(luò)開(kāi)展的算法和強(qiáng)化學(xué)習(xí)等研究和應(yīng)用迎來(lái)了熱潮。同時(shí)，隨著大數(shù)據(jù)的產(chǎn)生、計(jì)算機(jī)算力的提高、應(yīng)用場(chǎng)景的多元化進(jìn)一步推動(dòng)了人工智能在現(xiàn)實(shí)生活中的應(yīng)用。

人工智能正逐步從弱人工智能時(shí)代步入強(qiáng)人工智能時(shí)代，人工智能在某些領(lǐng)域已經(jīng)可以比肩甚至超越人類，并且廣泛應(yīng)用到顯示生活中的各個(gè)方面。目前，人工智能語(yǔ)音處理、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等方面取得了重要進(jìn)展，已經(jīng)在圖像識(shí)別、語(yǔ)音識(shí)別、文本處理、游戲博弈、軟件設(shè)計(jì)等諸多方面全面趕超人類，并且開(kāi)始廣泛應(yīng)用到安防、醫(yī)療、教育、金融、零售等數(shù)據(jù)集規(guī)范且密集的行業(yè)。未來(lái)，深度學(xué)習(xí)將成為人工智能研究的焦點(diǎn)和各國(guó)競(jìng)爭(zhēng)的關(guān)鍵，大數(shù)據(jù)時(shí)代將進(jìn)一步助力深度學(xué)習(xí)發(fā)展，同時(shí)也是從強(qiáng)智能時(shí)代到超智能時(shí)代的重要路徑，即不僅在各方面都能和人類比肩，甚至可以在各個(gè)領(lǐng)域均可以超越人類，可解決任何人類無(wú)法解決的問(wèn)題。