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，在中國的發(fā)展曲折坎坷，幾經(jīng)沉浮[1]。隨著云計算能力的提升、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，人工智能迎來了新紀(jì)元[2]。近些年，人類不斷在科技前沿取得重大突破，人工智能成為智能時代全球科技的焦點和世界各國競爭的關(guān)鍵賽場。為保障國家安全和提高國際競爭力，抓住人工智能這一“彎道超車”的戰(zhàn)略機遇，自2015年開始，中央先后頒布了《中國制造2025》《國務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動的指導(dǎo)意見》《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)上對其未來發(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)來源于中國知網(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，運用文獻(xiàn)計量學(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)來源

1.1 數(shù)據(jù)來源

本研究數(shù)據(jù)均從中國知網(wǎng)(CNKI)數(shù)據(jù)庫檢索獲得，采用高級檢索方式，檢索式確定為“主題=人工智能”(精準(zhǔn)匹配)，來源限定為核心期刊、EI來源期刊、SCI來源期刊、CSCD、CSSCI，同時發(fā)表時間限定在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)計量學(xué)為基礎(chǔ)，運用數(shù)理統(tǒng)計方法，客觀地描述和總結(jié)我國人工智能的研究現(xiàn)狀和未來發(fā)展趨勢。首先使用SPSS對2008—2017年的各年度期刊文章進(jìn)行描述性統(tǒng)計，揭示近10年人工智能論文發(fā)表數(shù)量和發(fā)表時間的變化關(guān)系和趨勢。同時基于JAVA環(huán)境，使用陳超美教授開發(fā)的CitespaceV進(jìn)行可視化分析，以作者、機構(gòu)、期刊等為研究變量繪制知識圖譜，呈現(xiàn)目前我國人工智能研究的發(fā)展?fàn)顩r，并對關(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。

2 國內(nèi)人工智能研究的時空知識圖譜

2.1 國內(nèi)人工智能研究的時間分布

學(xué)術(shù)論文數(shù)量的時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)文量時間分布圖可以直觀地反映不同時期該領(lǐng)域的研究熱度[3]。本文使用SPSS軟件對CNKI檢測到的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)計分析，繪制了不同年度國內(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)計圖

基于科技文獻(xiàn)的增長邏輯曲線[4]分析得知，在2008—2015年之間，國內(nèi)年均發(fā)文量在646～833篇區(qū)間波動，說明國內(nèi)人工智能相關(guān)研究處于相對穩(wěn)定狀態(tài)。自2016年開始，人工智能期刊論文的數(shù)量開始出現(xiàn)激增態(tài)勢，當(dāng)年增至902篇，2017年突增至1 449篇，此外拓展統(tǒng)計的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)爆炸性增長態(tài)勢。綜合分析可知：當(dāng)前我國人工智能研究正處于文獻(xiàn)增長邏輯曲線的快速發(fā)展階段，在此時期，我國有關(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[4]。

2.2 國內(nèi)人工智能研究高產(chǎn)作者知識圖譜

通過運行Citespace，可以分析得到發(fā)文作者分布情況知識圖譜，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，該方法能夠用來分析數(shù)據(jù)的相似性，經(jīng)過該方法修剪處理后，得到了人工智能領(lǐng)域作者知識圖譜，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個節(jié)點，220個連接，網(wǎng)絡(luò)密度為0.002 6。圖中作者節(jié)點越大，代表出現(xiàn)頻次越多，發(fā)文數(shù)量相對較多。統(tǒng)計得知，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，可見我國在這一領(lǐng)域已經(jīng)形成了一支較為龐大、穩(wěn)定的學(xué)者隊伍。龐大的隊伍往往能夠捕捉國際研究動向和熱點，具有較強的科研能力，代表并引領(lǐng)我國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度，其中部分學(xué)者團(tuán)隊之間有一定的合作關(guān)系，但整體呈現(xiàn)較分散狀態(tài)。這說明我國在人工智能領(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。通過整理統(tǒng)計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)過計算得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)過統(tǒng)計，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，均來自機械工程領(lǐng)域，說明我國在機械工程與人工智能融合創(chuàng)新的研究較為突出。同時發(fā)文量超過10篇的作者還有高奇琦、王飛躍、劉偉、高峰、張華、喻國明，他們分別來自政治學(xué)、計算機軟件及計算機應(yīng)用、新聞與傳媒、機械工程等領(lǐng)域。比較遺憾的是，知識圖譜中單獨節(jié)點較多，節(jié)點之間連接較少，說明目前我國在人工智能方面并未形成有效的合作網(wǎng)絡(luò)，大多處于獨立研究狀態(tài)。

2.3 國內(nèi)人工智能研究機構(gòu)知識圖譜

將數(shù)據(jù)通過CitespaceV軟件進(jìn)行研究機構(gòu)知識圖譜的分析，研究機構(gòu)可以是某個或某些學(xué)術(shù)群體的代名詞，對研究機構(gòu)的研究數(shù)據(jù)進(jìn)行統(tǒng)計挖掘，可以得到該領(lǐng)域的核心機構(gòu)，這些機構(gòu)的動態(tài)往往被視為該領(lǐng)域的風(fēng)向標(biāo)。

經(jīng)過調(diào)試，得到國內(nèi)人工智能領(lǐng)域研究機構(gòu)的知識圖譜，如圖3所示。其中共有316個節(jié)點，102個連接，網(wǎng)絡(luò)密度為0.002。在統(tǒng)計的8 153篇論文中，共有313個機構(gòu)在過去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位的機構(gòu)，見表1。其中中國科學(xué)院系統(tǒng)以161篇論文位居第一并遙遙領(lǐng)先，其余的上榜機構(gòu)大多來自高校?？梢姡蒲性核透咝Ｊ悄壳叭斯ぶ悄苤R生產(chǎn)的主要力量。但相比于美國等科技強國公布的數(shù)據(jù)看，我國企業(yè)在人工智能知識生產(chǎn)上整體還比較遜色，在統(tǒng)計的316所機構(gòu)中僅有科大訊飛股份有限公司、新松機器人自動化股份有限公司、中國移動通信集團(tuán)有限公司等19家(約占總數(shù)6%)來自企業(yè)。而目前被公認(rèn)為中國科技巨頭的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，而相較于美國的IBM、谷歌、APPLE、微軟等企業(yè)在這項指標(biāo)中則表現(xiàn)突出[2,8]。雖然中國在人工智能方面的應(yīng)用已經(jīng)在國際競爭中占據(jù)領(lǐng)先地位[9]，但是從科研文獻(xiàn)的成果可見，中國側(cè)重AI商業(yè)場景應(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)研合作的方式推動人工智能的應(yīng)用落地。

圖3 2008—2017年人工智能研究重要機構(gòu)知識圖譜

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

序號頻次機構(gòu)序號頻次機構(gòu)1161中國科學(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中國人民大學(xué)1518中國社會科學(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中國農(nóng)業(yè)大學(xué)2213合肥工業(yè)大學(xué)

2.4 國內(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)科前沿動態(tài)提供了非常重要的情報源。對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8 153條數(shù)據(jù)進(jìn)行了統(tǒng)計，并統(tǒng)計了刊載國內(nèi)人工智能研究論文重要期刊的前30位，見表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

序號發(fā)文量期刊序號發(fā)文量期刊1215機床與液壓1673智能系統(tǒng)學(xué)報2182機械設(shè)計與制造1766計算機應(yīng)用研究3180制造業(yè)自動化1866中國機械工程4154機器人1965計算機測量與控制5144科技導(dǎo)報2061農(nóng)業(yè)機械學(xué)報6132計算機工程與應(yīng)用2157傳感器與微系統(tǒng)7130計算機仿真2257機械工程學(xué)報8123農(nóng)機化研究2356機械科學(xué)與技術(shù)9102農(nóng)業(yè)工程學(xué)報2456計算機工程1099組合機床與自動化加工技術(shù)2556計算機應(yīng)用1195青年記者2655機械傳動1286微計算機信息2752機械設(shè)計1381制造技術(shù)與機床2851控制工程1477計算機工程與設(shè)計2950華中科技大學(xué)學(xué)報(自然科學(xué)版)1574計算機科學(xué)3048自動化學(xué)報

通過分析期刊分布發(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%，這些期刊大多是機械、農(nóng)業(yè)、計算機領(lǐng)域，說明這是過去10年我國人工智能產(chǎn)出成果較多的領(lǐng)域，表明我國人工智能研究的文獻(xiàn)集中，具有相對穩(wěn)定的期刊來源；同時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)計數(shù)據(jù)論文總量的77.4%，其他期刊雖然都有研究，但絕對數(shù)量有限。由此可見，此次分析結(jié)果符合二八定律和長尾理論在文獻(xiàn)計量學(xué)上的應(yīng)用規(guī)律[10]。

3 國內(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)鍵研究內(nèi)容[11]，并且在某段時期某一領(lǐng)域出現(xiàn)頻次較高的關(guān)鍵詞，往往被視為這一領(lǐng)域的熱點和趨勢，這被稱為詞頻分析法，關(guān)鍵詞詞頻是文獻(xiàn)計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個時間區(qū)，網(wǎng)絡(luò)節(jié)點選擇Keyword。運行軟件得到關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)。在圖中圓形節(jié)點代表不同關(guān)鍵詞，同時軟件根據(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)點中心性也是能夠反映核心問題的關(guān)鍵指標(biāo)。經(jīng)過修剪調(diào)整，得到我國人工智能研究關(guān)鍵詞知識圖譜，如圖4所示。

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

運行后得到的結(jié)果為197個節(jié)點，676個連接，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。其中以專家系統(tǒng)、機器人、計算機視覺、路徑規(guī)劃、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)、知識工程、圖像處理、遺傳算法、深度學(xué)習(xí)、機器視覺等為核心關(guān)鍵詞的結(jié)構(gòu)緊湊，密度較高，說明在這幾方面的研究比較熱門和深入。但整體來講，人工智能作為未來科技發(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。

通過統(tǒng)計高頻關(guān)鍵詞，可以將人工智能的發(fā)展從兩個維度進(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)鍵詞說明在技術(shù)維度上我國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，譬如機器人、智能駕駛、智能制造、無人機等熱點關(guān)鍵詞出現(xiàn)頻次較高，說明我國目前人工智能行業(yè)主要集中在終端產(chǎn)品上，同時在“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、區(qū)塊鏈、智慧金融等，但出現(xiàn)頻率不高，說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。

盡管關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)能夠為我們展示研究熱點，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來檢測關(guān)鍵詞的突變性，把短期內(nèi)頻次迅速增長的詞匯分析出來，突現(xiàn)詞的動態(tài)變化特性和時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。選擇Keyword為網(wǎng)絡(luò)節(jié)點，設(shè)置詞語類型為Burst Terms，閾值選擇Top 50，點擊運行，得到的關(guān)鍵詞突現(xiàn)見表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，多以計算機學(xué)科成果展示出來，例如受Hinton提出深度學(xué)習(xí)[14](Deep learning)的影響，我國開始出現(xiàn)神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)和遺傳算法等研究熱潮，同時數(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，并分化出了計算機視覺、語音處理、自然語言處理、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)展得益于我國國家層面對人工智能產(chǎn)業(yè)的大力扶持，期間出臺了一系列國家政策，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)動力開始從基礎(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)域的研究開始逐步落地應(yīng)用，產(chǎn)生了如圖像識別、圖像理解、視頻識別、語音識別、語義理解、語音合成等具體技術(shù)。

在第三階段中，David Silver創(chuàng)造性地把深度學(xué)習(xí)和強化學(xué)習(xí)融合起來，研制出的AlphaGo打敗了人類圍棋高手，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)、云計算、大數(shù)據(jù)、虛擬現(xiàn)實等新技術(shù)成為保證其發(fā)展的中堅力量，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)實現(xiàn)了“AI+”的融合創(chuàng)新，自動駕駛、智能醫(yī)療、智能投顧、虛擬現(xiàn)實和增強現(xiàn)實等成為研究焦點，并逐步建立起人工智能產(chǎn)業(yè)體系，新技術(shù)新應(yīng)用在實體經(jīng)濟(jì)中開始落地，加速了落后動能的淘汰。研究發(fā)現(xiàn)，隨著對人工智能的更全面認(rèn)識，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?？梢娫谌斯ぶ悄苎杆俦l(fā)之后，關(guān)于人工智能倫理、法律、社會經(jīng)濟(jì)、監(jiān)管治理、隱私安全等成為了關(guān)注的重點問題。知識產(chǎn)權(quán)和產(chǎn)權(quán)保護(hù)越來越得到學(xué)者的重視，我國人工智能研究的視野也更加國際化。

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)時間可視化(2008—2017)專家系統(tǒng)9.09620082009▃▃▂▂▂▂▂▂▂▂遺傳算法9.07420082009▃▃▂▂▂▂▂▂▂▂神經(jīng)網(wǎng)絡(luò)9.03120092010▂▃▃▂▂▂▂▂▂▂多機器人系統(tǒng)6.26120082010▃▃▃▂▂▂▂▂▂▂蟻群算法6.25220082009▃▃▂▂▂▂▂▂▂▂知識工程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▂▂▂▂▂▂▂▃▃▃模式識別4.88220082009▃▃▂▂▂▂▂▂▂▂滑?？刂?.82720082009▃▃▂▂▂▂▂▂▂▂故障診斷4.69120082010▃▃▃▂▂▂▂▂▂▂軌跡跟蹤4.43720082009▃▃▂▂▂▂▂▂▂▂自然語言理解4.43720082009▃▃▂▂▂▂▂▂▂▂計算機應(yīng)用4.43720082009▃▃▂▂▂▂▂▂▂▂虛擬現(xiàn)實4.42520152017▂▂▂▂▂▂▂▃▃▃模式分類4.29920082010▃▃▃▂▂▂▂▂▂▂智能裝備4.27120142015▂▂▂▂▂▂▃▃▂▂知識表示4.16920092010▂▃▃▂▂▂▂▂▂▂plc4.16920092010▂▃▃▂▂▂▂▂▂▂逆運動學(xué)3.99220082009▃▃▂▂▂▂▂▂▂▂智能制造3.69020142015▂▂▂▂▂▂▃▃▂▂同時定位與地圖創(chuàng)建3.67120092014▂▃▃▃▃▃▃▂▂▂bp神經(jīng)網(wǎng)絡(luò)3.61320082014▃▃▃▃▃▃▃▂▂▂

人類認(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)展可能還會遇到沉寂時期，直到新的突破，未來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，再到自我意識的創(chuàng)造，人工智能的發(fā)展還有較長的路[15]。

4 結(jié)束語

4.1 結(jié)論與預(yù)測

本文使用Citespace、SPSS等軟件，對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、研究機構(gòu)和關(guān)鍵詞的知識圖譜及突現(xiàn)詞表。綜合本文，得到以下結(jié)論：

1)從國內(nèi)人工智能研究的發(fā)文時間分布來看，人工智能已進(jìn)入高速發(fā)展階段。2008—2018年我國人工智能研究的論文產(chǎn)出量總體保持較高水平，并在2016年開始呈現(xiàn)爆發(fā)式增長，近年來人工智能研究非常熱門，并且研究成果豐富。作為國家戰(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)，未來發(fā)展前景廣闊，預(yù)計未來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、研究機構(gòu)、研究學(xué)者來看，人工智能研究呈現(xiàn)出三大均衡性問題。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械、農(nóng)業(yè)、計算機領(lǐng)域，可見其他領(lǐng)域研究深度不夠。一方面人工智能研究機構(gòu)主要集中在以“中國科學(xué)院系統(tǒng)”為領(lǐng)頭羊的高校與科研機構(gòu)，科創(chuàng)企業(yè)的知識產(chǎn)出較少；另一方面研究學(xué)者和團(tuán)隊百花齊放，百家爭鳴，但各自為陣，高度離散。因此，各領(lǐng)域研究學(xué)者應(yīng)當(dāng)加強跨學(xué)科交流合作，各取所長，企業(yè)與研究機構(gòu)應(yīng)當(dāng)加強產(chǎn)學(xué)研協(xié)同合作，充分發(fā)揮技術(shù)、資本、市場的力量。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)者和機構(gòu)只有加強交流合作才能避免重復(fù)研究和浪費財力物力智力資源。

3)從關(guān)鍵詞知識圖譜和文獻(xiàn)內(nèi)容分析，給出了4點總結(jié)和預(yù)測。醫(yī)療、物流、城市、金融、汽車等行業(yè)關(guān)鍵詞的出現(xiàn)，說明人工智能開始在更多領(lǐng)域深入滲透，越來越多的行業(yè)將擁抱人工智能技術(shù)，尤其服務(wù)行業(yè)將迎來新變革，因此“人工智能+”有望成為未來發(fā)展新生態(tài)模式；我國在語音識別、計算機視覺、圖像處理、無人駕駛、無人機等應(yīng)用層面積累了較強的技術(shù)儲備，根據(jù)未來產(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)生更多獨角獸企業(yè)；將關(guān)鍵詞歸類發(fā)現(xiàn)，我國在終端產(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人工智能發(fā)展后力不足；倫理道德、隱私安全、知識產(chǎn)權(quán)和產(chǎn)權(quán)保護(hù)是我國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)了我國人工智能領(lǐng)域研究的現(xiàn)狀、熱點與前沿，具有一定參考意義與實際價值。但本文觀點仍存在一定的局限性，在后續(xù)的研究中將從以下兩個方面改進(jìn)：首先，熟練掌握多種知識圖譜分析工具以擴展分析視角，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)來源，如增加對專利、學(xué)位論文、會議論文、重要的報紙論文等的統(tǒng)計與分析，從而幫助研究提供更全面的分析。