摘 要： 人工智能產(chǎn)品已經(jīng)多元化地應(yīng)用于社會(huì)生活中，推動(dòng)技術(shù)發(fā)展進(jìn)步的同時(shí)也帶來(lái)了一定的安全風(fēng)險(xiǎn)，準(zhǔn)確地評(píng)估人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)可以為其可持續(xù)發(fā)展提供良好的參考與借鑒。為此，提出基于聚類(lèi)分析的人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)評(píng)估方法。首先，以主題詞的形式設(shè)計(jì)人工智能產(chǎn)品目前應(yīng)用范圍的關(guān)聯(lián)圖譜，提取人工智能產(chǎn)品發(fā)展的關(guān)鍵特征;其次，依據(jù)產(chǎn)品發(fā)展特征深度提取產(chǎn)品發(fā)展中應(yīng)用的高頻主題詞，結(jié)合發(fā)展過(guò)程中可能存在的風(fēng)險(xiǎn)因素，對(duì)其進(jìn)行聚類(lèi)處理，實(shí)現(xiàn)人工智能產(chǎn)品發(fā)展的風(fēng)險(xiǎn)評(píng)估。實(shí)驗(yàn)發(fā)現(xiàn)，人工智能產(chǎn)品發(fā)展確實(shí)存在一定的風(fēng)險(xiǎn)，所設(shè)計(jì)的聚類(lèi)分析方法可以準(zhǔn)確評(píng)估其發(fā)展風(fēng)險(xiǎn)。

關(guān)鍵詞： 聚類(lèi)分析; 人工智能; 聚類(lèi)結(jié)果; 風(fēng)險(xiǎn)評(píng)估

文章編號(hào)： 2095-2163（2021）07-0177-03中圖分類(lèi)號(hào)：TP399文獻(xiàn)標(biāo)志碼： A

The risk assessment method of artificial intelligence

product development based on cluster analysis

YUAN Bingxia

（Huizhou University， Huizhou Guangdong 516007， China）

【Abstract】Artificial intelligence products have been widely used in social life， promoting the development and progress of technology， but also brings a certain security risk. Accurate assessment of the development risk of artificial intelligence products can provide a good reference for its sustainable development. Therefore， a risk assessment method of AI product development based on cluster analysis is proposed. Firstly， the association map of the current application range of artificial intelligence products is designed in the form of subject words， and the key features of the development of artificial intelligence products are extracted. Secondly， the high-frequency subject words applied in the development of products are deeply extracted according to the characteristics of product development， and combined with the possible risk factors in the development process， they are clustered to realize the risk assessment of the development of artificial intelligence products. Experiments show that there are some risks in the development of AI products， and the cluster analysis method can accurately evaluate the development risk.

【Key words】clustering analysis; artificial intelligence; clustering results; risk assessment

0 引 言

人工智能是當(dāng)代工業(yè)革命中的核心驅(qū)動(dòng)力，隨著該技術(shù)在基礎(chǔ)理論和技術(shù)實(shí)踐方面科研成果的陸續(xù)涌現(xiàn)，人工智能在時(shí)下的產(chǎn)業(yè)環(huán)境中獲得了快速發(fā)展。人工智能不僅在智能家居、人臉識(shí)別等方面改變了人們的生活方式，而且可能引起巨大的社會(huì)變革[1]。國(guó)內(nèi)各省市地方層面上有關(guān)人工智能的發(fā)展規(guī)劃也相繼出臺(tái)。但隨著人工智能產(chǎn)品的快速發(fā)展與進(jìn)步，也帶來(lái)了一定的經(jīng)濟(jì)、隱私、倫理及安全風(fēng)險(xiǎn)，如身份信息泄露、隱私數(shù)據(jù)公開(kāi)等。由此，預(yù)估人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)是目前亟待解決的重要問(wèn)題。發(fā)展至今，研究中常用的主要是關(guān)聯(lián)規(guī)則和聚類(lèi)分析方法，因此本文結(jié)合上述2種方法，將各個(gè)省市地方近年來(lái)出臺(tái)的人工智能產(chǎn)業(yè)規(guī)劃產(chǎn)業(yè)發(fā)展作為研究樣本，運(yùn)用聚類(lèi)分析等文本挖掘與數(shù)據(jù)可視化方法，從高頻關(guān)鍵詞和內(nèi)容關(guān)聯(lián)度著手，評(píng)估人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)，以期進(jìn)一步理清國(guó)內(nèi)不同區(qū)域人工智能產(chǎn)業(yè)布局，為提高未來(lái)人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展提供相關(guān)參考。

1 提取人工智能產(chǎn)品發(fā)展的關(guān)鍵特征

1.1 設(shè)計(jì)人工智能產(chǎn)品應(yīng)用范圍關(guān)聯(lián)圖譜

以主題詞的形式設(shè)計(jì)人工智能產(chǎn)品目前應(yīng)用范圍的關(guān)聯(lián)圖譜，提取人工智能產(chǎn)品發(fā)展的關(guān)鍵特征;完成聚類(lèi)中心在樣本點(diǎn)中的選擇，其特征離散屬性與連續(xù)屬性的定義式如下所示：

其中，i表示關(guān)鍵特征離散的樣本點(diǎn);j表示關(guān)鍵特征連續(xù)的樣本點(diǎn);χ表示樣本點(diǎn)離散分布的分布規(guī)律;dij表示樣本點(diǎn)i到j(luò)之間的距離;dc表示2個(gè)樣本點(diǎn)之間的截?cái)嗑嚯x[2]。在此基礎(chǔ)上生成偽代碼如下：

def calcluate_distance（core： tuple， dot： tuple）：

"""

計(jì)算2個(gè)點(diǎn)之間的歐氏距離

：param core： 質(zhì)心坐標(biāo) （x，y） 類(lèi)型為tuple

：param dot： 要計(jì)算距離的點(diǎn)（m，n） 類(lèi)型為tuple

：return： 距離dist類(lèi)型為float

根據(jù)上述公式計(jì)算，本文選取了出現(xiàn)頻率最高的前15位的相關(guān)主題詞，為了找出粗糙集中產(chǎn)業(yè)主題詞之間的聚類(lèi)情況，進(jìn)一步理清產(chǎn)業(yè)發(fā)展內(nèi)容的關(guān)系架構(gòu)[3]?；诙葦?shù)中心性和中間中心性的數(shù)據(jù)，利用SPSS20，對(duì)主題詞進(jìn)行了系統(tǒng)聚類(lèi)分析，得到聚類(lèi)結(jié)果，并使用Gephi軟件進(jìn)行可視化，對(duì)文獻(xiàn)和相關(guān)數(shù)據(jù)源的要求較低，對(duì)關(guān)鍵詞矩陣進(jìn)行聚類(lèi)分析，得到產(chǎn)業(yè)發(fā)展相關(guān)因素的關(guān)聯(lián)度圖譜如圖1所示。

以上15個(gè)主題詞大致可以分成4類(lèi)。這4類(lèi)主題詞所忘掉的重點(diǎn)是有所不同的，可以依次概括為：人工智能的研發(fā)創(chuàng)新與管理，注重人才和平臺(tái)建設(shè)、人工智能發(fā)展的相關(guān)支撐、人工智能的產(chǎn)業(yè)化應(yīng)用與服務(wù)體系以及培育工業(yè)與制造基礎(chǔ)，形成人工智能的示范效應(yīng)。

1.2 獲取人工智能產(chǎn)品發(fā)展的關(guān)鍵特征

聚類(lèi)分析的應(yīng)用第一步，就是利用該聚類(lèi)分析中的論域，建立一個(gè)最大近鄰粗糙集，獲取常規(guī)因素、異常因素的特征參量[2]。粗糙數(shù)據(jù)集利用已知影響條件，描述不確定的影響因素，發(fā)現(xiàn)數(shù)據(jù)的潛在特點(diǎn)。假設(shè)論域是影響因素等相關(guān)數(shù)據(jù)的非空集合，用字母W來(lái)表示，根據(jù)該集合將研究的影響數(shù)據(jù)進(jìn)行分類(lèi)，將特征性相似的數(shù)據(jù)歸結(jié)為對(duì)象相同或者不同的類(lèi)簇子集，子集可用w1，w2，…，wi予以表示。

粗糙數(shù)據(jù)集在此論域空間上，對(duì)集合中的因素按照等價(jià)關(guān)系劃分，其中類(lèi)目相同且差距較小的數(shù)據(jù)關(guān)系，稱(chēng)之為不可辨關(guān)系。

假設(shè)給定一個(gè)論域?yàn)閁，用γi表示該論域U中的等價(jià)關(guān)系;設(shè)置xi為U中的對(duì)象，u1，u2，…，ui為論域U的子集，判斷屬于ui的數(shù)據(jù)xi組成的最大集合umax，該集合為集合ui關(guān)于等價(jià)關(guān)系γi的下逼近;而與ui相交的非空等效并集為最小集合umin，此時(shí)稱(chēng)之為集合ui關(guān)于等價(jià)關(guān)系γi的下逼近。該過(guò)程可利用圖2進(jìn)行表示。

通過(guò)上述提取過(guò)程，得出量化影響因素特征參量，該參量可以利用如下公式來(lái)描述：

其中，qi（xi）表示第i個(gè)論域子集上的粗糙集，在等價(jià)關(guān)系約束下的特征參量;xi表示影響人工智能產(chǎn)業(yè)發(fā)展的變量因子;a表示該因素的表層影響關(guān)系;b表示該因素的深層影響關(guān)系;Δ（xia， xib）表示不同關(guān)聯(lián)深度下的挖掘系數(shù)[4]。通過(guò)上述公式得到具有相似特征的影響參量，為定義相似度提供精確的數(shù)據(jù)。

2 人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)聚類(lèi)分析

每項(xiàng)產(chǎn)業(yè)發(fā)展都有明確的目標(biāo)和相應(yīng)的產(chǎn)業(yè)發(fā)展工具類(lèi)型。因此，在“目標(biāo)工具”框架下分析人工智能產(chǎn)業(yè)發(fā)展時(shí)，有必要細(xì)化產(chǎn)業(yè)發(fā)展目標(biāo)，對(duì)產(chǎn)業(yè)發(fā)展工具進(jìn)行分類(lèi)。通過(guò)對(duì)不同地區(qū)的人工智能產(chǎn)業(yè)環(huán)境進(jìn)行分析，構(gòu)建了基于產(chǎn)業(yè)發(fā)展目標(biāo)的人工智能產(chǎn)業(yè)環(huán)境視角，具體包括基本理論、關(guān)鍵技術(shù)、支撐平臺(tái)、產(chǎn)業(yè)發(fā)展、集成與應(yīng)用等幾個(gè)方面，旨在優(yōu)化人工智能產(chǎn)業(yè)環(huán)境?？紤]到每項(xiàng)產(chǎn)業(yè)發(fā)展過(guò)程中風(fēng)險(xiǎn)存在海量特征，且標(biāo)簽信息較多，風(fēng)險(xiǎn)類(lèi)型較復(fù)雜。將人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)建立多維特征并實(shí)施分類(lèi)，能夠細(xì)分風(fēng)險(xiǎn)類(lèi)型，以此判斷不同屬性下的風(fēng)險(xiǎn)特征?；诖耍瑯?gòu)建人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)評(píng)估指標(biāo)見(jiàn)表1。

以表1的評(píng)價(jià)指標(biāo)為基礎(chǔ)，本文通過(guò)K均值聚類(lèi)算法實(shí)現(xiàn)人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)評(píng)估。通過(guò)使用最近鄰質(zhì)心決策規(guī)則把上文處理后的人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)關(guān)鍵特征分為f個(gè)簇，再迭代運(yùn)算各個(gè)簇的質(zhì)心。K均值算法的步驟是：

（1）選取f個(gè)數(shù)據(jù)點(diǎn)設(shè)成初始質(zhì)心。

（2）實(shí)施迭代運(yùn)算，把各個(gè)數(shù)據(jù)點(diǎn)納入距離最短的質(zhì)心，建立f個(gè)簇，再次運(yùn)算各個(gè)簇的質(zhì)心，當(dāng)質(zhì)心不出現(xiàn)變動(dòng)時(shí)，輸出分類(lèi)結(jié)果。

綜上所述，本文使用聚類(lèi)算法實(shí)現(xiàn)人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)的分類(lèi)評(píng)估。

3 實(shí)驗(yàn)分析

為進(jìn)一步驗(yàn)證本文評(píng)估方法的準(zhǔn)確性，以4個(gè)人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)評(píng)估二級(jí)指標(biāo)為例，利用本文方法與文獻(xiàn)[2]方法、文獻(xiàn)[4]方法實(shí)施風(fēng)險(xiǎn)評(píng)估，通過(guò)均方根誤差分析3種方法的評(píng)估準(zhǔn)確性，測(cè)試結(jié)果見(jiàn)表2。

根據(jù)表2可知，本文方法的均方根誤差明顯低于其余2種方法。實(shí)驗(yàn)證明：在不同風(fēng)險(xiǎn)評(píng)估一級(jí)指標(biāo)情況下，本文方法的均方根誤差最低，表明本文方法的風(fēng)險(xiǎn)評(píng)估結(jié)果與真實(shí)風(fēng)險(xiǎn)評(píng)估結(jié)果更為接近，即本文方法的風(fēng)險(xiǎn)評(píng)估準(zhǔn)確性更高。

分別統(tǒng)計(jì)風(fēng)險(xiǎn)指標(biāo)數(shù)量為10～20個(gè)時(shí)，本文方法與文獻(xiàn)[2]方法、文獻(xiàn)[4]方法實(shí)施人工智能產(chǎn)品發(fā)展風(fēng)險(xiǎn)的效率，測(cè)試結(jié)果如圖3所示。

根據(jù)圖3可知，隨著風(fēng)險(xiǎn)指標(biāo)數(shù)量的不斷增加，3種方法的風(fēng)險(xiǎn)評(píng)估時(shí)間均有所提升，本文方法的風(fēng)險(xiǎn)評(píng)估時(shí)間提升幅度明顯低于其他兩種方法，且整體風(fēng)險(xiǎn)評(píng)估時(shí)間也明顯低于其他兩種方法。實(shí)驗(yàn)證明：本文方法的風(fēng)險(xiǎn)評(píng)估時(shí)間用時(shí)較少，即風(fēng)險(xiǎn)評(píng)估效率高。

4 結(jié)束語(yǔ)

在互聯(lián)網(wǎng)時(shí)代，人工智能產(chǎn)業(yè)是具有標(biāo)志性、引領(lǐng)性及戰(zhàn)略性的技術(shù)，是社會(huì)進(jìn)步和國(guó)際競(jìng)爭(zhēng)的動(dòng)力源泉。在產(chǎn)業(yè)的發(fā)展過(guò)程中，應(yīng)該注重安全與倫理的規(guī)范約束，并將其體現(xiàn)在產(chǎn)業(yè)發(fā)展制定規(guī)劃中，同時(shí)亦不能忽略產(chǎn)業(yè)發(fā)展目標(biāo)的差異化。提早完善人工智能的相關(guān)法律制度，進(jìn)一步將人工智能產(chǎn)業(yè)進(jìn)程加速完成，目的是解決人工智能產(chǎn)業(yè)在發(fā)展過(guò)程中產(chǎn)生的個(gè)人隱私、數(shù)據(jù)安全以及知識(shí)產(chǎn)權(quán)等方面的問(wèn)題，否則人工智能發(fā)展過(guò)程中產(chǎn)生的核心矛盾會(huì)在一定程度上影響社會(huì)、甚至全球的安全和治理，因此在接下來(lái)的發(fā)展階段中，國(guó)內(nèi)需要推出一套完備的體系來(lái)規(guī)范人工智能產(chǎn)業(yè)的發(fā)展，搭建人工智能與其他領(lǐng)域產(chǎn)業(yè)的溝通互聯(lián)。

參考文獻(xiàn)

[1]袁野， 于敏敏， 陶于祥，等. 基于文本挖掘的我國(guó)人工智能產(chǎn)業(yè)政策量化研究[J]. 中國(guó)電子科學(xué)研究院學(xué)報(bào)， 2018， 13（6）：663-668.

[2]胡紅博. 智能家居遠(yuǎn)距離可視化風(fēng)險(xiǎn)自動(dòng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 現(xiàn)代電子技術(shù)，2019，42（4）：171-174.

[3]李艷紅. 基于機(jī)器學(xué)習(xí)的企業(yè)產(chǎn)品評(píng)論數(shù)據(jù)的情感分析研究[J]. 微型電腦應(yīng)用， 2019， 35（11）：33-35，81.

[4]李新瑜， 張永慶. 基于產(chǎn)業(yè)鏈視角的人工智能風(fēng)險(xiǎn)分析及其防范[J]. 人文雜志， 2020（4）：47-57.

作者簡(jiǎn)介： 袁炳夏（1979-），男，碩士，計(jì)算機(jī)高級(jí)工程師，主要研究方向：計(jì)算機(jī)網(wǎng)絡(luò)、電子信息、信息安全等。

收稿日期： 2021-04-22