國內人工智能研究的知識圖譜分析

徐延民，李德明

(1.上海財經大學人文學院，上海 200433；2.肇慶學院科技處，廣東肇慶 526000)

人工智能(Artificial Intelligence，簡稱AI)的概念于上世紀50 年代中期在美國達特茅斯會議上提出，其研究領域涉及到心理學、哲學、計算機等學科；伴隨跨學科研究趨勢日益凸顯，筆者基于CNKI數據庫的文獻來源，借助Vosviewer 與Citespace 軟件工具對國內人工智能領域文獻進行計量分析，探索該領域研究現狀，通過可視化圖譜繪制出對該領域知識聚類以及學科交叉的熱點分布。

1 數據來源與研究分析

1.1 數據來源

為系統分析國內人工智能的研究現狀，本文以中國知網CNKI 數據庫為數據源，選擇時間不限，按篇名=“人工智能”，期刊來源選取核心期刊與CSSCI 進行期刊精確檢索，截至 2020 年3 月3 日，通過檢索得到2 973 篇文獻。經閱讀對文獻數據進行處理，剔除會議通知、重復文獻、關鍵詞缺失、作者缺失等非學術文獻以及相關度不高的文獻后，共篩選出2 713 篇文獻作為樣本數據。

1.2 數據整體性分析

通過對所得文獻數據進行統計分析表明（見表1），國內人工智能研究領域的文獻有2 713 篇，作者4 897 位(含合著)；由圖1 看出，國內人工智能研究的年發文量增長趨勢，呈現出先平穩波動到爆發式增長趨勢；1992—2015 年期間，每年的發文量在13～36 篇區間波動；2016—2019 年，發文量劇增，即2016 年68 篇、2017 年250 篇、2018 年708 篇、2019 年1 023 篇。換言之，該領域的研究在2016 年開始大熱，2017 年噴井式爆發，其中2017 年的發文量是2016 年的3.7 倍，2018 年的發文量將近2017年發文量的三倍；在2019 年發文量達到歷史巔峰，其作者數為1 866 人，關鍵詞數2 550 個，文獻數1 023 篇；2016—2019 年期間的發文量共2 049 篇，占總發文量（2 713 篇）的比率為75.53%，近幾年來的發文量增速顯著，表明該領域研究的熱度大增。

表1 國內人工智能研究的作者數、關鍵詞數、文獻數年度分布情況

圖1 國內人工智能研究的文獻數量年度分布可視化圖

由表1 和圖1 可知，2016 年以來國內人工智能的文獻數、作者數量、關鍵詞數都呈現出整體性井噴式增長態勢并進入活躍期，可以說2016 年是人工智能元年，伴隨國內人工智能研究的深入，研究視角日益多元化，研究內容也向廣度和深度延伸，可以預見，在未來一段時間關于人工智能的研究將會繼續呈現大熱態勢。

1.3 作者分析

樣本文獻中，發文量大于等于3 篇的作者共有165 位，礙于文章篇幅限制，將發文量大于等于4 篇的62 位作者列表呈現（見表2）。在本表中發文前五位的作者并非人工智能學科科班出身，其中高奇琦教授的學科背景是政治學，徐英瑾教授學科背景是哲學等等；換言之，不同知識背景的人文學者在該領域匯聚是不爭的事實，未來研究范式呈現出多元化的研究進路。

表2 國內人工智能文獻1992—2020 年發文作者列表（發文量≥4） 單位：篇

筆者借助vosviewer 軟件將作者出現最小頻次（minimum number of occurrence of a keyword）設置為3，即表示該作者出現次數大于或者等于3 次會在圖中顯示，經過數據處理最終得到節點共165 位作者在圖中共現（見圖2）。圖2 中的節點與字體的大小表示該節點出現的頻率高低，字體與節點越大表明頻率越高，節點間連線表示作者曾經合作發表過文章。如圖2 所示，作者合作團體主要有：李德毅、潘云鶴為中心的學術團隊合作，徐英瑾、王培、陳昌鳳為中心的團隊合作，還有于觀貞為中心的學術合作，剩下的大部分作者合作發文較少或者獨作為主。

圖2 基于vosviewer 軟件的作者共現圖

1.4 關鍵詞分析

樣本數據文獻中共有關鍵詞7 671 個，頻次在15 次以上高頻關鍵詞有38 個（見表3）。由表3 得出，自2016 年以來出現的高頻關鍵詞有大數據、人工智能時代、著作權、人才培養、智能教育、人機協同、獨創性、出版業、新聞業、新聞生產、職業教育、人工智能生成物、刑事責任、智能化、法律規制、人工智能創作物、法律主體。這些關鍵詞反映了最近幾年的研究熱點，在圖3 與圖4 中的可視化圖譜中可以看到它們的相應節點。

表3 國內人工智能文獻1992—2020 年高頻關鍵詞列表（閾值≥15） 單位：次

1.5 基于vosviewer 的關鍵詞標簽共現圖分析

筆者將關鍵詞出現最小頻次（minimum number of occurrence of a keyword）設置為7，即表示該詞匯出現次數大于等于7 次的在圖中顯示，經過數據處理最終得到節點共140 個。如圖3 所示，圖中節點和字體越大表示頻率越高，節點之間的連線表示節點之間曾共同出現過，節點顏色表示不同類別的聚類。分析圖3 可得，關鍵詞基本在自然科學領域和人文社會領域兩個知識群，對其劃分為五大聚類：標簽一的聚類，主要節點人工智能技術、專家系統、神經網絡、遺傳算法、知識庫、知識獲取等，這表明人工智能技術工程領域應用的聚類；標簽二的聚類節點有計算機、機器、人類、人類智能、人腦等，該聚類圍繞人工智能與人類智能相關的討論；標簽三的聚類節點有大數據、深度學習、機器學習、區塊鏈、全球治理、醫學影像、圖書館、數據挖掘、倫理、社會治理等，反映了人工智能研究的學科融合，從計算機技術工程領域向經濟學、醫學、圖書情報學、社會學、倫理學等領域等各類社會應用的普遍拓展，即人文社會領域融合發展研究。標簽四與標簽五是人工智能向人文社會領域拓展融合過程中的聚焦子類，分別是人工智能涉及的法律問題研究以及人工智能對教育的影響應用研究；標簽四的節點有著作權、知識產權、法律主體、刑事責任、人工智能創作物等，標簽五的節點有智能教育、人才培養、教育人工智能、新工科、職業教育等。總而言之，兩大知識群與五大聚類共同形成了國內人工智能研究的基本格局，為進一步深化該領域研究提供思路。

圖3 基于vosviewer 軟件的關鍵詞標簽共現圖

1.6 基于Citespace 的關鍵詞共現時區圖譜分析

關鍵詞進行聚類分析可以得出該研究領域內各研究主題的基本狀況。為了清晰地識別學科發展的拐點與前沿的時態模式，可以將關鍵詞共現圖譜按照時間序列進行排布，從而顯示出每個時間段內研究熱點的分布情況。在本研究中，筆者借助Citespace 軟件將節點選擇為關鍵詞（Keyword），切片長度（Slice Length）設置為3，選擇標準（Selection Criteria）設置為Top50 per slice，即提取每個時間切片排名50位的數據來生成關鍵詞共現時區圖譜（Time Zone），如圖4 所示。在此關鍵詞共現時區圖譜中，每個時間段對應一條縱向的時間軸，時間軸上的關鍵詞代表著在該時間內該關鍵詞首次出現，節點的大小表示該關鍵詞出現頻次的高低，連線代表共現。

由圖4 可知，中國人工智能研究主題在不斷地演變，結合定性分析可以將其劃分為三個階段：首先是1992—2000 年，這一階段主要停留在人工智能技術的理論探究層面，圍繞神經網絡、專家系統、機器學習、遺傳算法等關鍵詞進行研究居多；其次是2001—2016 年，此階段的研究主題比較分散，對應該階段研究中的關鍵詞出現頻次太低，以至于在中間有一段空白時期，說明未形成比較集中的研究問題；第三個階段為2016 年-至今，其研究主題不斷擴大，研究熱點持續增多；此階段人工智能研究的主題發散式擴展，其中有深度學習、智能教育、人工智能創作物、知識產權、刑事責任、法律人格、政府治理等高頻詞的出現，這代表了不同學科背景的學者都在此匯聚，逐步從技術工程領域向人文社會領域的社會應用體系拓展。

圖4 基于Citespace 的關鍵詞共現時區圖譜

2 研究內容分析

知識圖譜客觀地呈現了當前國內人工智能領域的研究現狀，筆者結合樣本數據的相關文獻進一步整理，結合圖3 的標簽圖對五大聚類進行分析介紹。

2.1 人工智能技術發展及應用研究

標簽一聚類的關鍵詞有神經網絡、專家系統、人工智能技術、遺傳算法、知識庫、數據挖掘、卷積神經網絡等，聚類標簽一的關鍵詞是圍繞工程技術領域展開的。工程技術范疇下的人工智能是與技術發展緊密關聯，人工智能技術最開始是智能機器或智能人工物，人工智能在歷史發展中有三大派別，分別是符號主義、聯結主義、行為主義；這三大派別在模擬人類智能的過程中，功能模擬對應符號主義，結構模擬對應人工神經網絡的聯結主義，行為模擬對應感知動作系統的行為主義；這三者不能相互融通，導致人工智能研究各說自話，沒有統一共識。構建統一研究范式，需要運用新的方法論為人工智能研究提供對話機制，即通過確立人工智能生態系統共生機制，將信息、感知、認知、情感、理智、綜合決策等基礎概念重新整合，進而在共生機制框架下結構模擬、功能模擬與行為模擬的三大主義達成統一，未來通用人工智能理論是基于機制主義的智能理論［1］。

2.2 人工智能與人類智能的關系研究

標簽二的聚類節點有計算機、機器、人類、人類智能、人腦等，該聚類圍繞人工智能與人類智能的關系討論。蔡曙山等［2］從神經層面、心理層面、語言層面、思維層面、文化層面來區分人工智能與人類智能的差別；人類認知中，其中心理與神經層面的認知是低階認知，語言、思維、文化層面的認知是高階認知，人工智能只是對人類智能能力的模仿，在整體上并未超過人類智能。體能與智能作為人的兩種能力，人的能力逐步被工具延展替代，從人工體能到人工智能是工具發展的質變，為社會進步與人的解放增添動力；人工智能與人的智能的相互融合發展是未來人機智能的發展前景［3］。區分作為工具的智能機器與作為主體的智能機器人，人的定義從本質主義轉向功能主義。人與機器的關系到跨人機主體間的關系，自然人自身再進化、人機融合是自然人避免被智能機器人所替代、淘汰的可行方案［4］。

2.3 人工智能與人文社會科學領域的融合

標簽三的聚類節點有智能機器人、大數據、深度學習、機器學習、區塊鏈、全球治理、醫學影像、圖書館、數據挖掘、倫理、社會治理等，反映了人工智能研究從計算機技術工程領域向與社會學、倫理學、醫學、圖書情報學等人文社會科學領域融合的方向發展。

下面介紹下人工智能的哲學、倫理學等問題的探討，比如現象學、心靈哲學、主體性、本體論、認識論等；任曉明［5］從計算機科學哲學、人工智能哲學、信息哲學等多學科交叉滲透的復雜性來分析人工智能哲學發展，通過本體論、認識論、美學、邏輯學、倫理學等維度來展示其理論前沿與發展前景。王治東［6］對人工智能的本體論、認識論、方法論、價值論四個維度的研究路徑進行闡述。鄭祥福［7］對人工智能的四個哲學問題進行了闡述，分別是人的意向性問題、概念框架問題、語境問題、日常化認識問題。孫保學與李倫［8］認為，人工智能的“機芯”設計在人工智能開發設計使用者的“良心”的指導下設計出合乎道德算法的機器，進而確保人工智能的善用，最終指出人工智能倫理研究存在四個向度，即人工智能道德哲學、人工智能道德算法、人工智能設計倫理、人工智能社會倫理。孫偉平［9］針對人工智能技術的應用引起的倫理沖突以及相應的倫理規制進行了分析，也對人工智能的價值沖突進行了反思［10］。王天恩［11］認為在人工智能發展的外在倫理限制和內在倫理的支持中，對人工智能與人的發展所不可獲取的部分，應從消極倫理限制向積極倫理規制的轉變，創新觀念給予倫理支持，進而協調因人機融合進化中出現的新倫理關系。在人機交互系統中智能體“主體性”越來越強，引發學界對人機系統中智能體的事故責任以及如何承擔等問題的討論，在一定程度上人類認知通過人工智能體進行延展，但是責任并未得以延展，這就需要在設計之初將責任要素考慮在內，通過“輸入-輸出”能否控制的四種語境進行設計人機系統責任承擔方案［12］。

人工智能引起的社會各個領域的整體性變革，由此產生的社會治理倒逼公共政策框架的重構與創新，分別在技術邏輯、風險挑戰、公共政策選擇三個層面上對人工智能治理進行了闡述［13］。在AI 產業布局上，我國與美國還存在差距，下一步需在AI戰略布局、科研投入、科研人才培養模式等方面促進我國AI 產業加速發展［14］。

2.4 人工智能涉及的法律問題研究

標簽四的節點有著作權、知識產權、法律主體、刑事責任、人工智能創作物等，這是人工智能領域研究在人文社會科學領域滲透過程中凸顯出的子聚類。在關鍵詞共現聚類圖譜中，人工智能的知識產權認定，刑事責任主體等在人工智能技術社會應用中所要面臨的現實風險。法律內部系統正面臨著人工智能系統所帶來的指令或行為沖突，在具體的民事活動與刑事活動中背離了傳統的法律因果關系所造成的現實法律風險。針對人工智能行為的法律因果關系的認定進行歸責是現當代法律制定部門亟需解決的問題，面對不同行為邏輯的人工智能系統，比如基于有導向算法與無導向算法的人工智能行為，對行為產生的法律因果關系的討論需要將技術代碼邏輯以及現有法律規制進行融合。

人工智能創作的雙重標準，即在形式上版權法規定的外在標準以及受版權法保護的作品應滿足智力創作的內在標準；從數據與表達在觀念上做出區分，人工智能創作程序的所有者對數據層面的創作結果擁有權利，從數據中挖掘出具有市場價值的人來說，這種結果是擁有排他性并弱于版權的特別知識產權，從一定程度上，可以避免利用人工智能開展“數據圈地”，也可以合理利用純粹人工智能創作產生的版權侵權責任［15］。

法律主體人格是社會建構出來的產物，人工智能的法律主體人格并非完全以人為前提，面對現狀我們需要保持一種開放態度［16］。也有學者認為，意志要素與認識要素是認定刑事主體的關鍵，人工智能主體類似于法人主體（沒有人類肉體與意識的構造模式），但是法人運行機制符合主體認定的實質要求，當前人工智能則不具備，從刑罰目的實現出發，反面論證當前人工智能沒有必要作為刑事主體認定［17］。

2.5 人工智能對教育的影響及應用研究

標簽五的關鍵詞節點有職業教育、教育人工智能、智能教育、人才培養等。近幾年來人工智能領域呈現爆發式增長，一方面，人工智能與教育的融合促進了教育行業現代化發展；另一方面，人工智能學科本身是教育學科門類下的子學科，其發展必然受到學科本身的轄制。新工科需要與智能一級學科的設置相配套，需要有新的專業，智能科學與技術的核心課程應成為理工科通識教育課程；中國智能人才的教育體系需要在“知行合一，學以致用”為特色的工程教育改革中生成［18］。人工智能工程教育仍是作為關鍵性基礎學科，作為新工科的學科屬性并未改變；然而在社會化應用過程中考量的參考指標就需要人文社會學科的參與，在相互融合過程中不斷打磨出學科的新高度。“智能社會科學應由智能政治學、智能社會學、智能法學、智能經濟學、智能教育學、智能心理學、智能語言學等二級學科構成。智能社會科學的構建是一項極其復雜的系統工程，一方面需要對其進行頂層規劃與設計，另一方面也需要社會各界的廣泛參與［19］。”智能科學技術的發展，不再是傳統意義的工程科學，而是推動新工科建設內在驅動力。智能時代的新工科建設與智能科學與技術的發展緊密相關，針對智能專業的課程開設應相適合，落實人才培養體系，促進學以致用的工程教育改革。中國要立足于世界之林并實現中國夢，需要在教育上狠下功夫，為培養跨界創新的新工科優秀人才提供基本保障。

人類的教育始終都是圍繞著“人”展開，是從人的框架中探尋教育的本質；人工智能時代對人的素質教育培養提出了新的要求，傳統的德智體美等素質理念需要重新審視，即傳統知識通過數據算法等形式呈現，知識的認知獲取方式發生了變化。人的全面發展利用人工智能技術的“嫁接”，未來人的教育培養以及人自身的整體能力水平等都會得到整體性提升。整體性人格教育不再是單純的知識教育，還有情感、意志等多方面的教育，可以說智能教育為健全人格提供了多維度解決方案。未來教育借助通用人工智能，擺脫人的先天生物體約束，將傳統人類教育融合機器教育，形塑“人-機”二元主體的教育學習模式［20］。

3 結論

人工智能科學研究作為自然科學領域的研究對象，近年來在其社會化應用的過程中逐步受到人文社會領域的關注。本文通過分析篇名含有“人工智能”的CNKI 數據庫中的2 713 篇文獻，進行了量化分析研究；基于關鍵詞時區圖譜，在時間維度上呈現了人工智能在過去二十多年間的研究主題演變情況；在研究內容上通過對關鍵詞進行聚類分析得出當前人工智能研究的五大聚類，即人工智能技術及應用研究、人工智能與人類智能的關系研究、人工智能與人文社會科學的融合、人工智能涉及的法律問題研究、人工智能對教育的影響及應用研究五個部分，分析五大聚類主題為人工智能領域發展脈絡提供了一些線索。換言之，人工智能研究正經歷著從工程技術領域向人文社會領域的融合過程，打通學科邊界進而建構交流平臺，促進大人文學科發展戰略落地，為提升整體科研水平貢獻力量。

當前人工智能相關研究的主題演化、內容分支、跨學科融合等問題是本文可視化研究突出所在。但是本論文采用的檢索式局限于篇名含有“人工智能”以及沒有將國外數據庫的人工智能研究進行呈現，未能全方位展示人工智能發展狀況是本論文的缺憾。在人工智能領域的研究上，筆者初衷是借助小樣本數據拋磚引玉，為以后研究提供一些線索與思考。