人工智能在過(guò)去十年中從實(shí)驗(yàn)室走向產(chǎn)業(yè)化生產(chǎn)，重塑傳統(tǒng)行業(yè)模式、引領(lǐng)未來(lái)的價(jià)值已經(jīng)凸顯，并為全球經(jīng)濟(jì)和社會(huì)活動(dòng)做出了不容忽視的貢獻(xiàn)。當(dāng)前，人工智能已經(jīng)迎來(lái)其發(fā)展史上的第三次浪潮。人工智能理論和技術(shù)取得了飛速發(fā)展，在語(yǔ)音識(shí)別、文本識(shí)別、視頻識(shí)別等感知領(lǐng)域取得了突破，達(dá)到或超過(guò)人類(lèi)水準(zhǔn)，成為引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)。人工智能的應(yīng)用領(lǐng)域也快速向多方向發(fā)展，出現(xiàn)在與人們?nèi)粘Ｉ钕⑾⑾嚓P(guān)的越來(lái)越多的場(chǎng)景中。近日，清華大學(xué)科技情報(bào)大數(shù)據(jù)挖掘與服務(wù)系統(tǒng)平臺(tái) AMiner發(fā)布了研究報(bào)告《人工智能發(fā)展報(bào)告2011-2020》，闡述人工智能過(guò)去十年取得的重要成果，并討論了人工智能的未來(lái)發(fā)展藍(lán)圖，理論、技術(shù)和應(yīng)用方面的重大變化與挑戰(zhàn)。敬請(qǐng)閱讀。

01.飛速發(fā)展的十年

1、論文發(fā)表情況

人工智能過(guò)去十年發(fā)展快速，從學(xué)術(shù)研究走向商業(yè)化。本報(bào)告專(zhuān)注于通過(guò)分析在國(guó)際頂級(jí)期刊和會(huì)議上的人工智能領(lǐng)域科研論文發(fā)表情況來(lái)研究該領(lǐng)域的成果產(chǎn)出。由下圖可見(jiàn)，從 2011 年以來(lái)人工智能領(lǐng)域高水平論文發(fā)表量整體上呈現(xiàn)穩(wěn)步增長(zhǎng)態(tài)勢(shì)，取得了很多科研成果。這些科研成果涵蓋 R-CNN 算法、神經(jīng)機(jī)器翻譯的新方法等。

▲過(guò)去十年人工智能領(lǐng)域國(guó)際頂級(jí)期刊會(huì)議論文數(shù)量趨勢(shì)

從高水平科研論文的國(guó)家分布來(lái)看，人工智能領(lǐng)域論文發(fā)表量居于前十的國(guó)家依次是美國(guó)、中國(guó)、德國(guó)、英國(guó)、日本、加拿大、法國(guó)、韓國(guó)、意大利和澳大利亞，如下圖所示。美國(guó)和中國(guó)的高水平論文發(fā)表量明顯高于其他國(guó)家，分別位居第一、二名，中國(guó)的論文量緊隨美國(guó)之后。

▲過(guò)去十年人工智能領(lǐng)域高水平論文發(fā)表量前十國(guó)家

研究發(fā)現(xiàn)，各個(gè)國(guó)家的人工智能領(lǐng)域高水平科研論文發(fā)布具有以下特征。

（1）、開(kāi)展跨國(guó)科研合作較多的國(guó)家是美國(guó)和中國(guó)

從論文的國(guó)際合作網(wǎng)絡(luò)看，美國(guó)和中國(guó)的 AI 高水平論文發(fā)表均存在較多的跨國(guó)合作現(xiàn)象，如下圖所示。其中，AI 技術(shù)實(shí)力領(lǐng)先的美國(guó)所參與的高水平論文跨國(guó)合作最多，是各國(guó)的主要合作國(guó)家，過(guò)去十年，美國(guó)的 33255 篇 AI 高水平論文之中，出現(xiàn)過(guò)中國(guó)、英國(guó)、加拿大、德國(guó)、印度等 30 多個(gè)合作國(guó)家，合作國(guó)家數(shù)量最多；中國(guó)的跨國(guó)科研合作國(guó)家數(shù)量位居第二，在其 22686 篇 AI高水平論文之中，出現(xiàn)了美國(guó)、加拿大、新加坡、英國(guó)、日本等 20 多個(gè)合作國(guó)家；英國(guó)和德國(guó)的 AI 高水平論文跨國(guó)合作國(guó)家數(shù)量均為 18 個(gè)。其余國(guó)家在 AI高水平論文方面開(kāi)展的跨國(guó)合作數(shù)量較少。

▲過(guò)去十年人工智能領(lǐng)域高水平論文發(fā)表國(guó)際合作國(guó)家分布

（2）、中美兩國(guó)是對(duì)方 AI 領(lǐng)域的重要科研合作伙伴

在 AI 高水平論文發(fā)表方面，美國(guó)和中國(guó)均是對(duì)方的重要科研合作伙伴。過(guò)去十年，美國(guó)在其 30 多個(gè)合作國(guó)家之中，與中國(guó)合作的 AI 高水平論文數(shù)量占比最多，為 18.53%。同時(shí)，中國(guó)在其 20 多個(gè)合作國(guó)家之中，與美國(guó)合作的論文數(shù)量最多，占比 27.16%。可見(jiàn)，開(kāi)展國(guó)際科研合作已成為中美兩國(guó) AI 研究成果產(chǎn)出的重要方式。

（3）、跨國(guó)科研合作可以提高合作本國(guó) AI 研究成果的影響力

分析發(fā)現(xiàn)，美國(guó)的 AI 領(lǐng)域高水平論文平均引用率為 44.99，中國(guó)的 AI 領(lǐng)域高水平論文平均引用率為 31.88。相比而言，中國(guó)和美國(guó)合作論文的平均引用率達(dá) 51.2，其影響力明顯高于中國(guó)和美國(guó)各自論文的平均引用水平，這表明跨國(guó)合作的科研成果在世界人工智能研發(fā)領(lǐng)域的展示和交流幾率大大增加。

2、獲得圖靈獎(jiǎng)的人工智能技術(shù)

圖靈獎(jiǎng)（ACM A.M. Turing Award）是計(jì)算機(jī)界最負(fù)盛名、最崇高的一個(gè)獎(jiǎng)項(xiàng)，有“計(jì)算機(jī)界的諾貝爾獎(jiǎng)”之稱(chēng)。圖靈獎(jiǎng)是計(jì)算機(jī)協(xié)會(huì)（ACM）于 1966 年設(shè)立的獎(jiǎng)項(xiàng)，專(zhuān)門(mén)獎(jiǎng)勵(lì)對(duì)計(jì)算機(jī)事業(yè)做出重要貢獻(xiàn)的個(gè)人。其名稱(chēng)取自世界計(jì)算機(jī)科學(xué)的先驅(qū)、英國(guó)科學(xué)家、曼徹斯特大學(xué)教授艾倫·圖靈（A.M. Turing）。

圖靈獎(jiǎng)獲獎(jiǎng)?wù)弑仨毷窃谟?jì)算機(jī)領(lǐng)域具有持久而重大的先進(jìn)性的技術(shù)貢獻(xiàn)，大多數(shù)獲獎(jiǎng)?wù)呤怯?jì)算機(jī)科學(xué)家。第一位圖靈得主是卡耐基梅隆大學(xué)的 Alan Perlis （1966 年），第一位女性獲獎(jiǎng)?wù)呤?IBM 的 Frances E. Allen （2006 年）。

通過(guò) AMiner 智能引擎，可以自動(dòng)收集歷年來(lái)圖靈獎(jiǎng)獲得者及其學(xué)者畫(huà)像信息（基本信息、研究興趣等），以及該學(xué)者的論文和專(zhuān)著等信息。由于每年度的圖靈獲獎(jiǎng)?wù)咭话阍诖文?3 月下旬由美國(guó)計(jì)算機(jī)協(xié)會(huì)（ACM）官方頒發(fā)，因此本報(bào)告統(tǒng)計(jì)了截至 2020 年頒發(fā)的近十年（2010-2019 年）圖靈獎(jiǎng)得主數(shù)據(jù)。分析發(fā)現(xiàn)，圖靈獎(jiǎng)近十年授予領(lǐng)域具有如下特征。

（1）、十年中三次正式頒獎(jiǎng)給人工智能領(lǐng)域

圖靈獎(jiǎng)?lì)C發(fā)的領(lǐng)域，在一定程度上反映了計(jì)算機(jī)科學(xué)技術(shù)發(fā)展方向的縮影。數(shù)據(jù)顯示，過(guò)去十年圖靈獎(jiǎng)分別授予給了計(jì)算理論、概率和因果推理、密碼學(xué)、分布式和并發(fā)系統(tǒng)、數(shù)據(jù)庫(kù)系統(tǒng)、萬(wàn)維網(wǎng)、計(jì)算機(jī)系統(tǒng)、深度神經(jīng)網(wǎng)絡(luò)和 3D 計(jì)算機(jī)圖形學(xué)九個(gè)領(lǐng)域，具體如下圖所示。從獲獎(jiǎng)內(nèi)容、創(chuàng)新角度、研究領(lǐng)域等維度來(lái)看，圖靈獎(jiǎng)注重原始理論創(chuàng)新和學(xué)科交叉，具有科研優(yōu)勢(shì)積累現(xiàn)象。

過(guò)去十年的 圖靈獎(jiǎng)有三次正式授予給人工智能領(lǐng)域。

第一次是 2010 年，Leslie Valiant 因?qū)τ?jì)算理論的貢獻(xiàn)（PAC、枚舉復(fù)雜性、代數(shù)計(jì)算和并行分布式計(jì)算）獲得圖靈獎(jiǎng)，該成果是人工智能領(lǐng)域快速發(fā)展的數(shù)學(xué)基礎(chǔ)之一。

第二次是2011 年，因 Judea Pearl 通過(guò)概率和因果推理對(duì)人工智能做出貢獻(xiàn)而頒獎(jiǎng)；

第三次是 2018 年，深度學(xué)習(xí)領(lǐng)域三位大神 Yoshua Bengio、Geoffrey Hinton 和 Yann LeCun 因?yàn)樵诟拍詈凸こ躺系闹卮笸黄仆苿?dòng)了深度神經(jīng)網(wǎng)絡(luò)成為計(jì)算機(jī)領(lǐng)域關(guān)鍵技術(shù)而榮獲圖靈獎(jiǎng)。

Hinton 的反向傳播（BP）算法、LeCun 對(duì)卷積神經(jīng)網(wǎng)絡(luò)（CNN）的推動(dòng)以及 Bengio 對(duì)循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）的貢獻(xiàn)是目前圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等獲得跳躍式發(fā)展的基礎(chǔ)。中國(guó)科學(xué)院張鈸院士在《邁向第三代人工智能》一文中也提到這 5 位圖靈獎(jiǎng)得主在創(chuàng)建第二次 AI 中所做出的重大貢獻(xiàn)。

▲2010-2020 年圖靈獎(jiǎng)授予的計(jì)算機(jī)領(lǐng)域

（2）、人工智能領(lǐng)域獲獎(jiǎng)人數(shù)占據(jù)四分之一

由下圖可見(jiàn)，過(guò)去十年，共有 16 位學(xué)者獲得圖靈獎(jiǎng)。其中，包括 5 位人工智能領(lǐng)域?qū)W者獲此殊榮，占比 31%，這反映出人工智能在計(jì)算機(jī)學(xué)科中的地位已不容忽視。同時(shí)，人工智能領(lǐng)域圖靈獎(jiǎng) 從初期的單獨(dú)獲獎(jiǎng)?wù)叩浇陙?lái)的共同獲獎(jiǎng)?wù)?，越?lái)越呈現(xiàn)出高層次學(xué)者強(qiáng)強(qiáng)聯(lián)合的研究趨勢(shì)。

（3）、美國(guó)培養(yǎng)并擁有八成以上的圖靈獎(jiǎng)得主

過(guò)去十年的 16 位圖靈獎(jiǎng)獲得者之中，有 13 位來(lái)自美國(guó)、2 位來(lái)自英國(guó)、1位來(lái)自加拿大，如下圖所示。在美國(guó)的 13 位圖靈獎(jiǎng)得主之中，有 10 位是在美國(guó)本國(guó)接受的全部高等教育、2 位擁有美國(guó)和其他國(guó)家教育背景、僅 1 位沒(méi)有美國(guó)教育背景。

其中，2011 年獲獎(jiǎng)?wù)?Judea Pearl 擁有以色列本科教育和美國(guó)紐約大學(xué)博士教育背景；2012 年圖靈獎(jiǎng)得主 Silvio Micali 擁有意大利本科教育和美國(guó)加州伯克利大學(xué)博士教育背景。唯一沒(méi)有美國(guó)教育背景的是 2018 年圖靈獎(jiǎng)得主 Yann LeCun，他僅有法國(guó)教育背景。八成以上圖靈獎(jiǎng)得主具有美國(guó)教育或工作背景的事實(shí)，反映出美國(guó)人工智能高層次人才培養(yǎng)的強(qiáng)勢(shì)競(jìng)爭(zhēng)力。

▲2010-2020 年圖靈獎(jiǎng)得主所在國(guó)家及教育背景情況

（4）、歐洲培養(yǎng)的高層次人才中有三位被吸引到美國(guó)學(xué)習(xí)或工作并獲圖靈獎(jiǎng)

從這些圖靈獲獎(jiǎng)?wù)叩慕逃尘皝?lái)看，美國(guó)與歐洲國(guó)家的學(xué)術(shù)交流非常多。Yann LeCun 擁有法國(guó)教育背景后到美國(guó)任職并獲圖靈獎(jiǎng)；Judea Pearl 和 Silvio Micali 分別從以色列和意大利被吸引到美國(guó)繼續(xù)深造而擁有跨國(guó)雙重教育背景，后來(lái)均到美國(guó)任職并在美國(guó)獲得圖靈獎(jiǎng)。此外，英國(guó)的這兩位圖靈獎(jiǎng)得主雖然均是在本國(guó)接受的高等教育并且獲獎(jiǎng)時(shí)都在本國(guó)，但都有過(guò)一些美國(guó)任職經(jīng)歷。

Geoffrey Hinton 博士畢業(yè)于英國(guó)愛(ài)丁堡大學(xué)，后來(lái)陸續(xù)在谷歌、卡內(nèi)基梅隆大學(xué)、加州大學(xué)圣地亞哥分校等美國(guó)機(jī)構(gòu)任職；Tim Berners-Lee 在英國(guó)牛津大學(xué)本科畢業(yè)后，也有過(guò)在麻省理工學(xué)院任職的經(jīng)歷?？梢?jiàn)， 美國(guó)的高等教育體系不僅培養(yǎng)的 了自己本國(guó)的 AI 領(lǐng)域高端人才，而且從歐洲國(guó)家吸引和留住了多位領(lǐng)域精英。

（5）、僅加拿大圖靈獎(jiǎng)得主沒(méi)有任何美國(guó)教育和任職經(jīng)歷

在這 16 位圖靈獎(jiǎng)獲得者之中，僅有加拿大的 Yoshua Bengio 在本國(guó)的麥吉爾大學(xué)接受了高等教育并在本國(guó)蒙特利爾大學(xué)任職，并于 2018 年因在深度神經(jīng)網(wǎng)絡(luò)概念和工程上的突破而獲獎(jiǎng)。這在一定程度上反映出加拿大在人工智能領(lǐng)域高層次人才培養(yǎng)和質(zhì)量上較為成功。

（6）、圖靈得主們?cè)陬I(lǐng)域相關(guān)論文發(fā)表后需要平均等待 37.1 年之后才獲獎(jiǎng)

通過(guò) AMiner 人才畫(huà)像數(shù)據(jù)獲取這些圖靈獎(jiǎng)得主所發(fā)表的第一篇與獲獎(jiǎng)理由相關(guān)主題的論文，計(jì)算得出該論文發(fā)表年份距離作者獲得圖靈獎(jiǎng)時(shí)間，從而得到這些圖靈得主的獲獎(jiǎng)時(shí)間長(zhǎng)短，如下圖所示。結(jié)果發(fā)現(xiàn)，圖靈獎(jiǎng)得主獲獎(jiǎng)時(shí)一般距離其首次發(fā)表獲獎(jiǎng)?lì)I(lǐng)域相關(guān)論文至少已經(jīng)三十年以上，平均為 37.1 年。

其中， Edwin Catmull 于 2019 年獲得圖靈獎(jiǎng)，距離其在計(jì)算機(jī)圖形學(xué)領(lǐng)域發(fā)表的最早論文 A system for computer generated movies 已經(jīng)過(guò)去了 47 年，等待獲獎(jiǎng)時(shí)間最久。而獲獎(jiǎng)等待時(shí)間最短的是 Tim Berners-Lee，他于 1990 年發(fā)表WorldWideWeb: Proposal for a Hypertext Project 論文，僅在 26 年后的 2016 年就因發(fā)明萬(wàn)維網(wǎng)、Web 瀏覽器以及允許 Web 擴(kuò)展的基本協(xié)議和算法獲得圖靈獎(jiǎng)。

▲圖靈獎(jiǎng)得主的首篇領(lǐng)域論文發(fā)表距離獲獎(jiǎng)年份的時(shí)長(zhǎng)

（7）、八成以上圖靈得主獲獎(jiǎng)時(shí)已經(jīng)度過(guò)了其科研論文高峰產(chǎn)出期

基于 AMiner 平臺(tái)上各位圖靈獎(jiǎng)得主的論文數(shù)據(jù)和人物畫(huà)像，分析發(fā)現(xiàn)，圖靈獎(jiǎng)得主一般會(huì)在獲獎(jiǎng)后保持原來(lái)的研究方向，但是他們的論文發(fā)表量卻減少了。有 80.1%的圖靈得主在獲圖靈獎(jiǎng)后的論文年均產(chǎn)出量低于其獲獎(jiǎng)前的年均論文產(chǎn)出量，如下圖所示，這反映出他們?cè)讷@得圖靈獎(jiǎng)時(shí)已經(jīng)普遍過(guò)了其學(xué)術(shù)產(chǎn)出高峰時(shí)期。

▲2010-2020 年圖靈獎(jiǎng)得主獲獎(jiǎng)前后的年均論文發(fā)表量

值得一提的是，Yoshua Bengio，Judea Pearl 和 Michael Stonebraker 三位學(xué)者是例外，他們?cè)讷@得圖靈獎(jiǎng)之后的年均論文產(chǎn)出量較其獲獎(jiǎng)前均有不同程度的增加，分別增加了 328.07%、49.53%和 12.32%。其中，Yoshua Bengio 在 2018 年獲得圖靈獎(jiǎng)后論文年均發(fā)表量激增特別明顯，并在 2019 年發(fā)表 96 篇論文，達(dá)到其論文產(chǎn)出峰值，他的 AMiner 學(xué)術(shù)畫(huà)像及年度論文發(fā)表量如下圖所示。

▲2018 年圖靈獎(jiǎng)獲得者 Yoshua Bengio 的 AMiner 學(xué)術(shù)畫(huà)像

需要指出的是，部分圖靈得主在獲獎(jiǎng)后的論文產(chǎn)出量減少除了其學(xué)術(shù)產(chǎn)出減少之外，還存在以下兩個(gè)原因。

一是他們可能已不再全力進(jìn)行學(xué)術(shù)研究，而是轉(zhuǎn)向參與社會(huì)事業(yè)等，從而導(dǎo)致其獲獎(jiǎng)后的論文發(fā)表量減少。例如，Whitfield Diffie在 2015 年因密碼學(xué)的貢獻(xiàn)獲得圖靈獎(jiǎng)后，轉(zhuǎn)向致力于促進(jìn)信息安全和隱私權(quán)的保護(hù)；Martin Hellman 因密碼學(xué)的貢獻(xiàn)獲得同年的圖靈獎(jiǎng)后，轉(zhuǎn)向致力于研究國(guó)際安全與核武器削減。

二是也有少量圖靈得主在發(fā)表相關(guān)論文后早已投身于工業(yè)界，例如，計(jì)算機(jī)圖形學(xué)先驅(qū) Edwin Catmull 在研究生畢業(yè)后就在盧卡斯、皮克斯等公司就職，早已離開(kāi)學(xué)術(shù)界，曾擔(dān)任 Pixar 動(dòng)畫(huà)和 Disney 動(dòng)畫(huà)的總裁，四次獲電影 Oscar 獎(jiǎng)（1993、1996、2001 和 2008），其 AMiner 學(xué)術(shù)畫(huà)像及年度論文發(fā)表量如下圖所示。

▲2019 年圖靈獎(jiǎng)獲得者 Edwin Catmull 的 AMiner 學(xué)術(shù)畫(huà)像

3、媒體評(píng)選出的重大人工智能技術(shù)

自 2001 年起，《麻省理工科技評(píng)論》每年都會(huì)評(píng)選出當(dāng)年的“十大突破性技術(shù)”。所評(píng)選出的技術(shù)榜單曾精準(zhǔn)預(yù)測(cè)了腦機(jī)接口、智能手表、癌癥基因療法、深度學(xué)習(xí)等諸多熱門(mén)技術(shù)的崛起，在全球科技領(lǐng)域具有舉足輕重的影響力。

分析發(fā)現(xiàn)，媒體評(píng)出的人類(lèi)突破性技術(shù)之中近 30% 與人工智能相關(guān)。通過(guò)分析挖掘 2010-2020 年《麻省理工科技評(píng)論》評(píng)選出當(dāng)年的“十大突破性技術(shù)”，發(fā)現(xiàn)有 32 項(xiàng) 項(xiàng) 人工智能相關(guān)技術(shù)入選榜單，占比近 30%，其中包括：2013 年的深度學(xué)習(xí)、2014 年的神經(jīng)形態(tài)芯片、2016 年的語(yǔ)音接口與知識(shí)分享型機(jī)器人、2017年的自動(dòng)駕駛卡車(chē)與強(qiáng)化學(xué)習(xí)，2018 年的流利對(duì)話(huà)的 AI 助手、給所有人的人工智能和對(duì)抗性神經(jīng)網(wǎng)絡(luò)、2019 年的靈巧機(jī)器人，以及 2020 年的微型人工智能和人工智能發(fā)現(xiàn)分子。具體名單如下圖所示。

▲2010-2020 年入選《麻省理工科技評(píng)論》“十大突破性技術(shù)”榜單的人工智能相關(guān)技術(shù)

4、國(guó)際頂會(huì)頂刊最佳論文授予領(lǐng)域分析

人工智能領(lǐng)域頂級(jí)期刊和會(huì)議每年都會(huì)在眾多學(xué)術(shù)研究論文之中，通過(guò)“雙盲評(píng)審”，評(píng)選出最有新意和價(jià)值的研究論文作為最佳研究論文，并授予“Best Paper”獎(jiǎng)項(xiàng)。每年大會(huì)的最佳論文獎(jiǎng)一般分兩類(lèi)，一類(lèi)是最佳研究論文（Research track），另一類(lèi)是最佳應(yīng)用論文（Applied track）。部分會(huì)議在每年選出多篇最佳論文（分列第一、二、三名），也有部分頂會(huì)每隔幾年才會(huì)選出一篇最佳論文。

從過(guò)去十多年的經(jīng)驗(yàn)來(lái)看，國(guó)際頂會(huì)歷年的最佳研究論文都會(huì)對(duì)之后很多領(lǐng)域的研究有著開(kāi)創(chuàng)性的影響。因此，不論是從閱讀經(jīng)典文獻(xiàn)的角度，還是從學(xué)習(xí)最新研究成果的角度來(lái)說(shuō)，分析和探討每年的最佳研究論文都極具價(jià)值。

本部分收集整理了2011-2020年期間的人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議最佳論文獎(jiǎng)項(xiàng)第一名的全部論文（對(duì)于不區(qū)分名次的最佳論文則全部收錄），再對(duì)這些論文所屬領(lǐng)域進(jìn)行分析。統(tǒng)計(jì)發(fā)現(xiàn)，過(guò)去十年榮獲“最佳論文”獎(jiǎng)項(xiàng)的論文來(lái)自 34個(gè)國(guó)際頂會(huì)、共計(jì) 440 篇，其中，research track 最佳論文 409 篇，占比 93%。

各會(huì)議最佳論文量的具體分布如下表所示，F(xiàn)OCS、IEEE VIS、ISSCC 等最佳論文數(shù)量較多主要是因?yàn)樵摃?huì)議每年頒發(fā) 3 篇杰出論文獎(jiǎng)（Outstanding Paper Award）且不區(qū)分先后名次。ICASSP 等會(huì)議最佳論文量較少主要是由于存在缺失數(shù)據(jù)。

▲2011-2020 年人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議最佳論文授予量分布 （單位；篇）

從所屬細(xì)分研究領(lǐng)域來(lái)看，這些最佳論文覆蓋了機(jī)器學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理、機(jī)器人、知識(shí)工程、語(yǔ)音識(shí)別、數(shù)據(jù)挖掘、信息檢索與推薦、數(shù)據(jù)庫(kù)、人機(jī)交互、計(jì)算機(jī)圖形學(xué)、可視化、安全與隱私、計(jì)算機(jī)網(wǎng)絡(luò)、計(jì)算機(jī)系統(tǒng)、計(jì)算理論、經(jīng)典 AI、芯片技術(shù)等 18 個(gè)子領(lǐng)域。

（1）、頂會(huì)最佳論文獎(jiǎng)呈現(xiàn)出較多跨領(lǐng)域授予現(xiàn)象

總體而言，盡管這些國(guó)際頂級(jí)會(huì)議將大部分的最佳論文獎(jiǎng)都授予給了本會(huì)議所屬的 AI 子領(lǐng)域，但是授予非本會(huì)議領(lǐng)域的最佳論文數(shù)量占比較高，達(dá) 22.3%。其中，WSDM 是數(shù)據(jù)挖掘領(lǐng)域重要國(guó)際會(huì)議，在它授予的最佳論文獎(jiǎng)之中，有90.9%的最佳論文被授予給非數(shù)據(jù)挖掘領(lǐng)域的論文，在所有會(huì)議中占比最高。其次，KDD 會(huì)議將 88.9%最佳論文獎(jiǎng)授予給非數(shù)據(jù)挖掘領(lǐng)域的論文，WWW 會(huì)議將 63.6%的最佳論文獎(jiǎng)授予給非信息檢索與推薦領(lǐng)域的論文。各個(gè)會(huì)議最佳論文授予情況具體如下表所示。

▲2011-2020 年人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議最佳論文授予其他 AI 領(lǐng)域比例

（2）、信息檢索與推薦、機(jī)器學(xué)習(xí)和計(jì)算理論出現(xiàn)較多的跨領(lǐng)域授予

從跨領(lǐng)域授予最佳論文獎(jiǎng)的整體數(shù)量來(lái)看，信息檢索與推薦、機(jī)器學(xué)習(xí)和計(jì)算理論是獲得最佳論文獎(jiǎng)項(xiàng)數(shù)量較多的三個(gè)領(lǐng)域，占比均超過(guò) 10%，詳細(xì)情況如下圖所示。這反映出這三個(gè)子領(lǐng)域的跨領(lǐng)域研究成果所獲的專(zhuān)業(yè)認(rèn)可度較高，在一定程度上促進(jìn)了相關(guān)技術(shù)在多個(gè) AI 子領(lǐng)域的快速發(fā)展和進(jìn)步。

▲人工智能領(lǐng)域國(guó)際頂級(jí)會(huì)議最佳論文獎(jiǎng)跨 AI 子領(lǐng)域授予分布圖

從來(lái)源會(huì)議來(lái)看，信息檢索與推薦領(lǐng)域最佳論文除了被 RecSys、SIGIR 和 WWW 本領(lǐng)域會(huì)議最多授予之外，也較多被數(shù)據(jù)挖掘領(lǐng)域會(huì)議 WSDM、數(shù)據(jù)庫(kù)領(lǐng)域的 SIGMOD和 VLDB 授予最佳論文獎(jiǎng)，如下圖所示。

▲信息檢索與推薦領(lǐng)域最佳論文跨領(lǐng)域授予會(huì)議示例

（3）、機(jī)器學(xué)習(xí)技術(shù)成果集中在 2016-2018 年獲得較多獎(jiǎng)項(xiàng)認(rèn)可

過(guò)去十年頂會(huì)最佳論文授予技術(shù)領(lǐng)域的年度趨勢(shì)如下圖所示，其中，色塊顏色代表該項(xiàng)技術(shù)在某項(xiàng)會(huì)議所被授予的最佳論文數(shù)量，色塊顏色越深表示論文數(shù)量越多。

從最佳論文獎(jiǎng)被授予領(lǐng)域的年度趨勢(shì)來(lái)看，機(jī)器學(xué)習(xí)領(lǐng)域過(guò)去十年內(nèi)最佳論文在 2016 年被授予最多，為 9 篇，其次是 2017 和 2018 年，相關(guān)最佳論文數(shù)量均為 8 篇。從來(lái)源會(huì)議來(lái)看，共有 14 個(gè)頂會(huì)將最佳論文獎(jiǎng)分別授予給機(jī)器學(xué)習(xí)領(lǐng)域。其中，最佳論文獎(jiǎng)授予量較多的兩大會(huì)議是 International Conference on Machine Learning （ICML）和 International Conference on Learning Representations（ICLR），分別為 13 和 12 篇。

▲人工智能領(lǐng)域國(guó)際頂刊頂會(huì)最佳論文授予領(lǐng)域年度趨勢(shì)

4、安全與隱私領(lǐng)域最佳論文授予數(shù)量呈現(xiàn)增多趨勢(shì)

隨著人工智能快速發(fā)展和應(yīng)用，許多領(lǐng)域開(kāi)始注重技術(shù)的安全與隱私性。這體現(xiàn)在逐年增多的領(lǐng)域最佳論文數(shù)量上。尤其是 2014 年之后，安全與隱私領(lǐng)域年度最佳論文數(shù)量均超過(guò) 5 篇。

過(guò)去十年來(lái)，CCS、ICML、OSDI、S&P、SIGCOMM 和 WWW 等頂會(huì)均曾授予過(guò)安全與隱私領(lǐng)域的最佳論文獎(jiǎng)。安全與隱私的最佳論文授予主要來(lái)自于IEEE Symposium on Security and Privacy （S&P）和 ACM Conference on Computer and Communications Security （CCS）兩大會(huì)議。

5、國(guó)際頂會(huì)頂刊領(lǐng)域高影響力論文分析

論文引用量是衡量一個(gè)科研文獻(xiàn)被業(yè)界認(rèn)可度的標(biāo)志，也是該文獻(xiàn)影響力的重要體現(xiàn)。本部分針對(duì)人工智能?chē)?guó)際頂會(huì)頂刊 2011-2020 年期間的所發(fā)表論文的引用量特征及所屬領(lǐng)域進(jìn)行分析。結(jié)果分析發(fā)現(xiàn)，某一學(xué)術(shù)會(huì)議中引用量最高的論文未必是該會(huì)議授予最佳論文獎(jiǎng)的論文，反之亦然。

分析還發(fā)現(xiàn)，人工智能不同子領(lǐng)域論文的最高引用量的量級(jí)跨度很大。如下圖所示，2011-2020 年期間人工智能?chē)?guó)際頂會(huì)頂刊最高引用量前十論文研究以機(jī)器學(xué)習(xí)領(lǐng)域?yàn)槭?，其次是?jì)算機(jī)視覺(jué)領(lǐng)域研究論文。機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺(jué)領(lǐng)到域論文的引用量級(jí)均達(dá)到 25 萬(wàn)次以上，明顯高于其他子領(lǐng)域最高引用論文的引用量。在所有子領(lǐng)域之中，知識(shí)工程領(lǐng)域論文的引用量級(jí)最少，不足于機(jī)器學(xué)習(xí)領(lǐng)域論文引用量的 2%。

▲2011-2020 年人工智能?chē)?guó)際頂會(huì)頂刊各子領(lǐng)域最高引用量前十論文的引用量分布

具體來(lái)看，人工智能各個(gè)子領(lǐng)域在過(guò)去十年中出現(xiàn)在國(guó)際頂級(jí)會(huì)議期刊上的最高影響力論文相關(guān)信息如下表所示。其中，計(jì)算機(jī)視覺(jué)領(lǐng)域最高影響力論文是 2016 年 CVPR 上、以 Facebook AI Research 何愷明為第一作者的“Deep Residual Learning for Image Recognition”文章，其引用量已超過(guò) 6 萬(wàn)。

機(jī)器學(xué)習(xí)領(lǐng)域引用量最高的論文是發(fā)表在 2015 年 ICLR 會(huì)議上的“Adam: A Method for Stochastic Optimization”，該文是由 Google Brain 的 Diederik P., Kingma 和加拿大多倫多大學(xué)的助理教授 Jimmy Lei Ba 聯(lián)合發(fā)表，目前引用量將近 6 萬(wàn)。

機(jī)器學(xué)習(xí)領(lǐng)域，影響力排名前 10 論文的引用率都超過(guò)萬(wàn)次，且半數(shù)以上論文引用率超過(guò) 2 萬(wàn)次，如表 4-6 所示。從論文研究主題來(lái)看，這 這 10 篇最高影響力論文全部都是與深度學(xué)習(xí)相關(guān)的。從論文來(lái)源來(lái)看，這 10 篇最高影響力論文之中，有 5 篇來(lái)自 NeurIPS 、3 篇來(lái)自 ICLR、2 篇來(lái)自 ICML。

居于首位的是2015 年 ICLR 會(huì)議上由 Google Brain 的 Diederik P., Kingma 和加拿大多倫多大學(xué)的助理教授 Jimmy Lei Ba 聯(lián)合發(fā)表的“Adam: A Method for StochasticOptimization”論文。影響力排名第二位的是 Apple 公司研究員 Ian J.Goodfellow發(fā)表在 NeurIPS 2014 上的一篇論文“Generative Adversarial Nets”，該文也是 GANs的開(kāi)山之作。影響力排名第三位的論文是 Facebook 科學(xué)家 Tomas Mikolov 發(fā)表在 NeurIPS 2013 上的“Distributed Representations of Words and Phrases and theirCompositionality”。

▲2011-2020 年機(jī)器學(xué)習(xí)領(lǐng)域最高影響力論文前十

計(jì)算機(jī)視覺(jué)領(lǐng)域，最高影響力前十論文如表 4-7 所示。其中，最高引用的論文是發(fā)布于 2016 年 CVPR 上、以 Facebook AI Research 何愷明為第一作者的“Deep Residual Learning for Image Recognition”文章，其引用量已超過(guò) 6 萬(wàn)。

這篇論文也榮獲了當(dāng)年 CVPR Best Paper 獎(jiǎng)項(xiàng)，聯(lián)合作者還包括曠視科技的研究員張祥雨、首席科學(xué)家與研究院院長(zhǎng)孫劍，以及當(dāng)時(shí)就職于 Momenta 任少卿。該文是一篇非常經(jīng)典的神經(jīng)網(wǎng)絡(luò)的論文，主要通過(guò)構(gòu)建了一種新的網(wǎng)絡(luò)結(jié)構(gòu)來(lái)解決當(dāng)網(wǎng)絡(luò)層數(shù)過(guò)高之后更深層的網(wǎng)絡(luò)的效果沒(méi)有稍淺層網(wǎng)絡(luò)好的問(wèn)題，并且做出了適當(dāng)解釋以及用 ResNet 殘差網(wǎng)絡(luò)解決了問(wèn)題。

▲2011-2020 年計(jì)算機(jī)視覺(jué)領(lǐng)域最高影響力論文前十

自然語(yǔ)言處理領(lǐng)域，過(guò)去十年中最高影響力前十論文的具體信息如下表所示。其中，最高引用量論文是 Google 研究員 Jeffrey Pennington 在 2014 年 EMNLP會(huì)議發(fā)表的論文“Glove: Global Vectors for Word Representation”，這篇論文提出的單詞表示模型是通過(guò)僅訓(xùn)練單詞-單詞共現(xiàn)矩陣中的非零元素，而不是整個(gè)稀疏矩陣或大型語(yǔ)料庫(kù)中的單個(gè)上下文窗口，來(lái)有效地利用統(tǒng)計(jì)信息。該模型產(chǎn)生一個(gè)具有有意義子結(jié)構(gòu)的向量空間，在相似性任務(wù)和命名實(shí)體識(shí)別方面優(yōu)于相關(guān)模型。

▲2011-2020 年自然語(yǔ)言處理領(lǐng)域最高影響力論文前十

6、過(guò)去十年十大人工智能研究熱點(diǎn)

過(guò)去十年十大 AI 研究熱點(diǎn)分別為：深度神經(jīng)網(wǎng)絡(luò)、特征抽取、圖像分類(lèi)、目標(biāo)檢測(cè)、語(yǔ)義分割、表示學(xué)習(xí)、生成對(duì)抗網(wǎng)絡(luò)、語(yǔ)義網(wǎng)絡(luò)、協(xié)同過(guò)濾和機(jī)器翻譯。

▲AMiner 評(píng)選出的近十年十大 AI 研究熱點(diǎn)

（1）、深度神經(jīng)網(wǎng)絡(luò)

深度神經(jīng)網(wǎng)絡(luò)是深度學(xué)習(xí)的基礎(chǔ)，又被稱(chēng)為深度前饋網(wǎng)絡(luò)（DFN）、多層感知機(jī)（Multi-Layer perceptron，MLP），可以理解為是有很多隱藏層的神經(jīng)網(wǎng)絡(luò)。深度神經(jīng)網(wǎng)絡(luò)可以在沒(méi)有大量標(biāo)記數(shù)據(jù)的情況下解決問(wèn)題。代表算法包括卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、遞歸神經(jīng)網(wǎng)絡(luò)等。

深度神經(jīng)網(wǎng)絡(luò)的被引用量保持了較長(zhǎng)時(shí)間的穩(wěn)定平穩(wěn)增長(zhǎng)；深度卷積神經(jīng)網(wǎng)絡(luò)技術(shù)則于 2014 年開(kāi)始獲得更多引用。目前，深度神經(jīng)網(wǎng)絡(luò)（DNN）是許多人工智能應(yīng)用的基礎(chǔ)，從自動(dòng)駕駛汽車(chē)、癌癥檢測(cè)到大型游戲等。在這許多領(lǐng)域中，DNN 實(shí)現(xiàn)了超越人類(lèi)的準(zhǔn)確率。

數(shù)據(jù)顯示，過(guò)去十年中，有 5405 篇以卷積神經(jīng)網(wǎng)絡(luò)為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 299729，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 125 次。該技術(shù)的最終指數(shù)評(píng)分為98.16 ，位列過(guò)去十年最熱門(mén) AI 研究主題之首。

（2）、特征抽取

特征抽?。‵eature Extraction）熱門(mén)是信息檢索與推薦中的一項(xiàng)技術(shù)，專(zhuān)指使用計(jì)算機(jī)提取一組測(cè)量值中屬于特征性的信息的方法及過(guò)程，并將所抽取出的有效實(shí)體信息進(jìn)行結(jié)構(gòu)化存儲(chǔ)。目前特征抽取已引入機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)技術(shù)，其中，神經(jīng)網(wǎng)絡(luò)計(jì)算已應(yīng)用于圖片特征抽取。

針對(duì)某個(gè)特定圖片，通過(guò)卷積神經(jīng)網(wǎng)絡(luò)對(duì)圖片進(jìn)行特征抽取得到表征圖片的特征，利用度量學(xué)習(xí)方法如歐式距離對(duì)圖片特征進(jìn)行計(jì)算，對(duì)圖片距離進(jìn)行排序，得到初級(jí)檢索結(jié)果，再根據(jù)圖片數(shù)據(jù)的上下文信息和流形結(jié)構(gòu)對(duì)圖像檢索結(jié)果進(jìn)行重排序，從而提高圖像檢索準(zhǔn)確率，得到最終的檢索結(jié)果。

數(shù)據(jù)顯示，過(guò)去十年中，有 1747 篇以特征抽取為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 95205，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 8 次。該技術(shù)的最終評(píng)分為 21.51 ，位列過(guò)去十年 AI 研究熱點(diǎn)亞軍。

（3）、圖像分類(lèi)

圖像分類(lèi)（Image Classification）是指計(jì)算機(jī)利用算法從給定的分類(lèi)集合中給某個(gè)特定圖像正確分配一個(gè)標(biāo)簽的任務(wù)，其目標(biāo)是將不同的圖像劃分到不同的類(lèi)別中，并實(shí)現(xiàn)最小的分類(lèi)誤差，較多應(yīng)用于計(jì)算機(jī)視覺(jué)、信息檢索與推薦領(lǐng)域。2012 年，加拿大認(rèn)知心理學(xué)家和計(jì)算機(jī)科學(xué)家 Geoffrey Everest Hinton 的博士生Alex Krizhevsky 在 ILSVRC 將深度學(xué)習(xí)用于大規(guī)模圖像分類(lèi)中并提出了 CNN 模型，其計(jì)算效果大幅度超越傳統(tǒng)方法，獲得了 ILSVRC2012 冠軍，該模型被稱(chēng)作AlexNet。從 AlexNet 之后，涌現(xiàn)了一系列 CNN 模型，不斷地在 ImageNet 上刷新成績(jī)。目前的深度學(xué)習(xí)模型的識(shí)別能力已經(jīng)超過(guò)了人眼。

數(shù)據(jù)顯示，過(guò)去十年中，有 612 篇以圖像分類(lèi)為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 50309，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 16 次。該技術(shù)的最終評(píng)分為 14.14，位列過(guò)去十年最熱門(mén) AI 研究主題第三名。

（4）、目標(biāo)檢測(cè)

目標(biāo)檢測(cè)（Object Detection）作為計(jì)算機(jī)視覺(jué)和圖像處理領(lǐng)域一個(gè)分支，是指利用圖像處理與模式識(shí)別等領(lǐng)域的理論和方法，檢測(cè)出數(shù)字圖像和視頻中存在的特定類(lèi)別的目標(biāo)對(duì)象，確定這些目標(biāo)對(duì)象的語(yǔ)義類(lèi)別，并標(biāo)定出目標(biāo)對(duì)象在圖像中的位置。對(duì)象檢測(cè)是對(duì)象識(shí)別的前提，具有很大發(fā)展?jié)摿Α?/p>

對(duì)象檢測(cè)已經(jīng)有許多有用有趣的實(shí)際應(yīng)用，如人臉識(shí)別、行人檢測(cè)、視覺(jué)搜索引擎、計(jì)數(shù)、航拍圖像分析等。深度學(xué)習(xí)模型在圖像分類(lèi)任務(wù)中碾壓了其他傳統(tǒng)方法。很多對(duì)象檢測(cè)的新方法和新應(yīng)用推動(dòng)了深度學(xué)習(xí)最前沿的科技發(fā)展。

過(guò)去十年中，有 472 篇以目標(biāo)檢測(cè)為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 49602 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 13 次。該技術(shù)的最終評(píng)分為 12.73，位列最熱門(mén) AI 研究主題第四名。

（5）、語(yǔ)義分割

語(yǔ)義分割（Semantic Segmentation）是讓計(jì)算機(jī)根據(jù)圖像的語(yǔ)義進(jìn)行分割，判斷圖像中哪些像素屬于哪個(gè)目標(biāo)。近年來(lái)，許多語(yǔ)義分割問(wèn)題正在采用深度學(xué)習(xí)技術(shù)來(lái)解決，最常見(jiàn)的是卷積神經(jīng)網(wǎng)絡(luò)，在精度上大大超過(guò)了其他方法以及效率。目前語(yǔ)義分割的應(yīng)用領(lǐng)域主要有：地理信息系統(tǒng)、無(wú)人車(chē)駕駛、醫(yī)療影像分析和機(jī)器人等領(lǐng)域。

過(guò)去十年中，有 275 篇以語(yǔ)義分割為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 27893 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 23 次。該技術(shù)的最終評(píng)分為 12.01，位列最熱門(mén) AI 研究主題第五名。

（6）、表示學(xué)習(xí)

表示學(xué)習(xí)（Representation Learning），是指將原始數(shù)據(jù)轉(zhuǎn)換成能夠被機(jī)器學(xué)習(xí)的一種深度學(xué)習(xí)技術(shù)。它能夠從復(fù)雜的原始數(shù)據(jù)中提煉有效特征，剔除無(wú)效或者冗余信息，形成可用的數(shù)據(jù)表示。在知識(shí)表示學(xué)習(xí)中，詞嵌入（Word Embedding）是自然語(yǔ)言處理的重要突破之一，它可以將詞表示為實(shí)數(shù)域向量，進(jìn)而為機(jī)器學(xué)習(xí)和深度學(xué)習(xí)提供模型訓(xùn)練的基礎(chǔ)。

近些年很多專(zhuān)家和學(xué)者利用詞嵌入的表示學(xué)習(xí)原理進(jìn)行相關(guān)領(lǐng)域的研究，主要的表示方法包括 Word2Vec、One-hot、詞共現(xiàn)等。這些方法已經(jīng)成為當(dāng)下人工智能技術(shù)應(yīng)用的基礎(chǔ)，為機(jī)器學(xué)習(xí)提供了高效的表示能力。

過(guò)去十年中，有 711 篇以表示學(xué)習(xí)為研究主題的論文在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表，其總引用量達(dá) 49892 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 8 次。該技術(shù)的最終評(píng)分為 11.88，位列最具影響力 AI 技術(shù)第六名。

（7）、生成對(duì)抗網(wǎng)絡(luò)

生成對(duì)抗網(wǎng)絡(luò)（Generative Adversarial Networks, GAN）是用于無(wú)監(jiān)督學(xué)習(xí)的機(jī)器學(xué)習(xí)模型，由 Ian Goodfellow 等人在 2014 年提出。由神經(jīng)網(wǎng)絡(luò)構(gòu)成判別器和生成器構(gòu)成，通過(guò)一種互相競(jìng)爭(zhēng)的機(jī)制組成的一種學(xué)習(xí)框架。GAN 功能強(qiáng)大，學(xué)習(xí)性質(zhì)是無(wú)監(jiān)督的，也不需要標(biāo)記數(shù)據(jù)。

傳統(tǒng)的生成模型最早要追溯到 80 年代的 RBM，以及后來(lái)逐漸使用深度神經(jīng)網(wǎng)絡(luò)進(jìn)行包裝的 AutoEncoder，然后就是現(xiàn)在的生成模型 GAN。GAN 具有大量的實(shí)際用例，如圖像生成、藝術(shù)品生成、音樂(lè)生成和視頻生成。此外，它還可以提高圖像質(zhì)量，并且完成圖像風(fēng)格化或著色、面部生成以及其他更多有趣的任務(wù)。

過(guò)去十年在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表有 362 篇以生成對(duì)抗網(wǎng)絡(luò)為研究主題的論文，其總引用量達(dá) 24536 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 22 次。該技術(shù)的最終評(píng)分為 11.44，位列最熱門(mén) AI 研究主題第七名。

（8）、語(yǔ)義網(wǎng)絡(luò)

語(yǔ)義網(wǎng)絡(luò)（Semantic Network）是一種以網(wǎng)絡(luò)格式表達(dá)人類(lèi)知識(shí)構(gòu)造的形式，是人工智能程序運(yùn)用的表示方式之一，相關(guān)研究主要集中在信息檢索與推薦、知識(shí)工程領(lǐng)域。語(yǔ)義網(wǎng)絡(luò)是一種面向語(yǔ)義的結(jié)構(gòu)，它們一般使用一組推理規(guī)則，規(guī)則是為了正確處理出現(xiàn)在網(wǎng)絡(luò)中的特種弧而專(zhuān)門(mén)設(shè)計(jì)的。語(yǔ)義網(wǎng)絡(luò)可以深層次地表示知識(shí)，包括實(shí)體結(jié)構(gòu)、層次及實(shí)體間的因果關(guān)系；無(wú)推理規(guī)律可循；知識(shí)表達(dá)的自然性可以直接從語(yǔ)言語(yǔ)句強(qiáng)化而來(lái)。

過(guò)去十年在人工智能?chē)?guó)際頂會(huì)頂刊論文中有 1192 篇以語(yǔ)義網(wǎng)絡(luò)為研究主題的論文發(fā)表，總引用量達(dá) 44897 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 2 次。語(yǔ)義網(wǎng)絡(luò)技術(shù)的最終評(píng)分為 10.60，位列最熱門(mén) AI 研究主題第八名。

（9）、協(xié)同過(guò)濾

協(xié)同過(guò)濾（CF）是推薦系統(tǒng)使用的一種技術(shù)，通過(guò)收集來(lái)自多個(gè)用戶(hù)的偏好、興趣、評(píng)價(jià)標(biāo)準(zhǔn)等用戶(hù)行為數(shù)據(jù)來(lái)過(guò)濾信息，并自動(dòng)預(yù)測(cè)（過(guò)濾）用戶(hù)興趣的方法，為用戶(hù)提供有針對(duì)性的推薦及其所需信息。大多數(shù)協(xié)同過(guò)濾系統(tǒng)都應(yīng)用基于相似度索引的技術(shù)。協(xié)同過(guò)濾是解決信息超載問(wèn)題的一個(gè)有效辦法。無(wú)論是基于用戶(hù)-用戶(hù)的協(xié)同過(guò)濾，還是項(xiàng)目-項(xiàng)目的協(xié)同過(guò)濾，都有效地提高了用戶(hù)信息的使用效率。

過(guò)去十年在人工智能?chē)?guó)際頂會(huì)頂刊論文中有 289 篇以協(xié)同過(guò)濾為研究主題的論文，其總引用量達(dá) 36681 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 12 次。該技術(shù)的最終評(píng)分為 9.98，位列最熱門(mén) AI 研究主題第九名。

（10）、機(jī)器翻譯

機(jī)器翻譯（Machine Translation），又稱(chēng)為自動(dòng)翻譯，是利用計(jì)算機(jī)把一種自然源語(yǔ)言轉(zhuǎn)變?yōu)榱硪环N自然目標(biāo)語(yǔ)言的過(guò)程，通常指自然語(yǔ)言之間句子和全文的翻譯。它是自然語(yǔ)言處理（Natural Language Processing）的一個(gè)分支，與計(jì)算語(yǔ)言學(xué)（Computational Linguistics）、自然語(yǔ)言理解（Natural Language Understanding）之間存在密不可分的關(guān)系。

機(jī)器翻譯是人工智能的終極目標(biāo)之一，其核心語(yǔ)言理解和語(yǔ)言生成是自然語(yǔ)言處理的兩大基本問(wèn)題。近幾年來(lái)，隨著深度學(xué)習(xí)技術(shù)的發(fā)展，神經(jīng)機(jī)器翻譯取得了巨大進(jìn)展，其生成的譯文接近自然語(yǔ)句，成為了主流語(yǔ)言學(xué)習(xí)模型。

過(guò)去十年在人工智能?chē)?guó)際頂會(huì)頂刊論文中發(fā)表有 389 篇以機(jī)器翻譯為研究主題的論文，其總引用量達(dá) 23119 次，并且在這些頂會(huì)頂刊論文引用量排名前十的論文中出現(xiàn)過(guò) 14 次。該技術(shù)的最終評(píng)分為 8.84，成為 AI 研究熱點(diǎn)第十名。

02.AI領(lǐng)域高層次人才分析

1、全球 AI 領(lǐng)域高層次人才

過(guò)去十年，全球人工智能發(fā)展迅速。中國(guó)、美國(guó)、歐盟、英國(guó)、德國(guó)等國(guó)家紛紛從戰(zhàn)略上布局人工智能，加強(qiáng)頂層設(shè)計(jì)和人才培養(yǎng)。本報(bào)告數(shù)據(jù)顯示，全球人工智能領(lǐng)域?qū)W者數(shù)量共計(jì) 155408 位，覆蓋 120 多個(gè)國(guó)家，主要集中在北美洲、歐洲、東亞地區(qū)。

人工智能領(lǐng)域論文發(fā)表量反映了一個(gè)國(guó)家在領(lǐng)域的科研實(shí)力。在 AI 領(lǐng)域論文發(fā)表量 TOP10 的國(guó)家之中，美國(guó)、中國(guó)和德國(guó)的論文產(chǎn)出量分別位前三名，其余國(guó)家（英國(guó)、加拿大、日本、法國(guó)、澳大利亞、韓國(guó)和新加坡）領(lǐng)域論文產(chǎn)出量均在 2 萬(wàn)篇以下。

其中，美國(guó)在 AI 領(lǐng)域的論文發(fā)表數(shù)量和人才數(shù)量都位于全球第一，有近四成的全球 AI 領(lǐng)域論文產(chǎn)出是來(lái)自美國(guó)，并且美國(guó) AI 學(xué)者數(shù)量約占全球領(lǐng)域?qū)W者總量的 31.6%。

中國(guó)在人工智能領(lǐng)域的論文發(fā)表數(shù)量（25418篇）和人才數(shù)量（17368 位）僅低于美國(guó)，同時(shí)，大幅領(lǐng)先于其他國(guó)家。這反映出中國(guó)近年來(lái)發(fā)布的從產(chǎn)業(yè)發(fā)展、教育等各個(gè)方面支持人工智能發(fā)展的一系列支持政策，以及不斷加強(qiáng)人才培養(yǎng)和補(bǔ)齊人才短板的行動(dòng)已見(jiàn)成效。

從子領(lǐng)域的領(lǐng)先國(guó)家來(lái)看，美國(guó)在人工智能領(lǐng)域具有明顯的科研產(chǎn)出優(yōu)勢(shì)，在幾乎所有子領(lǐng)域的論文產(chǎn)出量均居于全球首位。中國(guó)的 AI 科研產(chǎn)出水平在自然語(yǔ)言處理、芯片技術(shù)、機(jī)器學(xué)習(xí)、信息檢索與挖掘等 10 多個(gè)子領(lǐng)域都緊隨美國(guó)之后，并且，在多媒體、物聯(lián)網(wǎng)領(lǐng)域的論文產(chǎn)出量超過(guò)美國(guó)、居于全球第一；而在人機(jī)交互、知識(shí)工程、機(jī)器人、計(jì)算機(jī)圖形、計(jì)算理論領(lǐng)域，中國(guó)還需努力追趕。

AI 高層次學(xué)者是指入選 AI2000 榜單的 2000 位人才。由于存在同一學(xué)者入選不同領(lǐng)域的現(xiàn)象，經(jīng)過(guò)去重處理后，AI 高層次學(xué)者共計(jì) 1833 位。從這些高層次學(xué)者分布看，如下圖所示，AI 領(lǐng)域全球高層次學(xué)者覆蓋全球 37 個(gè)國(guó)家，主要集中在北美洲的美國(guó)地區(qū)；歐洲中西部也有一定的高層次學(xué)者分布；亞洲的高層次人才主要分布于中國(guó)、新加坡及日韓等地區(qū)；其他諸如南美洲、非洲等地區(qū)的高層次學(xué)者數(shù)量稀少。

從國(guó)家角度看 AI 高層次學(xué)者分布，美國(guó) AI 高層次學(xué)者的數(shù)量最多，有 1244人次，占比 62.2%，超過(guò)總?cè)藬?shù)的一半以上，且是第二位國(guó)家數(shù)量的 6 倍以上。中國(guó)排在美國(guó)之后，位列第二，有 196 人次，占比 9.8%。德國(guó)位列第三，是歐洲學(xué)者數(shù)量最多的國(guó)家；其余國(guó)家的學(xué)者數(shù)量均在 100 人次以下。人工智能領(lǐng)域高層次學(xué)者人數(shù) TOP10 的國(guó)家如下圖所示。

▲人工智能領(lǐng)域高層次學(xué)者數(shù)量 TOP10 國(guó)家

總體來(lái)看，全球范圍內(nèi)，美國(guó)和中國(guó)的機(jī)構(gòu)在人工智能領(lǐng)域的論文產(chǎn)出和學(xué)者數(shù)量較多，占據(jù)了 AI 領(lǐng)域論文量排名前 10 機(jī)構(gòu)的全部席位。從 AI 高層次人才分布看，全球 AI 高層次人才隸屬于各個(gè)國(guó)家的高等院校或高科技公司的科研部門(mén)。

如下圖所示，全球人工智能領(lǐng)域高層次學(xué)者量TOP10機(jī)構(gòu)之中，位居首位的是美國(guó)的谷歌公司，擁有 185 人，也是唯一一家高層次學(xué)者數(shù)過(guò)百的機(jī)構(gòu)；從國(guó)家分布來(lái)看，清華大學(xué)是唯一入選 TOP10 的中國(guó)機(jī)構(gòu)，其余均為美國(guó)機(jī)構(gòu)，且美國(guó)機(jī)構(gòu)高層次學(xué)者總體人數(shù)遙遙領(lǐng)先。

從子領(lǐng)域論文量來(lái)看，美國(guó)的大學(xué)和科技機(jī)構(gòu)在 AI 各個(gè)細(xì)分方向上的發(fā)展較為均衡，且在自然語(yǔ)言處理、芯片技術(shù)、機(jī)器學(xué)習(xí)、信息檢索與挖掘、人機(jī)交互等 10 多個(gè)子領(lǐng)域的發(fā)展居于全球領(lǐng)先席位。這反映出美國(guó)在人工智能領(lǐng)域的頂級(jí)實(shí)力。

中國(guó)的 AI 機(jī)構(gòu)在語(yǔ)音識(shí)別、經(jīng)典 AI、計(jì)算機(jī)網(wǎng)絡(luò)、多媒體、可視化和物聯(lián)網(wǎng)等領(lǐng)域?qū)嵙^強(qiáng)，進(jìn)入全球先進(jìn)行列。這些機(jī)構(gòu)主要是位于北京的清華大學(xué)、中科院和北京郵電大學(xué)，以及浙江大學(xué)。

2、中國(guó) AI 領(lǐng)域高層次人才

過(guò)去十年，我國(guó)人工智能發(fā)展迅猛。2017 年，人工智能首次被寫(xiě)入全國(guó)政府工作報(bào)告，我國(guó)確定新一代人工智能發(fā)展三步走戰(zhàn)略目標(biāo)，并將人工智能上升為國(guó)家戰(zhàn)略層面。本報(bào)告數(shù)據(jù)顯示，我國(guó)人工智能領(lǐng)域?qū)W者數(shù)量共計(jì) 17368 位，覆蓋 100 多個(gè)國(guó)內(nèi)城市。從地域分布來(lái)看，我國(guó) AI 人才主要集中在京津冀、長(zhǎng)三角和珠三角地區(qū)。

國(guó)內(nèi)AI領(lǐng)域高層次人才也主要分布在京津冀、長(zhǎng)三角和珠三角地區(qū)，如下圖所示。其中，京津冀地區(qū)（主要是北京市）在 AI 領(lǐng)域的高層次人才數(shù)量最多。長(zhǎng)三角地區(qū)也有較多的 AI 高層次人才分布。相比之下，內(nèi)陸地區(qū)領(lǐng)域高層次人才較為缺乏。在學(xué)者分布地圖中，顏色越深，表示學(xué)者越集中；顏色越淺，表示學(xué)者越稀少。

從 AI 高層次學(xué)者分布來(lái)看，北京仍是擁有 AI 高層次學(xué)者數(shù)量最多的國(guó)內(nèi)城市，有 79 位，占比 45.4%，接近于國(guó)內(nèi) AI 高層次人才的一半，如下圖所示。北京作為政治中心、文化中心、國(guó)際交往中心、科技創(chuàng)新中心具有先天優(yōu)勢(shì)，擁有數(shù)量眾多的 AI 企業(yè)和多所知名高校和研究機(jī)構(gòu)，北京的高水平 AI 論文發(fā)表量和高層次學(xué)者量明顯領(lǐng)先于其他國(guó)內(nèi)城市。同時(shí)，從子領(lǐng)域發(fā)展來(lái)看，北京在AI 各個(gè)細(xì)分方向上的發(fā)展較為均衡，相關(guān)論文產(chǎn)出量均居于全國(guó)領(lǐng)先位置。

▲人工智能領(lǐng)域高層次學(xué)者數(shù)量 TOP10 的中國(guó)城市

國(guó)內(nèi)人工智能領(lǐng)域研究領(lǐng)先的機(jī)構(gòu)主要以北京、香港、杭州、上海等地的高等院校為主。北京在人工智能領(lǐng)域的資源優(yōu)勢(shì)，該城市擁有清華大學(xué)、北京大學(xué)、中國(guó)科學(xué)院等知名高校。杭州和香港的機(jī)構(gòu)也處于 AI 子領(lǐng)域研究前列，主要由于前者擁有阿里巴巴和浙江大學(xué)，后者則因其香港科技大學(xué)和香港中文大學(xué)等實(shí)力高校。

在國(guó)內(nèi)機(jī)構(gòu)之中，北京的清華大學(xué)不僅擁有 AI 領(lǐng)域?qū)W者數(shù)量最多，而且所擁有的領(lǐng)域高層次人才數(shù)量也居于國(guó)內(nèi)首位，有 27 位。國(guó)內(nèi)高層次 AI 人才基本都隸屬于高校。香港中文大學(xué)、浙江大學(xué)和中國(guó)科學(xué)院在人工智能領(lǐng)域的高層次學(xué)者數(shù)量分別為 16、14 和 11 位。其他的國(guó)內(nèi)機(jī)構(gòu)所擁有的 AI 領(lǐng)域高層次人才數(shù)量均不足十位，如下圖所示。

▲人工智能領(lǐng)域高層次學(xué)者數(shù)量 TOP10 的中國(guó)機(jī)構(gòu)

中國(guó) AI 領(lǐng)域高層次人才培養(yǎng)從2018 年起開(kāi)始重點(diǎn)發(fā)展，主要由高校通過(guò)成立AI 學(xué)院研究院立 、設(shè)立 AI 專(zhuān)業(yè)的方式進(jìn)行培養(yǎng)。教育部在《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》（教技〔2018〕3 號(hào)）中提出，要加強(qiáng)人工智能領(lǐng)域?qū)I(yè)建設(shè)，形成“人工智能+X”復(fù)合專(zhuān)業(yè)培養(yǎng)新模式。

到 2020 年建設(shè) 100 個(gè)“人工智能+X”復(fù)合特色專(zhuān)業(yè)，建立 50 家人工智能學(xué)院、研究院或交叉研究中心，并引導(dǎo)高校通過(guò)增量支持和存量調(diào)整，加大人工智能領(lǐng)域人才培養(yǎng)力度。到 2020 年，高校要基本完成新一代人工智能發(fā)展的高?？萍紕?chuàng)新體系和學(xué)科體系的優(yōu)化布局。到 2030 年，高校要成為建設(shè)世界主要人工智能創(chuàng)新中心的核心力量和引領(lǐng)新一代人工智能發(fā)展的人才高地。

教育部于 2019 年 3 月頒布《關(guān)于公布 2018 年度普通高等學(xué)校本科專(zhuān)業(yè)備案和審批結(jié)果的通知》 ， 將人工智能專(zhuān)業(yè)列入 新增審批本科專(zhuān)業(yè)名單，專(zhuān)業(yè)代碼為 080717T（T 代表特設(shè)專(zhuān)業(yè)），學(xué)位授予門(mén)類(lèi)為工學(xué)。在此之前，國(guó)內(nèi)沒(méi)有高校在本科階段設(shè)置人工智能專(zhuān)業(yè)。

2020 年 2 月， 教育部頒布《關(guān)于公布 2019 年度普通高等學(xué)校本科專(zhuān)業(yè)備案和審批結(jié)果的通知》 。統(tǒng)計(jì)結(jié)果顯示， 人工智能方面，本次全國(guó)范圍內(nèi)獲得人工智能專(zhuān)業(yè)首批建設(shè)資格的共有180 所，相比2018 年的 35 所，增加 414% ， 反映出人工智能專(zhuān)業(yè)的熱度攀升 。

截至目前，國(guó)內(nèi)共有215 所高校成立“人工智能”本科專(zhuān)業(yè)。這些高校之中，有 60 所雙一流大學(xué)（占比 28%），其他 155 所為普通本科院校。

從地域分布看，2019 年度新增人工智能專(zhuān)業(yè)較多的省份依次是 山東14所 、江蘇13所 、 北京11所、安徽10所 、 河南10所 、 四川 10所，其余省份新增人工智能專(zhuān)業(yè)的高校數(shù)量均不足 10 所。但這些數(shù)字加起來(lái)占全國(guó)高校總量比例仍然較小，高校人工智能本科教育仍處于起步和發(fā)展階段。

在 AI 人才緊缺，國(guó)家政策推動(dòng) AI 發(fā)展趨勢(shì)等因素影響下，相比于建設(shè)人工智能專(zhuān)業(yè)，很多高校更愿意設(shè)立一個(gè)人工智能研究獨(dú)立學(xué)院。截至 2019 年 6 月，至少有 38 所高校設(shè)立了獨(dú)立人工智能學(xué)院，全面開(kāi)展本科階段、研究生階段的教育，并且在 2019 年開(kāi)始以人工智能專(zhuān)業(yè)招收本科生。

據(jù)統(tǒng)計(jì)，截止到 2019 年年底，我國(guó)已經(jīng)有 66 所高校成功建設(shè)人工智能學(xué)院、研究院、研究中心或研究所，超額完成了教育部在《高等學(xué)校人工智能創(chuàng)新行動(dòng)計(jì)劃》中強(qiáng)調(diào)的到 2020 年在全國(guó)高校中建立 50 家人工智能學(xué)院、研究院或交叉研究中心的目標(biāo)。

總之，中國(guó)各大高校設(shè)立人工智能一級(jí)學(xué)科、建立人工智能學(xué)院，有助于精準(zhǔn)布點(diǎn)人工智能相關(guān)專(zhuān)業(yè)以滿(mǎn)足國(guó)家和區(qū)域的產(chǎn)業(yè)發(fā)展需求，有助于加快建設(shè)一流人才隊(duì)伍和高水平創(chuàng)新團(tuán)隊(duì)、進(jìn)一步推動(dòng)國(guó)際學(xué)術(shù)交流與合作、專(zhuān)業(yè)和教材建設(shè)，提高人才培養(yǎng)質(zhì)量，推動(dòng)科技成果轉(zhuǎn)化。

03.人工智能專(zhuān)利分析

專(zhuān)利是創(chuàng)新成果的應(yīng)用表現(xiàn)形式。本部分將通過(guò)人工智能領(lǐng)域?qū)＠治?，挖掘該技術(shù)的創(chuàng)新應(yīng)用情況。以墨創(chuàng)全球?qū)＠麛?shù)據(jù)庫(kù)作為數(shù)據(jù)來(lái)源，使用行業(yè)專(zhuān)家和相關(guān)技術(shù)領(lǐng)域?qū)＠麑彶閷?zhuān)家共同給出的人工智能領(lǐng)域關(guān)鍵詞在標(biāo)題和摘要中進(jìn)行檢索，搜索時(shí)間范圍限定為 2011-2020 年。

專(zhuān)利數(shù)據(jù)分析發(fā)現(xiàn)，隨著核心算法的突破、計(jì)算能力的迅速提升以及海量數(shù)據(jù)的支撐，過(guò)去十年的 人工智能專(zhuān)利申請(qǐng)量呈現(xiàn)逐漸上升態(tài)勢(shì)。

1、全球 AI 專(zhuān)利分析

全球范圍內(nèi)，過(guò)去十年人工智能領(lǐng)域的專(zhuān)利申請(qǐng)量 521264，總體上呈逐年上升趨勢(shì)，如下圖所示。

▲全球人工智能專(zhuān)利申請(qǐng)量年度變化趨勢(shì)

全球 AI 專(zhuān)利申請(qǐng)數(shù)量排名領(lǐng)先的國(guó)家/地區(qū)如下圖所示。從圖中可以看出，目前，全球人工智能專(zhuān)利申請(qǐng)集中在中國(guó)、美國(guó)、日本、韓國(guó)。其中，中國(guó)和美國(guó)處于領(lǐng)先地位，遙遙領(lǐng)先其他國(guó)家。中國(guó)專(zhuān)利申請(qǐng)量為 389571，位居世界第一，占全球總量的 74.7%，是排名第二的美國(guó)的 8.2 倍。

▲全球 AI 專(zhuān)利申請(qǐng)量 Top10 國(guó)家

過(guò)去十年，全球人工智能專(zhuān)利申請(qǐng)之中，將近一半的申請(qǐng)人是來(lái)自于企業(yè)。高校和研究所的相關(guān)申請(qǐng)量共計(jì)約兩成。

▲全球 AI 專(zhuān)利申請(qǐng)類(lèi)型分布

人工智能專(zhuān)利申請(qǐng)量前十的機(jī)構(gòu)集中在日本、中國(guó)、韓國(guó)和美國(guó)。其中，日本的佳能是一家致力于圖像、光學(xué)和辦公自動(dòng)化產(chǎn)品的公司，該公司的絕大多數(shù)專(zhuān)利都與成像有關(guān)，申請(qǐng)量最高的人工智能功能應(yīng)用類(lèi)別是計(jì)算機(jī)視覺(jué)。美國(guó)IBM 公司的專(zhuān)利申請(qǐng)很多都與 IBM 的自然語(yǔ)言處理和機(jī)器學(xué)習(xí)技術(shù)有關(guān)。中國(guó)的國(guó)家電網(wǎng)的專(zhuān)利申請(qǐng)多與電網(wǎng)控制、配電利用網(wǎng)絡(luò)、風(fēng)電場(chǎng)、綠色能源等領(lǐng)域的人工智能開(kāi)發(fā)有關(guān)。

▲全球 AI 專(zhuān)利申請(qǐng)人排名 TOP10

2、中國(guó) AI 專(zhuān)利分析

過(guò)去十年，中國(guó)人工智能領(lǐng)域的專(zhuān)利申請(qǐng)量 389571，約占全球申請(qǐng)量的74.7%?？傮w上，國(guó)內(nèi)的人工智能相關(guān)專(zhuān)利申請(qǐng)量呈逐年上升趨勢(shì)，并且在 2015年后增長(zhǎng)速度明顯加快，如下圖所示。

▲中國(guó)人工智能專(zhuān)利申請(qǐng)量年度趨勢(shì)

中國(guó)各省市 AI 專(zhuān)利申請(qǐng)數(shù)量的分布情況如下圖所示。從圖中可以看出，廣東省的 AI 專(zhuān)利申請(qǐng)量以 72737 位居第一，比排名第二的北京市（50906）多出42.8%，具有突出優(yōu)勢(shì)。前十名的省份主要分布在東部、中部、西部等地區(qū)，分布較為均衡，但是以東部省市居多，江浙滬三省市均位居前五名。這與這些地區(qū)的經(jīng)濟(jì)水平、發(fā)展程度、科研投入及知識(shí)產(chǎn)權(quán)保護(hù)等因素密切相關(guān)。

▲全國(guó)AI專(zhuān)利申請(qǐng)量 TOP10省份

中國(guó) AI 專(zhuān)利申請(qǐng)數(shù)量排名前十的機(jī)構(gòu)如下圖所示，包括 5 家企業(yè)和 5 所高校，主要分布在廣東、北京、浙江和四川。目前中國(guó)在 AI 專(zhuān)利領(lǐng)域的創(chuàng)新主要還是依靠高科技互聯(lián)網(wǎng)企業(yè)和高?？蒲袡C(jī)構(gòu)等方面的共同努力。國(guó)家電網(wǎng)專(zhuān)利申請(qǐng)量最多，其次是騰訊科技，體現(xiàn)出這兩家企業(yè)在 AI 領(lǐng)域的創(chuàng)新能力比較突出，對(duì)相關(guān)技術(shù)領(lǐng)域的引領(lǐng)作用較強(qiáng)。

▲中國(guó)AI專(zhuān)利申請(qǐng)量 TOP10機(jī)構(gòu)

04.未來(lái)機(jī)遇與挑戰(zhàn)

1、未來(lái)發(fā)展機(jī)遇

目前，全球已有美國(guó)、中國(guó)、歐盟、英國(guó)、日本、德國(guó)、加拿大等 10 余個(gè)國(guó)家和地區(qū)紛紛發(fā)布了人工智能相關(guān)國(guó)家發(fā)展戰(zhàn)略或政策規(guī)劃，用于支持 AI 未來(lái)發(fā)展。這些國(guó)家?guī)缀醵紝⑷斯ぶ悄芤暈橐I(lǐng)未來(lái)、重塑傳統(tǒng)行業(yè)結(jié)構(gòu)的前沿性、戰(zhàn)略性技術(shù)，積極推動(dòng)人工智能發(fā)展及應(yīng)用，注重人工智能人才隊(duì)伍培養(yǎng)。這是AI 未來(lái)發(fā)展的重要?dú)v史機(jī)遇。

美國(guó)：指定AI研究為政府優(yōu)先事項(xiàng)并調(diào)入更多支持資金和資源。美國(guó)高度重視人工智能全面發(fā)展，包括立法、研發(fā)投資、人才培養(yǎng)等多個(gè)方面紛紛給予支持。2016 年，美國(guó)國(guó)家科學(xué)技術(shù)委員會(huì)（NSTC）發(fā)布《國(guó)家人工智能研發(fā)戰(zhàn)略計(jì)劃》全面布局人工智能發(fā)展。與此同時(shí)，美國(guó)總統(tǒng)辦公室發(fā)布報(bào)告《為未來(lái)人工智能做好準(zhǔn)備》，以應(yīng)對(duì)人工智能帶來(lái)的潛在風(fēng)險(xiǎn)，以及《人工智能、自動(dòng)化與經(jīng)濟(jì)報(bào)告》，強(qiáng)調(diào)人工智能驅(qū)動(dòng)的自動(dòng)化對(duì)經(jīng)濟(jì)發(fā)展的影響。

2018 年，美國(guó)白宮首次將人工智能指定為政府研發(fā)的優(yōu)先事項(xiàng)，并且成立人工智能特別委員會(huì)，旨在協(xié)調(diào)聯(lián)邦政府各機(jī)構(gòu)之間人工智能研發(fā)優(yōu)先事項(xiàng)，并向白宮提出行動(dòng)建議，以確保美國(guó)人工智能技術(shù)的領(lǐng)導(dǎo)地位。美國(guó)國(guó)防部高級(jí)研究項(xiàng)目局宣布投資 20 億美元開(kāi)發(fā)下一代人工智能技術(shù)。美國(guó)國(guó)會(huì)兩院討論包括《人工智能未來(lái)法案》《人工智能就業(yè)法案》和《國(guó)家安全委員會(huì)人工智能法案》等法案。五角大樓成立了“聯(lián)合人工智能中心”，確保國(guó)防部對(duì)人工智能相關(guān)數(shù)據(jù)信息的高效利用。

2019 年，美國(guó)白宮科學(xué)和技術(shù)政策辦公室（OSTP）發(fā)布了由總統(tǒng)特朗普簽署的《美國(guó)人工智能倡議》，將人工智能的重要性上升到美國(guó)經(jīng)濟(jì)安全和國(guó)家安全的層面，要求調(diào)配更多聯(lián)邦資金和資源轉(zhuǎn)向人工智能研究，并呼吁美國(guó)主導(dǎo)國(guó)際人工智能標(biāo)準(zhǔn)的制定，開(kāi)展人工智能時(shí)代美國(guó)勞動(dòng)力培養(yǎng)的研究。白宮還對(duì)《國(guó)家人工智能研發(fā)戰(zhàn)略計(jì)劃》進(jìn)行了更新，確定了聯(lián)邦投資于人工智能研發(fā)的優(yōu)先事項(xiàng)。

美國(guó)防部網(wǎng)站公布《2018 年國(guó)防部人工智能戰(zhàn)略摘要——利用人工智能促進(jìn)安全與繁榮》，并成立聯(lián)合人工智能中心（JAIC），旨在加快人工智能快速賦能關(guān)鍵作戰(zhàn)任務(wù)，統(tǒng)籌協(xié)調(diào)人工智能研發(fā)項(xiàng)目，積極維持美國(guó)在 AI 方面的戰(zhàn)略地位。同年，國(guó)防授權(quán)法案批準(zhǔn)設(shè)立人工智能?chē)?guó)家安全委員會(huì)，該委員會(huì)旨在全面審查、分析人工智能技術(shù)及系統(tǒng)；商務(wù)部成立白宮勞動(dòng)力委員會(huì)，以幫助美國(guó)儲(chǔ)備人工智能等新興科技發(fā)展所需的人才；國(guó)家科學(xué)基金會(huì)持續(xù)資助人工智能基礎(chǔ)研究領(lǐng)域。

歐盟：重視并推動(dòng) AI 發(fā)展中的倫理和安全理念。歐盟在人工智能發(fā)展戰(zhàn)略中堅(jiān)持推行以人為本的理念，在 2018 年發(fā)布了《歐盟人工智能戰(zhàn)略》，推動(dòng)歐盟人工智能領(lǐng)域的技術(shù)研發(fā)、道德規(guī)范制定以及投資規(guī)劃，并計(jì)劃在 2020 年底至少投入 200 億歐元。隨后，歐盟宣布在“地平線(xiàn) 2020”研究與創(chuàng)新項(xiàng)目中對(duì)人工智能研發(fā)投入 15 億歐元的專(zhuān)項(xiàng)資金，將資助創(chuàng)建歐洲人工智能生態(tài)系統(tǒng)的支撐平臺(tái)。

歐盟專(zhuān)門(mén)設(shè)立了高級(jí)別人工智能專(zhuān)家組（AI HLEG），就人工智能的投資和政策制定提出建議，為人工智能的道德發(fā)展制定指導(dǎo)方針。該專(zhuān)家組制定了《可信賴(lài)的人工智能道德準(zhǔn)則草案》，提出實(shí)現(xiàn)可信賴(lài)人工智能的道德準(zhǔn)則和具體要求，包括數(shù)據(jù)保護(hù)和數(shù)據(jù)透明度等問(wèn)題。該草案是歐盟為增加政府和私營(yíng)部門(mén)人工智能領(lǐng)域合作的提出的三大戰(zhàn)略之一，三大戰(zhàn)略包括：增加政府和私營(yíng)部門(mén)對(duì)人工智能的投資、為人工智能可能引發(fā)的社會(huì)和經(jīng)濟(jì)變革做好準(zhǔn)備、建立適當(dāng)?shù)娜斯ぶ悄艿赖潞头煽蚣堋?/p>

此外，歐盟成員國(guó)還于 2018 年簽署了《人工智能合作宣言》，就人工智能可能引發(fā)的社會(huì)、經(jīng)濟(jì)、倫理道德和法律等重要問(wèn)題開(kāi)展合作，確保歐洲在人工智能研發(fā)和應(yīng)用上具有強(qiáng)大競(jìng)爭(zhēng)力。隨后，又發(fā)布《促進(jìn)人工智能在歐洲發(fā)展和應(yīng)用的協(xié)調(diào)行動(dòng)計(jì)劃》，提出設(shè)計(jì)倫理和設(shè)計(jì)安全兩大關(guān)鍵原則，旨在使歐盟成為發(fā)展前沿、符合道德倫理、安全的人工智能技術(shù)的世界領(lǐng)先地區(qū)，強(qiáng)調(diào)將通過(guò)以人為本的方式促進(jìn)人工智能技術(shù)發(fā)展。

2019 年，歐盟啟動(dòng)了 AI FOR EU 項(xiàng)目，建立人工智能需求平臺(tái)、開(kāi)放協(xié)作平臺(tái)，整合匯聚 21 個(gè)成員國(guó) 79 家研發(fā)機(jī)構(gòu)、中小企業(yè)和大型企業(yè)的數(shù)據(jù)、計(jì)算、算法和工具等人工智能資源，提供統(tǒng)一開(kāi)放服務(wù)。此外還發(fā)布了《人工智能倫理準(zhǔn)則》，以提升人們對(duì)人工智能產(chǎn)業(yè)的信任。

英國(guó)：不斷加大政策、資金、人才和國(guó)際合作方面的布局力度。英國(guó)政府在 2017 年發(fā)布的《產(chǎn)業(yè)戰(zhàn)略：建設(shè)適應(yīng)未來(lái)的英國(guó)》中，確立了人工智能發(fā)展的四個(gè)優(yōu)先領(lǐng)域：將英國(guó)建設(shè)為全球 AI 與數(shù)據(jù)創(chuàng)新中心；支持各行業(yè)利用 AI 和數(shù)據(jù)分析技術(shù)；在數(shù)據(jù)和人工智能的安全等方面保持世界領(lǐng)先；培養(yǎng)公民工作技能。隨后，發(fā)布了《在英國(guó)發(fā)展人工智能》，建議建立人工智能和數(shù)據(jù)科學(xué)的艾倫·圖靈研究所，旨在與其他公共研究機(jī)構(gòu)建立合作，統(tǒng)籌協(xié)調(diào)針對(duì)人工智能研究的計(jì)算能力。

2018 年，英國(guó)政府發(fā)布《產(chǎn)業(yè)戰(zhàn)略：人工智能領(lǐng)域行動(dòng)》，這是英國(guó)政府和產(chǎn)業(yè)界做出的首份發(fā)展人工智能的承諾，將采取切實(shí)行動(dòng)推進(jìn)人工智能發(fā)展，促進(jìn)英國(guó)人工智能和數(shù)字驅(qū)動(dòng)的經(jīng)濟(jì)蓬勃發(fā)展。英國(guó)政府在《人工智能領(lǐng)域行動(dòng)》等多個(gè)人工智能方面的政策文件中，提出政府提高研發(fā)經(jīng)費(fèi)投入，優(yōu)先支持關(guān)鍵領(lǐng)域的創(chuàng)新等措施。

這些舉措包括：未來(lái) 10 年，英國(guó)政府將研發(fā)經(jīng)費(fèi)（包括人工智能技術(shù)）占 GDP 的比例提高到 2.4%；2021 年研發(fā)投資將達(dá) 125 億英鎊；從“產(chǎn)業(yè)戰(zhàn)略挑戰(zhàn)基金”中撥款 9300 萬(wàn)英鎊，用于機(jī)器人與 AI 技術(shù)研發(fā)等。英國(guó)政府也積極推出針對(duì)初創(chuàng)企業(yè)的激勵(lì)政策。

近年來(lái)，英國(guó)政府不斷加大政策、資金、人才、國(guó)際合作等方面的布局力度。在政策方面，據(jù)英國(guó)政府 2018 年推出的《工業(yè)戰(zhàn)略：人工智能產(chǎn)業(yè)政策》報(bào)告顯示，過(guò)去 3 年英國(guó)發(fā)布了包括人工智能產(chǎn)業(yè)在內(nèi)的工業(yè)戰(zhàn)略白皮書(shū)、人工智能產(chǎn)業(yè)政策等各項(xiàng)措施，并成立了人工智能發(fā)展委員會(huì)、數(shù)據(jù)倫理與創(chuàng)新中心、人工智能發(fā)展辦公室及工業(yè)戰(zhàn)略挑戰(zhàn)基金等相關(guān)機(jī)構(gòu)，以推動(dòng)人工智能的發(fā)展。在資金方面，英國(guó)規(guī)劃制定了金額超 9 億英磅（約 78.7 億元人民幣）的一攬子人工智能產(chǎn)業(yè)扶持計(jì)劃，還將投資谷歌、亞馬遜、“人工智能元素”（Element AI）以及“慧與科技”（HPE）等一系列跨國(guó)科技公司。

2019 年 2 月，英國(guó)政府宣布投資 1300 萬(wàn)英鎊（約 1.13 億元人民幣）支持 40 個(gè)人工智能及數(shù)據(jù)分析項(xiàng)目，旨在提升生產(chǎn)力，改善英國(guó)的專(zhuān)業(yè)服務(wù)。在人才方面，自 2017 年起，英國(guó)計(jì)劃將在 4 年內(nèi)培育 8000 名計(jì)算機(jī)科學(xué)教師；未來(lái) 7 年，通過(guò)培訓(xùn)讓 5000 名學(xué)生具備多樣化的數(shù)字技術(shù)；支持新增 450 個(gè)與人工智能相關(guān)的博士點(diǎn)；加大包括人工智能人才在內(nèi)的海外特殊人才引進(jìn)力度，每年增加 1000 名至 2000 名人才引進(jìn)。

在國(guó)際合作方面，2018 年 7 月，英國(guó)與法國(guó)簽訂五年協(xié)議，在人工智能等數(shù)字產(chǎn)業(yè)領(lǐng)域加強(qiáng)雙方高端科研中心的合作；2019 年 1 月，英國(guó)決定與日本在機(jī)器人、數(shù)據(jù)等領(lǐng)域加強(qiáng)深度合作。

德國(guó)：用 AI+ 工業(yè) 4.0 打造“人工智能德國(guó)造”品牌。德國(guó)政府早在 2013 年提出的“工業(yè) 4.0”戰(zhàn)略中，就已經(jīng)涵蓋了人工智能。2018 年，德國(guó)聯(lián)邦政府頒布了《高科技戰(zhàn)略 2025》，提出“推進(jìn)人工智能應(yīng)用，使德國(guó)成為人工智能領(lǐng)域世界領(lǐng)先的研究、開(kāi)發(fā)和應(yīng)用地點(diǎn)之一”，還明確提出建立人工智能競(jìng)爭(zhēng)力中心、制定人工智能戰(zhàn)略、組建數(shù)據(jù)倫理委員會(huì)、建立德法人工智能中心等。

在《聯(lián)邦政府人工智能戰(zhàn)略》中制定三大戰(zhàn)略目標(biāo)，以及包括研究、技術(shù)轉(zhuǎn)化、創(chuàng)業(yè)、人才、標(biāo)準(zhǔn)、制度框架和國(guó)際合作在內(nèi)的 12 個(gè)行動(dòng)領(lǐng)域，旨在打造“人工智能德國(guó)造”品牌。在資金投入方面，德國(guó)政府宣布將首先投入 5 億歐元用于 2019 年及之后幾年的人工智能發(fā)展，并將在 2025 年底累計(jì)投入 30 億歐元。德國(guó)經(jīng)濟(jì)和能源部在 2019 年發(fā)布的《國(guó)家工業(yè)戰(zhàn)略 2030》（草案）中，也多次強(qiáng)調(diào)人工智能的重要性。

2020 年 1 月 15 日，德國(guó)柏林工業(yè)大學(xué)宣布成立新的人工智能研究所，進(jìn)一步開(kāi)展人工智能科研和人才培養(yǎng)。德國(guó)聯(lián)邦政府將在人工智能戰(zhàn)略框架內(nèi)對(duì)該研究所追加預(yù)算，預(yù)計(jì)到 2022 年時(shí)，研究所將獲得 3200 萬(wàn)歐元財(cái)政支持。柏林市政府也將為研究所新增人工智能崗位。

日本：主張構(gòu)建有效且安全應(yīng)用的“AI-Ready 社會(huì)”。日本政府積極發(fā)布國(guó)家層面的人工智能戰(zhàn)略、產(chǎn)業(yè)化路線(xiàn)圖。2016 年成立了人工智能技術(shù)戰(zhàn)略委員會(huì)，作為人工智能?chē)?guó)家層面的綜合管理機(jī)構(gòu)，以制定人工智能研究和發(fā)展目標(biāo)以及人工智能產(chǎn)業(yè)化路線(xiàn)圖，負(fù)責(zé)推動(dòng)總務(wù)省、文部省、經(jīng)產(chǎn)省以及下屬研究機(jī)構(gòu)間的協(xié)作，進(jìn)行人工智能技術(shù)研發(fā)。該委員會(huì)有 11 名成員，分別來(lái)自學(xué)術(shù)界、產(chǎn)業(yè)界和政府。

2017 年，日本發(fā)布《人工智能技術(shù)戰(zhàn)略》，確定了在人工智能技術(shù)和成果商業(yè)化方面，政府、產(chǎn)業(yè)界和學(xué)術(shù)界合作的行動(dòng)目標(biāo)。2018 年，日本發(fā)布《綜合創(chuàng)新戰(zhàn)略》提出要培養(yǎng)人工智能領(lǐng)域技術(shù)人才，確保在 2025 年之前每年培養(yǎng)和錄用幾十萬(wàn)名 IT 人才。此外，還發(fā)布了《集成創(chuàng)新戰(zhàn)略》，將人工智能指定為重點(diǎn)發(fā)展領(lǐng)域之一，提出要加大其發(fā)展力度，同時(shí)強(qiáng)調(diào)要加強(qiáng)人工智能領(lǐng)域人才培養(yǎng)。

2018 年 12 月 27 日，日本內(nèi)閣府發(fā)布《以人類(lèi)為中心的人工智能社會(huì)原則》推進(jìn)人工智能發(fā)展，從宏觀(guān)和倫理角度表明了日本政府的態(tài)度，主張?jiān)谕七M(jìn)人工智能技術(shù)研發(fā)時(shí)，綜合考慮其對(duì)人類(lèi)、社會(huì)系統(tǒng)、產(chǎn)業(yè)構(gòu)造、創(chuàng)新系統(tǒng)、政府等帶來(lái)的影響，構(gòu)建能夠使人工智能有效且安全應(yīng)用的“AI-Ready 社會(huì)”，于 2019 年 3 月正式公布。

此原則是將人工智能(Artificial Intelligence, AI)視為未來(lái)的關(guān)鍵科技，但在研發(fā)應(yīng)用上，須以聯(lián)合國(guó)的持續(xù)發(fā)展目標(biāo)(Sustainable Development Goals, SDGs)為基礎(chǔ)，以落實(shí)日本“超智能社會(huì)”(Society 5.0)為準(zhǔn)則，其基本理念是 Dignity、Diversity & Inclusion 及Sustainability，并且建構(gòu)“尊重人類(lèi)尊嚴(yán)”、“不同背景的大眾皆能追求幸福”及“持續(xù)性”的社會(huì)。

韓國(guó)：提升領(lǐng)域競(jìng)爭(zhēng)力發(fā)展成為“AI 強(qiáng)國(guó)”。韓國(guó)政府于 2019 年 12 月 17 日公布“人工智能（AI）國(guó)家戰(zhàn)略”，以推動(dòng)人工智能產(chǎn)業(yè)發(fā)展。該戰(zhàn)略旨在推動(dòng)韓國(guó)從“IT 強(qiáng)國(guó)”發(fā)展為“AI 強(qiáng)國(guó)”，計(jì)劃在 2030 年將韓國(guó)在人工智能領(lǐng)域的競(jìng)爭(zhēng)力提升至世界前列。

并且，提出構(gòu)建引領(lǐng)世界的人工智能生態(tài)系統(tǒng)、成為人工智能應(yīng)用領(lǐng)先的國(guó)家、實(shí)現(xiàn)以人為本的人工智能技術(shù)。在人工智能生態(tài)系統(tǒng)構(gòu)建和技術(shù)研發(fā)領(lǐng)域，韓國(guó)政府將爭(zhēng)取至2021 年全面開(kāi)放公共數(shù)據(jù)，到 2024 年建立光州人工智能園區(qū)，到 2029 年為新一代存算一體人工智能芯片研發(fā)投入約 1 萬(wàn)億韓元。

其他國(guó)家：

加拿大在 2017 年宣布了泛加拿大人工智能戰(zhàn)略，承諾提供 1.25 億加元的加拿大人工智能研究與開(kāi)發(fā)。這一戰(zhàn)略旨在增加加拿大的 AI 和畢業(yè)生人數(shù)。在埃德蒙頓、蒙特利爾和多倫多建立科學(xué)卓越中心。建立加拿大在 AI 經(jīng)濟(jì)、倫理、政策和法律研究方面的全球思想領(lǐng)導(dǎo)地位。

法國(guó)于 2018 年 3 月發(fā)布 AI 戰(zhàn)略，將投入 1.5 億歐元把法國(guó)打造成 AI 研究、訓(xùn)練和行業(yè)的全球領(lǐng)導(dǎo)者。該計(jì)劃由四個(gè)部分組成，一是宣布國(guó)家人工智能計(jì)劃，將在法國(guó)各地建立一個(gè)由四五個(gè)研究機(jī)構(gòu)組成的網(wǎng)絡(luò)；二是將制定一項(xiàng)開(kāi)放數(shù)據(jù)政策，推動(dòng)人工智能在醫(yī)療等領(lǐng)域應(yīng)用；三是政府將創(chuàng)建一個(gè)監(jiān)管和金融框架，以支持國(guó)內(nèi)“人工智能冠軍企業(yè)”的發(fā)展；四是政府將制定道德規(guī)范。

印度在 2018 年 6 月發(fā)布《人工智能?chē)?guó)家戰(zhàn)略》，探求如何利用人工智能來(lái)促進(jìn)經(jīng)濟(jì)增長(zhǎng)和提升社會(huì)包容性，尋求一個(gè)適用于發(fā)展中國(guó)家的 AI 戰(zhàn)略部署。該戰(zhàn)略旨在提高印度人的工作技能，投資于能夠最大限度地提高經(jīng)濟(jì)增長(zhǎng)和社會(huì)影響的研究和部門(mén)，以及將印度制造的人工智能解決方案推廣到其他發(fā)展中國(guó)家。

以色列于 2019 年 11 月發(fā)布了國(guó)家級(jí)人工智能計(jì)劃，提出以色列要成為人工智能的世界五大國(guó)之一。并且政府以五年為一期，每年投資 10 至 20 億新謝克爾（約 2.89 億至 5.8 億美元）開(kāi)發(fā)人工智能技術(shù)，總共投資 100 億新謝克爾（約28.93 億美元）于人工智能領(lǐng)域。

西班牙于 2019 年 3 月發(fā)布《西班牙人工智能研究、發(fā)展與創(chuàng)新戰(zhàn)略》，認(rèn)為最優(yōu)先事項(xiàng)是建立一個(gè)有效的機(jī)制，以保障人工智能的研究、發(fā)展、創(chuàng)新，并評(píng)估人工智能對(duì)人類(lèi)社會(huì)的影響。

中國(guó)AI發(fā)展支持政策：黨和國(guó)家高度重視 AI 發(fā)展，從產(chǎn)業(yè)發(fā)展、教育等各個(gè)方面支持人工智能的發(fā)展。習(xí)近平總書(shū)記也曾多次強(qiáng)調(diào)用人工智能開(kāi)辟社會(huì)治理新格局、人工智能為高質(zhì)量發(fā)展賦能。早在 2015 年，《國(guó)務(wù)院關(guān)于積極推進(jìn)“互聯(lián)網(wǎng)+”行動(dòng)的指導(dǎo)意見(jiàn)》就提出加快人工智能核心技術(shù)突破，促進(jìn)人工智能在智能家居、智能終端、智能汽車(chē)、機(jī)器人等領(lǐng)域推廣應(yīng)用的目標(biāo)。近年來(lái)發(fā)布了一系列的支持人工智能發(fā)展政策，如下圖所示。

▲中國(guó)人工智能發(fā)展重要支持政策

進(jìn)入 2020 年，國(guó)家大力推進(jìn)并強(qiáng)調(diào)要加快 5G 網(wǎng)絡(luò)、人工智能、數(shù)據(jù)中心等新型基礎(chǔ)設(shè)施建設(shè)進(jìn)度。人工智能技術(shù)被視為新一輪產(chǎn)業(yè)變革的核心驅(qū)動(dòng)力量。此外，教育部、國(guó)家發(fā)展改革委、財(cái)政部聯(lián)合發(fā)布了《關(guān)于“雙一流”建設(shè)高校促進(jìn)學(xué)科融合加快人工智能領(lǐng)域研究生培養(yǎng)的若干意見(jiàn)》，提出要構(gòu)建基礎(chǔ)理論人才與“人工智能+X”復(fù)合型人才并重的培養(yǎng)體系，探索深度融合的學(xué)科建設(shè)和人才培養(yǎng)新模式。7 月，國(guó)家標(biāo)準(zhǔn)化管理委員會(huì)、中央網(wǎng)信辦、國(guó)家發(fā)展改革委、科技部、工業(yè)和信息化部聯(lián)合印發(fā)《國(guó)家新一代人工智能標(biāo)準(zhǔn)體系建設(shè)指南》（國(guó)標(biāo)委聯(lián)〔2020〕35 號(hào)），以加強(qiáng)人工智能領(lǐng)域標(biāo)準(zhǔn)化頂層設(shè)計(jì)，推動(dòng)人工智能產(chǎn)業(yè)技術(shù)研發(fā)和標(biāo)準(zhǔn)制定，促進(jìn)產(chǎn)業(yè)健康可持續(xù)發(fā)展。

2、人工智能未來(lái)技術(shù)研究方向

人工智能經(jīng)歷幾波浪潮之后，在過(guò)去十年中基本實(shí)現(xiàn)了感知能力，但卻無(wú)法做到推理、可解釋等認(rèn)知能力，因此在下一波人工智能浪潮興起時(shí)，將主要會(huì)去實(shí)現(xiàn)具有推理、可解釋性、認(rèn)知的人工智能。2015 年，張鈸院士提出第三代人工智能體系的雛形。2017 年，DARPA 發(fā)起 XAI 項(xiàng)目，核心思想是從可解釋的機(jī)器學(xué)習(xí)系統(tǒng)、人機(jī)交互技術(shù)以及可解釋的心理學(xué)理論三個(gè)方面，全面開(kāi)展可解釋性AI 系統(tǒng)的研究。2018 年底，第三代人工智能的理論框架體系正式公開(kāi)提出，核心思想為：

（1）建立可解釋、魯棒性的人工智能理論和方法；

（2）發(fā)展安全、可靠、可信及可擴(kuò)展的人工智能技術(shù)；

（3）推動(dòng)人工智能創(chuàng)新應(yīng)用。

其中具體實(shí)施的路線(xiàn)包括：

（1）與腦科學(xué)融合，發(fā)展腦啟發(fā)的人工智能理論；

（2）探索數(shù)據(jù)與知識(shí)融合的人工智能理論與方法。雖然還沒(méi)有明確第三代人工智能是什么，但是其趨勢(shì)是清晰的。

Gartner 2020 年人工智能技術(shù)成熟度曲線(xiàn)圖顯示，如下圖所示。2020 年人工智能技術(shù)成熟度曲線(xiàn)共有 30 項(xiàng)技術(shù)出現(xiàn)，其中有 17 項(xiàng)技術(shù)需要 2 到 5 年才能達(dá)到成熟期，有 8 項(xiàng)技術(shù)需要 5 到 10 年才能達(dá)到成熟期。出現(xiàn)的這些技術(shù)基本處于創(chuàng)新萌芽期、期望膨脹的頂峰期和泡沫低谷期，而“穩(wěn)步爬升的光明期”和“實(shí)質(zhì)生產(chǎn)的高峰期”出現(xiàn)的技術(shù)寥寥無(wú)幾，僅有 Insight Engines（洞察引擎）和 GPUAccelerators （GPU 加速器）。

▲Gartner 2020 年人工智能技術(shù)成熟度曲線(xiàn)圖

通過(guò)對(duì) 2020 年人工智能技術(shù)成熟度曲線(xiàn)分析，并結(jié)合人工智能的發(fā)展現(xiàn)狀，本報(bào)告認(rèn)為人工智能下一個(gè)十年重點(diǎn)發(fā)展的方向包括：強(qiáng)化學(xué)習(xí)（Reinforement Learning）、神經(jīng)形態(tài)硬件（Neuromorphic Hardware）、知識(shí)圖譜（Knowledge Graphics）、智能機(jī)器人（Smart Robotics）、可解釋性 AI（Explainable AI）、數(shù)字倫理（Digital Ethics）、自然語(yǔ)言處理（Natural Language Processing）等技術(shù)處于期望膨脹期，表明人們對(duì) AI 最大的期待，達(dá)到穩(wěn)定期需要 5-10 年，是 AI 未來(lái)十年重點(diǎn)發(fā)展方向。

（1）強(qiáng)化學(xué)習(xí)（Reinforement Learning。）。強(qiáng)化學(xué)習(xí)用于描述和解決智能體在與環(huán)境的交互過(guò)程中通過(guò)學(xué)習(xí)策略以達(dá)成回報(bào)最大化或?qū)崿F(xiàn)特定目標(biāo)的問(wèn)題。強(qiáng)化學(xué)習(xí)不受標(biāo)注數(shù)據(jù)和先驗(yàn)知識(shí)所限制，而是通過(guò)接收環(huán)境對(duì)動(dòng)作的獎(jiǎng)勵(lì)（反饋）獲得學(xué)習(xí)信息并更新模型參數(shù)。由于智能體和環(huán)境的交互方式與人類(lèi)和環(huán)境的交互方式類(lèi)似，強(qiáng)化學(xué)習(xí)可以認(rèn)為是一套通用的學(xué)習(xí)框架，可用來(lái)解決通用人工智能的問(wèn)題。

（2）神經(jīng)形態(tài)硬件（Neuromorphic Hardware。）。神經(jīng)形態(tài)硬件旨在用與傳統(tǒng)硬件完全不同的方式處理信息，通過(guò)模仿人腦構(gòu)造來(lái)大幅提高計(jì)算機(jī)的思維能力與反應(yīng)能力。采用多進(jìn)制信號(hào)來(lái)模擬生物神經(jīng)元的功能，可將負(fù)責(zé)數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)處理的元件整合到同一個(gè)互聯(lián)模塊當(dāng)中。從這一意義上說(shuō)，這一系統(tǒng)與組成人腦的數(shù)十億計(jì)的、相互連接的神經(jīng)元頗為相仿。神經(jīng)形態(tài)硬件能夠大幅提升數(shù)據(jù)處理能力和機(jī)器學(xué)習(xí)能力，能耗和體積卻要小得多，為人工智能的未來(lái)發(fā)展提供強(qiáng)大的算力支撐。

（3） 知識(shí)圖譜（Knowledge Graphics。）。要實(shí)現(xiàn)真正的類(lèi)人智能，機(jī)器還需要掌握大量的常識(shí)性知識(shí)，以人的思維模式和知識(shí)結(jié)構(gòu)來(lái)進(jìn)行語(yǔ)言理解、視覺(jué)場(chǎng)景解析和決策分析。知識(shí)圖譜將互聯(lián)網(wǎng)的信息表達(dá)成更接近人類(lèi)認(rèn)知世界的形式，提供了一種更好地組織、管理和理解互聯(lián)網(wǎng)海量信息的能力，被認(rèn)為是從感知智能通往認(rèn)知智能的重要基石。

從感知到認(rèn)知的跨越過(guò)程中，構(gòu)建大規(guī)模高質(zhì)量知識(shí)圖譜是一個(gè)重要環(huán)節(jié)，當(dāng)人工智能可以通過(guò)更結(jié)構(gòu)化的表示理解人類(lèi)知識(shí)，并進(jìn)行互聯(lián)，才有可能讓機(jī)器真正實(shí)現(xiàn)推理、聯(lián)想等認(rèn)知功能。清華大學(xué)唐杰教授在知識(shí)圖譜的基礎(chǔ)上提出的“認(rèn)知圖譜=知識(shí)圖譜+認(rèn)知推理+邏輯表達(dá)”，為人工智能未來(lái)十年的發(fā)展提供了研究方向。

（4）、智能機(jī)器人（Intelligent Robot）。智能機(jī)器人需要具備三個(gè)基本要素：感覺(jué)要素、思考要素和反應(yīng)要素。感覺(jué)要素是利用傳感器感受內(nèi)部和外部信息，如視覺(jué)、聽(tīng)覺(jué)、觸覺(jué)等；思考要素是根據(jù)感覺(jué)要素所得到的信息，思考出采用什么樣的動(dòng)作；反應(yīng)要素是對(duì)外界做出反應(yīng)性動(dòng)作。

智能機(jī)器人的關(guān)鍵技術(shù)包括多傳感器信息融合、導(dǎo)航與定位、路徑規(guī)劃、智能控制等。由于社會(huì)發(fā)展的需求和機(jī)器人應(yīng)用行業(yè)的擴(kuò)大，機(jī)器人可以具備的智能水平并未達(dá)到極限，影響因素包括硬件設(shè)施的計(jì)算速度不夠、傳感器的種類(lèi)不足，以及缺乏機(jī)器人的思考行為程序難以編制等。

（5）、可解釋人工智能 （Explainable AI）。雖然深度學(xué)習(xí)算法在語(yǔ)音識(shí)別、計(jì)算機(jī)視覺(jué)、自然語(yǔ)言處理等領(lǐng)域取得令人印象深刻的性能，但是它們?cè)谕该鞫群涂山忉屝苑矫嫒源嬖诰窒扌?。深度學(xué)習(xí)的不可解釋性已經(jīng)成為計(jì)算機(jī)領(lǐng)域頂級(jí)會(huì)議（如 NIPS）火藥味十足的討論話(huà)題。一些方法嘗試將黑盒的神經(jīng)網(wǎng)絡(luò)模型和符號(hào)推理結(jié)合了起來(lái)，通過(guò)引入邏輯規(guī)則增加可解釋性。

此外，符號(hào)化的知識(shí)圖譜具有形象直觀(guān)的特性，為彌補(bǔ)神經(jīng)網(wǎng)絡(luò)在解釋性方面的缺陷提供了可能。利用知識(shí)圖譜解釋深度學(xué)習(xí)和高層次決策模型，是當(dāng)前值得研究的科學(xué)問(wèn)題，可以為可解釋的 AI 提供全新視角的機(jī)遇。張鈸院士指出當(dāng)前人工智能的最大問(wèn)題是不可解釋和不可理解，并提倡建立具有可解釋性的第三代人工智能理論體系。

（6）、數(shù)字倫理（Digital Ethics。）。作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力，人工智能已上升為國(guó)家戰(zhàn)略，人工智能將會(huì)在未來(lái)幾十年對(duì)人類(lèi)社會(huì)產(chǎn)生巨大的影響，帶來(lái)不可逆轉(zhuǎn)的改變。人工智能的發(fā)展面臨諸多現(xiàn)實(shí)的倫理和法律問(wèn)題，如網(wǎng)絡(luò)安全、個(gè)人隱私、數(shù)據(jù)權(quán)益和公平公正等。

為了讓人工智能技術(shù)更好地服務(wù)于經(jīng)濟(jì)社會(huì)發(fā)展和人民美好生活，不僅要發(fā)揮好人工智能的“頭雁”效應(yīng)，也要加強(qiáng)人工智能相關(guān)法律、倫理、社會(huì)問(wèn)題等方面的研究。數(shù)字倫理將是未來(lái)智能社會(huì)的發(fā)展基石，只有建立完善的人工智能倫理規(guī)范，處理好機(jī)器與人的新關(guān)系，我們才能更多地獲得人工智能紅利，讓技術(shù)造福人類(lèi)。

（7）、自然語(yǔ)言處理（Nature Language Processing ）。深度學(xué)習(xí)在自然語(yǔ)言處理取得了巨大突破，它能夠高效學(xué)習(xí)多粒度語(yǔ)言單元間復(fù)雜語(yǔ)義關(guān)聯(lián)。但是僅僅依靠深度學(xué)習(xí)并不能完成對(duì)自然語(yǔ)言的深度理解。對(duì)自然語(yǔ)言的深度理解需要從字面意義到言外之意的躍遷，這需要引入復(fù)雜知識(shí)的支持。

豐富的語(yǔ)言知識(shí)能夠提升模型的可解釋性，可覆蓋長(zhǎng)尾低頻語(yǔ)言單位的知識(shí)規(guī)則能夠提升模型的可擴(kuò)展性，而異質(zhì)多樣的知識(shí)與推理體系能夠提升模型魯棒性。因此有必要研究知識(shí)指導(dǎo)的自然語(yǔ)言處理技術(shù)，揭示自然語(yǔ)言處理和知識(shí)產(chǎn)生及表達(dá)的機(jī)理，建立知識(shí)獲取與語(yǔ)言處理雙向驅(qū)動(dòng)的方法體系，實(shí)現(xiàn)真正的語(yǔ)言與知識(shí)智能理解。

3、 面臨的問(wèn)題

隨著人工智能的快速發(fā)展和應(yīng)用，人們?cè)絹?lái)越重視隨之而來(lái)的安全和倫理問(wèn)題。AI 發(fā)展面臨著諸多安全和倫理方面的挑戰(zhàn)。安全挑戰(zhàn)主要包括三個(gè)方面：一是人工智能可以替代體力勞動(dòng)和腦力勞動(dòng)，相應(yīng)的崗位替代作用影響著人類(lèi)就業(yè)安全；二是建立在大數(shù)據(jù)和深度學(xué)習(xí)基礎(chǔ)上的人工智能技術(shù)，需要海量數(shù)據(jù)來(lái)學(xué)習(xí)訓(xùn)練算法，帶來(lái)了數(shù)據(jù)盜用、信息泄露和個(gè)人侵害的風(fēng)險(xiǎn)。

許多個(gè)人信息如果被非法利用，將會(huì)構(gòu)成對(duì)隱私權(quán)的侵犯。三是人工智能具有強(qiáng)大的數(shù)據(jù)收集、分析以及信息生成能力，可以生成和仿造很多東西，甚至包括人類(lèi)自身。隨之而生的虛假信息、欺詐信息不僅會(huì)侵蝕社會(huì)的誠(chéng)信體系，還會(huì)對(duì)國(guó)家的政治安全、經(jīng)濟(jì)安全和社會(huì)穩(wěn)定帶來(lái)負(fù)面影響。

人工智能發(fā)展面臨的倫理挑戰(zhàn)主要來(lái)自以下方面。一是人們對(duì)智能化的過(guò)度依賴(lài)。人工智能發(fā)展帶來(lái)的簡(jiǎn)易、便捷的智能化工作和生活方式的同時(shí)，嚴(yán)重?cái)D占了人們用于休息的自由時(shí)間、用于勞動(dòng)的工作時(shí)間和用于個(gè)人全面發(fā)展的時(shí)間，由此催生了許多人的懶惰和對(duì)智能產(chǎn)品的過(guò)度依賴(lài)；同時(shí)，個(gè)性化新聞推薦或者自動(dòng)生成的新聞，真假難辨的廣告和宣傳給人們封閉在“信息繭房”里。甚至逐漸失去了獨(dú)立自由決策的能力，成為數(shù)據(jù)和算法的奴隸。

二是情感計(jì)算技術(shù)和類(lèi)腦智能技術(shù)的創(chuàng)新融合發(fā)展， 可能擾亂人們對(duì)于身份和能動(dòng)性的認(rèn)知。人類(lèi)大腦與機(jī)器智能直接連接，會(huì)繞過(guò)大腦和身體正常的感覺(jué)運(yùn)動(dòng)功能；增強(qiáng)型神經(jīng)技術(shù)的應(yīng)用也可能改變?nèi)说捏w能和心智。這是對(duì)人類(lèi)社會(huì)的道德社會(huì)規(guī)范和法律責(zé)任的挑戰(zhàn)。

三是智能算法歧視將帶來(lái)的偏見(jiàn)。人工智能以大數(shù)據(jù)和深度學(xué)習(xí)為基礎(chǔ)，數(shù)據(jù)、算法以及人為因素會(huì)導(dǎo)致計(jì)算結(jié)果的偏見(jiàn)和非中立性，比如性別歧視、種族歧視以及“有色眼鏡”效應(yīng)。數(shù)據(jù)和算法導(dǎo)致的歧視往往具有更大的隱蔽性，更難以發(fā)現(xiàn)和消除。例如，微軟在 Twitter 上上線(xiàn)的聊天機(jī)器人 Tay 在與網(wǎng)民互動(dòng)過(guò)程中，由于大量惡意數(shù)據(jù)的輸入，成為集性別歧視、種族歧視等于一身的“流氓”，它不但辱罵用戶(hù)，還發(fā)表了種族主義評(píng)論和煽動(dòng)性的政治宣言。

四是人工智能對(duì)人類(lèi)造成的威脅和傷害。智能武器是可自動(dòng)尋找、識(shí)別、跟蹤和摧毀目標(biāo)的現(xiàn)代高技術(shù)兵器，包括精確制導(dǎo)武器、智能反導(dǎo)系統(tǒng)、無(wú)人駕駛飛機(jī)、無(wú)人駕駛坦克、無(wú)人駕駛潛艇、無(wú)人操作火炮、智能地雷、智能魚(yú)雷和自主多用途智能作戰(zhàn)機(jī)器人等，它將成為未來(lái)戰(zhàn)場(chǎng)主力軍，信息處理和計(jì)算能力成為戰(zhàn)爭(zhēng)勝負(fù)的決定因素。人工智能武器是繼火藥和核武器之后戰(zhàn)爭(zhēng)領(lǐng)域的第三次革命。人工智能如果被賦予傷害、破壞或欺騙人類(lèi)的自主能力，將是人類(lèi)的災(zāi)難，后果難以想象。

面對(duì)人工智能帶來(lái)的安全和倫理問(wèn)題，受到越來(lái)越多各方關(guān)注和應(yīng)對(duì)。2020年，美國(guó)國(guó)防部下屬的國(guó)防創(chuàng)新委員會(huì)推出了《人工智能倫理道德標(biāo)準(zhǔn)》，公布了人工智能五大倫理原則，即負(fù)責(zé)、公平、可追蹤、可靠和可控。無(wú)論作戰(zhàn)還是非作戰(zhàn)人工智能系統(tǒng)，均須遵守上述原則，否則美國(guó)防部將不予部署。牛津大學(xué)成立了人工智能倫理研究所（Institute for Ethics in AI），并委任了由 7 位哲學(xué)家組成的首個(gè)學(xué)術(shù)研究團(tuán)隊(duì)。中國(guó)人工智能學(xué)會(huì)倫理專(zhuān)業(yè)委員會(huì)也正著手進(jìn)行中國(guó)人工智能倫理規(guī)范研究。

科技是未來(lái)競(jìng)爭(zhēng)的制高點(diǎn)。雖然科技無(wú)國(guó)界，但是科技公司有國(guó)界。當(dāng)前世界各國(guó)對(duì)人工智能技術(shù)發(fā)展都不遺余力地投入和支持，同時(shí)，還使用不同方法保護(hù)自己的科技成果，封鎖前沿技術(shù)和“卡脖子”技術(shù)外流路徑，這將在一定程度上限制人工智能技術(shù)創(chuàng)新要素的自由流動(dòng)。

從全球范圍來(lái)看，中國(guó)和美國(guó)人工智能領(lǐng)域科研論文和專(zhuān)利產(chǎn)出數(shù)量最多的兩個(gè)國(guó)家。但是近年來(lái)， 中美 兩國(guó)在人工智能技術(shù)領(lǐng)域的 貿(mào)易關(guān)系 則存在 摩擦。2018 年11月19日美國(guó)商務(wù)部工業(yè)安全署（ BIS ）出臺(tái)了一份針對(duì)關(guān)鍵新興技術(shù)和相關(guān)產(chǎn)品的出口管制框架 ，其中在人工智能領(lǐng)域包括神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)、進(jìn)化和遺傳計(jì)算、強(qiáng)化學(xué)習(xí)、計(jì)算機(jī)視覺(jué)、專(zhuān)家系統(tǒng)、語(yǔ)音和音頻處理、自然語(yǔ)言處理、規(guī)劃、AI 芯片組、AI 云技術(shù)、音頻和視頻操作技術(shù)共計(jì) 11 項(xiàng)技術(shù)。

2019年 10 月 7 日， 美國(guó) BIS 部門(mén)把 8家計(jì)算機(jī)視覺(jué)領(lǐng)域的 中國(guó)科技企業(yè)加入 “ 實(shí)體清單 ”。清單中的實(shí)體須在有許可證的情況下才可購(gòu)買(mǎi)美國(guó)技術(shù)與產(chǎn)品，但美政府有權(quán)拒絕許可申請(qǐng)。

在字節(jié)跳動(dòng) TikTok 公司出售在美業(yè)務(wù)的談判過(guò)程中，2020 年8 月28 日，》 中國(guó)商務(wù)部、科技部調(diào)整發(fā)布了最新版的《中國(guó)禁止出口限制出口技術(shù)目錄》（商務(wù)部 科技部公告 2020 年第 38 號(hào)）。在最新目錄中， 語(yǔ)音合成、人工智能交互界面、語(yǔ)音評(píng)測(cè)、基于數(shù)據(jù)分析的個(gè)性化信息推送服務(wù)、無(wú)人機(jī)、量子密碼等技術(shù)均被列入“限制出口”名單。

根據(jù)《中華人民共和國(guó)技術(shù)進(jìn)出口管理?xiàng)l例》，凡是涉及向境外轉(zhuǎn)移技術(shù)，無(wú)論是采用貿(mào)易還是投資或是其他方式，均要嚴(yán)格遵守《中華人民共和國(guó)技術(shù)進(jìn)出口管理?xiàng)l例》的規(guī)定，其中限制類(lèi)技術(shù)出口必須到省級(jí)商務(wù)主管部門(mén)申請(qǐng)技術(shù)出口許可，獲得批準(zhǔn)后方可對(duì)外進(jìn)行實(shí)質(zhì)性談判，簽訂技術(shù)出口合同。

在大型跨國(guó)公司的收購(gòu)過(guò)程中， 相關(guān)國(guó)家政府批準(zhǔn)出售是交易宣告成功的必要條件。對(duì)于字節(jié)跳動(dòng)出售 TikTok 業(yè)務(wù)來(lái)說(shuō)，有可能出現(xiàn)其中一個(gè)國(guó)家政府出面阻止交易的情況。

根據(jù)人工智能技術(shù)關(guān)鍵詞獲取中美兩國(guó)的論文數(shù)據(jù)，生成中國(guó)和美國(guó)在不同領(lǐng)域的研究成果對(duì)比圖，如下圖所示。分析發(fā)現(xiàn)，在被限制出口的計(jì)算及服務(wù)業(yè)技術(shù)中， 中國(guó)在以人臉識(shí)別為代表的計(jì)算機(jī)視覺(jué)、語(yǔ)音識(shí)別與自然語(yǔ)言處理（特別是中文）上有著較美國(guó)領(lǐng)先的優(yōu)勢(shì)，主要體現(xiàn)在高水平論文發(fā)表量、專(zhuān)利申請(qǐng)量?jī)煞矫妗?/p>

▲中國(guó)和美國(guó) 2011-2020 年在三個(gè) AI 子領(lǐng)域的高水平論文量和專(zhuān)利申請(qǐng)量對(duì)比圖

在語(yǔ)音識(shí)別、圖像識(shí)別、自然語(yǔ)言處理技術(shù)上，中國(guó)國(guó)內(nèi)市場(chǎng)提供了穩(wěn)定龐大的用戶(hù)與數(shù)據(jù)供應(yīng)，以及政策支持為產(chǎn)業(yè)發(fā)展帶來(lái)的所需資源和資本聚集，這些本土化優(yōu)勢(shì)，對(duì)于外國(guó)企業(yè)來(lái)說(shuō)是不可復(fù)制的。

中國(guó)目前在計(jì)算機(jī)視覺(jué)領(lǐng)域的領(lǐng)先企業(yè)以 SenseTime，F(xiàn)ace ++，YITU 和?？低?/u>為代表， 技術(shù)優(yōu)勢(shì)主要體現(xiàn)在人臉識(shí)別，在2017 年中國(guó)在 這一領(lǐng)域獲得的專(zhuān)利數(shù)量大約是美國(guó)公司的6 倍，其應(yīng)用場(chǎng)景多為安全監(jiān)控系統(tǒng)。相比而言，由于隱私政策，歐美的 人臉識(shí)別技術(shù)難以發(fā)展實(shí)行，例如 2020 年 8 月 12 日英國(guó)法院裁決警察部門(mén)使用自動(dòng)面部識(shí)別（AFR）違反了數(shù)據(jù)保護(hù)和平等法以及隱私權(quán)。

在語(yǔ)音識(shí)別領(lǐng)域，中國(guó)企業(yè)表現(xiàn)較優(yōu)秀，特別是在中文識(shí)別和處理上?？拼笥嶏w iFlytek、依圖科技 YITU、百度、騰訊、阿里巴巴等企業(yè)依靠中國(guó)龐大的中文用戶(hù)，能獲得遠(yuǎn)超美國(guó)能獲得的中文語(yǔ)音數(shù)據(jù)庫(kù)，這使得其語(yǔ)音識(shí)別 AI 有更好的語(yǔ)音識(shí)別學(xué)習(xí)條件。例如，騰訊可從其月活超 10 億的微信用戶(hù)那里獲得中文語(yǔ)音數(shù)據(jù)。這一點(diǎn)是中國(guó)企業(yè)在中文語(yǔ)音識(shí)別技術(shù)上不可復(fù)制的優(yōu)勢(shì)。

在自然語(yǔ)言處理領(lǐng)域，百度的能力被認(rèn)為超過(guò)微軟和谷歌。受 Google 的 BERT啟發(fā)，百度的自然語(yǔ)言處理模型 ERNIE 最初是為理解漢語(yǔ)而開(kāi)發(fā)的，但是它也能夠更好地理解英語(yǔ)。

Google 的模型在學(xué)習(xí)時(shí)會(huì)在每個(gè)序列中隱藏 15％的單詞，然后嘗試根據(jù)上下文進(jìn)行預(yù)測(cè)?；陬?lèi)似的方法，百度團(tuán)隊(duì)通過(guò)讓其 AI 模型預(yù)測(cè)文章中一串被隱藏的漢字，來(lái)學(xué)習(xí)文字組合的聯(lián)系。不同于被微軟和谷歌使用的英文，中文的特性要求 ERNIE 模型必須能夠理解漢字組合后的出現(xiàn)的內(nèi)在含義。結(jié)果顯示，其在 GLUE 得分為第一名 90.1，超過(guò)微軟和谷歌的模型得分。

▲中國(guó)和美國(guó) 2011-2020 年在三個(gè) AI 子領(lǐng)域?qū)＠_(kāi)趨勢(shì)

研究發(fā)現(xiàn)， 中國(guó)在人工智能和機(jī)器學(xué)習(xí)技術(shù)領(lǐng)域發(fā)展迅速，相關(guān)領(lǐng)域中在 國(guó)學(xué)者的論文發(fā)表量在 2008 年前后已經(jīng)趕超美國(guó)。

值得注意的是， 中國(guó)杰出學(xué)者的國(guó)際合作對(duì)象國(guó)家不均衡，呈現(xiàn)出美國(guó)“一家獨(dú)大”局面。以合發(fā)論文為產(chǎn)出指標(biāo)看中國(guó)杰出學(xué)者開(kāi)展國(guó)際合作的情況，中國(guó)杰出學(xué)者與美國(guó)合作緊密度最高，人數(shù)占比約 62.3%，其次是英國(guó)（14.7%）、德國(guó)（13.7%）、澳大利亞（9.5%）和新加坡（9.2%）。隨著貿(mào)易戰(zhàn)的不斷升級(jí)蔓延，中美關(guān)系日益復(fù)雜，正常的科技與學(xué)術(shù)交流受阻，容易對(duì)我國(guó)的相關(guān)技術(shù)領(lǐng)域發(fā)展與人才培養(yǎng)造成不利影響。

在嚴(yán)峻的國(guó)際大環(huán)境下，未來(lái)人工智能技術(shù)自由交流發(fā)展將無(wú)疑受到影響。考慮到數(shù)據(jù)安全等多種因素，未來(lái)的基于數(shù)據(jù)分析的個(gè)性化信息推送服務(wù)技術(shù)，對(duì)外技術(shù)支持與技術(shù)服務(wù)出口都將受到限制。

智東西認(rèn)為，每一次的經(jīng)濟(jì)大發(fā)展都與科技的突破緊密相關(guān)，近些年世界經(jīng)濟(jì)很大程度上都是由信息產(chǎn)業(yè)的發(fā)展帶動(dòng)起來(lái)?，F(xiàn)在，人工智能技術(shù)的逐漸成熟，下游應(yīng)用不斷拓展等種種跡象表明科技正迎來(lái)新的爆發(fā)期，全球科技競(jìng)賽也將再次掀起高潮。中國(guó)想要在這輪科技革新中占得先機(jī)，就需要加強(qiáng)技術(shù)預(yù)判，找準(zhǔn)方向，提早部署，特別是在一些基礎(chǔ)性、突破性的領(lǐng)域精準(zhǔn)布局。

原文標(biāo)題：【行業(yè)前沿】人工智能十年發(fā)展總結(jié)，中國(guó)進(jìn)步神速，專(zhuān)利占全球七成

文章出處：【微信公眾號(hào)：山東省物聯(lián)網(wǎng)協(xié)會(huì)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq