1、人工智能：知识的创造、转移与应用人工智能在中国、欧洲和美国的发展趋势 人工智能：知识的创造、转移与应用目录人工智能：知识的创造、转移与应用 3序 4概要 9重点 11引言 12第 1 章识别人工智能研究 18利用人工智能定义人工智能 20第 2 章 人工智能：多面领域 242.1 教学视角、研究视角、产业视角和媒体视角 262.2 人工智能研究七大集群 27第 3 章人工智能研究发展与区域性趋势 303.1 人工智能研究的全球性趋势 323.2 人工智能研究的区域性趋势 383.3 区域性研究的影响与应用对比 543.4 人工智能知识转移 56第 4 章人工智能教育 624.1 人工智能在线教

2、育概览 644.2 中国人工智能专业毕业生案例分析 66第 5 章道德伦理在人工智能中发挥的重要作用 705.1 道德伦理与人工智能 725.2 人工智能因善而立，为善而行： 探讨道德伦理与人工智能的问题 76结束语 & 未来研究 79附录 81序言人工智能：知识的创造、转移与应用丹奥莱爱思唯尔（美国）首席技术官 “近年来，人工智能 (AI) 已经引起决策者、高校、研究人员、企业、媒体和公众的广泛关注。随着大数据时代的到来和计算能力的提升，人工智能在科研和技术领域的突破日新月异。人工智能改变社会的转化力让人们在满怀期待的同时心生恐惧。在高涨的关注度和蓬勃的发展势头下，AI术语却逐渐混淆。尽管“

3、人工智能”、“机器学习”和“数据科学”这几个概念并不相同，但人们总是把它们混为一谈。人们通常会自然而然地把“人工智能”理解成一个概括性术语，用以描述“让计算机像人类一样做出判断”这一总体目标。深度学习等主题则跳脱出了人工智能的范畴，发展成了独立的研究领域和技术。 对于这样一个能改变人类生活形态的领域，我们有必要理清混淆的术语，以保证政策目标能正确地转化为研究重点，学生教育能与就业市场需求相匹配，媒体能对比全球不同国家和地区知识的发展。这正是我们想利用该报告着手解决的具有挑战性的难题。作为一家专注于研究领域和健康领域的信息分析公司，我们的数据资产将为解决这些重要问题提供有价值的见解。 基于大量的

4、自有数据集和公共数据集，我们的数据学家们在高性能计算技术的基础上运用机器学习进行数据检测，再由全球各研究机构和行业专家们进行验证，进而以全面的、结构化的方式归纳出人工智能领域的特性。在此基础上探讨人工智能知识是如何在全球范围内得以创造、转移和应用的，本报告重点关注中国、欧洲与美国三大地区。我们所使用的传统的文献计量学研究不仅针对出版的期刊文献，还包括会议、预印本、教材和竞赛出版物。 当我看到最终的报告时，对探讨人工智能研究途径、道德伦理和责任创新的部分感触最深。传统的机器学习技术需要人为地设定构建模型的关4 人工智能：知识的创造、转移与应用键数据，而新技术则由机器自身来决定输出成果所需的重要数

5、据。研究重点从设计软件程序向设计训练集和测试集的转变是根本性的。面对日趋复杂的人工智能算法和模型，对算法和模型可解释性的要求越来越高，因此这一转变的重要性不言而喻。为什么人工智能算法会得出特定的结果？机器筛选重要数据的方法和依据是什么？人工智能运算得出的结果是否存在无意识的偏误？ 人们先入为主地认为计算机是利用线性程序得出有限的结果的，所以人们总想对人工智能模型背后的“程序流”一探究竟。尽管当前人们正在做一些极富价值的工作来解密现代机器学习技术的“黑匣子”，但该报告则清晰地指出了改变公众认知的必要性，要探讨关于人工智能道德伦理和偏误的问题，就要让人们了解机器是如何利用这些新技术运作的，了解它们

6、计算出的概率性结果。思维方式的这一转变将把讨论的重点转移到以下两点：该如何训练这些机器以解决道德伦理和偏误的问题；审视我们构建的模型，尽力解释发生了什么。 这正是爱思唯尔“数据小分队”目前正在进行的工作：这个拥有多项技能的团队开发的新算法，整合了目前正在使用的机器学习算法、研究对象领域、软件工程、测试和伦理的知识，从而确保设计出能实现算法的预期目的，同时减少意外后果的机器“训练课程”。 这篇报告旨在为负责任地开发、传播与利用人工智能知识贡献力量，造福社会。本报告的发布也代表励德集团将更广泛地与人工智能在线资源中心进行互通，获取更多的深度见解，并由此拓宽与研究界和诸多领域的合作。作为爱思唯尔首席

7、技术官，我期待未来与大家有更多交流。”人工智能：知识的创造、转移与应用 5 序言以成果发布平台为依据计算人工智能领域的出版量 “界定人工智能领域的难度之大是人所共知的，因此也很难说清该领域的出版物究竟有多少。罗素（Stuart Russell）和诺维格（Peter Norvig）1指出了开展AI研究工作所围绕的两条主轴。第一条主轴的两端分别是逻辑推理和行为。第二条主轴则介于能密切反映人类思维处理过程的解释（即认知科学）和更注重合理性与优化型的解释之间，而后者更有应用价值。人工智能另一个显而易见的维度则是对新技术的研究及其在各领域的应用。人工智能吸收了众多领域的基本技能，如逻辑、概率学与统计学、

8、数学优化、摄影测量法、神经科学以及博弈论等，而人工智能的方法又广泛应用于语音识别、计算机视觉、机器人学、网络安全、生物信息学以及医疗卫生等众多领域，因此要想划清人工智能与其上下游领域的界限绝非易事。 人工智能的界限随着时间的推移而变化。20世纪80年代末之前，以乔姆斯基的语言学、相关解析技术和一阶语义学为基础的自然语言处理技术无疑是属于人工智能的范畴的，而基于信号处理和隐马尔可夫模型的语音识别技术则不然。如今，这两个领域的发展在很大程度上是由机器学习推动的，所以当属主流人工智能的范畴。 划定人工智能界限的基础在我看来就是人工智能领域的社会组织，即发表该领域新成果的平台学术期刊和各大会议。研究同

9、一子领域或同时研究两个子领域的专家们或共聚一堂、交流观点，或将著作集结成册发表。人工智能领域的平台既包括传统意义上的代表性人工智能会议，如IJCAI2、AAAI3、ICAPS4和KR5，也包括机器学习与概率推理的会议与组织，如NIPS6、ICML7和UAI8，还包括更多独立的应用型会议，如KDD9和SIGIR10等。 以成果发布平台为依据计算出版量的方法能帮助我们系统且透明地描述某一领域（如人工智能领域）或某些领域的核心领域（如人工智能领域的子领域，亦或是整个计算机科学领域）所涵盖的内容，也能系统地区分核心领域的宽度与粒度。所需信息均可在诸如Scopus的索引中找到。当然，我们也可以对分类器加

10、以训练来达到同样的目的。分类器多会就核心领域标签下的基本事实进行分类，从而对出版内容进行操作。雷蒙德佩罗特博士美国斯坦福国际研究院人工智能中心高级技术顾问6 人工智能：知识的创造、转移与应用 这篇报告亦遵循了这一方法，采用多种方式来塑造和构建人工智能领域。面对新技术层出不穷的人工智能领域，这无疑是帮助人类了解和监控其发展动态的一大壮举。未来对不同平台和聚类算法进行的系统化、对标化的处理将会是一项有趣的研究。” 1、罗素斯图尔特, 诺维格皮特. 人工智能: 现代方法. 第三版. 埃塞克斯, 英国: 培生教育出版集团；2014。 2、IJCAI：国际人工智能联合会议。 3、AAAI：人工智能促进协

11、会。 4、ICAPS：国际自动规划和调度大会。 5、PKRR：知识表示与推理原则。 6、NIPS：神经信息处理系统进展大会。 7、ICML：国际机器学习大会。 8、UAI：人工智能不确定性协会。 9、KDD：数据库知识发现。 10、SIGIR：资讯检索主题小组。 人工智能：知识的创造、转移与应用 7序言定义人工智能：人工智能本体论的新方法 学科本身并不存在。学科的出现是集体建设的结果，在这个过程中，研究人员汇聚成一个研究社群，他们的目标、方法和理念不谋而合。因此，学科的本质就是研究社群。社群进步，相关的学科就会发展。因此，在我看来，如果采用自下而上的方法，重点关注研究工作的主体，而非自上而下的

12、定义，那么成功描述学科特性的可能性会更大。 基于这一前提，我很高兴为爱思唯尔团队的这份报告做推广。该报告描述了人工智能领域的操作特性，涉及60万份文件和700多个领域特定的关键词。这是一项傲人的成就，据我所知，这是迄今为止在人工智能成果的特征方面总结得最全面的一份报告。更重要的是，不同于研究领域的人为分类法，该报告总结的AI特征是以数据为依据，利用机器学习和文本挖掘技术进行文件分类和关键词识别后得出的，而前者不可避免地会反映参与研究的专家的某些观点。因此，在我看来，该报告准确度更高，能更客观地反映人们在人工智能领域所作出的贡献。 毫无疑问，除科学价值以外，该报告对于有意探索该领域的人来说也有非

13、常宝贵的实用意义。比如，我们可以利用人工智能的综合特征来更好地把握关键趋势和研究课题，这会非常有趣。在相关的研究工作主体分散在不同的研究社群时 (人工智能道德伦理研究就是这种情况) 其意义尤为明显。 就我个人而言，这项工作令我兴奋的原因在于，它为一些趣味性的新研究提供了依据。我的一大研究方向就是利用人工智能技术寻求创造性的解决方案，帮助人们掌握科研动态。在这一背景下，我的团队开发了一套研究领域自动生成分类的新方法。研究各类方法能在多大程度上覆盖研究领域，能在多大程度上相结合以提高准确率，这些都是非常有趣的尝试。这仅仅是我举的一个例子，这项工作将会开启更多有趣的研究课题。 总而言之，这不仅仅是一

14、份杰作，更是一系列趣味研究的开始。我在此祝贺爱思唯尔团队取得的成就，也期待AI领域的进一步发展。 恩里科莫塔英国开放大学知识技术学教授8 人工智能：知识的创造、转移与应用概要 毫无疑问，人工智能的重要性日益增长，与人类的联系也日益密切: 人工智能助手和人工智能推荐正逐渐渗透我们的日常生活。然而，人工智能的定义却尚未统一。分类法将有助于我们理解这个不断演化着的领域和它变幻不定的结构。目前，人工智能已围绕搜索与优化、模糊系统、自然语言处理与知识表示、计算机视觉、机器学习与概率推理、规划与决策以及神经网络等形成集群。 虽然人工智能横跨多个领域，并且可以从教学、研究、产业、媒体等不同的视角来加以研究，

15、但用来描述这些视角的词汇却鲜有重叠。产业往往强调算法，可能是为了从投入的时间和人力中获取更高收益。人工智能的社会相关性日益凸显，人们越来越多地使用算法使潜在的道德伦理问题浮出水面，足见人工智能应用与道德伦理问题在各大媒体的曝光度，而这又使公众更加意识到人工智能正是大势所趋。有趣的是，道德伦理关键词在教学中被提及的频率更高，这可能与公众的兴趣所在和政府的强制要求不无关系，荷兰就是这样。在人工智能领域的研究中，道德伦理类关键词尚不明晰可见，这就引发了一些疑问：道德伦理分析是否会成为人工智能研究人员下一步的研究主题？关于道德伦理的讨论是否是在人工智能领域之外、甚至是所有研究以外的其他领域进行的？这一

16、点需要引起注意，因为人工智能领域责任创新是确保人人安全、公平地享有人工智能发展成果的关键。 显然，不同的AI研究视角之间缺乏共同语言，人们不免对人工智能各领域间理解和沟通的有效性产生怀疑。各地区、各部门间的配合日益紧密，实现了即时协作，使得研究对话从传统的顺序翻译转为了以媒体和社交媒体为媒介的在线平行对话。新的利益相关者，如学生、自由职业者和公民等，也能通过Kaggle这样的竞争平台参与到研究中来。共同语言和共识能促进人工智能生态系统内部各个角色间的联系。 人工智能已经成为影响国家竞争力的重要因素。近年来，许多有关人工智能的国家政策和国际政策先后出台，与人工智能研究生态系统的发展壮大相辅相成。

17、同时，人工智能领域百花齐放，传播渠道也日渐多样，包括出版物、预印本、会议、竞赛和软件等。 人工智能领域的研究存在明显的地区差异。在政策的扶持下，中国的人工智能发展迅猛。有望在全球范围引领人工智能浪潮。其在人工智能领域的人才引进同样表明，中国的研究环境越来越有吸引力。中国的人工智能研究集中于计算机视觉，尚未形成专攻包括语音识别在内自然语言处理和知识表示的研究，这或许是因为这类研究的研究主体是企业，而它们通常不会发表诸多科学论文。中国在人工智能领域的研究和教育势头强劲，学术产量激增，研究成果同其他地区一样，也得到了应用。人工智能：知识的创造、转移与应用 9尽管科研成果增长迅速，中国在该领域的引文影

18、响力仍然较低，这表明中国的研究似乎更具区域性，而非全球性。国际合作水平低，研究人员的流动性较低，这使得中国在人工智能领域的研究语料库相对较小，引用度却高。和众多其他研究领域一样，合作是成功的关键。全球范围内各大社交媒体对某领域的热烈讨论和相关国际竞赛的增多便是最有力的论证。 本报告所指“欧洲”为欧盟所属44个成员国及有资格获得欧盟“地平线2020”计划资助的相关国家。该地区与欧洲之外的国际合作很高并保持逐渐升高的趋势，是在人工智能领域科研产量最大的地区。然而，近年来，欧洲似乎面临着人工智能人才流失的问题。欧洲人工智能研究范围之广体现了欧洲国家的多样性，每个国家都有自己的发展历程与专长。欧洲地区

19、的研究重点集中在模式识别的遗传编译、模糊系统、语音识别和人脸识别。在欧洲，深度学习与其他子领域的研究联系较其他地区相对松散，而人工智能机器人学已融入机器学习的集群中。 美国企业吸引了众多AI人才，科研实力雄厚，这或许要归功于他们跨界组建联合实验室的传统。学术界同样表现不俗，在学术产量和保留人才方面均表现突出。美国在全球人工智能领域的竞争中处于领先地位，越来越多的研究人员参与了人工智能领域的国际合作。美国的AI研究偏重特定算法，并且把语音识别和图像识别归类到不同集群。研究语料库表明，美国在人工智能研究领域的多样性虽不及欧洲，但远胜中国。 我们发现在研究人工智能的其他主要国家和地区中，印度迅速崛起

20、，人工智能领域的出版量仅次于中、美两国。2017年，伊朗的学术出版量位居全球第九位，与法国、加拿大持平。去年，俄罗斯的科研成果超过了新加坡与荷兰，居土耳其之后，德国和日本分别占据第五、第六位。 本报告为研究评估人员、科研资助方、政策制定者和研究人员提供了相关见解。我们采用自下而上的方法描述人工智能研究领域，希望以后能有机会同大家合作定义语料库。我们的分析还提出了一些在未来研究中有意思的问题： 人工智能领域的研究表现与为人工智能提供辅助的传统领域（如计算机科学、语言学、数学 等）的研究表现之间是否存在关联？ 如何将人工智能研究转化为现实应用、社会影响力和经济增长？ 全球范围内人工智能领域的国际性

21、流动研究人员来自哪里，又去向何方？ 当前AI领域出版物的增长态势能否持续？不同国家和部门间又将如何开展竞争与合作？ 10 人工智能：知识的创造、转移与应用重点人工智能：知识的创造、转移与应用 11 第2章 人工智能研究的重点是搜索与优化、模糊系统、自然语言处理与知识表示、计算机视觉、机器学习与概率推理、规划与决策以及神经网络。 第3&第5章 人工智能的社会相关性与日俱增，其成果已广泛运用于医疗科学、农业和社会科学等不断发展的小规模领域，在社交媒体和博客中也频繁被提及。虽然存在这种社会相关性，目前的研究语料库却鲜少涉及道德伦理，然而近期召开的会议则表明人工智能道德伦理问题正在引起人们的关注。 引

22、言&第3章 人工智能领域在过去十年中保持了年均5.3%的增速，在过去五年中每年增长12.9，已然发展成影响国家竞争力的重要领域，国际合作日益频繁。尽管中国在该领域发展迅猛、雄心勃勃，欧洲仍 是人工智能研究领域的最大参与者，与此同时，美国则鼓励企业和学术界紧密合作。 引言&第3章 中国渴望在全球范围内引领人工智能。在强有力的政策扶持下，中国的人工智能发展迅猛，特别是计算机视觉和模糊系统。其在人工智能领域的人才引进同样表明，中国的研究环境越来越有吸引力，引文影响力也与日俱增。然而，同其他地区相比，中国的研究似乎更具区域性，而非全球性。 第3章 欧洲在人工智能领域的学术成果产量最大，最具多样性，国际

23、合作水平不断提高。然而，近年来，欧洲面临人工智能人才流失的问题，在学术界这一问题尤为严重。 第3章 美国企业吸引了众多人才，科研实力雄厚，这或许要归功于他们跨界组建联合实验室的传统。学术界同样表现不俗，在学术产量和保留人才方面表现突出。 第3章 印度在人工高智研究领域异军突起，目前已成为继中、美之后的第三大人工智能出版国。.附录数据来源 arXiv120是一个由私营非盈利教育机构康奈尔大学管辖运营，受康奈尔大学图书馆121、西蒙斯基金会122和成员机构资助123，为物理学、数学、计算机科学、定量生物学、定量金融、统计学、电子工程、系统科学和经济学等领域提供论文预印服务的网站。 数字书目索引与图

24、书馆项目(DBLP)124是提供计算机科学领域主要文献的在线检索服务。由早期的小型实验性网络服务器发展到如今在计算机科学领域备受欢迎的开放式数据服务，DBLP的使命是为计算机科学领域的研究人员免费提供高质量的文献元数据和电子版链接。 截止到2016年5月，DBLP为170多万名作者发表的330多万份出版物、32,000多卷期刊、31,000多份会议记录以及23,000多本专著做了索引。 Kaggle125是一家招揽、培训数据学家的众包平台，是全球规模最大的数据学家与机器学习者社群。Kaggle从最初举办机器学习竞赛发展成为如今的公共数据平台、数据科学与人工智能短期教育众包平台。2017年3月8

25、日，谷歌宣布收购Kaggle。 Plum Analytics126致力于衡量科学研究的影响力，旨在为使用和分析科学研究的个人与组织提供现代化的手段，衡量这些研究的影响。 ScienceDirect 127是爱思唯尔旗下的全文本期刊平台。该平台拥有宝贵的、无可比拟的客户群优势，在该平台进行科学研究性能测定提供了全新的视角。目前该平台约有1,400多万名活跃用户，2018128年全文本下载量超过了9亿次。 SciVal129可快速方便地访问230多个国家和地区、10000多所研究机构的研究成果。凭借先进的数据分析技术，SciVal能在几秒内处理大量数据，生成可视化图像。SciVal根据全球5,00

26、0家出版商出版的21,915份期刊、4,600万份出版物计算得出了共170万亿项指标。 90 人工智能：知识的创造、转移与应用 Scopus130是爱思唯尔旗下的数据库，主要存储同行评审文献的摘要与引文，覆盖了共7100万份文件，主要来自5,000家出版商发行的23,700种活跃期刊、图书和会议论文。 Scopus涵盖多个语种，业务范围覆盖全球：Scopus数据库中约有46%的文献标题是非英语的（或同时使用英语与其他语言）。此外，一半以上的文献来自北美以外的其他地区，如欧洲、拉丁美洲、非洲和亚太地区等。 本报告中，1996-2017年Scopus数据库的静态版本以国家、地区和FORD规定的学科

27、门类进行汇总。131 TotalPatent132全球专利数据库将为您提供最全面的专利信息，以及搜索、比较和分析结果的工具。 120 https:/arxiv.org/. 121 https:/www.library.cornell.edu/about. 122 https:/simonsfoundation.org/. 123 https:/confluence.cornell.edu/x/ALlRF. 124 https:/dblp.uni-trier.de/. 125 https:/ 126 https:/. 127 https:/ 128 https:/ 129 https:/ 130 https:/ 131 Frascati Manual 2015. OECD Library. https:/read.oecd-ilibrary.org/ science- and-technology/frascati-manual-2015_9789264239012-en#page60. 132 https:/ 91 人工智能：知识的创造、转移与应用