文獻(xiàn)計量視角下全球人工智能領(lǐng)域研究態(tài)勢與熱點分析

■ 徐暢 管開軒 宋昱曉1， 徐艷梅

1.中國科學(xué)院大學(xué)中丹學(xué)院 北京 100049

2.中國科學(xué)院科技戰(zhàn)略咨詢研究院 北京 100190

3.賽迪顧問股份有限公司 北京 100048

4.中國科學(xué)院大學(xué)經(jīng)濟與管理學(xué)院 北京 100190

0 引言

在新一輪科技革命和產(chǎn)業(yè)變革的浪潮中，人工智能從感知和認(rèn)知兩方面模擬人類智慧,賦予機器學(xué)習(xí)以及推斷能力，在與5G 通信技術(shù)、物聯(lián)網(wǎng)以及云計算的協(xié)同下，成為能夠真正改變現(xiàn)有人類社會生產(chǎn)工藝的科學(xué)技術(shù)。世界各國先后在國家戰(zhàn)略層面制定人工智能頂層設(shè)計[1]，以期占領(lǐng)新一輪科技革命的核心位置。人工智能（artificial intelligence,AI）的這個概念于1956 年首次在達(dá)特茅斯會議上提出[2]，標(biāo)志著人工智能學(xué)科的正式誕生。當(dāng)今人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)。人工智能作為各國經(jīng)濟發(fā)展的新引擎，正受到各國前所未有的重視，在各行各業(yè)產(chǎn)生了巨大的紅利和重要影響[3]。人工智能是未來科技促進(jìn)經(jīng)濟社會發(fā)展的關(guān)鍵技術(shù)之一，代表著未來產(chǎn)業(yè)競爭和國家博弈的制高點[4]。

美國科學(xué)計量學(xué)家Price 教授于1965 年定義“研究前沿”的概念,他認(rèn)為研究前沿是用來描述某一研究領(lǐng)域的瞬時性特征,是經(jīng)常被引用且近期發(fā)表的文獻(xiàn)集的核心內(nèi)容[5]。文獻(xiàn)計量學(xué)包括關(guān)鍵詞頻率分析、空間屬性分析、共詞分析等，將數(shù)學(xué)和統(tǒng)計學(xué)的方法運用于文獻(xiàn)研究，以探索和挖掘技術(shù)的分布結(jié)構(gòu)、數(shù)量關(guān)系、變化規(guī)律等內(nèi)在價值。該分析方法已成為跟蹤產(chǎn)業(yè)技術(shù)發(fā)展和研發(fā)的有效方法[6]。王娜基于250 篇碩博士學(xué)位論文，對作者省份分布、論文發(fā)表年限的現(xiàn)狀、變化與趨勢進(jìn)行分析，為碩博士人工智能研究方向提出建議[7]。黃魯成等，利用關(guān)鍵字對專利分析文獻(xiàn)分析，比較了中美文獻(xiàn)數(shù)量質(zhì)量的差距[8]。清華大學(xué)團隊以知網(wǎng)中2008～2017 這10 年間4000 余篇期刊為數(shù)據(jù)集，以文獻(xiàn)計量法分析了中國人工智能發(fā)展現(xiàn)狀，認(rèn)為我國總體研究水平不高[9]。鄧啟平等，以中國計算機協(xié)會推薦的人工智能領(lǐng)域A 類、B 類期刊和會議為數(shù)據(jù)源,利用復(fù)雜網(wǎng)絡(luò)、文獻(xiàn)計量分析人工智能領(lǐng)域前沿，但未從創(chuàng)新主體、國家角度提出可行性建議[10]。

圖1 研究分析過程圖。

文獻(xiàn)計量和聚類分析等在多個領(lǐng)域有應(yīng)用，較好的反應(yīng)領(lǐng)域特征。但截至2020年，文獻(xiàn)計量與人工智能結(jié)合的文章多關(guān)注于國內(nèi)研究前沿和部分期刊的研究熱點。對于國家視角下的多個頂級期刊會議的人工智能前沿研究罕有研究。

中國人工智能研究起步較晚但是發(fā)展迅速，在論文發(fā)表、專利數(shù)量等指標(biāo)上已經(jīng)處于世界前列。分析和掌握戰(zhàn)略性新興產(chǎn)業(yè)技術(shù)創(chuàng)新現(xiàn)狀與挑戰(zhàn)是制定和實施戰(zhàn)略的基礎(chǔ)和保障[11]。為深入把握人工智能領(lǐng)域的最新進(jìn)展情況,本研究以2009～2019 年人工智能主要國際期刊、會議發(fā)表的15821 篇文章的為研究對象,采用文獻(xiàn)計量法、網(wǎng)絡(luò)分析法、共現(xiàn)矩陣，聚類分析和戰(zhàn)略坐標(biāo)圖分析法，直觀展示人工智能領(lǐng)域的研究現(xiàn)狀和熱點。此外，本文將識別人工智能研究領(lǐng)域的主要競爭者，研判技術(shù)發(fā)展方向，預(yù)測未來發(fā)展趨勢。通過對人工智能領(lǐng)域的創(chuàng)新主體和創(chuàng)新細(xì)分領(lǐng)域進(jìn)行分析，進(jìn)而分析人工智能領(lǐng)域研究熱點轉(zhuǎn)移和研究前沿，為中國人工智能領(lǐng)域的未來發(fā)展方向和戰(zhàn)略制定提出建議，也為研究其他領(lǐng)域的熱點技術(shù)轉(zhuǎn)移和探索研究前沿提供借鑒。

1 研究方法與數(shù)據(jù)分析過程

1.1 研究方法

本文采用共詞分析，通過統(tǒng)計一組文獻(xiàn)中關(guān)鍵詞出現(xiàn)的頻率，形成共現(xiàn)詞之間相關(guān)性的共詞網(wǎng)絡(luò)[12]，網(wǎng)絡(luò)節(jié)點之間的距離反映主題內(nèi)容的相似性。通過可視化圖形清楚地顯示同一學(xué)科不同發(fā)展階段之間的聯(lián)系和差異，從而幫助研究者快速準(zhǔn)確地確定研究重點[13]。本文將借助UCINET 軟件實現(xiàn)可視化分析，并將處理結(jié)果繪制成網(wǎng)絡(luò)分析圖。

本文利用聚類分析方法，根據(jù)事物本身的特性對個體進(jìn)行分類[14]。具體來說，根據(jù)一批研究對象的多個變量指標(biāo)相似程度的統(tǒng)計量進(jìn)行聚合,關(guān)系密切的聚合到一個小的分類單位，關(guān)系疏遠(yuǎn)的聚合到一個大的分類單位，形成一個由小到大的分類系統(tǒng)，由此構(gòu)成一張譜系圖[15-17]。本文將對人工智能領(lǐng)域高頻關(guān)鍵詞進(jìn)行聚類分析。

繪制戰(zhàn)略坐標(biāo)圖，該方法根據(jù)關(guān)鍵詞的共現(xiàn)關(guān)系，按照一定方法將關(guān)鍵詞分為若干個集群，每個集群代表一個研究主題[18-19]。在關(guān)鍵詞聚類后形成研究領(lǐng)域的研究主題集群，通過計算密度指標(biāo)和向心度指標(biāo)來測量每一個研究主題集群在研究領(lǐng)域的貢獻(xiàn)和研究主題的研發(fā)地位。在戰(zhàn)略坐標(biāo)圖中，橫軸為集群的向心度，代表學(xué)科發(fā)展中的核心程度；縱軸為密度，代表集群的發(fā)展成熟度。本文利用戰(zhàn)略圖來識別分析國際人工智能領(lǐng)域的研究熱點、潛在發(fā)展方向和研究前沿。

1.2 數(shù)據(jù)選擇與預(yù)處理

為保證文獻(xiàn)選取的專業(yè)性和準(zhǔn)確性，根據(jù)SCI 影響因子、Citeseer 排名和CCF（中國計算機學(xué)會推薦國際學(xué)術(shù)刊物）列表合理制定“文獻(xiàn)計量指標(biāo)”。在文獻(xiàn)計量學(xué)和專家評分法相結(jié)合的基礎(chǔ)上，經(jīng)過與人工智能領(lǐng)域?qū)I(yè)人員的討論，選取五個頂級期刊和3 個頂級會議作為樣本進(jìn)行評估，研究周期設(shè)定為2009～2019年(共11年)。期刊和會議如表1所示：

表1 論文數(shù)據(jù)信息

在IEEE Xplore、ACM、Web of science、施普林格等數(shù)據(jù)庫中檢索相關(guān)論文。每篇論文數(shù)據(jù)保留了14 個字段，分別是標(biāo)題、出版商、年份、作者、作者ID、組織、階段、ISSN、語言、國家、關(guān)鍵詞、摘要、標(biāo)注和鏈接。共收集文章15821篇，共221494個子數(shù)據(jù)。

2.3 關(guān)鍵詞合并提純與共詞矩陣

文獻(xiàn)的關(guān)鍵詞直觀地體現(xiàn)研究人員的研究領(lǐng)域，高頻關(guān)鍵詞分析可用于識別相關(guān)研究領(lǐng)域的研究熱點。有效的數(shù)據(jù)清洗方法能夠提高研究熱點識別的準(zhǔn)確性。作者編寫Python 軟件腳本對關(guān)鍵詞進(jìn)行預(yù)處理，合并相似關(guān)鍵詞。由于人工智能研究的跨學(xué)科和復(fù)雜性，關(guān)鍵詞比較分散，僅出現(xiàn)一次的關(guān)鍵詞均做刪除處理。高頻關(guān)鍵詞詞頻是根據(jù)Donohue 于1973 年提出的低頻詞的邊界公式得到的[20]。

其中I為詞頻為1 的關(guān)鍵詞個數(shù)，T 為高頻關(guān)鍵詞與低頻關(guān)鍵詞的邊界。根據(jù)這一理論，詞頻大于294 的關(guān)鍵詞是高頻詞。剔除冗余關(guān)鍵詞并篩選高頻關(guān)鍵詞后，得到17253 個關(guān)鍵詞，累計頻次83251 次。以此保證數(shù)據(jù)集的有效性和準(zhǔn)確性。隨后基于高頻關(guān)鍵詞構(gòu)建共詞矩陣。高頻關(guān)鍵詞分析可以揭示出人工智能研究領(lǐng)域的熱點，但無法得出關(guān)鍵詞之間的關(guān)聯(lián)強度，因此這里對上述高頻關(guān)鍵詞再進(jìn)行共詞分析?；诟哳l詞原始數(shù)據(jù)最終生成26×26 的共詞矩陣。在此矩陣中，對角線上的數(shù)值表示該關(guān)鍵詞與其他關(guān)鍵詞共現(xiàn)的頻次，其余位置的數(shù)值表示其所在行和列的兩個關(guān)鍵詞共同出現(xiàn)在一篇文章中的頻次（部分共詞矩陣見表2）。

表2 共詞矩陣（部分）

2 創(chuàng)新主體科技成果與合作能力

2.1 國家、地區(qū)分布

收集2009～2019 年發(fā)表在前5 名期刊上的文章5017篇。圖2 顯示5 個期刊在這11 年間，累計發(fā)表論文數(shù)量排名前25 位的國家和地區(qū)，揭示期刊論文的空間屬性。從圖2 中可以看出，中國以1574 篇文章高居榜首，美國緊隨其后，中國和美國發(fā)文量占全球58.59%，遠(yuǎn)遠(yuǎn)領(lǐng)先于其他國家和地區(qū)。

圖2 2009～2019年國家或地區(qū)人工智能領(lǐng)域累計期刊論文發(fā)文量和排名

按國家和地區(qū)分類，共收集2009～2016 年在3 個會議上發(fā)表的10804 篇文章。如圖3 所示，顯示過去11 年在AAAI、COLT 和IJCAI會議上發(fā)表超過50篇論文的國家和地區(qū)。美、中兩國論文發(fā)表量占總數(shù)的58.97%。國際論文發(fā)表的空間分布，反映不同國家和地區(qū)人工智能發(fā)展的程度和水平。從總發(fā)文量和主要研究方向分析來看，截至2019 年底，美國和中國在人工智能領(lǐng)域的論文發(fā)表數(shù)量占全球總發(fā)文量的近60%。中國人工智能領(lǐng)域的頂尖水平論文處于世界前沿水平。但根據(jù)不同會議主題來看，來自中國研究機構(gòu)更關(guān)注于人工智能技術(shù)應(yīng)用領(lǐng)域，原創(chuàng)性理論研究較少。

圖3 2009～2019年國家或地區(qū)人工智能領(lǐng)域累計會議論文發(fā)文量和排名

2.2 位次屬性

根據(jù)統(tǒng)計，將觀測時間分為兩階段，第一階段為2009～2014 年，第二階段為2015～2019 年。發(fā)表論文數(shù)排名前10 位的國家和地區(qū)排名及位次變化情況如表3所示。中國發(fā)文量大幅增長，在第二階段超過美國；英國在這兩個階段的排名都保持在第3位；澳大利亞從第6位上升到第4 位，大幅增加98 篇論；法國和加拿大的排名保持不變。

表3 2009～2014年、2015～2019年人工智能領(lǐng)域期刊論文排名現(xiàn)狀與變化

表4 表明各國總發(fā)文量大幅增長，美國在兩個階段一直排名第一，中國位居第二。從2009 年到2014 年，美國發(fā)表的論文大約是中國的兩倍，但在2015 年到2019年，兩國之間的差距逐漸縮小。英國的論文發(fā)表數(shù)量增長近兩倍，但總論文數(shù)量明顯低于美國和中國。

表4 2009～2014年、2015～2019年人工智能領(lǐng)域會議論文排名現(xiàn)狀與變化

國家出版物的年度變化趨勢反映國家在該領(lǐng)域的發(fā)展?fàn)顩r和重視程度。從這兩個階段發(fā)表的論文數(shù)量來看，中、美兩國的論文發(fā)表量遠(yuǎn)超過其他國家，中、美兩國的會議論文都有增長的趨勢，而中國的增長幅度較大，且增長速度更快。

2.3 合作研究能力

本文統(tǒng)計論文數(shù)據(jù)的第一作者和合作作者機構(gòu)的出現(xiàn)頻率，經(jīng)過數(shù)據(jù)預(yù)處理后，有1000 多家組織在會議和期刊上發(fā)表文章。為了更好地呈現(xiàn)可視化網(wǎng)絡(luò)圖，研究中選擇出現(xiàn)超過35 次的組織（期刊類75 個組織，會議類49個組織），并使用UCINET繪制了關(guān)系網(wǎng)絡(luò)圖。

根據(jù)機構(gòu)頻次表建立合作矩陣，繪制網(wǎng)絡(luò)關(guān)系圖（機構(gòu)合作強度表見附件）。節(jié)點的大小表明組織出現(xiàn)的頻率，節(jié)點越大，組織合作程度越高。節(jié)點之間連線的數(shù)量表示合作的次數(shù)，線越粗兩家機構(gòu)之間的合作就越多。

如圖4 所示，期刊論文合作頻次最高的10 個機構(gòu)均為學(xué)術(shù)機構(gòu)，其中有6 個中國機構(gòu)和3 個美國機構(gòu)。如圖5 所示，清華大學(xué)、卡耐基梅隆大學(xué)、英屬哥倫比亞大學(xué)、南洋理工大學(xué)，這些機構(gòu)的節(jié)點在國際會議論文的組織網(wǎng)絡(luò)關(guān)系圖中較為突出，它們是整個組織網(wǎng)絡(luò)的核心與其他組織的合作最密切，具有較強的合作和創(chuàng)新能力，是相對穩(wěn)定的創(chuàng)新實體。

圖4 基于期刊論文的組織合作網(wǎng)絡(luò)關(guān)系圖

圖5 基于會議論文的組織合作網(wǎng)絡(luò)關(guān)系圖

綜上所述，不同國家的機構(gòu)之間也存在著大量的合作，全球化的趨勢越來越明顯。跨國合作通?？梢詣?chuàng)造更大的創(chuàng)新成果。從機構(gòu)合作網(wǎng)絡(luò)圖來看，高校是全球人工智能產(chǎn)業(yè)核心技術(shù)研究的主要力量。從總體上看，我國研究機構(gòu)之間合作密度較低，研究領(lǐng)域較為分散，中國企業(yè)的合作強度相比美國企業(yè)較低，技術(shù)轉(zhuǎn)化為生產(chǎn)力的能力亟需改善，在產(chǎn)學(xué)研合作方面有待加強，應(yīng)逐步推動創(chuàng)新要素向企業(yè)集聚。

3 研究熱點與前沿

3.1 研究熱點分析

基于頻率和中心性指標(biāo)繪制關(guān)鍵詞戰(zhàn)略圖，描述研究領(lǐng)域的研發(fā)現(xiàn)狀。關(guān)鍵詞戰(zhàn)略圖是一個二維平面，水平方向(X 軸)表示頻率，垂直方向(Y 軸)表示中心性。所有關(guān)鍵詞的頻率和中心性的中位數(shù)就是坐標(biāo)的原點。關(guān)鍵詞可以分為4類，對應(yīng)4個象限（圖6）。

圖6 關(guān)鍵詞戰(zhàn)略圖

根據(jù)關(guān)鍵詞戰(zhàn)略圖再現(xiàn)人工智能領(lǐng)域的研究熱點和研究路徑。戰(zhàn)略圖的4 個象限含義與分析如下:第一象限是主流研究領(lǐng)域，該領(lǐng)域關(guān)鍵詞的頻率和中心性都很高，該象限的關(guān)鍵詞包括圖像處理、人臉識別、人體活動識別等，都是人工智能相對成熟的研究領(lǐng)域。第二象限是潛力較大的研究領(lǐng)域，該領(lǐng)域的關(guān)鍵詞頻率較低，但中心性較高，可能成為未來的研究熱點，該象限的關(guān)鍵詞包括深度學(xué)習(xí)、計算機視覺、圖像分割、計算機輔助診斷等，具有研究潛力。第三象限是邊緣研究領(lǐng)域，該領(lǐng)域關(guān)鍵詞頻率和中心性都較低，屬于該領(lǐng)域的研究邊緣，該象限的關(guān)鍵詞包括學(xué)習(xí)系統(tǒng)、信息分類、目標(biāo)識別等，這些理論研究正逐漸被邊緣化。第四象限是相對獨立的研究領(lǐng)域，該領(lǐng)域的關(guān)鍵詞頻率高，但中心性低，該象限的關(guān)鍵詞包括神經(jīng)網(wǎng)絡(luò)、腦-計算機等，屬于新興但相對獨立的研究領(lǐng)域。截至2020年，圖像處理技術(shù)和姿態(tài)識別技術(shù)是人工智能應(yīng)用研究的重點。增強學(xué)習(xí)、深度學(xué)習(xí)、聯(lián)合學(xué)習(xí)等新的理論研究逐漸成為熱點。

3.2 研究前沿分析

關(guān)鍵詞聚類戰(zhàn)略圖也是一種常用的研究熱點分析方法，對于分析細(xì)分市場的發(fā)展具有重要意義。這種方法首先對關(guān)鍵詞進(jìn)行聚類，然后根據(jù)各集群的密度和中心性表征各集群的發(fā)展?fàn)顩r，分析各個聚類集群的發(fā)展階段和創(chuàng)新主題。

按照一定的規(guī)則對關(guān)鍵詞進(jìn)行分類，然后建立緊密集成的子集群。每個集群包含多個關(guān)鍵詞，映射出一個研究領(lǐng)域，反映研究人員正在深入研究的問題領(lǐng)域的興趣中心，即所謂的研究主題。這些子集群中的關(guān)鍵詞在集群內(nèi)比在集群外聯(lián)系更緊密。限制每個子集群最多8個術(shù)語，并使用更有代表性的長詞術(shù)語作為研究主題的名稱。使用UCINET 軟件對高頻關(guān)鍵詞進(jìn)行聚類，把26個高頻關(guān)鍵詞聚類為6個集群，表5列出了這6個子聚類集群。

表5 關(guān)鍵詞6個子聚類集群

每個子集群的名稱是集群的主題，密度和中心性用來表示某一主題的發(fā)展?fàn)顩r和集群之間關(guān)系的緊密程度。一般來說，子集群密度越高，學(xué)科發(fā)展越成熟。一個子集群的中心性越高，該子集群與其他子集群的關(guān)系越密切。計算上述6 個子集群的密度、中心性和戰(zhàn)略坐標(biāo)（各子集群的密度和向心度見附件），密度和中心性的平均值為坐標(biāo)原點。每個子集的x軸坐標(biāo)為子集的中心性與平均中心性的差值，每個子集的y 軸坐標(biāo)為密度與密度平均值的差值。繪制關(guān)鍵詞聚類策略坐標(biāo)圖，如圖7所示。

圖7 關(guān)鍵詞聚類戰(zhàn)略圖

結(jié)果表明子集群2 和子集群3 屬于第一象限，這兩個集群密度高，向心度最高，處于人工智能研究的核心領(lǐng)域。在所有聚類中，子集群3聚類密度和向心度最高，集群3 不僅內(nèi)部關(guān)系密切，而且與多個外部子集群的研究課題也密切相關(guān)，子集群3 是一個跨界性很強的子集群。子集群2 包含自動模式識別、人臉識別、計算機視覺、視頻錄制和深度學(xué)習(xí)。自動模式識別主要通過在機器學(xué)習(xí)中應(yīng)用相關(guān)方法來實現(xiàn)。

第三象限的主題的中心性和密度都很低，這些主題處于剛剛出現(xiàn)或即將退出的狀態(tài)，與內(nèi)部和外部的聯(lián)系不大。如圖所示，子集群1、子集群4 和子集群6 的研究主題位于橫軸下方。這些研究主題的密度指數(shù)低于平均值。集群1 為模糊分析，這一組包括3 個關(guān)鍵詞：模糊集、模糊系統(tǒng)和模糊邏輯。模糊集和模糊邏輯是數(shù)據(jù)挖掘中的重要組成部分。截至2020年，模糊算法正處于發(fā)展的早期階段，值得研究者重點探索，使其轉(zhuǎn)向第一象限，成為主流的研究方向。第6集群是類腦智能，是一個新興的技術(shù)領(lǐng)域，大多數(shù)技術(shù)還沒有形成穩(wěn)定結(jié)構(gòu)，研究主題相關(guān)的技術(shù)細(xì)節(jié)尚未達(dá)到高水平的穩(wěn)定性。在這一領(lǐng)域，需要進(jìn)一步的研究和發(fā)展，以實現(xiàn)這些研究主題的更高的內(nèi)部凝聚力。

第四象限是一個基本的、過渡性的領(lǐng)域，是一個非常重要的研究領(lǐng)域。子集群5 位于第四象限，其包括4個關(guān)鍵詞:計算機模擬、神經(jīng)網(wǎng)絡(luò)、自然語言處理和語義識別。語義識別是人工智能的一個重要分支，自然語言處理是語義識別的重要手段，主要研究各種理論和方法，是使人與計算機之間有效通信的自然語言。語義識別在輿情控制、人機交互等領(lǐng)域有著廣泛的應(yīng)用，很多研究機構(gòu)都致力于該領(lǐng)域的研究與創(chuàng)新。

4 研究結(jié)論與建議

分析和掌握國內(nèi)外人工智能發(fā)展現(xiàn)狀與研究熱點是制定人工智能領(lǐng)域戰(zhàn)略的前提條件和基礎(chǔ)保證。本研究試圖通過文獻(xiàn)計量和戰(zhàn)略圖分析實現(xiàn)人工智能科技成果可視化。通過分析人工智能領(lǐng)域的創(chuàng)新主體和研究前沿，得到以下結(jié)論:

第一，從論文發(fā)表的空間屬性來看，中國人工智能領(lǐng)域頂尖水平論文的發(fā)文量已經(jīng)處于世界前沿水平，在短期內(nèi)取得較大精準(zhǔn)。但從頂級會議論文主題來看，中國更關(guān)注于人工智能技術(shù)應(yīng)用領(lǐng)域，原創(chuàng)性理論研究較少。

第二，從國家發(fā)文量位次屬性來看，兩個階段（2009～2014 年階段，2015～2019 年階段）中、美兩國的論文發(fā)表量明顯超過其他國家，且中國會議論的增長幅度大于美國。此外英國、澳大利亞、日本等國家和地區(qū)位居領(lǐng)先地位。

第三，從機構(gòu)合作能力來看，研究型大學(xué)仍然是人工智能領(lǐng)域創(chuàng)新的中堅力量。微軟亞洲研究院、清華大學(xué)、卡耐基梅隆大學(xué)、南洋理工大學(xué)、牛津大學(xué)、哈爾濱工業(yè)大學(xué)、中國科學(xué)院，與其他組織在論文的合作中最為密切，具有較強的合作和創(chuàng)新能力。不同國家的機構(gòu)之間也存在著大量的合作，全球化趨勢明顯。總體來看，我國研究機構(gòu)之間合作密度較低，協(xié)同創(chuàng)新的能力亟需改善，在產(chǎn)學(xué)研合作方面有待加強，應(yīng)逐步推動創(chuàng)新要素向企業(yè)集聚。

第四，從研究熱點來看，圖像處理、人臉識別、人體活動識別等是相對成熟的研究領(lǐng)域。深度學(xué)習(xí)、計算機視覺、圖像分割、計算機輔助診斷等具有研究潛力。學(xué)習(xí)系統(tǒng)、信息分類等傳統(tǒng)理論研究正逐漸被邊緣化。神經(jīng)網(wǎng)絡(luò)、腦-計算機屬于新興但相對獨立的研究領(lǐng)域。人工智能領(lǐng)域的研究熱點從基礎(chǔ)理論研究逐步發(fā)展到新的理論研究和應(yīng)用研究。圖像處理技術(shù)和姿態(tài)識別技術(shù)是應(yīng)用研究的重點，而增強學(xué)習(xí)、深度學(xué)習(xí)、聯(lián)合學(xué)習(xí)等新的理論方向研究逐漸成為熱點。

第五，從研究前沿來看，人工智能研究已經(jīng)涌現(xiàn)出一批極具價值的學(xué)術(shù)成果，而近十年的研究主要集中在模糊分析、自動模式識別、圖像增強技術(shù)、學(xué)習(xí)算法、語義識別和類腦智能等領(lǐng)域。集群1 為模糊分析，正處于發(fā)展的早期階段，值得研究者重點探索。集群6 為類腦智能，是一個新興的技術(shù)領(lǐng)域，研究主題相關(guān)的技術(shù)細(xì)節(jié)尚未達(dá)到高水平的穩(wěn)定性。子集群5語義識別是人工智能研究的一個重要分支，在輿情監(jiān)控、人機交互等領(lǐng)域有著廣泛的應(yīng)用。

根據(jù)對人工智能領(lǐng)域研究態(tài)勢、研究熱點和創(chuàng)新領(lǐng)域前沿的分析，我國基于認(rèn)知層面的核心算法研究水平還亟待提高，這也是未來競爭的核心領(lǐng)域。截至2020年，人工智能研究熱點主要集中在自動模式識別、圖像增強技術(shù)、語義識別、學(xué)習(xí)算法和模糊分析。模糊算法還處于發(fā)展的早期階段，值得研究人員重點探索，使其向第一象限轉(zhuǎn)變，成為主流研究方向。類腦智能領(lǐng)域仍是一門新興技術(shù)，大部分技術(shù)尚未形成良好的內(nèi)部結(jié)構(gòu)。自然語言處理是語義識別的重要手段，該領(lǐng)域的發(fā)展較為完善，許多研究機構(gòu)都致力于該領(lǐng)域的研究與創(chuàng)新?？紤]到中國人工智能領(lǐng)域起步較晚，且基礎(chǔ)理論和算法方面較為薄弱，應(yīng)加強我國對這一研究重點領(lǐng)域的引導(dǎo)，促進(jìn)制度合作，加快技術(shù)創(chuàng)新。