林 卓,黃浩海
(1.福建省科學(xué)技術(shù)信息研究所,福州 350001;2.福建省信息網(wǎng)絡(luò)重點實驗室,福州 350001)
人工智能作為第四次科技革命的關(guān)鍵核心技術(shù)之一,已經(jīng)成為國際競爭的新焦點和經(jīng)濟發(fā)展的新引擎,在該領(lǐng)域的競爭意味著一個國家未來綜合國力的較量[1]。雖然中國人工智能發(fā)展起步較晚,但無論是學(xué)術(shù)界還是產(chǎn)業(yè)界,中國人工智能在國際同行中均有不錯的表現(xiàn),在世界人工智能舞臺上扮演重要角色,極可能形成中美兩國競爭的格局[2-4]。國際競爭的實質(zhì)是以經(jīng)濟和科技實力為基礎(chǔ)的綜合國力的較量,而綜合國力的較量歸根到底是人才的競爭,人才是科技創(chuàng)新最關(guān)鍵的因素[5,6]。在人工智能第三次發(fā)展熱度席卷全球的背景下,大數(shù)據(jù)、云計算、深度學(xué)習(xí)等技術(shù)的普及離不開頂尖專家在學(xué)術(shù)領(lǐng)域提供的重大理論貢獻,而在產(chǎn)業(yè)應(yīng)用方面,部分頂尖專家還與企業(yè)合作,推動人工智能技術(shù)落地[7-9]。因此,本研究依托Aminer 科技大數(shù)據(jù)平臺[10]對中國人工智能國際合作的頂級專家進行識別與評價,聚焦頂尖專家與中國的合作情況,以期從學(xué)者人才的角度來反映中國人工智能國際合作的現(xiàn)狀,并對中國人工智能未來發(fā)展的國際合作進行探索。
AMiner 是由清華大學(xué)唐杰教授建立的具有完全自主知識產(chǎn)權(quán)的科技情報分析與挖掘平臺,自2006 年上線以來,服務(wù)于全球科研人員,覆蓋了220 個國家和地區(qū)近千萬獨立IP 用戶。平臺擁有1.3 億專家數(shù)據(jù)、3億論文索引數(shù)據(jù)、8 000 萬知識概念、11 億的引用關(guān)系,長期聚焦跟蹤計算機相關(guān)領(lǐng)域的研究成果?;谠撈脚_數(shù)據(jù)對 “人工智能” 領(lǐng)域進行研究具有一定的權(quán)威性及可信度。
人工智能是計算機科學(xué)的一個分支,現(xiàn)階段的人工智能研究的范疇已遠超出傳統(tǒng)人工智能的研究領(lǐng)域。因此需對人工智能學(xué)術(shù)研究所涉及的領(lǐng)域進行確認。通過文獻分析法、德爾菲法等傳統(tǒng)方法結(jié)合自然語言處理技術(shù)及知識圖譜構(gòu)建技術(shù),自底向上的重構(gòu)了本研究中“人工智能” 所涉及的子領(lǐng)域范疇,其過程包括:①基于ACM(Association for Computing Machinery,國際計算機學(xué)會)計算分類系統(tǒng)CCS2012 的人工智能相關(guān)領(lǐng)域論文獲?。虎诶肨F-IDF 值去除區(qū)分度低的詞,并引進人工/ 正則法篩選去除一些概念性關(guān)鍵詞,對獲取的論文進行關(guān)鍵詞抽取和過濾;③使用深度學(xué)習(xí)工具word2vec 對關(guān)鍵詞與領(lǐng)域的映射關(guān)系處理[11,12]。
基于關(guān)鍵詞領(lǐng)域的映射歸類結(jié)果,歸并相似領(lǐng)域,最終確定21 個人工智能研究子領(lǐng)域(L0 層):經(jīng)典人工智能(Artificial Intelligence)、數(shù)據(jù)挖掘(Data Mining)、機器學(xué)習(xí)(Machine Learning)、社交網(wǎng)絡(luò)(Social Network)、可視化(Visualization)、計算機圖形學(xué)(Computer Graphics)、計算機視覺(Computer Vision)、虛擬現(xiàn)實(Virtual Reality)、多媒體技術(shù)(Multimedia)、人機交互(Human-Computer Interaction)、知識工程(Knowledge Engineering)、語音識別(Speech Recognition)、物聯(lián)網(wǎng)(Internet of Things)、信息系統(tǒng)(Information System)、計算機安全與隱私(Security and Privacy)、信息檢索(Information Retrieval)、數(shù)據(jù)庫(Database)、自然語言處理(Natural Language Processing)、機器人學(xué)(Robotics)、操作系統(tǒng)(Operating System)、推薦系統(tǒng)(Recommender System)。利用人工智能研究子領(lǐng)域詞(L0 層)與其下位詞(L1 層,映射關(guān)鍵詞共2391 個)組成關(guān)鍵詞知識圖譜,采集相關(guān)的人工智能專家數(shù)據(jù),數(shù)據(jù)來源包括PubMed、IEEE、Scopus、國家專利局等數(shù)據(jù)庫及一些高校/企業(yè)的門戶網(wǎng)站,對采集的數(shù)據(jù)進行預(yù)處理,主要包括:專家信息頁面去重、多源異構(gòu)數(shù)據(jù)融合、關(guān)聯(lián)關(guān)系語義發(fā)現(xiàn)、專家命名消歧等[13-15]。
進一步明確本研究識別專家的標準,基于學(xué)者發(fā)表的學(xué)術(shù)論文成果,并綜合考慮專家的研究領(lǐng)域、職稱、研究機構(gòu)等因素,結(jié)合數(shù)據(jù)預(yù)處理篩選的體量,最終選擇h index≥40 的有影響力的人工智能專家,將這部分專家定義本研究中的 “頂尖專家”。同時,建立中國國際合作專家識別算法:抽取每位專家論文合作者數(shù)據(jù)與專家機構(gòu)地理數(shù)據(jù),對每位專家論文合作者國家與專家遷移國家進行分析,最后識別出符合要求的專家名單。本研究對“中國國際合作” 的定義包含4種專家類型:①論文合作者國籍中有外國的中國專家;②論文合作者國籍中有中國的外國專家;③無論文國際合作,但有國外學(xué)習(xí)或工作經(jīng)歷的中國專家;④無論文國際合作,但有中國學(xué)習(xí)或工作經(jīng)歷的外國專家。算法流程詳見圖1。特別說明,在確定專家出國經(jīng)歷或來華經(jīng)歷是否屬于國際合作時,主要基于分析除論文外的數(shù)據(jù)(如專家項目合作、學(xué)術(shù)活動、專利成果等),有且滿足至少一類合作類型才會納入頂尖專家數(shù)據(jù)庫。
圖1 中國人工智能國際合作專家識別流程圖Fig.1 Flow chart of expert identification in international cooperation of artificial intelligence in China
通過上述研究方法,識別出人工智能領(lǐng)域最具影響力且與中國有國際合作的頂尖專家共621 人?,F(xiàn)從專家基本畫像、專家所屬研究機構(gòu)、國際合作類型等3個方向進行統(tǒng)計分析。
(1)從專家國籍來看,621 個與中國有合作的頂尖專家的國籍涵蓋了28 個國家,美國國籍專家有273人,占總?cè)藬?shù)的44%,中國籍專家有204 人,占總?cè)藬?shù)的33%。中、美兩國合作的頂尖專家數(shù)都遠高于其余國家之和,表明在美國籍專家是中國人工智能國際合作的主要對象。
(2)從專家性別來看,中國人工智能國際合作的頂尖專家中以男性為主導(dǎo),女性比例極低。男性專家在人工智能國際合作領(lǐng)域占比遠超女性專家,男性專家578 人,女性專家僅有43 人,比例約為13:1。雖然女性在中國國際合作中的占比較少,但女性頂尖專家所取得的成就卻巾幗不讓須眉,較為知名的有Daphne Koller(達芙妮·科勒)、Fei-Fei Li(李飛飛)、Dawn Song(宋曉冬)等。
圖2 中國人工智能國際合作頂尖專家國籍畫像Fig.2 Nationality of top experts in international cooperation of artificial intelligence in China
(3)從專家職稱/職務(wù)來看,中國人工智能國際合作的頂尖專家中以高級職稱/職務(wù)的專家為核心,但新興力量逐漸壯大。從統(tǒng)計數(shù)據(jù)來看,擁有高級職稱/職務(wù)的頂尖專家有572 人,占總?cè)藬?shù)的92.1%,其中大多數(shù)為正高級別的專家,但一部分助理教授、副教授在人工智能各子領(lǐng)域的研究上也取得了較有影響力的成果。
(1)各大洲區(qū)域分布:中國人工智能國際合作的頂尖專家所屬機構(gòu)主要分布于北美洲(331 人,占53%,以美國機構(gòu)為主),其次是亞洲(175 人,占28%,以中國機構(gòu)為主),歐洲(97 人,占16%,以英國、德國機構(gòu)為主),最后是以澳大利亞機構(gòu)為主的大洋洲(18 人,僅占3%)。
(2)各國家(地區(qū))分布:從圖3 來看,中國人工智能國際合作頂尖專家所屬機構(gòu)分布在全球21 個國家(地區(qū))??傮w上,與中國國際合作的頂級專家大部分都來自美國,這些專家的任職機構(gòu)星羅棋布,在舊金山灣區(qū)、紐約、波士頓、西雅圖、芝加哥地區(qū)都匯聚著眾多的頂尖專家所屬機構(gòu)。在高校/ 科研院所方面,卡耐基梅隆大學(xué)、斯坦福大學(xué)、約翰·霍普金斯大學(xué)、馬里蘭大學(xué)等學(xué)校頂級專家較多,說明這些高校在培養(yǎng)人才和吸引人才方面都處于領(lǐng)先地位。中國與加拿大頂尖專家的合作也較多,其中與多倫多大學(xué)合作最多,阿爾伯塔大學(xué)、不列顛哥倫比亞大學(xué)的國際合作緊隨其后。
圖3 中國人工智能國際合作頂尖專家所屬研究機構(gòu)各國家(地區(qū))分布畫像Fig.3 Distribution of research institutions of top experts in international cooperation of artificial intelligence in China by country(region)
除了美國機構(gòu)外,中國國內(nèi)機構(gòu)也十分重視與國際頂尖專家的合作。而國內(nèi)頂尖專家主要集聚在北京、哈爾濱、長三角、香港等地區(qū)。中科院系統(tǒng)、清華大學(xué)、北京大學(xué)、上海交通大學(xué)、哈爾濱工業(yè)大學(xué)、浙江大學(xué)、香港科技大學(xué)、香港中文大學(xué)等高校/科研院所都有一批頂尖專家坐鎮(zhèn),引領(lǐng)中國人工智能國際合作研究的方向。國內(nèi)頂尖專家依托地域資源優(yōu)勢,呈聚集態(tài)勢。
英國、德國則是歐洲人工智能的研究中心。中國與英國的牛津大學(xué)、劍橋大學(xué)、帝國理工學(xué)院、倫敦大學(xué)學(xué)院、愛丁堡大學(xué)等機構(gòu)以及德國的不萊梅大學(xué)、慕尼黑大學(xué)、德國人工智能研究中心等高校/科研院所都保持著長期的國際合作關(guān)系。
此外,在亞洲,日本的東京大學(xué),新加坡的新加坡國立大學(xué)、南洋理工大學(xué),韓國的韓國科學(xué)技術(shù)院,以色列的希伯來大學(xué)、特拉維夫大學(xué)也匯集著一批與中國進行人工智能領(lǐng)域國際合作的頂尖專家。在大洋洲的,澳大利亞也是中國國際合作的主要對象之一,主要有悉尼大學(xué)、悉尼科技大學(xué)、澳大利亞國立大學(xué)等。
(3)機構(gòu)類型分布:人工智能的研究最終目的是為了落地應(yīng)用,因此,越來越多的頂尖專家擁有雙重身份:一方面在學(xué)校進行研究;另一方面也在企業(yè)中任職,為人工智能技術(shù)產(chǎn)業(yè)化應(yīng)用做貢獻,大約有13%的頂尖專家在企業(yè)任職,這些專家或是在科技龍頭企業(yè)中擔當首席科學(xué)家、技術(shù)總監(jiān)等職位,或是專家自己帶領(lǐng)團隊在細分專業(yè)領(lǐng)域進行創(chuàng)業(yè)。美國企業(yè)方面,微軟(Microsoft)的頂尖專家相對較多,谷歌(Google)、臉書(Facebook)其次,其他的一些專業(yè)領(lǐng)域的公司(如ClopiNet ChaLearn、Citadel)的首席技術(shù)專家或創(chuàng)始人也出現(xiàn)在中國國際合作的頂尖專家名單中。中國企業(yè)方面,BAT(百度、阿里巴巴、騰訊)也招攬了一批頂尖專家作為企業(yè)發(fā)展的技術(shù)指導(dǎo),后起之秀如今日頭條、滴滴出行也十分重視人工智能國際合作,在引進國外專家方面也不惜重金。
本研究將中國人工智能國際合作類型分為學(xué)術(shù)論文合作和學(xué)習(xí)工作遷移合作兩種。在識別出的頂尖專家中,有論文合作的專家為551 人,有遷移合作的專家為314 人,既有論文合作又有遷移合作的專家為244 人。
(1)學(xué)術(shù)論文合作。以學(xué)術(shù)論文形式進行國際合作的頂尖專家中,中國籍專家有176 人,美國籍專家有255 人;其他國籍的專家有120 個。頂尖專家?guī)熘械乃袑<页伺c中國有論文合作外,還與其他55 個國家有過合作,其中美國是第二大合作國家,僅有12位專家未與美國進行論文合作,即97.8%的頂尖專家在與中國專家或機構(gòu)合作的同時,也與美國的機構(gòu)或?qū)<疫M行論文合作。由此表明,中、美兩國的專家在人工智能學(xué)術(shù)研究上引領(lǐng)全球的人工智能的發(fā)展。中美之外,與中國國際合作較多的國家分別有歐洲的德國、英國、法國,北美洲的加拿大,亞洲的日本、韓國、新加坡,大洋洲的澳大利亞。
進一步分析中國籍專家論文合作的國家分布。中國籍頂尖專家論文國際合作的國家有40 個(除中國外),最多仍是美國,有93.8%的中國籍專家與美國有論文合作,其次是新加坡,有27.8%的中國籍專家有合作,與法國、德國、希臘、印度、日本、英國等國合作的專家比例大概都在14%~22%之間。
(2)學(xué)習(xí)工作遷移合作。除了學(xué)術(shù)論文合作外,這些頂尖專家還以技術(shù)輸入或?qū)ζ髽I(yè)技術(shù)賦能等 “智力” 引進的模式與中國進行國際合作,或是中國學(xué)者到國外學(xué)習(xí)或者工作,在學(xué)習(xí)國外先進的理論和技術(shù)后進行國際項目合作。
以遷移合作的形式進行國際合作的專家中,中國籍專家有203 人,美國籍專家有62 人;其他國籍專家有49 個。由此可見,遷移合作主要是以中國學(xué)者到國外學(xué)習(xí)深造或工作交流為主,而對于國外頂尖專家引進的遷移合作,美國專家仍是優(yōu)先選擇的對象。
深入分析中國籍專家的遷移國家,中國頂尖專家遷移合作的國家有58 個,其中有美國遷移合作經(jīng)歷的專家數(shù)最多(196 人,占96.6%),其次是新加坡(76人,占37.4%)、加拿大(62 人,占30.5%)、英國(61 人,占30.0%);第三梯隊國家為印度(47 人,占23.1%)、日本(43 人,占21.2%)、澳大利亞(38 人,占18.7%)、德國(29 人,占14.3%)。這些國家是中國專家學(xué)習(xí)深造或工作交流的主要選擇,反映出這些國家在人工智能領(lǐng)域的研究都各具特色。不難發(fā)現(xiàn),幾乎所有的中國籍頂尖專家的國際遷移合作(學(xué)習(xí)深造或工作交流)都有美國,側(cè)面反映出美國在人工智能領(lǐng)域的絕對領(lǐng)先。
為研究中國的國際合作,剔除任職中國(大陸)機構(gòu)中的中國籍頂尖專家后,選取非中國籍或任職于非中國大陸研究機構(gòu)的與中國有國際合作(論文或遷移)的頂尖專家(509 人),加上與中國無國際合作的頂尖專家(295 人)組成專家學(xué)術(shù)水平綜合評價的基礎(chǔ)對象。通過Topsis 綜合評價結(jié)果進一步識別與中國國際合作的頂尖專家,并探討那些暫未與中國有(直接)國際合作的頂尖專家在人工智能領(lǐng)域研究的影響力,以期為中國下一步的國際合作確定可行性目標。
深入挖掘?qū)<覍W(xué)術(shù)水平,構(gòu)建專家學(xué)術(shù)水平的定量評價指標體系。依托Aminer 平臺,選取了專家的論文數(shù)、論文引用數(shù)、h 指數(shù)、g 指數(shù)、學(xué)術(shù)活躍性指數(shù)、研究多樣性指數(shù)、學(xué)術(shù)社交性指數(shù)、領(lǐng)域新星指數(shù)等8 個評價指標來反映專家的學(xué)術(shù)水平。所有專家數(shù)據(jù)的采集及處理截止時間為2019 年10 月。8 個指標的定義及公式如下。
(1)論文數(shù)(papers):表示學(xué)者的論文數(shù)量。
(2)論文引用數(shù)(citation):以學(xué)者群體論文被引用數(shù)為基礎(chǔ)的反映學(xué)者研究成果被關(guān)注程度的量化指標。
(3)h 指數(shù)(h index):學(xué)者發(fā)表的所有N 篇論文中至少有h 篇論文分別被引用了至少h 次,其他(N-h)論文每篇小于或等于h 次。
(4)g 指數(shù)(g index):論文按被引次數(shù)排序后相對排前的累積被引至少的平方次的最大論文序次g,即第(g+1)序次論文對應(yīng)的累積引文數(shù)將小于(g+1)的平方次。
(5)學(xué)術(shù)活躍性指數(shù)(activity):綜合學(xué)者近年發(fā)表論文的頻率和數(shù)量,以及每篇論文的重要性,得出每個學(xué)者的學(xué)術(shù)活躍度指數(shù)。
其中,在n 年(n 屬于近N 年)中,Gn 是學(xué)者在n 年發(fā)表的一組論文,Weight(n)=αthisyear-n,對于n 和α的值采用以下原則:如果當前月份在上半年(月份<7月),則設(shè)置N=4 和α=0.75;如果當前月份在下半年,則設(shè)置N=3 和α=0.85。
(6)研究多樣性指數(shù)(diversity):按照學(xué)者興趣領(lǐng)域廣度得出每個專家的研究多樣性指數(shù)。使用會議主題模型獲取每個專家的研究領(lǐng)域,然后自動將作者論文分配給每個主題。根據(jù)分配結(jié)果計算主題分布。PA(t)主題分布公式為:
則多樣性指數(shù)被定義為該分布的熵值,公式為:
(7)學(xué)術(shù)社交性指數(shù)(sociability):綜合考慮學(xué)者合作者數(shù)量及合作論文數(shù)量得出每個學(xué)者的學(xué)術(shù)社交性指數(shù),公式為:
其中#copaperc表示為是專家和合著者c 之間合著的論文數(shù)量。
(8)領(lǐng)域新星指數(shù)(new star):考慮近5 年新發(fā)表論文學(xué)者的活躍度而得出的量化指標,該指標基于學(xué)者學(xué)術(shù)活躍性指數(shù)計算得到。
Topsis 法(Technique for Order Preference by Similarity to Ideal Solution)是系統(tǒng)工程有限方案多目標決策分析的一種常見方法,基本思想是:基于歸一化后的原始數(shù)據(jù)矩陣,找出有限方案中的最優(yōu)方案和最劣方案(分別用最優(yōu)向量和最劣向量表示),然后分別計算各評價對象與最優(yōu)方案和最劣方案的距離,獲得各評價對象與最優(yōu)方案的相對接近程度,以此作為評價優(yōu)劣的依據(jù)。具體過程如下。
設(shè)有n 個評價對象、m 個評價指標,原始數(shù)據(jù)可寫為矩陣X=(Xij)n×m。對高優(yōu)(越大越好)、低優(yōu)(越小越好)指標分別進行歸一化變化,即
歸一化得到矩陣Z=(Zij)n×m,其中各列最大、最小值構(gòu)成的最優(yōu)、最劣向量分別記為:
第i 個評價對象與最優(yōu)、最劣方案的距離分別為
第i 個評價對象與最優(yōu)方案的接近程度Ci(值越大綜合效益越好)為Ci=(Di-)/(Di++Di-)。
利用德爾菲法與領(lǐng)域?qū)<覝贤?,鑒于h index、g index、引用量、論文數(shù)等指標公開度及認可度較高,故指標權(quán)重確定為1;社交性、多樣性、活躍度、領(lǐng)域新星是Aminer 平臺根據(jù)搜集的數(shù)據(jù)自主確定的評價指標,因此除領(lǐng)域新星指數(shù)外,其他3 個指標權(quán)重確定為0.5;由于領(lǐng)域新星指數(shù)是基于活躍度指數(shù)計算,且在定義上主要是為了挖掘領(lǐng)域新人,指標更傾向于青年學(xué)者,為了避免對資深專家評價結(jié)果的影響,領(lǐng)域新星指數(shù)權(quán)重確定為0.2。
Topsis 建立的所有指標都是高優(yōu)指標,通過計算得到綜合評價結(jié)果,由于篇幅限制,表1 僅列出排名前10 位的頂尖專家的各項評價指標值,并對頂尖專家進行簡單介紹。
表1 排名前15 位的頂尖專家的Topsis 評價指標結(jié)果Table 1 Topsis evaluation results of top 15 experts
4.3.1 Top10 的國際人工智能頂尖專家情況簡介
Geoffrey Hinton(杰弗里·辛頓),綜合排名第1位,被稱為 “神經(jīng)網(wǎng)絡(luò)之父” “深度學(xué)習(xí)鼻祖”,多倫多大學(xué)的特聘教授,2018 年圖靈獎的得主。與中國無國際合作。
Jiawei Han(韓家煒),綜合排名第2 位,數(shù)據(jù)挖掘領(lǐng)頭人,美國伊利諾伊大學(xué)香檳分校計算機系教授,IEEE 和ACM 院士,美國信息網(wǎng)絡(luò)學(xué)術(shù)研究中心主任。與中國有論文合作,及遷移合作。
Andrew Zisserman(安德魯·基澤曼),綜合排名第3 位,牛津大學(xué)教授,曾在國際計算機視覺大會上3 次拿到馬爾獎(Marr Prize)。與中國無國際合作。
Jue Wang(王玨),綜合排名第4 位,前Adobe 首席科學(xué)家,在計算機視覺、計算機圖形學(xué)、人機交互三大領(lǐng)頗有成果。2017 年,加入曠視科技(Face++)。與中國有遷移合作。
Michael I.Jordan(邁克爾·喬丹),綜合排名第5位,美國加州大學(xué)伯克利分校的教授,著名機器學(xué)習(xí)實驗室AMP Lab 的聯(lián)席主任,美國科學(xué)院、美國工程院、美國藝術(shù)與科學(xué)院三院院士。與中國有論文合作。
Martin Vetterli(馬丁·韋特利),綜合排名第6 位,洛桑聯(lián)邦理工學(xué)院現(xiàn)任校長,數(shù)字信號處理科學(xué)家,瑞士國家科學(xué)基金會主席。與中國有遷移合作。
Anil K.Jain(阿尼爾·杰恩),綜合排名第7 位,美國國家工程院院士、密歇根州立大學(xué)教授。與中國有論文合作。
Yoshua Bengio(約書亞·本吉奧),綜合排名第8位,蒙特利爾大學(xué)教授兼人工智能公司Element AI 的聯(lián)合創(chuàng)始人?!吧疃葘W(xué)習(xí)三駕馬車” 之一。與中國無國際合作。
Philip S.Yu(俞士綸),綜合排名第9 位,美國伊利諾伊大學(xué)芝加哥分校教授,2013 年獲得IEEE 技術(shù)成就獎(IEEE Computer Society Technical Achievement Award),2017 年獲得數(shù)據(jù)挖掘領(lǐng)域最高獎SIGKDD Innovation Award。與中國有論文合作,及遷移合作。
H.Vincent Poor(文森特·珀爾),綜合排名第10位,美國普林斯頓大學(xué)教授,2001 年當選為美國國家工程院院士,2005 年當選為美國藝術(shù)與科學(xué)院院士,2009 年當選為英國皇家工程院外籍院士,2011 年當選為美國國家科學(xué)院院士,2013 年當選為歐洲科學(xué)院外籍院士,2017 年當選為中國科學(xué)院外籍院士。與中國有論文合作。
4.3.2 核心頂尖專家統(tǒng)計分析
從評價指標的構(gòu)成,以及Top10 頂尖專家簡介綜合來看,Topsis 評價結(jié)果較為合理,可進一步分析頂尖專家組成。結(jié)果顯示,Topsis 指標Ci值范圍為0.015 6~0.590 5,其中Ci值0.1 以上的頂尖專家共有215 人,因此,在一定程度,將這215 人是認為是國際上人工智能領(lǐng)域的核心頂尖專家。從合作關(guān)系上來看,有61 人跟中國無(直接)國際合作,約占28.4%。與中國有(直接)國際合作的專家154 人,其中有論文合作的專家有135 人,有遷移合作的專家有90 人,兩者皆有的71 人。由此可見,中國人工智能的國際合作雖然已經(jīng)全面鋪開,但是與部分頂尖仍然未建立有效的(直接)交流合作,且其中不乏人工智能領(lǐng)域中的絕對權(quán)威。
從專家基本畫像分析與中國有合作的154 位核心頂尖專家,發(fā)現(xiàn):①從國籍來看,核心頂尖專家中,美國籍專家最多有73 人,其次是中國籍43 人。這43個中國籍的專家就職于非中國(大陸)機構(gòu),其中任職于美國機構(gòu)的最多,有34 人、澳大利亞4 人、新加坡3 人、英國1 人、中國(臺灣)1 人。由此可見,在核心頂尖專家的國際合作中仍是由中、美兩國主導(dǎo),但中國與美國仍存在較大差距。②從性別上來看,154人中僅有6 人為女性,占比僅為4%。③從核心頂尖專家所屬機構(gòu),進行國際合作的核心頂尖專家有70%(108 人)都在美國高校/ 科研院所或企業(yè)任職。其次是澳大利亞、英國、中國,其中在中國機構(gòu)工作的專家中,美國籍的6 人,新加坡籍1 人。不難看出,中國人工智能領(lǐng)域核心技術(shù)的(直接)交流合作,其首選仍然是美國,美國在人工智能領(lǐng)域研究的霸主地位仍然無法動搖。
本研究以人工智能研究領(lǐng)域頂尖人才作為研究對象,對人工智能研究各子領(lǐng)域進行分類樹重構(gòu)。在此基礎(chǔ)上,依托Aminer 科技大數(shù)據(jù)平臺識別與中國有(直接)國際合作的人工智能領(lǐng)域頂尖專家,并對頂尖專家綜合學(xué)術(shù)水平進行評價,以期從專家人才的角度來反映中國人工智能國際合作的情況。針對與中國有國際合作的頂尖專家識別結(jié)果,發(fā)現(xiàn):①中、美兩國的專家合作數(shù)遠高于其余國家之和;②專家以男性為主導(dǎo),女性比例極低;③專家所屬機構(gòu)分布在全球22個國家(地區(qū)),機構(gòu)分布與各地區(qū)的科技、經(jīng)濟實力情況大體一致;④部分專家擁有學(xué)校研究人員及企業(yè)科學(xué)家雙重身份;⑤中、美專家在論文學(xué)術(shù)領(lǐng)域的國際合作占據(jù)主導(dǎo)地位。國際遷移合作以中國學(xué)者到國外學(xué)習(xí)深造或工作為主,同時對國外專家引進的遷移合作,仍以美國專家作為優(yōu)先對象。同時,利用Topsis 進行頂尖專家學(xué)術(shù)綜合評價結(jié)果較為合理,從合作關(guān)系上來看,有61 人屬于跟中國無(直接)國際合作,約占28.4%,表明中國人工智能的國際合作雖然已經(jīng)全面鋪開,但是與部分頂尖專家仍然未建立有效的(直接)合作。
在研究過程中,由于使用的方法及數(shù)據(jù)都是基于人工智能領(lǐng)域?qū)<业恼撐奈墨I以及部分多源公開的事實性數(shù)據(jù),在數(shù)據(jù)收集時,不可避免的會遇到部分數(shù)據(jù)的缺失以及未核準的情況。因此,謹希望通過定性和定量的研究,對中國人工智能領(lǐng)域的發(fā)展提供一定參考。
農(nóng)業(yè)圖書情報學(xué)刊2022年1期