中國(guó)人工智能基礎(chǔ)研究人才發(fā)展趨勢(shì)的文獻(xiàn)計(jì)量分析

孫春暉，柳學(xué)智

（1.中國(guó)信息通信研究院，北京 100191；2.中國(guó)人事科學(xué)研究院，北京 100101）

1 引言

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要戰(zhàn)略性技術(shù)，正在對(duì)經(jīng)濟(jì)社會(huì)發(fā)展產(chǎn)生重大深遠(yuǎn)的影響。人工智能基礎(chǔ)研究是技術(shù)創(chuàng)新的源頭，而人才是基礎(chǔ)研究的主要驅(qū)動(dòng)因素。近年來(lái)，學(xué)者和政策研究者高度關(guān)注人工智能人才，發(fā)表了大量的文章，發(fā)布了很多的報(bào)告，以描述和分析中國(guó)及全球人工智能人才發(fā)展情況。

領(lǐng)英發(fā)布的《全球AI領(lǐng)域人才報(bào)告》顯示，截至2017年一季度，基于領(lǐng)英平臺(tái)的全球人工智能領(lǐng)域技術(shù)人才數(shù)量超過(guò)190萬(wàn)人，其中，美國(guó)超過(guò)85萬(wàn)人，中國(guó)為5萬(wàn)多人。清華大學(xué)科技政策研究中心發(fā)布的《2018年中國(guó)人工智能發(fā)展報(bào)告》，從3個(gè)角度描述了中國(guó)人工智能人才情況：一是國(guó)際人工智能人才。全球共有國(guó)際人工智能人才204 575人，各國(guó)按人數(shù)排名依次為美國(guó)28 536人，占13.9%，排名第一；中國(guó)18 232人，占8.9%，排名第二；印度17 384人，占8.5%；德國(guó)9 441人，占4.6%；英國(guó)7 998人，占3.9%。二是高端國(guó)際人工智能人才。各國(guó)按人數(shù)排名依次為美國(guó)5 158人，英國(guó)1 177人，德國(guó)1 119人，法國(guó)1 056人，意大利987人，中國(guó)977人（排名第六）。三是中國(guó)人工智能人才。相對(duì)于國(guó)際人才，中國(guó)人工智能人才特指在過(guò)去10年間，用中文或英文發(fā)表過(guò)專利或論文的中國(guó)研究者，共有201 281人。2019年，數(shù)據(jù)創(chuàng)新中心發(fā)布的《人工智能發(fā)展研究報(bào)告》顯示，美國(guó)在人工智能人才方面排名第一，歐盟第二，中國(guó)第三，其中在2018年高端研究人員（學(xué)術(shù)會(huì)議）數(shù)量上，中國(guó)、歐盟、美國(guó)分別為2 525人、4 840人、10 295人。

因此，有學(xué)者認(rèn)為，中國(guó)高端人工智能人才數(shù)量不足，與美國(guó)相比，大概只占其20%。然而，與人才發(fā)展相比，作為基礎(chǔ)研究的產(chǎn)出，中國(guó)人工智能期刊論文和會(huì)議論文的數(shù)量增長(zhǎng)顯著。

《人工智能指數(shù)2019年度報(bào)告》顯示，1998—2018年，全球經(jīng)過(guò)同行評(píng)議的人工智能論文數(shù)量增長(zhǎng)超過(guò)300%，分別占同期期刊論文的3%和會(huì)議論文的9%。中國(guó)每年發(fā)表的人工智能論文數(shù)量已于2006年超過(guò)美國(guó)，期刊論文總數(shù)的世界占比從2000年的10%快速上升到2018年的28%。艾倫人工智能研究所對(duì)2018年年底之前發(fā)表的200多萬(wàn)篇人工智能論文進(jìn)行分析發(fā)現(xiàn)，1982—2018年，美國(guó)論文數(shù)量的世界占比不斷下降，中國(guó)論文數(shù)量的世界占比直線上升，且中國(guó)論文的質(zhì)量越來(lái)越高。中國(guó)將在2018年、2019年、2025年，分別在被引最多的前50%、10%、1%的論文上超越美國(guó)。

與人工智能基礎(chǔ)研究產(chǎn)出相比，關(guān)于其基礎(chǔ)研究人才的探討更具爭(zhēng)議性，主要表現(xiàn)在兩個(gè)方面：一是關(guān)于基礎(chǔ)研究人才的界定。有研究將用英文發(fā)表論文的人才界定為“國(guó)際人工智能人才”，將用中文或英文發(fā)表論文的中國(guó)研究者界定為“中國(guó)人工智能人才”；將h指數(shù)位于前10%的國(guó)際人工智能人才界定為“高端國(guó)際人工智能人才”；將近兩年被引次數(shù)位于前18%的國(guó)際學(xué)術(shù)會(huì)議論文作者界定為“高端人工智能人才（學(xué)術(shù)會(huì)議）”。顯然，這些概念的界定并沒有采用統(tǒng)一的標(biāo)準(zhǔn)，相互之間也存在某種包含關(guān)系。二是關(guān)于數(shù)據(jù)的來(lái)源。有些研究數(shù)據(jù)來(lái)源于科睿唯安，有些來(lái)源于愛思唯爾，不同的數(shù)據(jù)來(lái)源具有不同的代表性，由此得出的結(jié)論也不盡相同。另外，即使基于相同的數(shù)據(jù)來(lái)源，如果同一數(shù)據(jù)庫(kù)的地區(qū)代表性存在差異，也會(huì)得出不同的結(jié)論。例如，領(lǐng)英在美國(guó)和中國(guó)的普及率分別為44%和3%，那么，僅僅依據(jù)領(lǐng)英數(shù)據(jù)得出的有關(guān)美國(guó)和中國(guó)的結(jié)論，顯然是不全面的。

鑒于上述研究的局限性，本文從文獻(xiàn)計(jì)量視角，提出一種界定“人工智能基礎(chǔ)研究人才”的思路和方法，并構(gòu)建出基礎(chǔ)研究人才指數(shù)，進(jìn)而描述和分析中國(guó)人工智能基礎(chǔ)研究人才的發(fā)展趨勢(shì)，以彌補(bǔ)既有研究的不足。

2 數(shù)據(jù)來(lái)源與篩選方法

本文的數(shù)據(jù)來(lái)源于科睿唯安InCites數(shù)據(jù)庫(kù)。科睿唯安遵循客觀性、選擇性和動(dòng)態(tài)性的文獻(xiàn)篩選原則，將文獻(xiàn)被引次數(shù)作為主要影響力指標(biāo)，篩選每一研究領(lǐng)域中最有影響力的會(huì)議、期刊等文獻(xiàn)，確保文獻(xiàn)的代表性。

筆者從InCites數(shù)據(jù)庫(kù)中抽取了計(jì)算機(jī)科學(xué)中的人工智能（Artificial Intelligence）、機(jī)器人學(xué)（Robotics）、自動(dòng)化和控制系統(tǒng)（Automation&Control Systems）、控制論（Cybernetics）等4個(gè)學(xué)科數(shù)據(jù)，數(shù)據(jù)更新時(shí)間為2021年4月30日。

這4個(gè)學(xué)科涉及人工智能，即創(chuàng)制具有人類智力特征（例如，有效的知識(shí)表征、推理、演繹、問題解決、啟發(fā)、對(duì)相互沖突的或模棱兩可的信息的分析）的機(jī)器的研究和技術(shù)。其中，人工智能相關(guān)技術(shù)包括專家系統(tǒng)、模糊系統(tǒng)、自然語(yǔ)言處理、言語(yǔ)認(rèn)知和模式認(rèn)知、計(jì)算機(jī)視覺、決策支持系統(tǒng)、知識(shí)庫(kù)和神經(jīng)網(wǎng)絡(luò)等；機(jī)器人學(xué)涉及機(jī)器人的設(shè)計(jì)、制造和操作；自動(dòng)化和控制系統(tǒng)是指設(shè)計(jì)與開發(fā)替代人類干預(yù)的系統(tǒng)及其過(guò)程，包括自適應(yīng)控制、穩(wěn)健控制、離散事件控制、動(dòng)態(tài)控制、模糊控制和最佳控制等；控制論涉及人工（機(jī)器）系統(tǒng)與生命系統(tǒng)或自然系統(tǒng)內(nèi)部或之間的通信和控制。

本文抽取上述4個(gè)學(xué)科文獻(xiàn)共計(jì)2 332 682篇，文獻(xiàn)的主要類型有會(huì)議論文、期刊論文、編輯材料、綜述和圖書章節(jié)，占比依次為63.38%、34.25%、1.04%、0.40%和0.21%。文獻(xiàn)涵蓋的時(shí)間為1980—2020年，雖然包含了2020年，但2020年的文獻(xiàn)發(fā)表時(shí)間較短，被引次數(shù)還很小甚至為0。由于被引次數(shù)不能代表或者充分代表基礎(chǔ)研究文獻(xiàn)的質(zhì)量，所以本文剔除了2020年的數(shù)據(jù)，選擇1980—2019年的相關(guān)文獻(xiàn)作為計(jì)量對(duì)象。

此外，一篇文獻(xiàn)可能有一名或多名作者，而多名作者可能屬于一個(gè)或多個(gè)國(guó)家，一篇文獻(xiàn)也可能屬于一個(gè)或多個(gè)學(xué)科。在本文中，如果一篇文獻(xiàn)有多名作者，視為一名作者；如果一篇文獻(xiàn)的多名作者屬于多個(gè)國(guó)家或地區(qū)，視為作者所屬的每一個(gè)國(guó)家或地區(qū)都擁有該篇文獻(xiàn)；如果一篇文獻(xiàn)屬于多個(gè)學(xué)科，則視為文獻(xiàn)所屬的每一學(xué)科都擁有該篇文獻(xiàn)。例如，某篇文獻(xiàn)有7名中國(guó)作者，3名美國(guó)作者，那么中國(guó)和美國(guó)各自計(jì)1篇文獻(xiàn)；如果某篇文獻(xiàn)既屬于控制論，又屬于機(jī)器人學(xué)，那么控制論和機(jī)器人學(xué)各自計(jì)1篇文獻(xiàn)。

本文將基礎(chǔ)研究人才界定為，在某一學(xué)科某一年度的研究成果中，被引次數(shù)累計(jì)百分比處于前10%的文獻(xiàn)的作者。為了對(duì)基礎(chǔ)研究人才進(jìn)行更細(xì)致的區(qū)分，繼續(xù)以1‰、1%、10%為標(biāo)線，將其劃分為A、B、C 3個(gè)層次（表1）。

表1 人工智能基礎(chǔ)研究人才的層次劃分

基于人才層次的劃分，本文構(gòu)建了3個(gè)人工智能基礎(chǔ)研究人才指數(shù)：

A層人才指數(shù)：某一國(guó)家或地區(qū)在某一年度某一學(xué)科中的A層人才的人次數(shù)。

B層人才指數(shù)：某一國(guó)家或地區(qū)在某一年度某一學(xué)科中的B層人才的人次數(shù)。

C層人才指數(shù)：某一國(guó)家或地區(qū)在某一年度某一學(xué)科中的C層人才的人次數(shù)。

3 全球人工智能基礎(chǔ)研究人才的總體發(fā)展趨勢(shì)

依據(jù)上述標(biāo)準(zhǔn)，本文依次計(jì)算了1980—2019年全球A、B、C層人工智能基礎(chǔ)研究人才指數(shù)，如圖1—3所示。

圖1 1980—2019年全球A層人工智能基礎(chǔ)研究人才指數(shù)

圖2 1980—2019年全球B層人工智能基礎(chǔ)研究人才指數(shù)

圖3 1980—2019年全球C層人工智能基礎(chǔ)研究人才指數(shù)

從圖中可以看出，全球人工智能基礎(chǔ)研究人才發(fā)展總體上呈現(xiàn)快速增長(zhǎng)趨勢(shì)。具體而言，人工智能基礎(chǔ)研究人才在2000年之前，處于發(fā)展的初期，盡管增速很快，但總量較?。辉?000年之后，處于高速增長(zhǎng)期，人數(shù)急劇增長(zhǎng)；最近幾年處于震蕩增長(zhǎng)期，總?cè)藬?shù)很多，但年度之間波動(dòng)較大。

4 中外人工智能基礎(chǔ)研究人才的發(fā)展趨勢(shì)比較

4.1 絕對(duì)趨勢(shì)比較

在全球人工智能基礎(chǔ)研究人才中，各個(gè)國(guó)家的人才分布如何？本文選擇了1980—2019年A、B、C層人工智能基礎(chǔ)研究人才指數(shù)最高的5個(gè)國(guó)家，對(duì)比中國(guó)（在本研究中指中國(guó)大陸）與其余4國(guó)人才發(fā)展的絕對(duì)趨勢(shì)，如圖4—6所示。

圖4 1980—2019年中美英澳德A層人工智能基礎(chǔ)研究人才指數(shù)

圖5 1980—2019年中美英澳德B層人工智能基礎(chǔ)研究人才指數(shù)

圖6 1980—2019年中美英德澳C層人工智能基礎(chǔ)研究人才指數(shù)

從圖中可以看出，中國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)增長(zhǎng)迅速，盡管在2006年以后，美國(guó)、英國(guó)、澳大利亞、德國(guó)的人才指數(shù)增長(zhǎng)緩慢，甚至在一些年份明顯下降，但是中國(guó)的人才指數(shù)持續(xù)增長(zhǎng)態(tài)勢(shì)沒有改變。

4.2 相對(duì)趨勢(shì)比較

本文計(jì)算了1980—2019年A、B、C層人工智能基礎(chǔ)研究人才指數(shù)最高的5個(gè)國(guó)家人才指數(shù)的世界占比，對(duì)比中國(guó)與其余4國(guó)人才發(fā)展的相對(duì)趨勢(shì)，如圖7—9所示。

圖7 1980—2019年中美英澳德A層人工智能基礎(chǔ)研究人才的世界占比

圖8 1980—2019年中美英澳德B層人工智能基礎(chǔ)研究人才的世界占比

圖9 1980—2019年中美英德澳C層人工智能基礎(chǔ)研究人才的世界占比

從圖中可以看出，中國(guó)A、B、C層人工智能基礎(chǔ)研究人才的世界占比快速上升，而美國(guó)的世界占比持續(xù)下降，這反映出中國(guó)正在改變?nèi)瞬虐l(fā)展的劣勢(shì)，并逐漸獲得了相對(duì)優(yōu)勢(shì)。

對(duì)比艾倫人工智能研究所的報(bào)告，可以看出，雖然中美人工智能論文和人才的世界占比具體數(shù)值存在差異，但是表現(xiàn)出來(lái)的發(fā)展趨勢(shì)是一樣的。

5 中外人工智能基礎(chǔ)研究人才的層次比較

在人工智能基礎(chǔ)研究人才中，A、B、C各層人才分布如何？本文選擇了中國(guó)、美國(guó)、英國(guó)3個(gè)國(guó)家，計(jì)算其1980—2019年人工智能基礎(chǔ)研究人才中A、B、C層人才的世界占比，對(duì)比中國(guó)與美英的人才層次結(jié)構(gòu)，如圖10—12所示。

圖10 1980—2019年中國(guó)A、B、C層人工智能基礎(chǔ)研究人才的世界占比

圖11 1980—2019年美國(guó)A、B、C層人工智能基礎(chǔ)研究人才的世界占比

圖12 1980—2019年英國(guó)A、B、C層人工智能基礎(chǔ)研究人才的世界占比

從圖中可以看出，中國(guó)A層人才的世界占比小于C層人才，C層人才小于B層人才；美國(guó)和英國(guó)A層人才的世界占比大于B層人才，B層人才大于C層人才。這反映出中國(guó)雖然總體上在人工智能基礎(chǔ)研究人才方面有長(zhǎng)足發(fā)展，但在更高層次的A層人才上，發(fā)展趨勢(shì)與總體并沒有完全同步，尚有一定的差距；而美國(guó)和英國(guó)在更高層次人才上具備優(yōu)勢(shì)。

在人工智能基礎(chǔ)研究人才中，A、B、C層人才之間的相關(guān)性如何？本文計(jì)算了1980—2019年中國(guó)、美國(guó)、英國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)，對(duì)比中國(guó)與美英的人才層次之間的相關(guān)程度，如表2—4所示。

表2 1980—2019年中國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

表3 1980—2019年美國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

表4 1980—2019年英國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)

從表中可以看出，中國(guó)、美國(guó)、英國(guó)A、B、C層人工智能基礎(chǔ)研究人才指數(shù)之間的相關(guān)系數(shù)均大于顯著相關(guān)的臨界值，這說(shuō)明A、B、C層人才之間是相互聯(lián)系的，不能孤立地看待各層人才的發(fā)展，尤其是不能不顧較低層次人才的發(fā)展而只強(qiáng)調(diào)較高層次人才的發(fā)展。在制定促進(jìn)人才發(fā)展的相關(guān)政策時(shí)，要關(guān)注各層人才發(fā)展的協(xié)調(diào)性。

6 中國(guó)人工智能基礎(chǔ)研究人才與經(jīng)濟(jì)社會(huì)發(fā)展的關(guān)系分析

人工智能基礎(chǔ)研究人才與經(jīng)濟(jì)社會(huì)發(fā)展密切相關(guān)，本文選擇國(guó)內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費(fèi)、基礎(chǔ)研究經(jīng)費(fèi)、研究人員全時(shí)當(dāng)量、基礎(chǔ)研究人員全時(shí)當(dāng)量等作為經(jīng)濟(jì)社會(huì)發(fā)展指標(biāo)，運(yùn)用回歸分析方法，對(duì)其關(guān)系進(jìn)行實(shí)證研究。

本文從《中國(guó)統(tǒng)計(jì)年鑒2021》中抽取了1980—2019年中國(guó)國(guó)內(nèi)生產(chǎn)總值，從《中國(guó)科技統(tǒng)計(jì)年鑒2020》中抽取了1995—2019年中國(guó)研究與發(fā)展經(jīng)費(fèi)和基礎(chǔ)研究經(jīng)費(fèi)以及1992—2019年中國(guó)研究人員全時(shí)當(dāng)量和基礎(chǔ)研究人員全時(shí)當(dāng)量。

為了揭示中國(guó)人工智能基礎(chǔ)研究人才與經(jīng)濟(jì)社會(huì)發(fā)展之間的關(guān)系，分別對(duì)基礎(chǔ)研究人才指數(shù)與中國(guó)國(guó)內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費(fèi)、基礎(chǔ)研究經(jīng)費(fèi)、研究人員全時(shí)當(dāng)量、基礎(chǔ)研究人員全時(shí)當(dāng)量等進(jìn)行回歸分析。所有回歸結(jié)果的方差分析顯示，回歸方程通過(guò)顯著性檢驗(yàn)，檢驗(yàn)統(tǒng)計(jì)量的值遠(yuǎn)小于顯著性水平0.01；自變量的回歸系數(shù)通過(guò)T檢驗(yàn)，值小于0.01。這說(shuō)明自變量國(guó)內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費(fèi)、基礎(chǔ)研究經(jīng)費(fèi)、研究人員全時(shí)當(dāng)量、基礎(chǔ)研究人員全時(shí)當(dāng)量等對(duì)因變量基礎(chǔ)研究人才指數(shù)均有顯著影響，回歸關(guān)系成立?；貧w方程和擬合優(yōu)度2如表5所示。

表5 中國(guó)人工智能基礎(chǔ)研究人才與經(jīng)濟(jì)社會(huì)發(fā)展的回歸分析

從表中可以看出，基礎(chǔ)研究人才指數(shù)與國(guó)內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費(fèi)、基礎(chǔ)研究經(jīng)費(fèi)、研究人員全時(shí)當(dāng)量、基礎(chǔ)研究人員全時(shí)當(dāng)量等回歸方程的 擬合優(yōu)度2分別為 0.949、0.959、0.969、0.900、0.942，也就是說(shuō)，因變量 94.9%、95.9%、96.9%、90.0%、94.2%的變化可以用回歸方程來(lái)解釋。因此，經(jīng)濟(jì)發(fā)展、研究經(jīng)費(fèi)投入、研究人員增長(zhǎng)等是人工智能基礎(chǔ)研究人才發(fā)展的重要影響因素。

從經(jīng)濟(jì)發(fā)展看，一方面，經(jīng)過(guò)改革開放40多年的持續(xù)快速發(fā)展，中國(guó)國(guó)內(nèi)生產(chǎn)總值從1980年的4 588億元增加到2019年的986 515億元，中國(guó)經(jīng)濟(jì)的快速發(fā)展有力地推動(dòng)了中國(guó)人工智能基礎(chǔ)研究人才的發(fā)展；另一方面，無(wú)論是經(jīng)濟(jì)總量還是人均國(guó)內(nèi)生產(chǎn)總值，中國(guó)與發(fā)達(dá)國(guó)家之間仍然存在較大的差距，中國(guó)經(jīng)濟(jì)還有較大的發(fā)展空間。因此，中國(guó)人工智能基礎(chǔ)研究人才還將繼續(xù)快速發(fā)展。與此同時(shí)，也看到，改革開放以來(lái)中國(guó)經(jīng)濟(jì)的高速發(fā)展主要是依靠自然資源、勞動(dòng)力等要素實(shí)現(xiàn)的。隨著人均自然資源占有量的降低和勞動(dòng)力的減少，這種經(jīng)濟(jì)增長(zhǎng)方式難以為繼，中國(guó)面臨經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)的巨大壓力。如果中國(guó)未能及時(shí)轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，或創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略未能落到實(shí)處，就容易陷入“中等收入陷阱”，經(jīng)濟(jì)發(fā)展趨勢(shì)便會(huì)出現(xiàn)嚴(yán)重下滑甚至逆轉(zhuǎn)，中國(guó)人工智能基礎(chǔ)研究人才的發(fā)展趨勢(shì)也將隨之改變。

從總體科技經(jīng)費(fèi)看，中國(guó)的科技經(jīng)費(fèi)投入總量仍低于美國(guó)，科技經(jīng)費(fèi)占國(guó)內(nèi)生產(chǎn)總值的比例也低于發(fā)達(dá)國(guó)家，人均科技經(jīng)費(fèi)更是難以望其項(xiàng)背。在中國(guó)經(jīng)濟(jì)的持續(xù)發(fā)展下，科技經(jīng)費(fèi)投入仍有較大的增長(zhǎng)空間，其必將推動(dòng)中國(guó)人工智能基礎(chǔ)研究人才繼續(xù)發(fā)展。

從基礎(chǔ)研究經(jīng)費(fèi)投入看，改革開放以來(lái)中國(guó)經(jīng)濟(jì)的快速發(fā)展同時(shí)保障了基礎(chǔ)研究經(jīng)費(fèi)的快速增長(zhǎng)，基礎(chǔ)研究經(jīng)費(fèi)從1995年的18億元增長(zhǎng)到2019年的1 336億元?；A(chǔ)研究經(jīng)費(fèi)的快速增長(zhǎng)是中國(guó)人工智能基礎(chǔ)研究人才發(fā)展的直接動(dòng)力。

從研發(fā)人員總體看，盡管中國(guó)的研發(fā)人員總量較多，但是每百萬(wàn)居民研發(fā)人員、每千人勞動(dòng)力研發(fā)人員、每千人就業(yè)者研發(fā)人員的數(shù)量均遠(yuǎn)低于發(fā)達(dá)國(guó)家。

從基礎(chǔ)研究人員全時(shí)當(dāng)量看，中國(guó)經(jīng)濟(jì)的持續(xù)發(fā)展和研究經(jīng)費(fèi)的快速增長(zhǎng)推動(dòng)了研究人員數(shù)量增長(zhǎng)，基礎(chǔ)研究人員全時(shí)當(dāng)量從1992年的6萬(wàn)人年增長(zhǎng)到2019年的39萬(wàn)人年。而基礎(chǔ)研究人員的數(shù)量增長(zhǎng)自然意味著人工智能基礎(chǔ)研究人才隊(duì)伍的壯大。

從人工智能人才培養(yǎng)看，J F Gagne等以2018年的21個(gè)人工智能學(xué)術(shù)會(huì)議參會(huì)人員為研究對(duì)象，調(diào)查在會(huì)議上發(fā)表論文的作者獲得博士學(xué)位情況，其中44%的人在美國(guó)獲得博士學(xué)位，11%在中國(guó)獲得，6%在英國(guó)獲得，5%在德國(guó)獲得，4%在法國(guó)、加拿大和日本獲得?？梢?，在人工智能人才培養(yǎng)上，中國(guó)與發(fā)達(dá)國(guó)家仍存在較大差距。

總之，經(jīng)濟(jì)發(fā)展、研究經(jīng)費(fèi)投入、研究人員數(shù)量增長(zhǎng)等都與人工智能基礎(chǔ)研究人才發(fā)展密切相關(guān)，其中尤以基礎(chǔ)研究經(jīng)費(fèi)投入為甚。

7 結(jié)論與建議

7.1 結(jié)論

本文依據(jù)科睿唯安InCites數(shù)據(jù)庫(kù)中的人工智能學(xué)科數(shù)據(jù)，以地域和時(shí)間為維度，構(gòu)建基礎(chǔ)研究人才指數(shù)，勾勒出中國(guó)人工智能基礎(chǔ)研究人才分布的全景圖，描繪了中國(guó)人工智能基礎(chǔ)研究人才的發(fā)展趨勢(shì)，同時(shí)比較了中國(guó)與美英等發(fā)達(dá)國(guó)家人工智能基礎(chǔ)研究人才發(fā)展的特點(diǎn)，為全面客觀地了解中國(guó)人工智能基礎(chǔ)研究人才發(fā)展趨勢(shì)提供了翔實(shí)準(zhǔn)確的資料，為精準(zhǔn)制定人才發(fā)展相關(guān)政策提供了實(shí)證參考。

本文從文獻(xiàn)計(jì)量的定量評(píng)價(jià)視角出發(fā)，通過(guò)分析人工智能文獻(xiàn)被引次數(shù)的變化，區(qū)分基礎(chǔ)研究人才的層次差異。為此，基于文獻(xiàn)被引次數(shù)分布的特點(diǎn)，研究并未包含所有文獻(xiàn)的作者，而是截取了被引次數(shù)累計(jì)百分比處于前10%的優(yōu)秀人才，并且依據(jù)1‰、1%、10%標(biāo)線對(duì)優(yōu)秀人才進(jìn)行了更細(xì)致的分層，即A、B、C 3個(gè)層次。通過(guò)分析這3個(gè)人才層次之間的關(guān)系，發(fā)現(xiàn)人才層次之間具有高度相關(guān)性，由此更為立體地考察了人工智能基礎(chǔ)研究人才的層次分布。

本文選擇國(guó)內(nèi)生產(chǎn)總值、研究與發(fā)展經(jīng)費(fèi)、基礎(chǔ)研究經(jīng)費(fèi)、研究人員全時(shí)當(dāng)量、基礎(chǔ)研究人員全時(shí)當(dāng)量等作為經(jīng)濟(jì)社會(huì)發(fā)展指標(biāo)，運(yùn)用回歸分析方法，分析人工智能基礎(chǔ)研究人才與經(jīng)濟(jì)社會(huì)發(fā)展之間的關(guān)系，發(fā)現(xiàn)上述變量均與人工智能基礎(chǔ)研究人才指數(shù)密切相關(guān)，其中基礎(chǔ)研究經(jīng)費(fèi)的相關(guān)程度最高。

當(dāng)然，本文也存在一些局限性。首先，本文依據(jù)的是文獻(xiàn)被引次數(shù)，其反映的是學(xué)者的學(xué)術(shù)影響力和學(xué)術(shù)話語(yǔ)權(quán)。需要注意的是，被引次數(shù)僅是一種間接評(píng)價(jià)指標(biāo)，并非是對(duì)學(xué)術(shù)水平的直接評(píng)價(jià)。因此，本文站在國(guó)家和學(xué)科的宏觀層面，對(duì)人工智能基礎(chǔ)研究人才進(jìn)行評(píng)估。這種評(píng)估不同于對(duì)個(gè)體、團(tuán)隊(duì)、組織等微觀層面的評(píng)估。在進(jìn)行微觀評(píng)估時(shí)，文獻(xiàn)計(jì)量要針對(duì)實(shí)踐中的人才個(gè)體，還應(yīng)運(yùn)用同行評(píng)議等直接評(píng)價(jià)指標(biāo)，才能全面、綜合地進(jìn)行評(píng)價(jià)。

其次，本文所用文獻(xiàn)數(shù)據(jù)來(lái)自科睿唯安In-Cites數(shù)據(jù)庫(kù)，盡管采用嚴(yán)格的程序和方法來(lái)確保文獻(xiàn)選取的代表性，但該數(shù)據(jù)庫(kù)畢竟未能包含全部文獻(xiàn)，且目前學(xué)界就人工智能的內(nèi)涵和外延并沒有達(dá)成共識(shí)，實(shí)踐中某一文獻(xiàn)是否屬于人工智能領(lǐng)域可能存疑。因此，科睿唯安數(shù)據(jù)庫(kù)的代表性是相對(duì)的，本文基于其數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析并得出結(jié)論，代表性也不完全充分。

最后，時(shí)間對(duì)文獻(xiàn)被引次數(shù)有顯著影響，總體上隨著時(shí)間增加而逐漸減小，越遠(yuǎn)期影響越小，越近期影響越大；較新文獻(xiàn)產(chǎn)生影響需要一定的時(shí)間。因此，本文在分析時(shí)剔除了2020年的數(shù)據(jù)，盡管如此，2018年和2019年的文獻(xiàn)發(fā)表時(shí)間相對(duì)較短，并沒有被學(xué)界充分了解和引用。這樣，本文基于文獻(xiàn)已有的被引數(shù)據(jù)進(jìn)行分析，同樣具有某種程度的不確定性，特別是對(duì)近期文獻(xiàn)而言。

7.2 建議

改革開放以來(lái)，中國(guó)經(jīng)濟(jì)持續(xù)快速發(fā)展，推動(dòng)了基礎(chǔ)研究，包括人工智能基礎(chǔ)研究的快速發(fā)展。而經(jīng)濟(jì)發(fā)展是人工智能基礎(chǔ)研究人才發(fā)展的根本前提。與發(fā)達(dá)國(guó)家相比，中國(guó)人均國(guó)內(nèi)生產(chǎn)總值仍較低，還有較大的增長(zhǎng)空間，這意味著中國(guó)的基礎(chǔ)研究和人工智能基礎(chǔ)研究人才還有較大的發(fā)展空間。當(dāng)前，中國(guó)正處在發(fā)展方式轉(zhuǎn)變和經(jīng)濟(jì)結(jié)構(gòu)調(diào)整的關(guān)鍵時(shí)期，創(chuàng)新能力不足成為制約經(jīng)濟(jì)社會(huì)發(fā)展的主要瓶頸。人工智能既是中國(guó)實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略的重要領(lǐng)域，也是推動(dòng)經(jīng)濟(jì)社會(huì)各領(lǐng)域創(chuàng)新的重要手段。因此，中國(guó)要從戰(zhàn)略高度把握好經(jīng)濟(jì)社會(huì)發(fā)展與人工智能發(fā)展的關(guān)系，繼續(xù)保持中國(guó)經(jīng)濟(jì)持續(xù)穩(wěn)定發(fā)展的勢(shì)頭，培養(yǎng)和集聚大批人工智能基礎(chǔ)研究人才，推動(dòng)人工智能快速發(fā)展，同時(shí)通過(guò)大力發(fā)展人工智能，推動(dòng)各領(lǐng)域的創(chuàng)新，為經(jīng)濟(jì)社會(huì)發(fā)展注入強(qiáng)大動(dòng)力。

基礎(chǔ)研究經(jīng)費(fèi)的持續(xù)投入直接推動(dòng)著人工智能基礎(chǔ)研究的快速發(fā)展。在過(guò)去十幾年間，中國(guó)的基礎(chǔ)研究經(jīng)費(fèi)投入雖然有了長(zhǎng)足的增長(zhǎng)，但在人均科技經(jīng)費(fèi)上與美國(guó)等發(fā)達(dá)國(guó)家相比仍然存在較大差距，需要繼續(xù)加大基礎(chǔ)研究經(jīng)費(fèi)投入，進(jìn)一步擴(kuò)大基礎(chǔ)研究經(jīng)費(fèi)的總體規(guī)模，提高人均科技經(jīng)費(fèi)水平。同時(shí)，應(yīng)完善基礎(chǔ)研究經(jīng)費(fèi)管理的激勵(lì)約束機(jī)制，不斷提高經(jīng)費(fèi)的使用效率，激發(fā)研究人員的積極性。

經(jīng)濟(jì)發(fā)展和研究經(jīng)費(fèi)增長(zhǎng)也推動(dòng)著研究人員的數(shù)量增長(zhǎng)。盡管中國(guó)研發(fā)人員總量已經(jīng)位居世界前列，但每千人就業(yè)者中研發(fā)人員的數(shù)量遠(yuǎn)遠(yuǎn)低于發(fā)達(dá)國(guó)家，中國(guó)研發(fā)人員數(shù)量仍有較大的增長(zhǎng)空間。在未來(lái)，須提高人工智能基礎(chǔ)研究人才的比例，通過(guò)培養(yǎng)、培訓(xùn)、引進(jìn)、交流等多種方式，集聚大批優(yōu)秀人才，形成一支規(guī)模龐大、業(yè)務(wù)精良的人工智能基礎(chǔ)研究人才隊(duì)伍。