演繹邏輯與歸納邏輯視角下的顛覆性技術(shù)識別方法研究述評

周 波 ，冷伏海

（1. 中國科學(xué)院大學(xué)，北京 100190；2. 中國科學(xué)院科技戰(zhàn)略咨詢研究院，北京 100190）

1 引 言

顛覆性技術(shù)深刻影響國家的政治、經(jīng)濟(jì)、軍事和產(chǎn)業(yè)安全，也深刻影響著企業(yè)的競爭能力和生存能力。顛覆性技術(shù)識別能夠?yàn)閲液推髽I(yè)提供預(yù)警，為國家和企業(yè)技術(shù)研發(fā)提供方向、指南和決策依據(jù)，為國家和企業(yè)獲得技術(shù)競爭優(yōu)勢提供關(guān)鍵情報(bào)支撐。在技術(shù)競爭日趨激烈、技術(shù)發(fā)展日益復(fù)雜的趨勢下，顛覆性技術(shù)識別對國家和企業(yè)至關(guān)重要。世界上主要國家均展開了顛覆性技術(shù)預(yù)測，美國成立未來顛覆性技術(shù)預(yù)測委員會(huì)，加拿大成立安全和顛覆性技術(shù)研究中心，英國成立地平線掃描計(jì)劃團(tuán)隊(duì)，日本則實(shí)施顛覆性技術(shù)創(chuàng)新計(jì)劃；美國的TECHCAST和X2 項(xiàng)目十幾年來在持續(xù)預(yù)測顛覆性技術(shù)。

自1995 年克里斯滕森提出顛覆性技術(shù)概念以來，顛覆性技術(shù)相關(guān)的研究發(fā)展速度迅猛，取得了一些成果，但是因?yàn)轭嵏残约夹g(shù)涉及因素多，具有復(fù)雜、模糊、認(rèn)知難度大等特點(diǎn)，加上其發(fā)展時(shí)間尚短，所以對顛覆性技術(shù)的本質(zhì)、特征認(rèn)識尚不夠清晰，并且顛覆性技術(shù)概念的描述偏于抽象，不夠具體[1]。目前學(xué)術(shù)界對顛覆性技術(shù)概念存在多種不同的觀點(diǎn)，并無統(tǒng)一權(quán)威的定義。

顛覆性技術(shù)概念自提出以來，顛覆性技術(shù)識別就開始受到學(xué)術(shù)界重視。21 世紀(jì)初，Linton 等[2]最先對顛覆性技術(shù)的識別展開研究，此后國外對顛覆性技術(shù)識別的方法和理論展開大量研究。通過對國內(nèi)外顛覆性技術(shù)識別方法的研究，發(fā)現(xiàn)顛覆性技術(shù)識別方法存在基于演繹邏輯的方法和基于歸納邏輯的方法，兩種邏輯視角下的識別方法在研究前提、研究數(shù)據(jù)、研究結(jié)論嚴(yán)謹(jǐn)性、研究流程上存在較大的差別，且分別存在不同的優(yōu)點(diǎn)和缺點(diǎn)。為進(jìn)一步推動(dòng)顛覆性技術(shù)識別方法的研究，須對兩種邏輯及其對應(yīng)的方法展開系統(tǒng)研究。因此，本文首先對演繹和歸納邏輯定義進(jìn)行分析，然后梳理出兩種邏輯下的識別方法及其代表性研究，比較了兩種方法的優(yōu)缺點(diǎn)，最后展望未來，分析如何通過綜合兩種邏輯為提出更好的識別方法提供更科學(xué)的指導(dǎo)。

2 兩種邏輯：演繹和歸納

自古希臘亞里士多德以來，邏輯推理方法就已經(jīng)有了歸納與演繹的區(qū)分[3]。根據(jù)前提與結(jié)論的性質(zhì)及其關(guān)系可將邏輯推理方法分為歸納和演繹兩種[4]。歸納邏輯是指通過系統(tǒng)研究和分析某類中的個(gè)別事物，比較這些個(gè)別事物的共同點(diǎn)，從而總結(jié)該類事物所具有的普遍規(guī)律；演繹邏輯是指應(yīng)用普遍的規(guī)律分析某類中的個(gè)別事物，并通過個(gè)別事物檢驗(yàn)這一共同規(guī)律；歸納與演繹的哲學(xué)基礎(chǔ)，具有辯證統(tǒng)一關(guān)系，歸納與演繹的前提和結(jié)論相互倒換，是呈相互倒置的思維方式，歸納與演繹是相互區(qū)別、有機(jī)聯(lián)系、互為條件和相互轉(zhuǎn)化的[5]。

2.1 演繹邏輯

亞里士多德對歸納邏輯和演繹邏輯都開展過研究，但他更加重視演繹邏輯的研究，在此之后的很長時(shí)間中，演繹邏輯一直占據(jù)主導(dǎo)地位[5]。演繹邏輯是在某些前提成立的條件下推測必然會(huì)出現(xiàn)的特定結(jié)論[4]。演繹邏輯由前提、邏輯規(guī)則和結(jié)論三部分構(gòu)成：前提通常是已知判斷（如幾何學(xué)中的公理或假設(shè)），是演繹的客觀基礎(chǔ)；邏輯規(guī)則是演繹應(yīng)堅(jiān)持的原則和運(yùn)用的公式；結(jié)論是演繹所得出的結(jié)果。其中，著名的亞里士多德三段論推理就是典型的演繹邏輯[5-6]。

演繹邏輯建立在假設(shè)基礎(chǔ)之上，但演繹邏輯最大的不足就是假設(shè)，其前提和邏輯規(guī)則是人們提出的假設(shè)，若演繹邏輯的前提被否定了，則其推導(dǎo)出的結(jié)論必將被否定[5]。例如，愛因斯坦相對論就是建立在光速不變的假設(shè)之上而推導(dǎo)出的結(jié)論，若該假設(shè)被否定，則相對論也會(huì)隨之被否定。此外，由于其結(jié)論是建立在假設(shè)基礎(chǔ)之上的，故由該結(jié)論推導(dǎo)出的結(jié)果必須能通過實(shí)際的檢驗(yàn)，例如，由相對論推導(dǎo)出的引力波存在的結(jié)論，需要經(jīng)過實(shí)驗(yàn)進(jìn)行檢驗(yàn)，才能證明該理論的正確。

2.2 歸納邏輯

歸納邏輯是隨著近代實(shí)驗(yàn)科學(xué)的興起而逐漸受到重視的，17 世紀(jì)英國的培根曾系統(tǒng)研究過歸納邏輯，牛頓對歸納邏輯作了進(jìn)一步發(fā)展，后隨著量子力學(xué)的創(chuàng)立，科學(xué)家們否定了因果律而采取概率論的態(tài)度，并創(chuàng)立了概率歸納邏輯[5]。歸納邏輯是通過某類中的多個(gè)個(gè)別事物總結(jié)出該類中所有事物共有的規(guī)律，是從個(gè)別到一般、從個(gè)體到整體、從特殊到普遍規(guī)律的過程。

理論上，歸納邏輯是建立在事實(shí)基礎(chǔ)之上的，但現(xiàn)實(shí)中只能建立在部分事實(shí)基礎(chǔ)之上，所以歸納邏輯得出的結(jié)論具有或然性，其以歸納方法獲得的普遍規(guī)律，總是不完全的，因?yàn)闅w納總是基于部分樣本而非全量樣本，故存在不完全歸納的缺點(diǎn)，得出的結(jié)論可能會(huì)存在反例[5]。例如，牛頓基于實(shí)驗(yàn)和經(jīng)驗(yàn)總結(jié)出的牛頓定律，在低速、弱引力場的條件下是正確的，而在接近光速的條件下被相對論所證偽。

2.3 顛覆性技術(shù)識別的研究趨勢

在Web of Science 數(shù)據(jù)庫中以(TI= identif* or TI=discovery or TI= Recogn* or TI= monitor* or TI=fore-cast* or TI=detect* or TI=predict*) AND (TI=disrupti*technolog* or TI=disrupt* innovation*)為檢索式進(jìn)行檢索，經(jīng)過人工判讀后共收集40 篇英文的國外顛覆性技術(shù)識別文獻(xiàn)。從圖1 可以看出，這些文獻(xiàn)在1995 年顛覆性技術(shù)概念提出后就開展了研究，在2010 年發(fā)表論文數(shù)量達(dá)到頂峰；從被引頻次分析，除2019 年、2020 年、2021 年可能存在數(shù)據(jù)入庫時(shí)間滯后的問題，2001 年到2019 年顛覆性技術(shù)文獻(xiàn)的被引頻次呈指數(shù)增長，可以發(fā)現(xiàn)顛覆性技術(shù)識別問題受到越來越多的關(guān)注。

在中國知網(wǎng)中，以(TI=顛覆性技術(shù)OR TI=顛覆性創(chuàng)新)AND (TI=識別OR TI=預(yù)測OR TI=發(fā)現(xiàn)OR TI=評價(jià) OR TI=預(yù)見OR TI=監(jiān)測 OR TI=感知)為檢索式，共檢索到文獻(xiàn)36 篇。從圖2 可以看出，這些文獻(xiàn)從2015 年才開始進(jìn)行顛覆性技術(shù)識別相關(guān)的研究，中文文獻(xiàn)的顛覆性技術(shù)識別研究起步較晚，但得到了快速發(fā)展；從圖2 的中文顛覆性技術(shù)識別文獻(xiàn)的被引頻次上看，被引數(shù)量也在快速增加。

對Web of Science、中國知網(wǎng)、萬方數(shù)據(jù)中的顛覆性技術(shù)識別相關(guān)文獻(xiàn)進(jìn)行閱讀和分析，并從數(shù)據(jù)源、識別時(shí)間階段和識別方法三個(gè)維度進(jìn)行標(biāo)注，如表1 所示，可以發(fā)現(xiàn)在2016 年之前，基于弱信號或早期的顛覆性技術(shù)識別、基于機(jī)器學(xué)習(xí)方法和人工智能方法的顛覆性技術(shù)識別和基于大數(shù)據(jù)研究方法的顛覆性技術(shù)識別的研究數(shù)量為零，2016 年后此類研究逐漸增多，這凸顯了顛覆性技術(shù)識別研究具有以下三個(gè)新特點(diǎn)。

表1 代表三種趨勢的文獻(xiàn)數(shù)量 篇

特點(diǎn)一：基于弱信號或早期的顛覆性技術(shù)識別將會(huì)是研究重點(diǎn)。隨著當(dāng)前對強(qiáng)信號的研究逐漸飽和，研究價(jià)值更大的弱信號或早期技術(shù)識別將會(huì)是未來的新興研究領(lǐng)域。技術(shù)研究經(jīng)歷由少到多的過程，早期信號弱，后期信號強(qiáng)，基于弱信號或早期的技術(shù)識別將比傳統(tǒng)的基于強(qiáng)信號的技術(shù)識別更早地捕捉到顛覆性技術(shù)或新興技術(shù)等，具有更大的研究價(jià)值和難度。代表性研究有蘇敬勤等[7]、Joanny等[8]、石慧等[9]、黃魯成等[10]、范明姐[11]。

特點(diǎn)二：基于機(jī)器學(xué)習(xí)方法和人工智能方法的顛覆性技術(shù)識別將會(huì)是研究重點(diǎn)。機(jī)器學(xué)習(xí)或人工智能方法首先需要樣本數(shù)據(jù)進(jìn)行訓(xùn)練，然后使用測試集進(jìn)行測試，識別結(jié)果可直接計(jì)算準(zhǔn)確率，并且能夠重復(fù)實(shí)驗(yàn)，不同的方法效果之間能夠相互比較，相比于以往的基于歸納邏輯的識別方法有著顯著優(yōu)勢，對于提高技術(shù)識別的研究質(zhì)量有著重要意義。代表性研究有Chen 等[12]、張佳維[13]。

特點(diǎn)三：基于大數(shù)據(jù)或多源數(shù)據(jù)研究方法的顛覆性技術(shù)識別將會(huì)是未來研究的重點(diǎn)。技術(shù)識別領(lǐng)域的大數(shù)據(jù)包括專利數(shù)據(jù)、論文數(shù)據(jù)、網(wǎng)絡(luò)數(shù)據(jù)、行業(yè)數(shù)據(jù)等，相比于基于單一的專利數(shù)據(jù)，分析的維度更多，研究結(jié)果更加可信，能夠彌補(bǔ)單一數(shù)據(jù)可能造成的重要信息的遺漏；集成的研究方法能夠彌補(bǔ)單一方法帶來的缺陷，各種研究方法相互補(bǔ)充，研究的結(jié)果也更加準(zhǔn)確。代表性研究有Kim等[14]、趙格[15]等。

并且，隨著顛覆性技術(shù)識別的感應(yīng)速度要求越來越快和基于強(qiáng)信號的研究逐漸趨于飽和，對弱信號的研究將會(huì)受到更多的關(guān)注。一方面，基于大數(shù)據(jù)的研究將會(huì)匯聚多源數(shù)據(jù)，對弱信號進(jìn)行增強(qiáng)；另一方面，基于弱信號的研究將會(huì)面臨大量的噪聲數(shù)據(jù)，依靠主觀判斷很難識別，將會(huì)依賴基于機(jī)器學(xué)習(xí)和大數(shù)據(jù)的研究。因此，基于弱信號或早期的研究、基于大數(shù)據(jù)的研究、基于機(jī)器學(xué)習(xí)方法和人工智能方法的研究將會(huì)融合發(fā)展。

3 演繹邏輯下的顛覆性技術(shù)識別

3.1 演繹邏輯下的顛覆性技術(shù)識別方法

基于演繹邏輯的顛覆技術(shù)識別研究的過程是先基于顛覆性技術(shù)理論中的定義，假設(shè)某些特征或方法符合顛覆性技術(shù)定義，然后選擇具體領(lǐng)域進(jìn)行實(shí)驗(yàn)，最后由專家或者基于文獻(xiàn)對識別結(jié)果進(jìn)行驗(yàn)證，以證明假設(shè)的特征或方法的正確性，具體包括基于復(fù)雜網(wǎng)絡(luò)的方法、突發(fā)詞檢測、共詞分析、基于技術(shù)形態(tài)的方法等。例如，Sun 等[16]從哈佛商學(xué)院克里斯滕森1995 年提出的顛覆性技術(shù)定義出發(fā)，尋找符合顛覆性技術(shù)定義的數(shù)據(jù)特征，以識別顛覆性技術(shù)。對國內(nèi)外顛覆性技術(shù)識別文獻(xiàn)中的識別方法進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)約有87.7%的研究方法是基于演繹邏輯的，其大致可分為11 類，如表2 所示。

表2 基于演繹邏輯的顛覆性技術(shù)識別方法

（1）基于TRIZ 理論的識別方法。TRIZ 理論為技術(shù)創(chuàng)新提供了系統(tǒng)理論和方法工具，其理論體系主要包括技術(shù)創(chuàng)新的思維方法、問題分析方法、技術(shù)系統(tǒng)進(jìn)化法則、技術(shù)矛盾解決原理等方面，根據(jù)技術(shù)系統(tǒng)進(jìn)化法則，預(yù)測技術(shù)發(fā)展趨勢。Sun 等[16-17]從克里斯滕森的定義出發(fā)，基于TRIZ 理論將產(chǎn)品演化的理想的最終結(jié)果分解為各個(gè)子技術(shù)，運(yùn)用TRIZ 原理分析各子系統(tǒng)的技術(shù)演化路徑，得到過度創(chuàng)新的技術(shù)和相對滯后的技術(shù)，通過降低功能過剩的子系統(tǒng)技術(shù)和增加相對滯后的技術(shù)功能，于TRIZ 進(jìn)化路徑預(yù)測改進(jìn)后的技術(shù)以及潛在的顛覆性技術(shù)，并以視頻游戲技術(shù)為例展開分析。許澤浩等[18]以TRIZ 理論為基礎(chǔ)，通過分析技術(shù)與市場需求的沖突識別潛在的顛覆性技術(shù)。

（2）基于復(fù)雜網(wǎng)絡(luò)的識別方法?；趶?fù)雜網(wǎng)絡(luò)的識別方法是指利用科技文獻(xiàn)中的共被引關(guān)系、引用耦合關(guān)系、直接引用關(guān)系、IPC（international patent clsassification） 分類號共現(xiàn)關(guān)系等構(gòu)建復(fù)雜網(wǎng)絡(luò)，然后使用聚類分析、離群點(diǎn)分析、K核分析、節(jié)點(diǎn)網(wǎng)絡(luò)特征分析等方法，進(jìn)行顛覆性技術(shù)識別。Dotsika 等[19]基于關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)，分析關(guān)鍵詞在網(wǎng)絡(luò)中的接近度和遠(yuǎn)離度來判斷其顛覆性潛力，研究結(jié)論認(rèn)為可使用同時(shí)具有較高接近度和低遠(yuǎn)離度組合特征識別具有顛覆性技術(shù)潛力的關(guān)鍵詞；Jia 等[20]以科學(xué)論文的關(guān)鍵技術(shù)共現(xiàn)網(wǎng)絡(luò)、詞頻變化網(wǎng)絡(luò)和突發(fā)詞確定新興的研究前沿，然后計(jì)算潛在新興研究前沿的專利影響因子，選擇專利影響因子高的技術(shù)作為顛覆性技術(shù)。

（3）基于定性指標(biāo)的識別方法。基于定性指標(biāo)的識別方法是從顛覆性技術(shù)的理論內(nèi)涵出發(fā)，從定性的角度分析某些技術(shù)是否符合顛覆性技術(shù)的特征，該方法高度依賴研究人員對顛覆性技術(shù)的內(nèi)涵的理解。Vojak 等[21]提出基于標(biāo)準(zhǔn)、架構(gòu)、集成、連接、替換五個(gè)維度的顛覆性技術(shù)的分析方法，并選用三個(gè)行業(yè)案例進(jìn)行分析；Keller 等[22]將微軟和谷歌的辦公應(yīng)用程序作為案例，在技術(shù)能力、市場價(jià)格、消費(fèi)者需求等方面進(jìn)行對比，以識別谷歌辦公應(yīng)用程序是否具有顛覆性；張立國等[23]基于技術(shù)屬性、技術(shù)應(yīng)用、應(yīng)用效果、技術(shù)成熟度、進(jìn)入時(shí)間、產(chǎn)生顛覆性效果的時(shí)間等維度建立顛覆性技術(shù)動(dòng)態(tài)識別框架。

（4）基于定量指標(biāo)的識別方法?；诙恐笜?biāo)的識別方法依據(jù)顛覆性技術(shù)的主要特征，使用各種數(shù)據(jù)指標(biāo)來表示特征，以達(dá)到技術(shù)識別的目的。定量指標(biāo)又可分為客觀定量指標(biāo)和主觀定量指標(biāo)?？陀^定量指標(biāo)的數(shù)據(jù)來源于現(xiàn)有的事實(shí)型數(shù)據(jù)，如專利、論文等；主觀指標(biāo)的研究數(shù)據(jù)來源于調(diào)查和評分。Joanny 等[8]提出基于關(guān)鍵詞的最近三年的占比、專利占比、會(huì)議論文占比、期刊分布廣度等指標(biāo)來衡量技術(shù)主題的活躍度、商業(yè)化程度和熱度，以此進(jìn)行顛覆性技術(shù)的早期識別。Guo 等[24]提出了一個(gè)指標(biāo)體系，包含三個(gè)一級指標(biāo)和十個(gè)二級指標(biāo)，即技術(shù)特征（整合程度、領(lǐng)導(dǎo)地位、成熟度、擴(kuò)散度和簡化程度）、市場動(dòng)態(tài)（利基市場、價(jià)值網(wǎng)絡(luò)和成本）和外部環(huán)境（政策和宏觀經(jīng)濟(jì)），選擇微信、功能手機(jī)、虛擬現(xiàn)實(shí)和增強(qiáng)現(xiàn)實(shí)技術(shù)為案例進(jìn)行研究，對專家小組進(jìn)行了調(diào)查以對指標(biāo)進(jìn)行打分，從而對顛覆性創(chuàng)新進(jìn)行評價(jià)。汪錦霞[25]認(rèn)為，不同技術(shù)階段拐點(diǎn)處的專利可能是顛覆性創(chuàng)新，并利用專利動(dòng)態(tài)引用率表征技術(shù)的顛覆性強(qiáng)度，研究結(jié)論表明專利前三年引用率能夠?qū)崿F(xiàn)顛覆性技術(shù)識別；侯廣輝等[26]基于市場、技術(shù)、外部環(huán)境三個(gè)維度建立技術(shù)性能突破性、技術(shù)前沿性、在位技術(shù)市場成熟度、政策制度環(huán)境、產(chǎn)學(xué)研環(huán)境等十個(gè)指標(biāo)，并使用蝴蝶突變級數(shù)模型、燕尾突變級數(shù)模型識別顛覆性技術(shù)。

（5）基于文本分析的識別方法?；谖谋痉治龅淖R別方法主要基于自然語言處理的方法，提取科技文本中的關(guān)鍵詞、主題詞、語義結(jié)構(gòu)等以識別符合某些特征的技術(shù)，主要包括共詞分析、主題模型、SAO （subject-action-object） 結(jié)構(gòu)分析、突發(fā)詞檢測、技術(shù)形態(tài)分析等方法。Kim 等[14]從技術(shù)預(yù)見的網(wǎng)站下載可穿戴計(jì)算領(lǐng)域相關(guān)的技術(shù)預(yù)測文本，使用文本分析方法，構(gòu)造文本-關(guān)鍵詞矩陣，采用自組織特征映射（self-organizing feature mapping，SOFM）進(jìn)行聚類，獲得技術(shù)主題，基于關(guān)鍵詞頻率和文檔頻率來確定關(guān)鍵詞強(qiáng)度，并依據(jù)不同章節(jié)內(nèi)的關(guān)鍵詞之間的關(guān)系，計(jì)算關(guān)鍵詞的相似度，基于關(guān)鍵詞強(qiáng)度圖識別顛覆性技術(shù)。馬銘等[27]將技術(shù)的SAO 語義網(wǎng)絡(luò)聚類，先利用突變理論模型識別易突變社區(qū)，再對易突變社區(qū)內(nèi)主題詞進(jìn)行突發(fā)性和詞頻異常監(jiān)測，將可能發(fā)生突變的技術(shù)識別為潛在顛覆性技術(shù)。白光祖等[28]的研究思路與馬銘等[27]類似，都是基于SAO 主題突變進(jìn)行顛覆性技術(shù)識別；不同的是，白光祖等[28]基于專利SAO 主題突變識別內(nèi)部潛在的顛覆性技術(shù)主題，基于論文知識交叉識別外部的潛在顛覆性技術(shù)。石慧等[9]基于論文共詞網(wǎng)絡(luò)確定技術(shù)主題，依據(jù)主題詞突變確定潛在顛覆性技術(shù)方向，逐一對各個(gè)時(shí)區(qū)內(nèi)的技術(shù)方向關(guān)鍵詞進(jìn)行人工比對，確定技術(shù)突破類型，利用專利手工代碼的突變判斷技術(shù)創(chuàng)新性，結(jié)合技術(shù)所屬類型個(gè)數(shù)和主題詞突破類型個(gè)數(shù)識別顛覆性技術(shù)。劉忠寶等[29]基于專利和論文數(shù)據(jù)，使用LDA-LSTM（latent Dirichlet allocation - long short-term memory）文本分類算法抽取技術(shù)主題，構(gòu)建技術(shù)主題共現(xiàn)網(wǎng)絡(luò)，對主題詞突變進(jìn)行檢測，綜合分析聚類中心詞和突變詞識別潛在的顛覆性技術(shù)，并通過無人機(jī)技術(shù)領(lǐng)域進(jìn)行了驗(yàn)證。

（6）基于技術(shù)擴(kuò)散模型的識別方法?；诩夹g(shù)擴(kuò)散模型的識別方法是通過與已有或類比已有的擴(kuò)散模型進(jìn)行顛覆性技術(shù)識別。Linton 等[2]采用Bass技術(shù)擴(kuò)散模型方法預(yù)測微機(jī)電系統(tǒng)的顛覆性技術(shù)，針對技術(shù)在多個(gè)市場領(lǐng)域的擴(kuò)散，提出考慮多個(gè)市場的技術(shù)擴(kuò)散模型，以獲得準(zhǔn)確率更高的顛覆性技術(shù)預(yù)測。Cheng 等[30]借鑒 SIRS （susceptible, infectious, recovered, susceptible）流行病模型建立顛覆性技術(shù)擴(kuò)散模型，以在不同技術(shù)領(lǐng)域中的擴(kuò)散率和專利引用擴(kuò)散識別潛在的顛覆性技術(shù)，并使用連續(xù)時(shí)間馬爾科夫鏈進(jìn)行仿真實(shí)驗(yàn)，確定技術(shù)可能重大爆發(fā)的領(lǐng)域。Nilchiani 等[31]通過對市場銷量擴(kuò)散建模，使用了捕食者-獵物模型來展示顛覆性技術(shù)與主導(dǎo)技術(shù)的行為，以確定顛覆性技術(shù)爆發(fā)的臨界點(diǎn)，并進(jìn)行了實(shí)證。于光輝等[32]依據(jù)標(biāo)準(zhǔn)化專利引文相似度確定潛在顛覆性技術(shù)，然后依據(jù)Bass 模型對新產(chǎn)品或技術(shù)的擴(kuò)散和銷售進(jìn)行預(yù)測以識別顛覆性技術(shù)。

（7）基于多維數(shù)據(jù)的識別方法?；诙嗑S數(shù)據(jù)的識別方法是同時(shí)使用兩種或兩種以上的數(shù)據(jù)進(jìn)行顛覆性技術(shù)識別。趙格[15]使用文本分類和聚類方法抽取文獻(xiàn)、專利和網(wǎng)絡(luò)新聞的技術(shù)主題，綜合分析專利三年引用率、專利平均獨(dú)立權(quán)利要求以及文獻(xiàn)增長率這三個(gè)特征確定潛在的顛覆性技術(shù)。

（8）基于專家智慧的方法?；趯＜抑腔鄣姆椒ㄖ饕蕾噷＜业闹R、經(jīng)驗(yàn)和觀點(diǎn)進(jìn)行顛覆性技術(shù)識別，主要包括德爾菲法、情景分析法、頭腦風(fēng)暴法、問卷調(diào)查法、專家打分法等。Hüsig 等[33]根據(jù)克里斯滕森提出的顛覆性技術(shù)理論設(shè)計(jì)調(diào)查問卷，對沃達(dá)豐集團(tuán)的專家進(jìn)行訪談，并通過市場報(bào)告獲取了部分?jǐn)?shù)據(jù)，對無線局域網(wǎng)技術(shù)顛覆性潛力進(jìn)行了預(yù)測。Sommarberg 等[34]提出利用專家群體的智慧建立視覺模擬量表來預(yù)測行業(yè)中的潛在顛覆性技術(shù)，并以機(jī)械制造行業(yè)數(shù)字化技術(shù)為例展開研究。Krotov[35]提出了改進(jìn)的頭腦風(fēng)暴方法，用于分析顛覆性技術(shù)相關(guān)的各種未來可能性，與傳統(tǒng)方法相比，該方法的步驟是迭代的，結(jié)構(gòu)較少，能夠獲得技術(shù)可能產(chǎn)生的威脅和機(jī)會(huì)相關(guān)的想法。羅素平等[36]對專利進(jìn)行聚類，然后根據(jù)離群專利主分類號劃分技術(shù)組合，并從知識關(guān)聯(lián)性、技術(shù)潛力和市場潛力三個(gè)維度綜合評估，最后運(yùn)用孔多塞投票法識別顛覆性技術(shù)。李存斌等[37]結(jié)合突變理論構(gòu)建顛覆性創(chuàng)新技術(shù)評價(jià)指標(biāo)體系，通過對電力領(lǐng)域進(jìn)行實(shí)證研究，驗(yàn)證了該模型的正確性。傅耀威等[38]從引領(lǐng)技術(shù)和產(chǎn)業(yè)模式創(chuàng)新、經(jīng)濟(jì)和社會(huì)效益、商業(yè)模式和交叉領(lǐng)域應(yīng)用、信息化社會(huì)交互、國內(nèi)有無實(shí)現(xiàn)可能五個(gè)方面來構(gòu)建信息領(lǐng)域的顛覆性技術(shù)評價(jià)指標(biāo)體系，結(jié)合熵值法和層次分析法確定指標(biāo)權(quán)重，并選擇29 項(xiàng)技術(shù)進(jìn)行實(shí)證研究。

（9）基于市場需求的方法?；谑袌鲂枨蟮姆椒ㄊ菑氖袌鲂枨蟪霭l(fā)，分析研究市場需求，以市場需求為導(dǎo)向識別顛覆性技術(shù)。Zhu 等[39]使用質(zhì)量功能展開分析方法，通過情景分析法獲取客戶需求，運(yùn)用層次分析法分析客戶需求的重要性，將顧客需求轉(zhuǎn)化為產(chǎn)品的設(shè)計(jì)、功能、工藝和生產(chǎn)要求，以分析潛在的顛覆性技術(shù)創(chuàng)新。

（10）技術(shù)形態(tài)的識別方法。技術(shù)形態(tài)分析的核心思想是將研究主題分解成功能和技術(shù)手段，研究所有能夠產(chǎn)生特定功效的組合，以識別顛覆性技術(shù)。黃魯成等[40]從專利文本信息抽取技術(shù)屬性，運(yùn)用物種入侵算法計(jì)算出技術(shù)方案的最優(yōu)屬性，通過集對分析方法比較新技術(shù)出現(xiàn)前后屬性集的差異程度來衡量技術(shù)的顛覆性。黃魯成等[10]進(jìn)行技術(shù)S 曲線生命周期分析，采用創(chuàng)新性和獨(dú)創(chuàng)性指標(biāo)衡量技術(shù)顛覆性，運(yùn)用SAO 分析方法識別技術(shù)新功能未來的潛在影響，并以工業(yè)機(jī)器人領(lǐng)域的專利數(shù)據(jù)進(jìn)行驗(yàn)證。

（11）綜合方法。綜合方法是指采用兩種或兩種以上的方法進(jìn)行組合識別，常見的組合方法有定性和定量相結(jié)合、主觀和客觀相結(jié)合等。Weissenberger-Eibl 等[41]從公司的視角出發(fā)，綜合采用文獻(xiàn)計(jì)量、情景分析和專家研討的方法識別顛覆性技術(shù)。Raley 等[42]介紹了澳大利亞、加拿大、新西蘭、英國和美國聯(lián)合實(shí)施的顛覆性技術(shù)識別計(jì)劃——EDTAG （Emerging and Disruptive Technologies Action Group），其中主要采用的方法有地平線掃描、技術(shù)觀察、情景分析、專家研討等。Momeni 等[43]構(gòu)建專利引用網(wǎng)絡(luò)，抽取出主路徑之后，采用K核分析將主路徑上的技術(shù)劃分為子技術(shù)，利用主題模型識別出每個(gè)子技術(shù)中隱藏的主題作為潛在的顛覆性技術(shù)，最后選擇光伏產(chǎn)業(yè)中的技術(shù)進(jìn)行驗(yàn)證。美國國家研究委員會(huì)（National Research Council，NRC）下屬的未來顛覆性技術(shù)預(yù)測委員會(huì)在2009 年提出采用廣泛的數(shù)據(jù)源、多種預(yù)測方法、多種處理工具、多樣的預(yù)測團(tuán)隊(duì)以識別顛覆性技術(shù)[44]。中國工程院分別于2017 年和2019 年啟動(dòng)兩期工程科技顛覆性技術(shù)研究項(xiàng)目，綜合運(yùn)用文獻(xiàn)調(diào)研和專家訪談等方法識別顛覆性技術(shù)[45]。

3.2 演繹邏輯下的顛覆性技術(shù)識別方法述評

（1）顛覆性技術(shù)的定義不統(tǒng)一，為基于演繹邏輯的顛覆性技術(shù)識別方法研究帶來一定的困難。演繹邏輯的起點(diǎn)是一般普遍的原則，在基于演繹邏輯的顛覆性技術(shù)識別方法中，這個(gè)一般普遍的原則就是顛覆性技術(shù)定義所界定的顛覆性技術(shù)的特征和范疇，也就是說，顛覆性技術(shù)的定義明確清晰是基于演繹邏輯識別方法的整個(gè)基石，是演繹邏輯進(jìn)行嚴(yán)謹(jǐn)推理的必要條件。然而，由于目前學(xué)術(shù)界對顛覆性技術(shù)定義還存在不同的探討，實(shí)際工作中，有的學(xué)者是從克里斯滕森的定義所界定的五個(gè)特征出發(fā)展開研究，有的學(xué)者是從克里斯滕森定義所界定的部分特征出發(fā)展開研究，有部分學(xué)者從其他的定義出發(fā)展開研究，也有部分學(xué)者從自己對顛覆性技術(shù)的理解出發(fā)展開研究；演繹邏輯的起點(diǎn)各不相同，導(dǎo)致研究結(jié)論的適用范圍各不相同，為研究結(jié)果的檢驗(yàn)帶來較大的困難。

（2）以數(shù)據(jù)驅(qū)動(dòng)的定量研究成為基于演繹邏輯的方法研究重點(diǎn)。定性分析方法如德爾菲法、問卷調(diào)查法等雖然在實(shí)踐中廣泛應(yīng)用，但少有方法上的創(chuàng)新；定量分析方法從顛覆性技術(shù)定義出發(fā)，不斷提出采用新的量化指標(biāo)和模型，涌現(xiàn)出較多的新思路、新觀點(diǎn)，為顛覆性技術(shù)識別方法創(chuàng)新提供了新視角，也為顛覆性技術(shù)識別方法創(chuàng)新提供了最大的來源，如Linton 等[2]提出采用Bass 模型、Cheng等[30]提 出采 用 SIRS 流行 病模 型、 Nilchiani 等[31]提 出采用捕食者-獵物模型進(jìn)行顛覆性技術(shù)識別的方法，這些新型識別方法均是基于演繹邏輯得出的新的定量方法。

（3）研究方法重復(fù)實(shí)驗(yàn)及進(jìn)一步的驗(yàn)證相關(guān)研究較少。雖然當(dāng)前基于演繹邏輯的顛覆性技術(shù)識別方法中有很多創(chuàng)新，提出了新的指標(biāo)和模型，除三年專利引用率這個(gè)指標(biāo)被部分學(xué)者重復(fù)驗(yàn)證并進(jìn)一步研究外，其他的指標(biāo)和模型是通過專家觀點(diǎn)和文獻(xiàn)進(jìn)行評價(jià)驗(yàn)證，并未進(jìn)行重復(fù)實(shí)驗(yàn)和進(jìn)一步的研究證實(shí)，因此，這些方法結(jié)論的科學(xué)性和嚴(yán)謹(jǐn)性有待進(jìn)一步證明。

4 歸納邏輯下的顛覆性技術(shù)識別

4.1 歸納邏輯下的顛覆性技術(shù)識別方法

基于歸納邏輯的顛覆性技術(shù)識別研究過程是先找到具體的顛覆性技術(shù)，對顛覆性技術(shù)的特征展開逐一分析，總結(jié)歸納顛覆性的特征指標(biāo)，并對識別出的指標(biāo)進(jìn)行測試，其方法包括案例研究、機(jī)器學(xué)習(xí)等。具體的例子是哈佛商學(xué)院克里斯滕森教授通過對多個(gè)顛覆性技術(shù)的發(fā)展過程進(jìn)行分析，在1995 年提出的顛覆性技術(shù)的定義，其總結(jié)了顛覆性技術(shù)的五大特征，可以基于這五大特征進(jìn)行顛覆性技術(shù)識別。

對國內(nèi)外顛覆性技術(shù)識別的文獻(xiàn)中的識別方法進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)其中基于歸納邏輯的研究較少，基于歸納邏輯的研究方法占比約為12.3%，其研究方法可分為3 類，如表3 所示。

表3 基于歸納邏輯的顛覆性技術(shù)識別方法

（1）基于回歸模型的識別方法。基于回歸模型的識別方法是先收集多個(gè)顛覆性技術(shù)案例和多個(gè)假設(shè)特征，然后建立回歸方法，對各個(gè)特征進(jìn)行嚴(yán)格的統(tǒng)計(jì)檢驗(yàn)，以驗(yàn)證顛覆性技術(shù)的特征。Sood 等[46]以新技術(shù)進(jìn)入市場的類型、新技術(shù)采用者類型、公司大小、技術(shù)價(jià)格為自變量，以技術(shù)性能變化比例和技術(shù)進(jìn)入順序?yàn)榭刂谱兞浚灶嵏残燥L(fēng)險(xiǎn)為因變量，采用風(fēng)險(xiǎn)回歸模型，基于7 個(gè)市場的36 種技術(shù)的數(shù)據(jù)對7 個(gè)關(guān)于顛覆性技術(shù)的假設(shè)進(jìn)行檢驗(yàn)；對于顛覆性技術(shù)識別具有重要意義，但其數(shù)據(jù)收集難度較大。Diab 等[47]以顛覆性技術(shù)市場占有率為因變量，以競爭優(yōu)勢、商業(yè)模式、市場（成本、影響力、廣告）、客戶評價(jià)為自變量，構(gòu)建顛覆性技術(shù)預(yù)測的回歸模型，以預(yù)測顛覆性技術(shù)。Müller 等[48]基于Sood 等[46]的風(fēng)險(xiǎn)模型，驗(yàn)證了關(guān)于氧化還原液電池對鋰離子電池具有潛在顛覆性的7 個(gè)假設(shè)，以預(yù)測電池領(lǐng)域的顛覆性技術(shù)。

（2）基于案例分析的識別方法。基于案例分析的識別方法是先收集顛覆性技術(shù)案例數(shù)據(jù)，然后對案例數(shù)據(jù)的各個(gè)特征進(jìn)行人工比對分析，以歸納總結(jié)顛覆性技術(shù)特征。蘇敬勤等[7]基于技術(shù)軌道理論和專利數(shù)據(jù)，比較了智能手機(jī)技術(shù)和傳統(tǒng)手機(jī)技術(shù)在專利數(shù)量、專利引用量和專利引用率等特征上的差別，歸納并提出專利影響因子可識別早期的顛覆性技術(shù)。蘇鵬等[49]收集顛覆性技術(shù)潛在的16 個(gè)特征（包括來源于其他領(lǐng)域交叉、基于不同技術(shù)軌道、操作簡單、性能可靠、使用方便、價(jià)格便宜、具有新功能、優(yōu)勢可以長期保持、早期主流性能處于劣勢、早期立足于低端市場、在位企業(yè)對早期顛覆性技術(shù)更加敏感、新興市場未受到主流企業(yè)重視、在位技術(shù)性能供過于求、主流性能會(huì)持續(xù)提升、社會(huì)影響力大、不確定性強(qiáng)），并基于液晶技術(shù)、數(shù)碼相機(jī)和即時(shí)通信3 個(gè)案例歸納出顛覆性技術(shù)的異軌性、覆蓋性、創(chuàng)造性、替代性、抵抗性5個(gè)特性。

（3）基于機(jī)器學(xué)習(xí)的識別方法?；跈C(jī)器學(xué)習(xí)的識別是依據(jù)先驗(yàn)知識對顛覆性技術(shù)相關(guān)數(shù)據(jù)進(jìn)行標(biāo)注，構(gòu)建訓(xùn)練集和測試集，并使用訓(xùn)練集對機(jī)器學(xué)習(xí)算法模型進(jìn)行訓(xùn)練，使用測試集對訓(xùn)練好的模型進(jìn)行測試。Chen 等[12]使用了來自Gartner Hype Cycle、Google Trends、Google Book Ngram Viewer、Scopus 科學(xué)論文和美國專利的數(shù)據(jù)，構(gòu)建訓(xùn)練集和測試集，使用機(jī)器學(xué)習(xí)的方法識別顛覆性技術(shù)。張佳維[13]基于技術(shù)特征和市場特征建立了顛覆性技術(shù)識別框架，并基于基因編輯技術(shù)和基因打靶專利數(shù)據(jù)使用決策樹模型進(jìn)行了訓(xùn)練和測試，選擇多肽技術(shù)領(lǐng)域進(jìn)行了驗(yàn)證。范明姐[11]從知識、技術(shù)、經(jīng)濟(jì)和環(huán)境四個(gè)特性出發(fā)，使用SAO 語義分析、相似性計(jì)算、聚類分析和機(jī)器學(xué)習(xí)方法（情感分析和主題模型等）從專利、政策和社交媒體數(shù)據(jù)中發(fā)現(xiàn)早期的潛在的顛覆性技術(shù)。

4.2 歸納邏輯下的顛覆性技術(shù)識別方法述評

（1）基于歸納邏輯方法主要分為人工歸納和算法歸納兩種。人工歸納是依靠人工對技術(shù)領(lǐng)域展開分析，對各個(gè)特征展開對比分析，發(fā)現(xiàn)顛覆性技術(shù)特征；機(jī)器學(xué)習(xí)方法和回歸分析方法依靠算法識別顛覆性技術(shù)的關(guān)鍵特征。隨著科研大數(shù)據(jù)的發(fā)展，能夠獲得的顛覆性技術(shù)特征會(huì)越來越多，人工難以逐一比對，未來基于機(jī)器學(xué)習(xí)和回歸分析的歸納邏輯方法會(huì)得到更多的研究。

（2） 展開歸納的案例數(shù)據(jù)較少并且標(biāo)注不準(zhǔn)確。當(dāng)前基于歸納邏輯的研究中使用數(shù)據(jù)量較少，例如，蘇敬勤等[7]使用傳統(tǒng)手機(jī)和智能手機(jī)為案例進(jìn)行歸納；蘇鵬等[49]使用液晶技術(shù)、數(shù)碼相機(jī)和即時(shí)通信3 個(gè)案例進(jìn)行歸納；張佳維[13]使用基因編輯技術(shù)和基因打靶兩個(gè)技術(shù)進(jìn)行歸納；Chen 等[12]以Gartner 的技術(shù)預(yù)測數(shù)據(jù)作為標(biāo)注數(shù)據(jù)展開歸納，但Gartner 數(shù)據(jù)本質(zhì)上是咨詢公司預(yù)測的數(shù)據(jù)，數(shù)據(jù)標(biāo)注準(zhǔn)確性有待確認(rèn)。僅Sood 等[46]采用36 個(gè)案例進(jìn)行歸納，結(jié)論可靠度較高。由于歸納邏輯存在不完全歸納的問題，因此，采用的案例較少或數(shù)據(jù)標(biāo)注不準(zhǔn)確會(huì)導(dǎo)致研究結(jié)論可信度存在問題。

（3） 納入歸納研究的特征較少。例如，Sood等[46]的研究中僅有5 個(gè)特征，Diab 等[47]的研究中有6 個(gè)特征，蘇敬勤等[7]的研究僅有3 個(gè)特征，張佳維[13]對專利的12 個(gè)特征展開研究，Chen 等[12]對Gartner 曲線的7 個(gè)特征和谷歌趨勢等4 個(gè)特征進(jìn)行歸納。范明姐[11]對專利的20 個(gè)特征進(jìn)行歸納分析，盡管納入研究的特征有所增加，但總體上仍然偏少。

5 歸納邏輯與演繹邏輯下的顛覆性技術(shù)識別方法比較

總體上來看，基于演繹邏輯的方法存在研究結(jié)果缺乏客觀衡量標(biāo)準(zhǔn)且很難重復(fù)的問題；基于歸納邏輯的方法中，案例研究的歸納方法存在案例數(shù)量少、缺乏普適性驗(yàn)證的問題，機(jī)器學(xué)習(xí)的方法存在缺少準(zhǔn)確標(biāo)注的樣本數(shù)據(jù)的問題?；跉w納邏輯和基于演繹邏輯的方法各有利弊（表4），具體來說，基于歸納邏輯和基于演繹邏輯的方法存在以下四個(gè)方面的不同。

表4 基于演繹邏輯的方法與基于歸納邏輯的方法的優(yōu)缺點(diǎn)比較

一是研究前提不同?；谘堇[邏輯的方法是以顛覆性技術(shù)的定義為前提的，假設(shè)某些特征符合顛覆性技術(shù)定義，以理論推導(dǎo)展開研究；基于歸納邏輯的方法是以有標(biāo)注的顛覆性技術(shù)數(shù)據(jù)為研究前提，其不依賴于顛覆性技術(shù)定義，適用于缺乏權(quán)威統(tǒng)一的顛覆性技術(shù)定義的情況。

二是研究數(shù)據(jù)不同。從研究使用的數(shù)據(jù)來看，基于演繹邏輯和基于歸納邏輯的方法使用的數(shù)據(jù)源基本相同，都是專利、論文、問卷調(diào)查等數(shù)據(jù)；而基于演繹邏輯的方法使用的數(shù)據(jù)通常是無標(biāo)注的，基于歸納邏輯的方法使用的數(shù)據(jù)是有標(biāo)注的；并且基于演繹邏輯的方法大多使用一個(gè)數(shù)據(jù)集進(jìn)行驗(yàn)證，而基于歸納邏輯的方法需要使用多個(gè)數(shù)據(jù)集進(jìn)行歸納。

三是研究結(jié)論嚴(yán)謹(jǐn)性不同?；跉w納邏輯的方法的研究結(jié)論比基于演繹邏輯的方法的研究結(jié)論嚴(yán)謹(jǐn)，第一，是由于顛覆性技術(shù)定義不統(tǒng)一，導(dǎo)致在基于演繹邏輯的研究中采用的定義各不相同；第二，是由于基于演繹邏輯的研究結(jié)論通常依賴作者尋找專家或文獻(xiàn)進(jìn)行驗(yàn)證，存在較多的主觀因素，而基于歸納邏輯的方法雖存在因收集的案例數(shù)據(jù)有限導(dǎo)致不完全歸納的問題，但其研究結(jié)果有量化的指標(biāo)進(jìn)行評價(jià)，研究結(jié)論相對客觀嚴(yán)謹(jǐn)；第三，是由于基于演繹邏輯的方法在假設(shè)建立過程中存在主觀因素，其大多選擇一個(gè)數(shù)據(jù)集進(jìn)行驗(yàn)證，且在選擇數(shù)據(jù)集時(shí)大多可能預(yù)判出其識別的結(jié)果，因此，可能更傾向于選擇符合其假設(shè)的數(shù)據(jù)；而基于歸納邏輯的方法選擇多個(gè)領(lǐng)域的正反樣本數(shù)據(jù)進(jìn)行對比分析，并且隨著領(lǐng)域數(shù)量的增加，研究結(jié)論的可靠性也隨之增加。

四是研究流程不同?；谘堇[邏輯的方法從定義出發(fā)，假設(shè)某個(gè)數(shù)據(jù)特征符合定義，然后收集一個(gè)或多個(gè)數(shù)據(jù)集進(jìn)行驗(yàn)證，其核心是提出符合顛覆性技術(shù)定義的假設(shè)并進(jìn)行驗(yàn)證；而基于歸納邏輯的方法是先收集多個(gè)案例，然后構(gòu)建特征集合，對比分析特征的有效性，相對來說，數(shù)據(jù)收集難度更大。

6 總結(jié)與展望

本文對國內(nèi)外顛覆性技術(shù)識別的方法展開了系統(tǒng)研究，從歸納邏輯和演繹邏輯的視角將顛覆性技術(shù)識別方法分為兩類，并對這兩種視角下的顛覆性技術(shù)識別方法進(jìn)行系統(tǒng)的總結(jié)，剖析了歸納邏輯方法和演繹邏輯方法的優(yōu)缺點(diǎn)。盡管從理論上講，歸納邏輯和演繹邏輯是辯證統(tǒng)一的，然而，當(dāng)前顛覆性技術(shù)的識別方法中，是以演繹邏輯的方法為主，歸納邏輯的方法較少，許多基于演繹邏輯的方法的識別結(jié)果未經(jīng)過歸納方法進(jìn)行證實(shí)，這種不平衡的研究現(xiàn)狀給顛覆性技術(shù)識別理論、方法和實(shí)踐的突破帶來了一定的障礙?？傮w來看，顛覆性技術(shù)識別研究存在以下三個(gè)方面難點(diǎn)和不足。

一是演繹邏輯的研究結(jié)果的評價(jià)以人工解讀為主?；谘堇[邏輯的研究方法思路是基于具體技術(shù)的概念，假設(shè)某些數(shù)據(jù)特征符合技術(shù)的概念內(nèi)涵，然后選擇具體領(lǐng)域進(jìn)行驗(yàn)證，研究結(jié)果評價(jià)主要依賴專家調(diào)查和作者自行驗(yàn)證，并且大多是定性評價(jià)，會(huì)帶來主觀評價(jià)的問題，研究的可重復(fù)性差?；谘堇[邏輯方法得出的結(jié)論很多尚未通過基于歸納邏輯的方法的進(jìn)一步驗(yàn)證，方法的泛化能力還亟待研究。

二是顛覆性技術(shù)的定義多樣、抽象、模糊。由于當(dāng)前不同的機(jī)構(gòu)、學(xué)者對顛覆性技術(shù)定義理解各不相同，識別方法的適用范圍和識別結(jié)果評價(jià)也各不相同。當(dāng)前的各種顛覆性技術(shù)概念復(fù)雜、模糊，認(rèn)知難度大，描述偏于抽象等，采用現(xiàn)有的顛覆性技術(shù)定義指導(dǎo)的顛覆性技術(shù)識別的效果不理想[1]；特別是對于基于演繹邏輯的方法來說，顛覆性技術(shù)的定義是演繹邏輯方法的大前提，對顛覆性技術(shù)不同的理解，將會(huì)構(gòu)建不同的假設(shè)，識別的結(jié)果無法進(jìn)行相互比較和評價(jià)。

三是顛覆性技術(shù)識別領(lǐng)域缺乏統(tǒng)一公開的標(biāo)注數(shù)據(jù)集。在人工智能和機(jī)器學(xué)習(xí)等領(lǐng)域有大量的統(tǒng)一公開標(biāo)注的數(shù)據(jù)集，研究者只需專注于方法研究，且不同方法識別結(jié)果能夠相互比較；而顛覆性技術(shù)識別領(lǐng)域卻缺乏統(tǒng)一公開的標(biāo)注數(shù)據(jù)集，研究者需自行收集數(shù)據(jù)，浪費(fèi)大量時(shí)間。同時(shí)，由于數(shù)據(jù)無標(biāo)注，基于演繹邏輯的研究結(jié)果無法客觀量化評價(jià)，需要人工介入解讀，為基于演繹邏輯的方法研究帶來較大障礙；并且由于研究者收集的數(shù)據(jù)規(guī)模較小，納入歸納邏輯的樣本量較小，導(dǎo)致基于歸納邏輯方法的研究結(jié)果的可信度較低。

因此，在未來的研究中應(yīng)加強(qiáng)以下三個(gè)方面的研究。

一是加強(qiáng)基于歸納邏輯的顛覆性技術(shù)識別方法研究。對當(dāng)前基于演繹邏輯方法的研究結(jié)論亟須采用歸納的方法對當(dāng)前演繹方法得出的結(jié)論進(jìn)行驗(yàn)證，并且隨著大數(shù)據(jù)和人工智能的發(fā)展，使用機(jī)器學(xué)習(xí)方法從海量數(shù)據(jù)中歸納學(xué)習(xí)顛覆性技術(shù)特征將是未來顛覆性技術(shù)方法研究的重點(diǎn)。

二是構(gòu)建統(tǒng)一權(quán)威的顛覆性技術(shù)定義。在未來的研究中，要對顛覆性技術(shù)定義開展進(jìn)一步的深入研究，構(gòu)建統(tǒng)一權(quán)威的顛覆性技術(shù)定義，為基于演繹邏輯方法的研究提供理論指導(dǎo)。

三是建立公開的、準(zhǔn)確標(biāo)注的顛覆性技術(shù)數(shù)據(jù)集。建立公開的、準(zhǔn)確標(biāo)注的顛覆性技術(shù)數(shù)據(jù)集將會(huì)促使基于演繹邏輯的研究方法由人工評價(jià)向定量客觀評價(jià)轉(zhuǎn)變，也會(huì)促進(jìn)基于歸納邏輯的研究方法的發(fā)展，將會(huì)促進(jìn)顛覆性技術(shù)識別方法的進(jìn)步。