德國(guó)人工智能政策文本量化研究

肖曉蕓，徐四季

（北京外國(guó)語(yǔ)大學(xué)德語(yǔ)學(xué)院，北京 100089）

作為推動(dòng)全球數(shù)字化發(fā)展的重要技術(shù)，人工智能（AI）已逐漸成為世界各國(guó)新一輪科技戰(zhàn)與智力戰(zhàn)角逐的焦點(diǎn)。從2016 年開(kāi)始，各國(guó)政府為了抓住人工智能戰(zhàn)略發(fā)展機(jī)遇期，占領(lǐng)技術(shù)、產(chǎn)業(yè)和應(yīng)用的制高點(diǎn)，紛紛加快人工智能戰(zhàn)略布局。我國(guó)在2017年發(fā)布的《新一代人工智能發(fā)展規(guī)劃》中提出“三步走”戰(zhàn)略目標(biāo)：到2020 年，人工智能核心產(chǎn)業(yè)規(guī)模超過(guò)1 500 億元；到2025 年，核心人工智能產(chǎn)業(yè)的價(jià)值增加到4 000 億元；到2030 年，人工智能核心產(chǎn)業(yè)規(guī)模達(dá)10 000 億元。2018 年，我國(guó)推出《人工智能標(biāo)準(zhǔn)化白皮書(shū)（2018 版）》，研究制定了能夠適應(yīng)和引導(dǎo)人工智能產(chǎn)業(yè)發(fā)展的標(biāo)準(zhǔn)體系，并提出急需研制的基礎(chǔ)和關(guān)鍵標(biāo)準(zhǔn)項(xiàng)目。2021 年我國(guó)發(fā)布《人工智能標(biāo)準(zhǔn)化白皮書(shū)（2021 版）》，形成人工智能標(biāo)準(zhǔn)體系框架及標(biāo)準(zhǔn)體系明細(xì)表；提出我國(guó)人工智能標(biāo)準(zhǔn)化重點(diǎn)工作建議。與中國(guó)相比，德國(guó)的人工智能產(chǎn)業(yè)政策很少制定量化指標(biāo)，注重直接增加基礎(chǔ)性研發(fā)投入［1］。2018 年，德國(guó)發(fā)布《聯(lián)邦政府人工智能戰(zhàn)略要點(diǎn)》，確立了三大目標(biāo)，分別是“將德國(guó)和歐洲打造成 AI（articifial intelligence）區(qū)位，保障德國(guó)未來(lái)競(jìng)爭(zhēng)力”“實(shí)現(xiàn)負(fù)責(zé)任、以共同福祉為導(dǎo)向的 AI 開(kāi)發(fā)和應(yīng)用”和“在道德、法律、文化和制度上將AI 嵌入整個(gè)社會(huì)”。同年，德國(guó)推出《聯(lián)邦政府人工智能戰(zhàn)略》，進(jìn)一步細(xì)化了人工智能產(chǎn)業(yè)發(fā)展目標(biāo)及相關(guān)措施。2020年，德國(guó)發(fā)布《聯(lián)邦政府人工智能戰(zhàn)略（2020 年更新）》，從專業(yè)人才、研究、技術(shù)轉(zhuǎn)移和應(yīng)用、監(jiān)管框架和社會(huì)認(rèn)同這五大重點(diǎn)領(lǐng)域明確了今后的新措施。

值得注意的是，德國(guó)一系列人工智能政策的發(fā)布與實(shí)施不僅確定了人工智能產(chǎn)業(yè)的發(fā)展目標(biāo),而且進(jìn)一步推動(dòng)了德國(guó)人工智能行業(yè)的快速崛起。本文擬借助文本挖掘、政策工具和政策評(píng)價(jià)方法對(duì)德國(guó)人工智能政策文本進(jìn)行量化分析，總結(jié)、歸納德國(guó)人工智能政策的特點(diǎn)、優(yōu)勢(shì)和不足，以期獲得對(duì)我國(guó)人工智能產(chǎn)業(yè)發(fā)展有益的、可借鑒的德國(guó)經(jīng)驗(yàn)。

1 文獻(xiàn)綜述

政策文本是政策內(nèi)容的載體，是政府處理公共事務(wù)的真實(shí)反映和行為痕跡，是對(duì)政策系統(tǒng)與政策過(guò)程客觀的、可獲取的、可追溯的文字記錄［2］。在過(guò)去，多數(shù)學(xué)者聚焦于用定性研究的方法分析政策文本的作用及地位；近年來(lái)，不少學(xué)者開(kāi)始運(yùn)用文本挖掘、政策工具和政策評(píng)價(jià)等量化研究方法對(duì)政策文本進(jìn)行分析，從而在一定程度上避免了政策文本定性研究的主觀性、不確定性和模糊性［3］。這種研究方法被稱為政策文本量化分析，即在研究過(guò)程中引入統(tǒng)計(jì)學(xué)等學(xué)科方法，結(jié)合基于文本內(nèi)容的定性分析，以梳理政策工具的選擇與組合、政策的主要關(guān)注點(diǎn)等公共政策研究問(wèn)題。目前，政策文本的量化研究方法已十分豐富；但國(guó)內(nèi)外對(duì)于德國(guó)人工智能政策的研究數(shù)量尚少，研究方法較為單一。

1.1 文本挖掘

文本挖掘是一個(gè)從文本數(shù)據(jù)中抽取隱含的、未知的、有用的模式，以獲取知識(shí)的過(guò)程［4］。在政策研究領(lǐng)域，袁利平等［5］利用文本挖掘方法研究美國(guó)人工智能戰(zhàn)略中的教育政策，總結(jié)其目標(biāo)定位、路徑選擇和保障機(jī)制，以加速并強(qiáng)化人工智能人才培養(yǎng)；吳瑜等［6］基于文本挖掘，以可視化分析視角對(duì)中美科技政策進(jìn)行對(duì)比研究,發(fā)現(xiàn)在人工智能背景下，中美兩國(guó)科技政策在內(nèi)容和適用范圍上都存在差異，且對(duì)外意識(shí)形態(tài)不盡相同。但對(duì)于德國(guó)人工智能政策文本，學(xué)界迄今鮮有文本挖掘研究。

1.2 政策工具

政策工具即政策制定者為實(shí)現(xiàn)政策目標(biāo)，對(duì)現(xiàn)實(shí)采取的一系列政策干預(yù)［7］。政策工具研究的核心就是如何將政策意圖轉(zhuǎn)變?yōu)楣芾硇袨椋瑢⒄呃硐朕D(zhuǎn)變?yōu)檎攥F(xiàn)實(shí)［8］。政策工具理論的研究?jī)?nèi)容包括政策工具的概念、分類、特征、選擇、組合和評(píng)價(jià)等［9］。國(guó)外學(xué)者主要研究政策工具的分類和組合。經(jīng)典的政策工具劃分有羅斯維爾（Rothwell）［10］的供給型、環(huán)境型和需求型3 種類型以及霍普曼（Hoppmann）等［11］根據(jù)政策工具作用層面差異劃分出的戰(zhàn)略層、綜合層和基本層3 個(gè)層面。國(guó)內(nèi)學(xué)者注重以政策工具為基礎(chǔ)研究方法，采用二維或三維分析框架，對(duì)政策內(nèi)容進(jìn)行分析。茅子駿等［12］以政策工具為框架，對(duì)比分析5 個(gè)國(guó)家的人工智能政策，發(fā)現(xiàn)不同國(guó)家由于國(guó)情不同，對(duì)政策工具的使用存在顯著差異；呂文晶等［13］基于政策工具和創(chuàng)新過(guò)程的二維分析框架，發(fā)現(xiàn)中國(guó)人工智能產(chǎn)業(yè)需增加需求側(cè)政策工具。目前，學(xué)界對(duì)政策工具的研究種類繁多，但仍需補(bǔ)充和完善針對(duì)人工智能政策工具的研究。

1.3 政策評(píng)價(jià)

政策評(píng)價(jià)指使用一系列研究方法系統(tǒng)衡量和判斷政策干預(yù)、實(shí)施的有效性，以確定政策的社會(huì)價(jià)值和經(jīng)濟(jì)價(jià)值［14］。從薩奇曼（Suchman）［15］的政策評(píng)價(jià)五類評(píng)估法，到波蘭（Poland）［16］的“三E”評(píng)估框架，再到徐新鵬等［17］創(chuàng)建的層次分析法，政策評(píng)價(jià)的發(fā)展一直以實(shí)證研究為主，且在不斷完善。其中，PMC 指數(shù)模型（policy modeling consistency index），即政策一致性指數(shù)模型，源于魯伊斯·埃斯特拉達(dá)（Ruiz Estrada）［18］提出的Omnia Mobilis假說(shuō)，即事物都是運(yùn)動(dòng)且相互聯(lián)系的，每一個(gè)相關(guān)變量都是同等重要且一致的，都應(yīng)考慮在內(nèi)。在已有的政策評(píng)價(jià)模型中，PMC 指數(shù)模型具有3 個(gè)較為突出的優(yōu)點(diǎn)：以文本挖掘方式提取參數(shù)，以文本自身為研究對(duì)象以及能對(duì)多個(gè)不同政策進(jìn)行比較分析。在人工智能政策領(lǐng)域，胡峰等［19］以PMC 指數(shù)模型評(píng)價(jià)八份機(jī)器人產(chǎn)業(yè)政策文件,為機(jī)器人產(chǎn)業(yè)政策制定流程提供了可供參考的依據(jù)；張永安等［20］用PMC 指數(shù)模型研究國(guó)務(wù)院創(chuàng)新政策，找到了政策的薄弱環(huán)節(jié)，對(duì)政策制定和修改有一定參考意義。目前，學(xué)界對(duì)德國(guó)人工智能政策的評(píng)價(jià)研究較少。

基于以上討論，本文擬從以下3 個(gè)角度對(duì)德國(guó)人工智能政策文本進(jìn)行量化研究：其一，從文本挖掘出發(fā)，利用Antconc 軟件對(duì)德國(guó)人工智能政策文本進(jìn)行挖掘，從而總結(jié)德國(guó)人工智能政策的主題和趨勢(shì)；其二，結(jié)合文本內(nèi)容，采用羅斯維爾的政策工具劃分方法，闡述政策工具與政策作用的關(guān)系；其三，以PMC 指數(shù)模型對(duì)德國(guó)人工智能產(chǎn)業(yè)政策進(jìn)行評(píng)價(jià),分析各項(xiàng)政策的優(yōu)勢(shì)和不足,豐富現(xiàn)有政策量化評(píng)價(jià)研究方法和結(jié)論，為我國(guó)制定、完善人工智能政策提供可資借鑒的經(jīng)驗(yàn)與啟示。

2 德國(guó)人工智能政策文本內(nèi)容分析

2.1 人工智能政策選取來(lái)源

人工智能產(chǎn)業(yè)在近5 年飛速發(fā)展，為確保樣本數(shù)據(jù)的權(quán)威性、時(shí)效性和公開(kāi)性，本文選取的文本均為德國(guó)聯(lián)邦政府2017—2022 年發(fā)布的政策文件。在人工智能政策文件選取過(guò)程中，本文遵循以下兩個(gè)原則：以人工智能為關(guān)鍵詞進(jìn)行檢索，選取主題為人工智能或人工智能政策占比較高的政策文件；政策發(fā)布機(jī)構(gòu)為德國(guó)聯(lián)邦政府及各部委。據(jù)此，本文共收集到2017—2022 年與人工智能相關(guān)的政策文件18 份，如表1 所示。

表1 德國(guó)人工智能政策文件

從類型看，德國(guó)人工智能政策主要包括行動(dòng)計(jì)劃、指導(dǎo)意見(jiàn)、發(fā)展綱要、戰(zhàn)略規(guī)劃等。在18 份政策文件中，戰(zhàn)略規(guī)劃最多，占55.56%；其次是占22.22%的指導(dǎo)意見(jiàn)；行動(dòng)計(jì)劃占16.67%；而發(fā)展綱要僅占5.56%。這說(shuō)明德國(guó)政府較多從戰(zhàn)略規(guī)劃的角度對(duì)人工智能產(chǎn)業(yè)予以支持，較少涉及具體行動(dòng)計(jì)劃。從時(shí)間分布看，德國(guó)從2017 年才開(kāi)始在政策文件中明確提出大力發(fā)展人工智能，因而德國(guó)政府對(duì)該產(chǎn)業(yè)的重視稍顯滯后。2018 年被視為德國(guó)人工智能政策元年，這一年有5 份政策文件出臺(tái)，其中包括聯(lián)邦政府第一份專門的人工智能戰(zhàn)略文件。2018—2021 年間，聯(lián)邦政府每年都出臺(tái)3～4 份包含人工智能政策的文件。2022 年，受能源危機(jī)影響，人工智能政策占較多的政策文件僅有兩份，政策傾斜明顯減少。從政策層級(jí)看，德國(guó)人工智能政策主要由聯(lián)邦政府、聯(lián)邦經(jīng)濟(jì)與能源部、聯(lián)邦教育與研發(fā)部單獨(dú)發(fā)布，各部委之間的合作并不緊密，聯(lián)合發(fā)文只占11.11%。筆者認(rèn)為，在各部委各司其職、于各自分管領(lǐng)域支持人工智能產(chǎn)業(yè)發(fā)展的基礎(chǔ)上，德國(guó)亟需加強(qiáng)部委間的聯(lián)合規(guī)劃，共同推進(jìn)人工智能產(chǎn)業(yè)的整體發(fā)展。

2.2 人工智能政策主題分析

本文借助Antconc 軟件，通過(guò)分析政策文本高頻詞，快速聚焦政策文本核心內(nèi)容。這18 份德國(guó)人工智能政策文件的詞頻分布如表2 所示。數(shù)據(jù)顯示，德國(guó)人工智能政策文本高頻主題詞為數(shù)字、數(shù)據(jù)、新奇、發(fā)展、歐洲等，這些高頻主題詞反映出德國(guó)當(dāng)前人工智能政策的重點(diǎn)為歐洲框架內(nèi)人工智能技術(shù)的數(shù)字化研究、發(fā)展、創(chuàng)新和應(yīng)用。綜合表中其他高頻詞可以發(fā)現(xiàn)德國(guó)人工智能政策的受益對(duì)象是公司，人工智能技術(shù)的服務(wù)對(duì)象是公民，因此德國(guó)政府注重人工智能發(fā)展的可持續(xù)性和開(kāi)放性，數(shù)據(jù)安全問(wèn)題成為政府人工智能政策的一大關(guān)切。同時(shí)，政府在人工智能環(huán)境建設(shè)和平臺(tái)搭建上的投入大，因?yàn)閿?shù)字化發(fā)展和數(shù)據(jù)池建設(shè)能夠?yàn)槿斯ぶ悄芗夹g(shù)的發(fā)展奠定必備基礎(chǔ)。

表2 德國(guó)人工智能政策詞頻分布 單位：次

2.3 人工智能政策語(yǔ)義網(wǎng)絡(luò)分析

除高頻詞分析外，語(yǔ)義網(wǎng)絡(luò)分析也是文本分析的重要一環(huán)。在語(yǔ)義網(wǎng)絡(luò)中，高頻詞以節(jié)點(diǎn)表示，節(jié)點(diǎn)大小代表詞頻高低，連接多少代表度數(shù)中心性強(qiáng)弱，如圖1 所示。在德國(guó)人工智能政策文本中，數(shù)字化、數(shù)據(jù)、發(fā)展等關(guān)鍵詞與其他主題詞的連接最多，度數(shù)中心性最強(qiáng)，為政策文本的核心主題詞，表明數(shù)字化轉(zhuǎn)型對(duì)人工智能產(chǎn)業(yè)發(fā)展的重要意義。較為核心的主題詞還有利用、經(jīng)濟(jì)、研究等，它們說(shuō)明德國(guó)人工智能政策的主要目標(biāo)是促進(jìn)人工智能的研發(fā)和應(yīng)用。由法國(guó)、歐洲、世界等詞組成的較為邊緣的語(yǔ)義網(wǎng)絡(luò)表明德國(guó)的人工智能政策與歐洲息息相關(guān)；產(chǎn)品、商業(yè)模型、管理等主題詞顯示出德國(guó)人工智能政策已深入到終端。

圖1 德國(guó)人工智能政策主題詞語(yǔ)義網(wǎng)絡(luò)

3 德國(guó)人工智能政策工具分析

3.1 政策工具劃分

本文在羅斯維爾政策工具分類的基礎(chǔ)上，結(jié)合德國(guó)人工智能政策的內(nèi)容，參考臧維等［21］的3 類政策工具和15 類政策形式，提出關(guān)于政策工具的維度劃分方式，如圖2 所示。

圖2 政策工具維度劃分

供給型政策工具提供外在的推動(dòng)力，政府為人工智能產(chǎn)業(yè)提供相應(yīng)的資源要素，如人才投入、信息支持、資金投入等，以支持人工智能產(chǎn)業(yè)的發(fā)展；與供給型政策不同，需求型政策工具提供內(nèi)在的拉動(dòng)力，政府通過(guò)購(gòu)置補(bǔ)貼等政策加大市場(chǎng)對(duì)人工智能產(chǎn)品的需求，從而拉動(dòng)人工智能產(chǎn)業(yè)的發(fā)展；而環(huán)境型政策工具具有間接促進(jìn)作用，政府通過(guò)稅收優(yōu)惠、法規(guī)管制、標(biāo)準(zhǔn)規(guī)范等措施改善人工智能產(chǎn)業(yè)發(fā)展的環(huán)境。

3.2 人工智能政策文本內(nèi)容編碼

本文將18 份德國(guó)人工智能政策中的政策工具按照政策編號(hào)、條款進(jìn)行編碼，如表3 所示。

表3 德國(guó)人工智能政策文本內(nèi)容編碼（節(jié)選）

3.3 人工智能政策工具編碼統(tǒng)計(jì)分析

根據(jù)政策工具劃分和政策工具編碼，本文將18份人工智能政策文件中的391 條有效政策編碼劃分為3 類政策工具和15 類政策形式，統(tǒng)計(jì)結(jié)果如表4所示。從政策工具條文分布看，德國(guó)人工智能政策以供給型政策工具為主，占64.96%；其次是環(huán)境型政策工具，占29.41%；占比最小的是需求型政策工具，僅占5.63%。目前，德國(guó)人工智能政策工具主要集中在供給型政策工具和環(huán)境型政策工具兩個(gè)維度。在供給型政策工具中，科技支持占比最大，說(shuō)明德國(guó)對(duì)人工智能領(lǐng)域基礎(chǔ)研究十分重視；其次是信息支持，政府為企業(yè)提供數(shù)據(jù)信息和交流平臺(tái)，最大限度支持人工智能的研發(fā)和應(yīng)用；此外，政府通過(guò)建設(shè)重點(diǎn)學(xué)科實(shí)驗(yàn)室、完善管理系統(tǒng)等方式在基礎(chǔ)設(shè)施上支持人工智能技術(shù)發(fā)展；雖然財(cái)政支持在供給型政策工具中占比不多，但可以看出政府在努力通過(guò)投資等方式緩解人工智能領(lǐng)域中小企業(yè)的資金壓力。在環(huán)境型政策工具中，德國(guó)人工智能政策主要通過(guò)目標(biāo)規(guī)劃引導(dǎo)人工智能發(fā)展，如產(chǎn)業(yè)布局和技術(shù)發(fā)展規(guī)劃等；法規(guī)管制和標(biāo)準(zhǔn)規(guī)范占比相差不大，政策重點(diǎn)在于確立人工智能產(chǎn)業(yè)相關(guān)法律標(biāo)準(zhǔn)和監(jiān)管制度；知識(shí)產(chǎn)權(quán)和稅收優(yōu)惠在政策文件中則鮮有出現(xiàn)。環(huán)境型政策工具細(xì)分形式結(jié)構(gòu)表明，德國(guó)人工智能政策注重目標(biāo)規(guī)劃、標(biāo)準(zhǔn)規(guī)范和法規(guī)管制，但較少應(yīng)用市場(chǎng)化金融激勵(lì)手段，政策工具結(jié)構(gòu)亟需調(diào)整。在需求型政策工具中，德國(guó)人工智能政策涉及政府采購(gòu)、購(gòu)置補(bǔ)貼、貿(mào)易管制和海外機(jī)構(gòu)4 種政策形式，包括在社會(huì)治理中應(yīng)用人工智能技術(shù)、打破貿(mào)易壁壘、幫助發(fā)展中國(guó)家學(xué)習(xí)和應(yīng)用人工智能技術(shù)等，但需求型政策工具總體占比較少，明顯使用不足。

表4 德國(guó)人工智能政策工具統(tǒng)計(jì)結(jié)果

4 基于PMC 指數(shù)模型的德國(guó)人工智能政策評(píng)價(jià)

4.1 PMC 指數(shù)模型

PMC 指數(shù)模型的構(gòu)建主要通過(guò)以下4 個(gè)步驟實(shí)現(xiàn)：設(shè)置變量、建立多投入產(chǎn)出表、計(jì)算PMC 指數(shù)和繪制PMC 曲面圖。

在變量設(shè)置上，本文以魯伊斯·埃斯特拉達(dá)的政策評(píng)價(jià)理論為基礎(chǔ)，結(jié)合德國(guó)人工智能政策的具體特點(diǎn)，選取9 個(gè)一級(jí)變量和31 個(gè)二級(jí)變量，如表5 所示。

表5 政策評(píng)價(jià)變量設(shè)置

在確立一級(jí)變量和二級(jí)變量后，還需要對(duì)變量進(jìn)行參數(shù)設(shè)定并建立多投入產(chǎn)出表。根據(jù)埃斯特拉達(dá)的假說(shuō)，每個(gè)二級(jí)變量的重要程度都相同，因此本文將所有二級(jí)變量的參數(shù)值都設(shè)定為二進(jìn)制0 或1，當(dāng)政策內(nèi)容包含該二級(jí)變量時(shí)，二級(jí)變量參數(shù)值為1；若不包含，則參數(shù)值為0。本文建立的多投入產(chǎn)出表如表6 所示。

表6 多投入產(chǎn)出表（節(jié)選）

完成多投入產(chǎn)出表的建立后，還需依據(jù)公式（1）計(jì)算各一級(jí)變量，依據(jù)公式（2）計(jì)算PMC 指數(shù)；將各一級(jí)變量代入公式（3），畫(huà)出PMC 曲面；最后根據(jù)PMC 指數(shù)對(duì)各人工智能政策進(jìn)行等級(jí)劃分，標(biāo)準(zhǔn)如表7 所示。

表7 政策等級(jí)劃分

4.2 實(shí)證研究

根據(jù)計(jì)算出的PMC 指數(shù)（見(jiàn)表8），本文所選取的18 份德國(guó)人工智能政策文件評(píng)價(jià)等級(jí)均處于一般以上，且多數(shù)為良好。其中，P6和P13得分相同且最高，位于優(yōu)秀等級(jí)；P5得分最低，與P8共處一般等級(jí)；其他政策文本均處于良好等級(jí)。優(yōu)秀等級(jí)的P6和P13均為德國(guó)聯(lián)邦政府發(fā)布的《聯(lián)邦政府人工智能戰(zhàn)略》系列，該系列政策針對(duì)德國(guó)人工智能產(chǎn)業(yè)的發(fā)展進(jìn)行了戰(zhàn)略規(guī)劃，作用層面廣，產(chǎn)業(yè)聚焦強(qiáng)。一般等級(jí)的P5為聯(lián)邦政府發(fā)布的《德國(guó)可持續(xù)發(fā)展戰(zhàn)略（2018 年更新）》，該政策聚焦于可持續(xù)發(fā)展，對(duì)人工智能產(chǎn)業(yè)著墨不多。政策文件因?yàn)橹黝}側(cè)重不同，等級(jí)評(píng)價(jià)呈現(xiàn)出明顯差異。為進(jìn)一步探究差異原因,本文選取評(píng)價(jià)等級(jí)為優(yōu)秀的P6《聯(lián)邦政府人工智能戰(zhàn)略》，良好的P14《聯(lián)邦政府的數(shù)據(jù)戰(zhàn)略》以及一般的P5《德國(guó)可持續(xù)發(fā)展戰(zhàn)略（2018年更新）》進(jìn)行PMC 曲面繪制，通過(guò)深入對(duì)比這三份處于不同評(píng)價(jià)等級(jí)的政策文本識(shí)別出影響評(píng)價(jià)等級(jí)的具體因素。

表8 德國(guó)人工智能政策PMC 指數(shù)

4.3 德國(guó)人工智能政策對(duì)比分析

這3 份政策文件的多投入產(chǎn)出表如表9 所示，各一級(jí)變量及PMC 指數(shù)如表10 所示。筆者將數(shù)據(jù)帶入公式（3），得到表11，并據(jù)此繪制出它們的PMC 曲面圖，如圖3 至5 所示。

圖3 P5 曲面

圖4 P6 曲面

圖5 P14 曲面

表9 德國(guó)人工智能政策多投入產(chǎn)出表（節(jié)選）

表10 德國(guó)人工智能政策PMC 指數(shù)

表11 德國(guó)人工智能政策PMC 矩陣

P6的PMC 指數(shù)值為7.20，政策等級(jí)優(yōu)秀，曲面圖顏色最淺，說(shuō)明在人工智能產(chǎn)業(yè)，P6在制定時(shí)較為全面地考察了各維度指標(biāo)。P14的PMC 指數(shù)值為6.35，低于P6，政策等級(jí)為良好，曲面圖顏色較淺，原因是P14的主題為數(shù)據(jù)戰(zhàn)略，人工智能政策雖時(shí)有出現(xiàn)，但其作用范圍有限——側(cè)重于國(guó)家和產(chǎn)業(yè)等宏觀層面，而非企業(yè)和產(chǎn)品等微觀層面。P5的PMC指數(shù)值低，僅為3.96，政策等級(jí)為一般，曲面圖顏色最深。P5是聯(lián)邦政府對(duì)于可持續(xù)發(fā)展戰(zhàn)略的階段總結(jié)和更新，由于可持續(xù)發(fā)展主題包羅萬(wàn)象，人工智能產(chǎn)業(yè)雖在其中被多次提及，但較為籠統(tǒng)，因此該文件在政策效力、政策評(píng)價(jià)、作用層面和激勵(lì)措施方面得分不高。

總體來(lái)看，涉及不同主題的人工智能政策文件PMC 指數(shù)都在可接受的范圍內(nèi)，說(shuō)明德國(guó)的相關(guān)政策制定較為合理。通過(guò)對(duì)比可以看出，政策制定主題越明確、目標(biāo)越清晰、措施越具體，PMC 指數(shù)就越高。因此，在產(chǎn)業(yè)政策制定過(guò)程中，我們需要明確主題，確定目標(biāo)，考慮不同的行為主體，長(zhǎng)期與短期措施并行，讓政策調(diào)控更加精準(zhǔn)有效。

5 總結(jié)與展望

5.1 德國(guó)人工智能政策研究結(jié)論

首先，經(jīng)文本挖掘分析，不難發(fā)現(xiàn)，德國(guó)當(dāng)前人工智能政策的重點(diǎn)在于歐洲框架內(nèi)人工智能技術(shù)的發(fā)展、創(chuàng)新和應(yīng)用。一方面，德國(guó)將人工智能作為未來(lái)的發(fā)展方向，希望人工智能與工業(yè)4.0 結(jié)合，對(duì)數(shù)字化和工業(yè)化的協(xié)同發(fā)展十分重視；另一方面，德國(guó)密切關(guān)注人工智能技術(shù)的安全和倫理問(wèn)題，強(qiáng)調(diào)人工智能發(fā)展的開(kāi)放性和可持續(xù)性。在所有的政策中，企業(yè)和公民都是政策的目標(biāo)群體，是德國(guó)人工智能政策的重點(diǎn)支持對(duì)象。

其次，從政策工具維度分析，德國(guó)人工智能政策涵蓋供給型、需求型和環(huán)境型三類政策工具。其中，供給型作為推動(dòng)力，促進(jìn)人工智能相關(guān)技術(shù)的研發(fā)；需求型作為拉動(dòng)力，拉動(dòng)市場(chǎng)對(duì)人工智能相關(guān)產(chǎn)品的需求；環(huán)境型作為支撐力，保障人工智能產(chǎn)業(yè)健康發(fā)展。德國(guó)的人工智能政策多為供給型和環(huán)境型，占比94.37%，說(shuō)明政府在產(chǎn)業(yè)政策上傾向于在供給側(cè)提供支持，而非拉動(dòng)市場(chǎng)需求。

最后，從政策評(píng)價(jià)角度分析，德國(guó)人工智能政策評(píng)價(jià)多為良好，說(shuō)明政策制定穩(wěn)定且有效。在使用PMC 指數(shù)模型對(duì)德國(guó)人工智能政策進(jìn)行評(píng)價(jià)時(shí)，本文重點(diǎn)分析了3份不同等級(jí)的人工智能政策文本。這3 份政策文件由于主題各有側(cè)重，在制定人工智能產(chǎn)業(yè)政策時(shí)角度和方式各有不同。其中，主題為人工智能的政策文件評(píng)價(jià)最高，主題為可持續(xù)發(fā)展的政策文件評(píng)價(jià)較低，說(shuō)明不同主題和人工智能的關(guān)聯(lián)緊密度各異。

5.2 對(duì)我國(guó)人工智能政策的啟示

德國(guó)作為老牌工業(yè)大國(guó)，在工業(yè)基礎(chǔ)和人才培養(yǎng)上優(yōu)勢(shì)明顯，雖然對(duì)于政策工具的使用不夠科學(xué)，但對(duì)人工智能產(chǎn)業(yè)的政策支持重點(diǎn)突出、主題明確。相較于德國(guó)，我國(guó)的人工智能產(chǎn)業(yè)創(chuàng)新產(chǎn)出雖增長(zhǎng)迅速，但創(chuàng)新投入規(guī)模和質(zhì)量仍有較大提升空間。例如，高質(zhì)量的教育和勞動(dòng)力資源儲(chǔ)備不足，信息化基礎(chǔ)尚無(wú)法很好地支撐人工智能的深層次應(yīng)用［22］。為實(shí)現(xiàn)我國(guó)人工智能產(chǎn)業(yè)的可持續(xù)發(fā)展，本文參考德國(guó)經(jīng)驗(yàn)，對(duì)政策制定提出以下4 點(diǎn)建議：

第一，加大對(duì)人工智能關(guān)鍵領(lǐng)域基礎(chǔ)性研發(fā)的支持力度。從政策主題可以看出，德國(guó)在人工智能產(chǎn)業(yè)的優(yōu)勢(shì)在于擁有完善的生產(chǎn)應(yīng)用場(chǎng)景和堅(jiān)實(shí)的研究基礎(chǔ)，因此德國(guó)的人工智能政策能在工業(yè)4.0的基礎(chǔ)上，聚焦發(fā)展弱人工智能，加大對(duì)研發(fā)的投入，開(kāi)發(fā)人工智能硬件和軟件核心技術(shù)。2019 年，占全球部署量73%的前5 個(gè)國(guó)家的機(jī)器人安裝部署量均出現(xiàn)了大致相同的下降趨勢(shì)，但德國(guó)卻逆勢(shì)而為，在2018—2019 年間的部署量略有上升［23］。2020 年，德國(guó)在《聯(lián)邦政府人工智能戰(zhàn)略（2020 年更新）》中明確提出增加基礎(chǔ)研究預(yù)算，支持在國(guó)家高性能計(jì)算邦州聯(lián)合資助框架內(nèi)建設(shè)基于需求的超算基礎(chǔ)設(shè)施，加快高斯超算中心百億次計(jì)算能力的擴(kuò)建以及相關(guān)高性能計(jì)算方法的開(kāi)發(fā)。相比于德國(guó)完善的工業(yè)產(chǎn)業(yè)和發(fā)達(dá)的基礎(chǔ)理論，目前，我國(guó)人工智能在硬件核心技術(shù)上受制于人，在算法和軟件方面對(duì)國(guó)外開(kāi)源深度學(xué)習(xí)框架高度依賴。雖然我國(guó)已在政策中多次鼓勵(lì)人工智能相關(guān)核心技術(shù)研發(fā)，但正如《美國(guó)國(guó)家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃》所言，政府部門應(yīng)該成為“長(zhǎng)期高風(fēng)險(xiǎn)研究計(jì)劃以及近期創(chuàng)新發(fā)展工作的主要資金來(lái)源，以實(shí)現(xiàn)部門或機(jī)構(gòu)的具體要求，或解決私營(yíng)企業(yè)并不能解決的重要社會(huì)問(wèn)題”［24］。我國(guó)應(yīng)學(xué)習(xí)德國(guó)經(jīng)驗(yàn)，著力增加人工智能領(lǐng)域的基礎(chǔ)性研發(fā)投入，注重實(shí)現(xiàn)核心技術(shù)的突破，從而為人工智能的發(fā)展提供技術(shù)支撐。

第二，加快人工智能人才培養(yǎng)體系建設(shè)。在德國(guó)人工智能政策中，教育培訓(xùn)和信息支持措施占比較高。在人才培養(yǎng)上，歐盟27 國(guó)的人工智能碩士課程數(shù)量?jī)H次于美國(guó)，共計(jì)1 032 種人工智能課程。其中，德國(guó)在提供最專業(yè)的人工智能課程方面又要領(lǐng)先于其他成員國(guó)［23］。在人才資助上，德國(guó)與德意志學(xué)術(shù)交流中心共同設(shè)立了新的青年研究者資助計(jì)劃，并資助基于人工智能和大數(shù)據(jù)的高校教育數(shù)字化創(chuàng)新。在人才競(jìng)爭(zhēng)上，德國(guó)開(kāi)展人工智能挑戰(zhàn)賽，設(shè)立德國(guó)人工智能獎(jiǎng)項(xiàng)“人工智能德國(guó)造”。與德國(guó)相比，中國(guó)在人工智能人才培養(yǎng)上的表現(xiàn)稍顯不足。2020 年4 月30 日，我國(guó)人社部發(fā)布了《新職業(yè)——人工智能工程技術(shù)人員就業(yè)景氣現(xiàn)狀分析報(bào)告》。報(bào)告顯示，2017 年，近三成的人工智能領(lǐng)域求職者遠(yuǎn)遠(yuǎn)達(dá)不到雇主的要求。截至2020 年，我國(guó)人工智能人才缺口超過(guò)500 萬(wàn)，國(guó)內(nèi)的供求比例為1:10，供需比例嚴(yán)重失衡［25］。因此，我國(guó)應(yīng)學(xué)習(xí)德國(guó)的教育體系，加強(qiáng)與德國(guó)的人才交流，將人工智能創(chuàng)新人才培養(yǎng)體系建設(shè)擺在重要位置，設(shè)計(jì)能激發(fā)國(guó)民對(duì)人工智能興趣的課程，建立高等院校與企業(yè)聯(lián)合育人機(jī)制，增加人工智能人才培養(yǎng)投入，培養(yǎng)并吸引掌握前沿理論方法、引領(lǐng)產(chǎn)業(yè)發(fā)展的人工智能學(xué)術(shù)和工程領(lǐng)軍人才。

第三，重視需求型和環(huán)境型政策工具的使用。在德國(guó)人工智能政策中，需求型政策工具使用頻率較低，政府采購(gòu)、稅收優(yōu)惠等政策形式的拉動(dòng)效果并不明顯；與此同時(shí)，德國(guó)重視環(huán)境型政策工具中的法律法規(guī)和目標(biāo)規(guī)劃，注重完善人工智能產(chǎn)業(yè)生態(tài)體系。而根據(jù)《人工智能政策分析與展望（2022）》［1］，在我國(guó)發(fā)布的人工智能政策文件中，應(yīng)用最多的是供給型政策工具，其次是需求型政策工具，最少的是環(huán)境型政策工具，這就導(dǎo)致人工智能產(chǎn)業(yè)生態(tài)體系不完整，基礎(chǔ)創(chuàng)新環(huán)境不完善。因此，在制定相關(guān)政策時(shí)，我國(guó)應(yīng)加強(qiáng)需求型政策工具的使用，立足于地區(qū)發(fā)展不平衡、科技接受能力強(qiáng)的國(guó)情，在基礎(chǔ)設(shè)施較好的地區(qū)以應(yīng)用示范等方式引導(dǎo)產(chǎn)業(yè)高效、綠色發(fā)展，在較為落后的地區(qū)以政府采購(gòu)等方式加強(qiáng)基礎(chǔ)設(shè)施建設(shè)，引入人工智能幫助群眾脫貧致富，從而實(shí)現(xiàn)國(guó)內(nèi)人工智能產(chǎn)業(yè)的良性循環(huán)。其次，我國(guó)還應(yīng)調(diào)整環(huán)境型政策工具結(jié)構(gòu)。德國(guó)政府側(cè)重于使用目標(biāo)規(guī)劃和法規(guī)管制等政策工具保障德國(guó)人工智能產(chǎn)業(yè)發(fā)展環(huán)境的穩(wěn)定，金融手段相對(duì)較少。我國(guó)可以通過(guò)知識(shí)產(chǎn)權(quán)保護(hù)、企業(yè)權(quán)益保障、標(biāo)準(zhǔn)法規(guī)支撐、增加稅收優(yōu)惠等方式完善人工智能產(chǎn)業(yè)外部環(huán)境建設(shè)，加強(qiáng)人工智能初創(chuàng)企業(yè)自主發(fā)展能力和協(xié)同創(chuàng)新能力。

第四，注重政策的作用層面和激勵(lì)措施。政策的評(píng)價(jià)往往與政策涉及的部門數(shù)量以及措施的可執(zhí)行性有關(guān)。在18 份德國(guó)人工智能政策文件中，PMC指數(shù)較低的政策往往涉及的作用層面較少，措施不夠具體，目光也不夠長(zhǎng)遠(yuǎn)，雖然這并不一定是評(píng)價(jià)政策優(yōu)劣的硬指標(biāo)，但至少為政策制定提供了一個(gè)新的思考角度。在德國(guó)，產(chǎn)業(yè)政策作用層級(jí)少、著力點(diǎn)單一的主要原因在于聯(lián)邦制的分權(quán)體系——經(jīng)濟(jì)與能源部屬于聯(lián)邦管轄，而教育與研發(fā)事務(wù)權(quán)則下放給各聯(lián)邦州；在聯(lián)邦和州之間，各州之間以及各部委之間缺乏高效合作機(jī)制，難以形成合力。我國(guó)人工智能產(chǎn)業(yè)發(fā)展時(shí)間較短，創(chuàng)新研發(fā)集中于企業(yè)層面，優(yōu)先對(duì)微觀主體進(jìn)行資助可以快速擴(kuò)大產(chǎn)業(yè)規(guī)模，因此我國(guó)的人工智能產(chǎn)業(yè)政策在作用層面上多集中于企業(yè)創(chuàng)新和產(chǎn)品研發(fā)，涉及的行為主體較少。同時(shí)，我國(guó)習(xí)慣在制定產(chǎn)業(yè)政策時(shí)使用直接干預(yù)的手段，如項(xiàng)目審批、目錄指導(dǎo)等，激勵(lì)措施門檻較高，不利于人工智能產(chǎn)業(yè)健康發(fā)展。因此，根據(jù)德國(guó)經(jīng)驗(yàn)，在產(chǎn)業(yè)政策制定時(shí)，我國(guó)可以考慮在主題明確的前提下擴(kuò)大政策的作用層面，考慮國(guó)家創(chuàng)新體系和產(chǎn)業(yè)創(chuàng)新環(huán)境，采取較易落實(shí)的激勵(lì)措施，如搭建門檻較低的高質(zhì)量數(shù)據(jù)集、知識(shí)庫(kù)、測(cè)試平臺(tái)等，為人工智能企業(yè)提供更多的投資機(jī)會(huì)和更大發(fā)展空間，使政策更具靈活性和可執(zhí)行性。