基于文献计量的中外人工智能政策研究现状及启示*

郑 烨 任牡丹 Jane E.Fountain

(1.西北工业大学 人文与经法学院 西安 710072;2.麻省大学安默斯特分校 国家数字政府研究中心 安默斯特 01003)

0 引 言

伴随着人工智能技术在全球的快速崛起，各国政府陆续制定和出台各项人工智能政策，从而促使人工智能的国际化竞争日趋激烈[1]。以发达国家为例，2016年，美国前总统奥巴马召开了关于人工智能工作的五场会议，并在此基础上出台了三份官方报告。随后，英国、德国、日本等国家也相继提出将人工智能政策作为国家未来工作之核心[2]。紧随发达国家发展步伐，我国政府也高度重视人工智能的技术进步与产业发展，并提出了人工智能战略发展规划。早在2015年10月，国家“十三五”规划建议提出要实施国家大数据战略，全面推进我国大数据发展和应用，实现资源开放共享，促进经济转型升级[3]。截止2019年底，全国已有超过一半以上的省份提出了人工智能战略发展规划。各国政府对人工智能政策规划的高度重视引发了学界对人工智能政策研究的广泛关注。较于国外研究，我国虽起步较晚，但却呈现出方兴未艾的发展趋势。综合当前相关研究文献，人工智能政策研究的发展现状如何？对当前和今后国内研究的启示有哪些？国内学者对此并未进行系统梳理。鉴于此，本文主要采用比较研究和文献计量分析方法，拟对中外人工智能政策研究领域进行深入系统探索，以把握当前中外人工智能政策研究的发展现状及差距，为今后国内人工智能政策的理论研究及国家政策的出台和完善等提供理论参鉴。

1 数据来源与研究框架

1.1数据来源本研究的数据主要来源于现有国内外重要核心期刊发表的395篇代表性文献(如图1所示)。其中：国外文献主要来自于Web of Science(简称WOS)数据库下的社会科学引文索引(SSCI)期刊库。由于现有研究文献中，“artificial intelligence policy”和 “AI Policy”均是表达“人工智能政策”比较常用的词汇。因此本文的检索方式为：主题=“‘artificial intelligence policy’or‘AI Policy’”，检索时间截止2020年1月31日，文献类型Article，最终共检索到368篇相关研究文献。进一步对现有文献进行筛选和排查，重点核查文献摘要及内容，确保文献中明确出现有关人工智能政策研究的表述，剔除新闻报道、会议论文及书评等之后，共得到325篇有效英文期刊文献。此外，中文研究文献是在中国知网(CNKI)中的中文社会科学引文索引(CSSCI)数据库中获取。以“人工智能政策”为检索主题，截止时间为2020年1月31日，用同样方法剔除无效文献后，共得到70篇有效中文期刊文献。

图1 中外人工智能政策研究的文献数量概况(21世纪以来)

1.2研究框架本文主要采用文献计量和比较研究的分析方法。一方面，文献计量分析主要是对研究的高共被引文献分析、主题分析和演进趋势等进行探讨。文献计量分析使用的工具主要有citespace软件，对中文主题进行分析时，则采用了统计分析软件SPSS中的多维尺度(MDS)分析功能，通过关键词聚类进而凝练研究主题。另一方面，比较研究法是分析和判断物与物之间以及人与人之间的相似性或相异程度的主要方法。本文具体是从时间、应用领域、主题特征、演进趋势等多个维度出发，对中外人工智能政策研究文献内容进行对比分析和提炼总结，最终得出研究启示。本文的具体研究框架及采用的方法和工具等如图2所示。

图2 本文的研究框架

2 人工智能政策研究的高共被引文献分析

高共被引文献能够反映该研究在其领域内的研究热点及方向。结合CitespaceⅢ软件的分析结果，根据高共被引文献的被引次数的降序排列，进一步分别筛选和整理出了排名前十的文献信息，具体包括文献的中心度、被引频次、文献篇名、作者及发表时间等信息，以探索人工智能政策研究的学界关注点和发展方向(如表1所示)。

表1 高共被引文献统计分析(前10篇)

表1显示了国外人工智能政策研究领域共被引频次最多的前十篇文献，这些文献主要发表在2012-2017年期间，集中探讨了人工智能领域存在的问题和风险、应用前景、技术革新以及对社会产生的各种影响等。首先，从以上高共被引文献发表的时间顺序来看，Boyd和Crawford提出了六次引发关于大数据问题对话的激烈讨论：一种建立在技术、分析和神话相互作用的文化、技术和学术现象，引发了广泛的乌托邦和反乌托邦修辞[4]。2014年以来，一些学者开始关注人工智能对社会的影响及存在的潜在风险问题(Brynjolfsson & McA。其中，麻省理工学院的Brynjolfsson和McAfee教授出版的《第二机器时代：辉煌科技时代的工作、进步与繁荣》一书，强调人工智能技术在丰富人们生活形式的同时也改变了人们工作的环境，但是机器人并不具备构思、广泛的模式识别，以及复杂交流的能力。因此为了改变这些问题，需要进行教育变革，设计新的合作模式，将野蛮的机器处理与人类的聪明才智相结合，并在急剧变化的环境中采纳有意的政策[5]。此外，Muller和Bostrom(2016)通过对四组专家问卷调查的结果，推测在2040-2050年左右，高水平机器智能发展的几率为二分之一，到2075年，这一几率将上升至十分之九。专家预计，在不到30年的时间里，这些系统将转向超级智能[6]。超级智能在未来对人类而言将是一个巨大威胁，Bostrom在其出版的《超级智能：路径、危险与策略》一书中，提到了人类化解这种风险的一些策略[7]。另外，Frey和Osborne(2017)等基于以往人工智能领域的理论研究，通过计算机化对工作的敏感程度，研究了未来计算机化对美国劳动力市场结果的预期影响[8]。

进一步地，2015年以来发表的几篇高共被引文献从技术方法、隐私保护等视角提出人工智能应用领域的发展前景，其影响意义较大。具体而言，Lecun等学者对深度学习的基础原理和核心优势进行了详细概述，并阐释了深度学习、监督学习、反向传播和卷积神经网络等一些概念。深度学习极大地改善了语音识别、视觉对象识别、目标检测和许多其他领域(如药物发现和基因组学)的最新技术，在未来具有较好的发展前景[9]。Pasquale教授的《黑箱社会：控制金钱和信息的秘密算法》一书，为关于隐私和数据保护的公众辩论提供了重要参考[10]。此外，Mnith等学者基于深度神经网络方面的相关进展，开发出一种新型人工智能代理—Q网络(Q-network)，它可以使用“端到端”的强化学习，直接从高维度传感输入中学习到成功的策略[11]。总之，上述高共被引文献针对人工智能应用引发的诸多思考和技术、方法创新等，为当前和未来学者深入探索人工智能政策领域的研究奠定了重要的知识论基础，也为学者们的研究议题指明了方向。

3 人工智能政策研究的主题与趋势分析

3.1研究主题分析

3.1.1 国外研究主题分析 为了进一步识别国外人工智能政策研究的热点主题，利用CiteSpaceⅢ软件的聚类功能和LLR算法对选取的325篇研究文献的标题进行抽取，最终形成国外人工智能政策研究的热点主题聚类图谱，如图3所示。结合“Summary of Clusters”聚类主题信息汇总表可以看出，国外人工智能政策研究共包含“knowledge management”“epidemiology”“dynamic programming”“smart cities”employment”“autonomous vehicles”“prevention”“ai-push“rural development ”“collusion”“data science”“logistic regressions”等12个聚类主题，限于篇幅，本文只对前6个较大集群聚类主题的内容展开论述。

图3 国外人工智能政策研究的主题聚类图谱

a.聚类#0：知识管理研究。该类团主要探讨在人工智能背景下教育系统的发展和管理问题。近些年来，基于数据的管理教育越来越受到基于知识的技术支持，这些技术主要包含算法、人工智能和跟踪技术。Webb等学者提出新型的数据配置和自动化形式，可以使政府和其他强大的利益相关者借鉴过去的经验，构建教育未来的形象，以指导当前实践[12]。随着数字化平台和人工智能支持塑造人类决策新形式的自动化思维，及新的认知基础设施(Cognitive Infrastructure)的兴起，Sellar和Gulson等学者提供了关于教育政策中自动思考(Automated Thinking)的新理论视角，说明了在一种特定的政策环境中如何实现自动思考功能[13]。

b.聚类#1：流行病学研究。该类团主要探讨人工智能和机器学习对医疗事业和人类健康产生的有效作用。随着人工智能成为全球医疗系统越来越重要的组成部分，科学家们正在利用人工智能预防和控制疾病。例如：登革热病毒是严重威胁美国和墨西哥等国健康问题的一种流行传染病，而智能组织(IO)则是指导和组织登革热监视、预防和控制的宝贵工具。Ortiz和Mendez等利用登革热案例说明了IO技术的使用，也证实了IO技术在医学事实报告的排序和系统化方面的有用性[14]。此外，基于人工智能的在线支持小组(OSG)能够为病患提供建议、支持和指导。

c.聚类#2：动态编程研究。该类团主要探讨人工智能与算法、数据科学和编程方面的适用领域问题。以公司库存管理为例，Priore和Ponte等提出可以用机器学习来帮助管理人员了解这些复杂的情况并更好地管理库存流程。在动态框架的基础上，采用归纳学习算法，通过对环境变化做出反应来设置最合适的补货策略[15]。此外，在高不确定性环境中，公共部门越来越重视使用数据科学和人工智能功能进行决策并提高效率，但是要应对人工智能带来的巨大挑战，需要跨部门协作。基于此，Mikhaylov和Esteve等提出了一系列策略来成功实现在数据科学和人工智能领域应用的跨部门合作[16]。

d.聚类#3：智慧城市研究。该类团主要探讨人工智能与智慧城市之间的相互关系。当前人工智能被广泛运用到了各个领域，人工智能正在改变着人们的生活，也促使智慧城市的建设得以实现。尽管通过人工智能进行的大数据处理可以极大地促进城市发展，但是在可持续性和宜居性方面，绝不能忽视人工智能技术方面的优势。Allam和Dhunny等提出了一个将人工智能技术和城市关联的新框架，以确保城市文化、新陈代谢和治理等方面的有效结合，同时寻求强化智慧城市中的人工智能和大数据技术集成的政策制定者、数据科学家和工程师，从而提高城市空间居住结构，促进城市经济增长和新机遇[17]。

e.聚类#4：就业研究。该类团主要探讨人工智能的发展对劳动力市场和就业产生的影响。Vermeulen和Kesselhut等通过研究未来十年自动化在宏观层面和实际部门中对就业的预期影响，发现自动化对人类就业产生的影响仅仅是“通常的结构变化”，而不是“工作的终结”[18]。Frank和Autor等认为人工智能和自动化技术的飞速发展可能会极大地破坏劳动力市场。尽管人工智能和自动化可以提高某些工人的生产率，但它们可以代替其他工人所做的工作，并且至少在某种程度上可能改变几乎所有职业[19]。机器人技术和人工智能的进步促使组织能够利用智能机器和算法来代替人类劳动。

f.聚类#5：自动化驾驶汽车研究。该类团主要探讨自动驾驶汽车的政策规划、风险和安全性等问题。自动驾驶技术是高级人工智能技术最重要的应用之一，该技术已广泛应用于全球交通领域。政策制定者期望引入全自动车辆(FAV)，以显著减少人为错误和道路拥堵造成的事故数量。Shin和Tada等在2015年针对日本的大数据调查结果显示，47%的受访者表示了积极的购买意愿，然而随着自动驾驶汽车的出现，社会将面对一系列新的风险[20]。自动驾驶决策可能带来的潜在新风险被定义为决策限制，因为人工智能将缺乏某些决策能力。Cunneen等针对自动驾驶汽车的安全性问题进行了讨论，并提出了一些解决方法[21]。

3.1.2 国内研究主题分析 运用SPSS统计分析软件建立欧几里得距离模型，对国内人工智能政策研究文献中高频关键词进行多维尺度分析，绘制我国人工智能政策研究热点主题的可视化知识图谱(如图 4 所示)。其中，出现词频较高的词汇有：人工智能(60次)、政策工具(6次)、国家治理(4次)、政策目标(3次)、 伦理(3次)、教育改革(2次)、公共政策(2次)、社会治理(2次)、失业(2次)、产业政策等(2次)，结合对图谱及经典文献内容的分析，总结我国人工智能政策研究的三类热点聚类主题。

图4 国内人工智能政策研究的主题聚类图谱

a.聚类#1：国家治理背景下的人工智能政策发展路径研究。该类团主要包括国家治理、产业政策、人工智能伦理、善治、失业等关键词，这表明该聚类是从国家治理的宏观背景出发，探讨人工智能时代国家治理的现实路径，以及人工智能对产业发展、就业的影响，及人工智能的伦理规制等议题。首先，实现良好的国家治理是政府部门的终极目标，梅立润提出在人工智能时代实现国家治理，主要在于掌握“擅智”与“善智”之间的平衡。“擅智”就是擅于利用人工智能增强国家治理效率，“善智”就是能够减少人工智能对就业产生的负面影响及其他风险[22]。虽然人工智能已经被提升为国家发展战略，地方政府也逐渐开始注重人工智能产业发展，但是我国人工智能产业尚处于初级发展阶段且不同区域的发展存在巨大差异。因此，国家需要从人工智能政策制定、平台建设、产业驱动等多方面入手，提升人工智能产业的良性发展[23]。其次，人工智能时代的到来虽然提升了我国的国际竞争力，但对劳动力市场也产生了明显的冲击。最后，当前人工智能在众多领域逐渐开始取代了人工决策，从而引发了社会各界对人工智能伦理的担忧[24]。

b.聚类#2：人工智能政策应用领域研究。该类团主要包括教育改革、社会治理、税收政策、公共政策等关键词，反映了人工智能政策在教育行业、社会治理以及税收等领域的应用研究。首先，在教育应用方面，作为人工智能领域的翘首，斯坦福大学在人才培养方面始终坚持改革和创新的原则，形成了很多具有典型性的人工智能人才培养特征，供他国学习和借鉴[25]。面对未来的发展，有学者提出人工智能可以优化教学内容，完善学生知识体系，同时能够改善教学环境，改进教学过程，激发学生的创新能力，增强学生的学习效果[26]。其次，人工智能的应用研究还涉及对于社会问题的治理。当前关于社会问题的分析成本耗资巨大，而人工智能基于对社会信息的高效处理，可以提供更为经济、准确的方案，从而优化政策制定过程，以减少资金损耗。再次，人工智能时代的到来对政府治理也产生了重要影响，而公共政策是政府实现现代化治理的有效手段。人工智能在公共政策领域中的应用，有利于精准识别政策问题、降低政策分析成本、提高政策分析质量、有效提升公共政策的科学性[27]。最后，人工智能应用与税收政策也存在密切关联，在当前国家治理现代化背景下，人工智能的发展可能会需要重新审视和制定相关的税收政策，同时也需要对现有税收理论等进行改革创新，以更好适应社会发展需求[28]。

c.聚类#3：人工智能政策文本量化研究。该类团主要包括政策目标、政策工具、内容分析法等关键词，反映了人工智能政策的分析框架及分析方法。截止2019年初，全国已有超过21个省份颁布和出台了人工智能政策规划，这也标志着我国人工智能政策体系构建的基本完成。在此基础上，有学者基于供给、需求和环境三维框架的视角，以国内2015-2018年相关产业政策文件为样本，采用内容分析法对各项政策工具进行分析，为我国人工智能产业相关政策的制定和完善提供决策参考[29]。还有学者从政策目标、政策工具和产业链三个维度构建了人工智能政策分析框架，以我国地方政府颁布的30份人工智能政策为样本，采用内容分析法进行定量分析。结果表明，各省市人工智能政策目标的制定紧密结合国家战略方针；在政策工具使用方面较多采用供给型政策[30]。此外，吕文晶等以2012年以来新一轮人工智能技术革命为背景，以中国国家层面的21项人工智能相关产业政策为样本,基于政策工具和创新过程的二维分析框架，对当前中国人工智能产业政策制定的现状与存在问题进行计量与分析。研究发现：中国人工智能政策需增加需求型政策工具,并随着产业的成熟制定更多面向人工智能的商业化阶段的政策,尽早开展人工智能产业政策的规划布局。

3.2演进趋势分析图5通过利用CiteSpaceⅢ的突变词和时区视图功能，依据人工智能政策研究的高频关键词之间的交互作用和突变关系进一步挖掘人工智能政策研究的演进趋势。一方面，根据图中20个英文突变词的时区分布特征，由此可以看出国外人工智能政策研究遵循了三条发展脉络与轨迹，即：其一，突变词从早期仿真(1.3799, 1982-1994)、人工智能(3.5015, 1982 -2006)到专业系统(1.3863, 1996-2004)、健康(1.3863, 2001-2005)等的转变体现了人工智能政策研究从早期初步探索利用仿真技术到通过智能化系统的改进及最初在健康领域的应用；其二，突变词心理健康(3.4185, 2012-2015)、公众健康(1.163, 2012-2013)、医护(1.436, 2017-2018)等的出现体现了近年来人工智能政策研究的重点关注方向之一是对人类的健康管理问题，包括通过人工智能方式改变心理健康服务模式；其三，突变词从模型(4.2376, 2009-2014)到社会(3.885, 2011-2015)、干预(1.2752, 2012-2013)、影响(2.4148, 2012-2014)等的转变体现了人工智能政策研究强调在系统建模的同时，需要引入人工干预措施，并强调对社会领域的影响效果。另一方面，根据图中国内近三年人工智能政策研究的关键词词频高低及出现时间等，可以识别出国内人工智能政策研究的演进趋势。这一趋势可以概括为，人工智能政策研究从初步的理论探索向着实践应用领域的深入拓展，主要体现在两个方面：一是人工智能政策与国家、社会治理间的互动关系，以及人工智能的伦理规范；二是人工智能在教育、产业、税收等领域的深入应用，以及对未来人才培养、技术进步等产生的显著影响。总之，国内人工智能政策研究的发展演进与国家战略方针密切相关。

图5 中外人工智能政策研究的演进趋势

4 总结与启示

4.1主要研究发现当前世界各国政府高度重视人工智能的技术进步与产业发展，这使得人工智能已上升为国家发展战略。本文通过对国内外SSCI和CSSCI期刊上发表的395篇人工智能政策研究文献进行系统梳理和比较分析，识别了人工智能政策研究的发展应用状况，挖掘了中外人工智能政策研究的热点主题及演进特征(如表2所示)。概括而言，本文得出的主要研究结论包括：

表2 中外人工智能政策研究特征之比较

首先，从研究的时间跨度可以看出，国外文献较早地开启了对人工智能及人工智能政策的探索研究，尤其是21世纪以来国外围绕人工智能政策的研究出现了持续平稳增长态势，近三年来的发文数量更是呈现急速增长。而国内围绕人工智能政策的研究从2017年才刚刚开始，但是持续保持较高的研究热度。其次，从应用领域也可以看出，国外人工智能政策涉及面更广，主要集中在教育、医疗、就业等多个领域，而国内主要集中在教育、社会治理及产业、税收政策等方面。再次，从研究主题和演进趋势特征可以看出，国外人工智能政策研究主题较为丰富，主要涉及知识管理、流行病学、智慧城市等十二类热点主题，而国内研究当前主要聚焦于国家治理背景下人工智能政策发展路径、人工智能政策应用领域、人工智能政策文本量化分析等三个方面。另外，研究的演进趋势反映出国外人工智能政策研究主要沿着三条路径进行发展，而国内人工智能政策研究是从初步的理论摸索向着实践应用领域进行深入拓展，可细分为两个发展方向。

4.2针对国内研究的启示通过对当前中外人工智能政策研究文献进行深入细致的比较分析，可以为国内人工智能政策研究的未来发展提供以下启示：

第一，加快形成和构建人工智能政策研究的理论框架体系。国家近三年来出台的人工智能政策数量密集，这体现了国家对人工智能当前和今后发展的高度重视。在此背景下，国内学界对人工智能研究热情高涨，并从不同视角对人工智能重要议题展开了大量研究，然而当前围绕人工智能政策研究的成果数量非常有限。人工智能政策研究是一个亟待破解的“黑箱”，与教育、产业、医疗、文化等各个领域息息相关，尽管国内学者对这些问题展开了初步探索，但是研究内容较为零散缺乏系统性，而且尚未形成对人工智能政策理论框架体系的构建。因此，倘若要推动实践中人工智能政策的持续长久发展，那么势必需要尽快形成人工智能政策研究的理论框架，这一框架应该按照政策实施动因→发展路径→影响后果的因果链关系对人工智能政策研究的核心问题及基础部件进行层层廓清，以科学指导现实实践。

第二，强化对人工智能应用领域当前和未来发展的深度政策调研。人工智能可谓是推动社会经济快速发展的“万金油”，在当前众多行业和产业中得到了积极推广应用，但是一些学者所普遍担忧的是如何化解人工智能在现实应用中存在的诸多风险和隐患。当前国家和地方大力推广人工智能的积极应用，但是针对人工智能应用发展前景的深度政策调研尚显不足，而且国内学者围绕现有政策文本的分析更多是基于政策工具的分析视角，数据大多来源于当前网站公布的各类二手信息资料，缺乏对现实中人工智能政策领域的一手深度调研。因此，为了尽可能规避当前和未来人工智能应用过程中存在的诸多风险问题，首当其冲的就是需要强化目前人工智能政策应用现状进行深度调研和访谈，以获取更多宝贵信息，正确指引行业和产业的发展方向，充分发挥出人工智能的技术优势。

第三，实现人工智能政策研究与国家治理之间的高度耦合。人工智能政策研究根植于国家现实发展战略，随着当前国家治理现代化进程的不断深入拓展，人工智能政策与环境生态保护、政府治理、教育改革、产业发展等之间的关系变得愈加紧密。与国外相比，当前国内人工智能政策在国家治理方面的应用还处在探索阶段，在很多领域还没有真正开始实施。因此，当前在国家治理背景下应加快对人工智能政策在更多实践领域的广泛应用，尤其是国家治理中的“难点”和“痛点”，充分发挥人工智能技术在国家治理中的先进作用，实现国家治理目标与人工智能技术手段之间的高度耦合。这一耦合可以深化对人工智能政策发挥作用的规律性认识，丰富人工智能政策的理论体系，进一步推动国家治理的高质量发展。