我国人工智能研究的文献计量学与可视化分析*

顾维

南通师范高等专科学校 江苏南通 226010

0 引言

人工智能（AI）概念起源于1956 年美国达特茅斯（Dartmouth）会议[1]，是一门研究利用计算机技术模拟、延伸和扩展人的感知、逻辑推理、思维决策等高阶智能行为的理论、方法、技术及应用的新技术科学[2]。人工智能目前已成为世界各国竞争、发展的关键性、战略性技术。我国人工智能研究与应用发展迅猛，在国际上已具有一定的话语权[3]。为全面分析、准确掌握我国人工智能研究脉络及演进趋势，研究运用CiteSpace 研究分析工具，从文献数量、作者、机构、主题、热点等方面对1998—2021 年CSSCI 来源期刊中关于我国人工智能的研究文献进行了文献计量分析，旨在绘制出我国人工智能研究全景，为进一步研究提供参考和借鉴。

1 数据来源与研究方法

以CSSCI 文献资源库作为数据来源，以“人工智能”作为检索关键词，文献类型选择“不限”，发文年代设为“不限”，文献检索及下载时间截至2021年12月30日，共得2 562篇该领域的研究文献，经人工剔除会议通知、纪要及访谈对话类文献73篇，最终获得与研究主题相关的施引文献2 489 篇。

利用可视化分析方法，可以帮助研究者梳理大量文献数据的系统关系，根据研究主题，通过图表的形式，将数据转化成为研究者的决策分析。可视化分析方法以其图示化、系统化、科学化的特点，已在学术研究中得到大量使用。

2 文献特征分析

2.1 发文数量特征

根据CSSCI 刊载国内人工智能研究文献时间，绘制出文献年度发文数量变化趋势图，如图1 所示。从1998 年CSSCI 期刊开始关注人工智能相关研究，1998 年至2016 年属于研究的起步阶段，较长时间内发文数量曲线几乎呈现水平线态势。2017 年出现拐点，2017 年至2020 年发文数量呈现爆发式趋势，表明国内学者在这一时期对人工智能关注度空前提高，此时进入繁荣阶段。2021 年发文数量有所下降，但高于起步阶段的总体研究数量，表明我国学者对人工智能的研究进入深入探索阶段，研究水平趋于成熟。

图1 国内人工智能研究发文数量

2.2 研究主体分析

2.2.1 核心作者认定

利用CiteSpace 软件进行作者合作网络分析，同时对核心作者、发文量、研究主题等进行梳理，如表1 所示。核心作者排名前五的依次为高奇琦、何大安、肖峰、刘方喜、王天恩。其中，发文量第一的是来自华东政法大学政治学研究院的高奇琦，发文数量为21 篇，发文主题是人工智能的社会治理功能。

表1 人工智能发文核心作者及主要研究领域

2.2.2 发文作者合作特征

利用CiteSpace 软件，在作者共现图谱的基础上进行聚类分析，得到国内人工智能研究作者网络聚类图，如图2 所示，图中作者节点选取施引文献中的第一作者。由图2 可知，作者间形成连线的只有七组，并且连线节点较少，这说明国内人工智能研究团队少且整体规模不大，研究主题虽涉及多个学科，但研究团队间十分分散，没有形成连线。

图2 国内人工智能研究作者网络聚类

在七组已形成的合作团队中，规模最大的是以黄荣怀为中心的合作团队，他对人工智能的探究从2004 年开始持续到2020 年，研究周期较长，研究主题从早期的专家系统发展到智能教育。在黄荣怀的带领下，形成了研究主题为人工智能教育，成员有沙景荣、杜静、周伟、马玉慧、周颖等学者的北京师范大学研究团队。其次是以王曰芬、余厚强为中心的研究团队，研究主题为人工智能的学术分析，研究成员还包括白宽、邹本涛、杨雪、范丽鹏等人，均来自南京理工大学经济管理学院，团队的合作发文数量达到8 篇，说明该研究团队研究能力强，团队内部合作紧密。

2.2.3 研究机构特征

利用Citespace 软件对施引文献研究机构进行共现分析得到国内人工智能研究机构共现图谱，如图3 所示。从图3 可以看出，华东政法大学政治学研究院、中国社会科学院文学研究所、复旦大学哲学学院、南开大学哲学院等机构节点较大，节点大小与机构发文量成正比关系，因此，这几所机构在我国人工智能研究中发文较多，学术科研能力较强。节点与节点间的连线数较少，节点连接数说明节点之间是否存在合作关系与合作紧密程度，可知各研究机构间未形成紧密联系，机构间缺乏合作意识。

图3 国内人工智能领域研究机构共现图谱

3 研究内容分析

3.1 研究热点分析

关键词是对文献核心观点的高度概括，文献关键词分析能快速挖掘文献研究热点[5]。“人工智能”“机器学习”“人机协同”“智能教育”“智能机器人”为高频关键词，在国内人工智能研究中热度较高。同时，通过紫色圈对不小于0.1 的节点中介中心性及转折点进行重点标注[6]，“人工智能”“专家系统”“高科技企业”“教育技术”“认知科学”“知识工程”“智能教学系统”“物联网”“信息技术”“互联网”等高频关键词是国内人工智能研究主题的转折点。

结合关键词频次和中介中心性分析，排除本次搜索词“人工智能”，“互联网”“智慧图书馆”“人机协同”“智能教育”“智能机器人”“数字经济”“人类智能”“法律规制”“信息技术媒体融合”等在国内人工智能研究领域中的热度最高，重要性最强，代表了国内人工智能的研究热点。

3.2 研究主题分析

在关键词共现分析的基础上进行快速聚类，从施引文献关键词中提取名词性术语对进行聚类，选择对数似然法（LLR）聚类命名算，不断调整阈值，得到清晰的关键词网络聚类图，如图4 所示。本次网络密度为0.003 8，聚类模块化Q 值为0.811 4，平均轮廓值为0.992 5，意味着网络社团结构是显著的[7]。分析结果表明目前人工智能研究主题主要有以下几个方面。

图4 国内人工智能领域研究关键词共现图谱

3.2.1 智能教育

人工智能教育指人工智能在教育教学中的应用。闫志明等[8]根据学者Luckin R 的观点详细解读了人工智能（EAI）教育的内涵，并从理论角度总结EAI 发展的关键技术及应用场景，部分学者深入研究了EAI 的应用范式。余胜泉[9]阐述了人工智能教师在未来可能承担的具体角色，重点关注教师群体；梁迎丽等[10]对人工智能技术发展历程，三次发展浪潮，要素、特征、驱动力教育应用形态进行详尽分析，提出了人工智能与教育融合创新体系结构。

3.2.2 哲学反思

人工智能哲学反思的发展建立在人工智能基础理论发展的基础上，围绕近代欧洲哲学提出的“机器是否能够思维”这个经典问题开展，研究内容具体分为人工智能与人的区别、人机交互伦理问题、人工智能认识论等几大方面。人机交互伦理探讨包含技术伦理、机器伦理两个方面。翟振明等[11]认为人工智能伦理的技术突破在于人类心智现象的最终解释是否取得突破性进展；谢洪明等[12]总结传统派、谨慎派和乐观派三种对人工智能的不同态度。人工智能哲学认识论是人工智能哲学反思的代表性问题。肖峰[13]认为认识论深度地影响着人工智能的研究，人工智能广泛地影响认识研究，两者之间相互促进。徐祥运等[14]对国内人工智能研究的核心学科——机器学习的哲学认识论进行探讨，他们认为机器学习为人类提供了一种认识世界的新思路、新工具和新方式，是对哲学认识论问题的进一步深化。机器是否能有思维[15]，这要从人工智能是否具有主体性说起。大多学者认为人工智能不具备主体性。孙伟平等[16]从存在论、价值论、认识论探讨人工智能的主体地位，认为人工智能难以获得真正的主体地位。随着人工智能科学发展，人工智能体成为人机交互的新产物，这为人工智能的主体性及关系探讨提供了更多的可能性。段伟文[17]提出人工智能体具有“拟主体性”的观点，指通过人的设计与操作，使其在某些方面表现得像人一样。

3.2.3 综合治理

在人工智能发展的世界影响之下，我国学术界也迅速开展人工智能与政治、社会、经济发展的作用与关系的探讨。贾开等[18]从宏观层讲述人工智能自身发展对社会公共政策框架带来的挑战，为弥补原有公共治理的不足，构建人工智能时代政治、经济和社会综合性公共治理政策。曹静等[19]重点探讨人工智能的经济影响，着重分析人工智能对经济发展带来的正负面问题。何哲[20]对人工智能时代的政府管理策略进行了一系列的研究，他在讨论美国人工智能战略方向的基础上开展了本土化的人工智能时代社会发展策略研究。王君等[21]总结人工智能技术发展对社会就业的破坏作用并提出宏观的解决策略。

3.2.4 法律风险

人工智能技术与应用发展带来了法律技术风险的新挑战，为解决法律风险问题，吴汉东[22]提出，智能时代发展显现出民事主体法、著作权法、侵权责任法、人格权法、交通法、劳动法等诸多方面的缺陷，需要以人工智能的发展与规制为主题，形成制度性、法治化的社会治理体系。随着大数据时代的到来，数据权利成为新型权利形态，需要从制度和法律上赋予双重治理权利。

3.2.5 技术应用

一般认为人工智能技术应用包括人工智能技术内部发展与迭代路径、人工智能技术实际应用两个方面。《人工智能标准化白皮书（2021 版）》从基础层、技术层、应用层阐述人工智能产业链发展现状及趋势[23]。国内学者从机器学习、知识管理等人工智能基础技术到云计算、大数据、区块链、5G 等领域的新技术、新成果均有涉猎，从现有研究成果上看更集中于后者。

3.3 研究前沿分析

主题词突发探测是展示研究活跃度的主要指标，代表某一关键词在某一年份所发表的文章中出现频次突增，有助于掌握某一阶段某类主题研究文献的爆发式增长和学界的关注点。CiteSpace 软件突发词检测功能，可以检测出某一领域频次变化率较高的突发词，突发词节点加粗代表着其对应主题在相应时间发文量激增，进而判断研究前沿。

国内人工智能研究关键词突发性图谱如图5 所示。从图5 可知，人工智能在研究初期，集中在人工智能基础技术应用，研究成果具体阐述了从符号主义到知识工程、专家系统及知识管理的应用发展路径。2018—2020 年是人工智能研究的鼎盛期，对这一阶段研究前沿的分析具有较高的理论指导意义。著作权仍在持续研究中，人工智能生成物的著作权问题涉及哲学分支伦理学、经济学等多学科的综合研究，在未来研究中可能成为新的研究热点。

图5 国内人工智能研究关键词突发性图谱

3.4 研究路径分析

研究过程中热点的变化可以反映研究的演变趋势。本文通过运行CiteSpace 中的时区图展示1994—2021 年国内人工智能研究热点的变化，如图6 所示。以研究热点出现的时间和规模为依据，将人工智能领域的阶段性研究热点投射到以时间为横轴的图谱。研究初期出现少量研究热点，2013年出现新的小规模研究热点，到2017 年以后，新一代人工智能技术得到快速发展，大数据、智能互联、物联网、云计算、学习分析技术、区块链、疫情防控等词汇迅速出现，催生了新技术、新业态、新应用的产生，人工智能成为推动我国高质量发展的核心动力，人工智能阶段性发展特征愈加明显。

图6 国内人工智能领域研究的趋势图谱

3.4.1 萌芽期（1998—2007 年）

此阶段主要从理论探究开始向各个学科的实践应用零星扩散。在理论探究部分，有两种主要的观点。一是对图灵提出的“机器能思维吗”这个问题的探讨。唐热风[24]从哲学角度思考了人工智能的发展，关于人工智能的哲学基础讨论持续时间最长，热度最高，讨论的热点主要集中于认识论和心灵哲学等方面。二是维特根斯坦的观点，他认为机器（或者说人工智能）不能像人一样有思维，人工智能没有相关哲学基础[25]。在应用部分，人工智能早期成熟应用是专家系统，覆盖工业、农业、军事、医疗、卫生、气象等各领域[26]。随着自然语言处理技术发展，人工智能在信息检索领域的应用逐渐深入[27]。伴随着专家系统的研究，基于人工智能的知识管理系统在企业、数字图书馆、教育领域得到发展，衍生出知识工程学这个新的重要研究领域[28]。2006 年，人工智能在教育技术界得到关注，构建智能教学系统（Intelligent Tutoring System，ITS）及高中人工智能课程——机器人课程设置与教学成为当时人工智能教育应用的热点[29]。

3.4.2 孕育期（2008—2016 年）

此阶段，人工智能研究重心回归理论探究，发展进程变慢，突出性成果缺失，主要围绕“人工智能能否超越人类智能”这一主题开展全新的理论探究，出现了反对的声音。孟令朋[30]介绍了维特根斯坦关于人工智能的基本观点，维特根斯坦认为机器（或者说人工智能）不能像人一样有思维。王晓阳[31]则认为生产出一种新的能以与人类智能相似的方式作出反应的智能机器恐怕无法实现。因此，关于机器是否具有一定的意识成为该时期人工智能哲学领域广泛关注的问题之一。这一时期研究重点从综合化应用转变成为单一学科应用，并且应用多处于理论构建阶段，研究数量下降，涉及学科较为松散。其中，人工智能教育应用从萌芽期就持续研究，人工智能经济效益与法学探究的研究规模不断扩大，为后续研究展示新的活力奠定了基础。

3.4.3 研究发展期（2017 年至今）

2017 年被称为人工智能产业化元年，是人工智能研究的爆发期，整个研究体系在极速发展中成形。这一时期的研究成果奠定了国内人工智能研究的结构。人工智能教育应用成为人工智能研究的基础，主题从高中机器人课程设置向中小学、高等教育改革的多维发展，研究主体层次不断丰富。2018年4 月，中华人民共和国教育部印发《教育信息化2.0 行动计划》，为教育信息化发展提供了纲领性指导意见，也开启智能教育研究的新局面。祝智庭等[32]提出教育信息化得到核心发展的技术就是人工智能技术，人工智能在教育应用领域的内化就是智能教育，智能教育不仅是人工智能与教育融合的新理论，也是开展教育信息化2.0 行动的具体措施。彭绍[33]对人工智能教育进行全新定义，他认为人工智能教育包括利用人工智能赋能的教育（智能化教育）和以人工智能为学习内容的教育。

4 结论与展望

4.1 结论

从研究进程、研究主题与研究学者三个角度总结。

4.1.1 研究进程

国内人工智能研究已开展23 年，但研究成果集中在近五年。从2017 年开始，研究成果激增，研究热度在2020 年达到顶峰。研究主题以人工智能哲学探究为起点，逐步扩展到多学科门类的综合实践研究。从2021 年开始，学术关注度和研究成果均呈现下降趋势。

4.1.2 研究主题

研究结构呈倒金字塔形结构，分成基础、新兴和未来研究三部分。研究结构形成于研究发展期（2017 年至今）。人工智能教育应用在人工智能基础研究中占据极大份额，在整个研究体系中所占比例最高，研究跨度最长。随着人工智能技术的成熟，学术界对衍生出的各种人工智能新兴产物的哲学反思成为新兴研究主题。根据国内人工智能领域研究的趋势图谱，结合对现有研究成果的内容分析，得出人工智能研究的未来研究主题将集中于政策、医疗和综合实践应用上。

4.1.3 研究学者

人工智能研究的代表学者有吴汉东、袁曾、郑戈、熊琦、贾开、司晓、张玉洁、刘宪权、曹静、李晟等，分散在多个学科。学者间形成小规模的科研合作网络，学科内部形成合作网络，未产生较为显著的学科间合作。从时间上看，在2017 年和2018 年，这些学者的研究成果激增，既为整个研究结构奠定基础，又为后续其他学者的研究提供了指导性的理论借鉴。

4.2 展望

已有研究成果涉及哲学、经济学、法学、教育学、管理学、艺术学等多个学科门类，随着人工智能研究的逐渐深入，研究从理论探讨、多学科系统构建逐步过渡到单一学科的应用研究，未来的研究热点可以从以下几个方面深入。

4.2.1 政策指引下人工智能发展策略研究

人工智能发展日新月异，其技术突破和业态创新成果影响未来人工智能发展趋势，国内人工智能研究生态化发展需要政策指引，与产业发展并举。政策文件作为政府指引成为保障我国人工智能产业发展的重要手段，与之相对应，人工智能产业发展的规模不断扩大，为调整国际政策内容重点和方向提供了现实技术支持。

4.2.2 医疗人工智能研究

医疗人工智能存在潜在的创新价值和社会效益，后疫情时代背景更加凸显了医疗人工智能的重要性，这将使得医疗人工智能社会应用成为学界新的关注点。考虑多方复杂因素下共同作用的人工智能技术发展与社会协同演化的过程，本文大胆预测在未来医疗人工智能的研究将集中在人工智能体医疗应用实景和人工智能体发展带来的医学上的伦理与法律的双重风险这两方面。

4.2.3 人工智能技术综合化应用的实践研究

在互联网经济迅速发展的大背景下，人工智能技术将对社会产业结构造成新的影响，不仅会重塑整个产业结构，也会成为产业结构升级的重要推动力。在当前研究中，人工智能技术单一学科应用研究已较为成熟，而随着机器学习、知识图谱、大数据、区块链等传统与新兴技术的多重促进，人工智能技术在经济、社会、政治等多层面应用落地的可能性大大增加。