清華大学：過去10年間の人工知能の発展の概要：中国は急速な進歩を遂げ、その特許は世界の70％を占める

1. 急速な発展の10年
1. 論文の発表状況 人工知能は過去10年間で急速に発展し、学術研究から商業化へと移行しました。このレポートは、トップクラスの国際ジャーナルや会議における人工知能研究論文の成果の調査に焦点を当てています。下の図からわかるように、人工知能分野で発表された高水準の論文数は2011年以降、全体的に着実な増加傾向を示しており、多くの科学研究成果が得られています。これらの科学的研究成果には、R-CNN アルゴリズム、ニューラル機械翻訳の新しい方法などが含まれます。

過去10年間の人工知能分野のトップクラスの国際ジャーナルや会議で発表された論文数の傾向

高水準の科学研究論文の国別分布から判断すると、人工知能分野で発表された論文数で上位10カ国は、下図に示すように、米国、中国、ドイツ、英国、日本、カナダ、フランス、韓国、イタリア、オーストラリアです。米国と中国が発表した高水準の論文の数は他の国に比べて大幅に多く、それぞれ第1位、第2位となっている。中国の論文数は米国に僅差で続いている。

過去10年間に人工知能分野で最も多くのハイレベルな論文を発表した国トップ10

調査の結果、各国で人工知能分野で発表された高水準の科学研究論文には、次のような特徴があることがわかりました。

（１）国境を越えた科学研究協力が最も進んでいる国は米国と中国である。論文の国際協力ネットワークから判断すると、下図に示すように、米国と中国ではハイレベルな AI 論文の発表において国境を越えた協力が非常に多く見られます。その中で、AI技術で先行する米国は、ハイレベル論文の越境協力に最も多く参加しており、各国の主なパートナーとなっている。過去10年間で、米国が発表した33,255件のハイレベルAI論文の中には、中国、英国、カナダ、ドイツ、インドなど30か国以上のパートナー国が登場しており、パートナー国の数が最も多い。中国は、越境科学研究協力の国数で第2位である。その22,686件のハイレベルAI論文の中には、米国、カナダ、シンガポール、英国、日本など20か国以上のパートナー国が登場しており、英国とドイツが発表したハイレベルAI論文の越境協力国の数はともに18か国である。残りの国々では、高レベルの AI 論文に関する国境を越えた共同研究は比較的少数しか行われていません。

過去10年間に高水準の論文を発表した人工知能分野で国際協力を行っている国の分布

（２）中国と米国はお互いのAI分野において重要な科学研究パートナーである。高レベルのAI論文の発表に関しては、米国と中国は互いに重要な科学研究パートナーです。過去10年間、米国は30か国以上のパートナー国の中で、中国と高レベルAI論文の共同研究を最も多く行っており、その割合は18.53%となっている。同時に、20か国以上のパートナー国の中で、中国は米国との共同論文数が最も多く、27.16%を占めている。国際的な科学研究協力は、中国と米国にとって AI 研究成果を生み出す重要な手段となっていることがわかります。

（３）国境を越えた科学研究協力は、協力国におけるAI研究成果の影響力を高めることができる。分析の結果、米国のAI分野の高レベル論文の平均引用率は44.99であるのに対し、中国のAI分野の高レベル論文の平均引用率は31.88であることが判明した。これに比べて、中米の共同論文の平均引用率は51.2に達し、その影響力は中米各論文の平均引用レベルを大幅に上回った。これは、世界的な人工知能研究開発の分野における国境を越えた協力による科学研究成果の展示と交換の機会が大幅に増加したことを示しています。

2. チューリング賞を受賞した人工知能技術 ACM AM チューリング賞は、コンピュータ業界で最も権威があり、高貴な賞であり、「コンピュータサイエンスのノーベル賞」として知られています。チューリング賞は、コンピュータ業界に多大な貢献をした個人を表彰するために、1966 年に計算機協会 (ACM) によって設立された賞です。これは、世界のコンピューター科学の先駆者であるイギリスの科学者でマンチェスター大学の教授であるアラン・チューリング (AM チューリング) にちなんで名付けられました。チューリング賞の受賞者は、コンピュータ分野に永続的かつ重要な技術的貢献をした人物でなければならず、受賞者のほとんどはコンピュータ科学者です。最初のチューリング賞受賞者はカーネギーメロン大学のアラン・パーリス（1966年）であり、最初の女性受賞者はIBMのフランシス・E・アレン（2006年）でした。

AMiner インテリジェントエンジンを使用すると、チューリング賞受賞者とその長年にわたる学者としての経歴 (基本情報、研究分野など)、および学者の論文やモノグラフに関する情報を自動的に収集できます。毎年のチューリング賞受賞者は通常、翌年の3月下旬に米国計算機協会（ACM）から正式に授与されるため、このレポートでは2020年までの過去10年間（2010～2019年）のチューリング賞受賞者のデータを集計しています。分析の結果、過去 10 年間にチューリング賞が授与された分野には次のような特徴があることがわかりました。

（１）１０年間で人工知能の分野で３つの公式賞が授与された。チューリング賞が授与される分野は、ある程度、コンピュータ科学技術の発展の方向性の典型を反映しています。データによれば、過去 10 年間でチューリング賞は、コンピューティング理論、確率と因果推論、暗号化、分散および並行システム、データベースシステム、ワールドワイドウェブ、コンピュータシステム、ディープニューラルネットワーク、3D コンピュータグラフィックスの 9 つの分野に授与されました (下の図を参照)。チューリング賞は、賞の内容、革新の観点、研究分野の観点から、独創的な理論的革新と学際的な研究に重点を置いており、科学研究上の優位性が蓄積されています。

過去10年間で、人工知能の分野でチューリング賞が公式に3回授与されました。

最初は 2010 年で、レスリー・ヴァリアントが、急速に発展している人工知能分野の数学的基礎の 1 つである計算理論 (PAC、列挙複雑性、代数計算、並列分散コンピューティング) への貢献によりチューリング賞を受賞しました。

2 回目は 2011 年で、ジュディア・パール氏が確率と因果推論を通じて人工知能に貢献したことに対して受賞しました。

3回目は2018年で、ディープラーニング分野の3人の偉人、ヨシュア・ベンジオ、ジェフリー・ヒントン、ヤン・ルカンが、ディープニューラルネットワークをコンピューター分野の主要技術に押し上げた概念とエンジニアリングにおける大きな進歩によりチューリング賞を受賞しました。

Hinton のバックプロパゲーション (BP) アルゴリズム、LeCun の畳み込みニューラルネットワーク (CNN) の推進、および Bengio の再帰型ニューラルネットワーク (RNN) への貢献は、画像認識、音声認識、自然言語処理などの現在の飛躍的な発展の基礎となっています。中国科学院の張北院士も論文「人工知能の第3世代に向けて」の中で、チューリング賞受賞者5人が第2世代の人工知能の誕生に大きく貢献したと述べている。

チューリング賞 2010-2020 受賞コンピュータ分野

（２）受賞者の４分の１は人工知能分野から来ている。下の図からわかるように、過去 10 年間で合計 16 人の学者がチューリング賞を受賞しています。そのうち、人工知能分野の学者5名がこの栄誉を獲得し、31%を占めており、これはコンピュータサイエンスにおける人工知能の地位がもはや無視できないことを反映している。同時に、人工知能分野におけるチューリング賞は、初期の個人受賞者から近年の共同受賞者まで、ハイレベルな学者間の強力な連携による研究傾向がますます強まっています。

（３）米国はチューリング賞受賞者の80％以上を養成し、輩出している。
過去 10 年間のチューリング賞受賞者 16 人のうち、13 人は米国、2 人は英国、1 人はカナダ出身です (下図参照)。米国のチューリング賞受賞者 13 人のうち、10 人は米国で高等教育をすべて受け、2 人は米国と他の国で教育を受けており、米国で教育を受けていないのは 1 人だけです。そのうち、2011年の受賞者であるジュディア・パール氏はイスラエルで学士号を取得し、米国のニューヨーク大学で博士号を取得しています。また、2012年のチューリング賞受賞者であるシルビオ・ミカリ氏はイタリアで学士号を取得し、米国のカリフォルニア大学バークレー校で博士号を取得しています。アメリカでの教育歴を持たない唯一の人物は、フランスでの教育歴のみを持つ2018年チューリング賞受賞者のヤン・ルカン氏です。チューリング賞受賞者の80％以上がアメリカでの教育や職歴を持っているという事実は、高度な人工知能人材の育成におけるアメリカの強い競争力を反映しています。

2010年から2020年までのチューリング賞受賞者の出身国と学歴

（４）ヨーロッパで訓練された優秀な人材のうち３人がアメリカで勉強したり働いたりすることを望み、チューリング賞を受賞した。これらチューリング賞受賞者の学歴から判断すると、米国とヨーロッパ諸国の間では学術交流が盛んであることがわかります。ヤン・ルカンはフランスで教育を受け、アメリカで働き、チューリング賞を受賞しました。ジュデア・パールとシルビオ・ミカリはそれぞれイスラエルとイタリアからアメリカに留学し、国境を越えた二重教育を受けていました。その後、二人ともアメリカで働き、アメリカでチューリング賞を受賞しました。さらに、この英国出身のチューリング賞受賞者 2 名は、自国で高等教育を受け、受賞当時は自国にいましたが、2 人とも米国で何らかの職務経験を持っていました。

ジェフリー・ヒントン博士は英国のエディンバラ大学を卒業し、その後、Google、カーネギーメロン大学、カリフォルニア大学サンディエゴ校などのアメリカの機関で働きました。ティム・バーナーズ＝リーも英国のオックスフォード大学を卒業後、マサチューセッツ工科大学で働きました。アメリカの高等教育システムは、自国でAI分野の優秀な人材を育成するだけでなく、ヨーロッパ諸国からもこの分野の多くのエリートを引きつけ、維持していることがわかります。

（５）カナダのチューリング賞受賞者だけがアメリカでの教育や就労経験を持っていない。 16人のチューリング賞受賞者のうち、カナダ出身で母国のマギル大学で高等教育を受け、母国のモントリオール大学で勤務したのはヨシュア・ベンジオ氏のみ。同氏は、ディープニューラルネットワークの概念とエンジニアリングにおける画期的な成果により、2018年に同賞を受賞しました。これは、カナダが人工知能の分野で高レベルの人材を育成し、質を向上させることに成功したことをある程度反映しています。

（6）チューリング賞受賞者は、その分野で論文を発表してから賞を受け取るまでに平均37.1年待たなければなりません。 AMiner のタレントプロファイルデータを使用して、チューリング賞受賞者が受賞理由に関連するトピックについて発表した最初の論文を取得し、論文が発表された年から著者がチューリング賞を受賞した時点までの時間を計算し、次の図に示すように、これらのチューリング賞受賞者の受賞期間を取得します。結果によると、チューリング賞受賞者は、受賞分野に関連する論文を初めて発表してから少なくとも 30 年後、平均 37.1 年後であることが示されています。

その中で、エドウィン・キャットマルは、コンピュータグラフィックスの分野で最初の論文「コンピュータ生成ムービーのシステム」を発表してから47年後の2019年にチューリング賞を受賞し、受賞までに最も長い期間を待ちました。受賞までの待ち時間が最も短かったのはティム・バーナーズ＝リーで、彼は1990年に論文「WorldWideWeb: Proposal for a Hypertext Project」を発表し、ワールドワイドウェブ、ウェブブラウザ、ウェブの拡張を可能にする基本プロトコルとアルゴリズムを発明したことで、わずか26年後の2016年にチューリング賞を受賞しました。

チューリング賞受賞者がこの分野で最初の論文を発表してからどれくらい経ちましたか?

（７）チューリング賞受賞者の８０％以上は、受賞時点ですでに科学研究論文の執筆のピーク期を過ぎていた。 AMinerプラットフォーム上のチューリング賞受賞者の論文データと人物像に基づいて分析したところ、チューリング賞受賞者は受賞後も一般的に独自の研究方向を維持するものの、論文発表数は減少していることが判明しました。下の図に示すように、チューリング賞受賞者の 80.1% は、受賞前よりも年間平均論文数が少なくなっています。これは、チューリング賞を受賞した時点で、一般的に学術的成果のピークを過ぎていたことを反映しています。

2010年から2020年までのチューリング賞受賞者による受賞前と受賞後の年間平均論文数

ヨシュア・ベンジオ、ジューディア・パール、マイケル・ストーンブレーカーは例外であることは特筆に値します。チューリング賞受賞後、彼らの年間平均論文数は受賞前と比較してそれぞれ328.07%、49.53%、12.32%増加しました。その中で、ヨシュア・ベンジオは2018年にチューリング賞を受賞した後、年間平均論文発表数が大幅に増加し、2019年には96本の論文を発表して論文発表数のピークに達しました。彼のAMiner学術ポートレートと年間論文発表量は下の図に示されています。

2018年チューリング賞受賞者ヨシュア・ベンジオのAMiner学術ポートレート

学術的成果の減少に加えて、チューリング賞受賞者の中には受賞後に論文発表数が減った人がいたが、その理由は他に 2 つあることを指摘しておく必要がある。

まず、受賞後に学術研究に専念できなくなり、社会貢献活動などに参加するようになり、論文発表数が減少する可能性がある。例えば、ホイットフィールド・ディフィーは2015年に暗号技術への貢献によりチューリング賞を受賞した後、情報セキュリティとプライバシー保護の推進に目を向けました。また、マーティン・ヘルマンも同年に暗号技術への貢献によりチューリング賞を受賞した後、国際安全保障と核兵器削減の研究に目を向けました。

第二に、チューリング賞受賞者の中には、関連論文を発表してすでに業界に加わっている者も少数います。例えば、コンピュータグラフィックスのパイオニアであるエドウィン・キャットマルは、大学院卒業後、ルーカスやピクサーなどの企業で働き、長い間学界を離れています。彼はピクサーアニメーションとディズニーアニメーションの社長を務め、映画で4つのアカデミー賞を受賞しました（1993、1996、2001、2008年）。彼のAMiner学術ポートレートと年間論文発表量は、下の図に示されています。

2019年チューリング賞受賞者エドウィン・キャットマルのAMiner学術ポートレート

3. メディアが選ぶ主要な人工知能技術 2001 年以来、MIT Technology Review は毎年「トップ 10 の画期的テクノロジー」を選出しています。選定された技術リストは、脳コンピューターインターフェース、スマートウォッチ、がん遺伝子治療、ディープラーニングなど、多くの人気技術の台頭を正確に予測しており、世界の科学技術分野に大きな影響を与えています。

分析によると、メディアが評価した画期的な技術の約30％が人工知能に関連するものだった。 MITテクノロジーレビューが2010年から2020年までに選んだ「トップ10のブレークスルーテクノロジー」を分析・マイニングした結果、2013年のディープラーニング、2014年のニューロモルフィックチップ、2016年の音声インターフェースと知識共有ロボット、2017年の自動運転トラックと強化学習、2018年の流暢な会話型AIアシスタント、2019年のすべての人のための人工知能と敵対的ニューラルネットワーク、器用なロボット、2020年のマイクロ人工知能と人工知能発見分子など、32の人工知能関連技術がリストに含まれており、約30％を占めていることが判明しました。具体的なリストを下図に示します。

MITテクノロジーレビューの「トップ10ブレークスルーテクノロジー」リストに2010年から2020年まで選出されたAI関連技術

4. 国際会議や国際誌で最優秀論文賞を受賞した分野の分析 毎年、人工知能分野のトップジャーナルやカンファレンスでは、多数の学術研究論文の中から「二重盲検レビュー」を通じて最も革新的で価値のある研究論文を最優秀研究論文として選出し、「最優秀論文」賞を授与しています。各会議における最優秀論文賞は、通常、最優秀研究論文（研究トラック）と最優秀応用論文（応用トラック）の 2 つのカテゴリに分かれています。一部のカンファレンスでは、毎年複数の最優秀論文（第 1 位、第 2 位、第 3 位）が選出されますが、トップカンファレンスの中には、数年に 1 回だけ最優秀論文を 1 つ選出するところもあります。

過去 10 年間の経験に基づくと、トップクラスの国際会議で発表された最も優れた研究論文は、多くの分野のその後の研究に先駆的な影響を与えます。したがって、古典文学を読むという観点からも、最新の研究成果を知るという観点からも、毎年の優れた研究論文を分析し、議論することは極めて価値のあることです。

このセクションでは、2011年から2020年までの人工知能分野のトップ国際会議のベストペーパー賞で第1位を獲得したすべての論文（ランキングのないすべてのベストペーパーを含む）を収集して整理し、それらの論文が属する分野を分析します。統計によると、過去10年間で34のトップ国際会議から440件の論文が「最優秀論文」賞を受賞し、そのうち409件が研究分野の最優秀論文で、93%を占めています。各カンファレンスの優秀論文の具体的な分布は以下の表の通りです。FOCS、IEEE VIS、ISSCCなどのカンファレンスで優秀論文の数が多いのは、主にこれらのカンファレンスが順位を区別せずに毎年3つの優秀論文賞を授与しているためです。 ICASSP などの会議で最優秀論文の数が少ないのは、主にデータが欠落しているためです。

2011年から2020年までの人工知能分野のトップ国際会議における最優秀論文賞の分布（単位：論文）

サブ研究分野別に見ると、これらの最優秀論文は、機械学習、コンピュータービジョン、自然言語処理、ロボット工学、知識工学、音声認識、データマイニング、情報検索と推奨、データベース、人間とコンピューターの相互作用、コンピューターグラフィックス、視覚化、セキュリティとプライバシー、コンピューターネットワーク、コンピューターシステム、コンピューティング理論、古典的な AI、チップ技術など、18 のサブ分野をカバーしています。

（１）トップレベルの会議における最優秀論文賞は、分野を超えて授与されることが多い。全体的に、これらのトップ国際会議では、最優秀論文賞の大半が会議が属する AI サブ分野に授与されているものの、会議外の分野に授与された最優秀論文の数も高い割合を占め、22.3% に達しています。その中で、WSDMはデータマイニング分野における重要な国際会議であり、同会議で授与された最優秀論文賞のうち、90.9%がデータマイニング以外の分野の論文に授与され、全会議中最も高い割合となっています。第二に、KDD カンファレンスでは最優秀論文賞の 88.9% がデータマイニング以外の分野の論文に授与され、WWW カンファレンスでは最優秀論文賞の 63.6% が情報検索および推奨以外の分野の論文に授与されました。各会議の最優秀論文賞は以下の表に示されています。

2011年から2020年にかけて人工知能分野のトップ国際会議で優秀論文が他のAI分野に授与された割合

（２）情報検索・推奨、機械学習、計算理論など分野横断的な賞が数多くあります。分野全体でのベストペーパー賞の授与数全体から判断すると、情報検索・推薦、機械学習、計算理論の3分野がそれぞれ10%以上を占め、最も多くのベストペーパー賞を獲得した分野となっています。詳細は下図の通りです。これは、これら 3 つのサブ分野における分野横断的な研究成果が専門的に高い評価を受けており、複数の AI サブ分野における関連技術の急速な発展と進歩をある程度促進していることを反映しています。

人工知能分野の国際トップカンファレンスにおける最優秀論文賞のAI分野別配分

ソースカンファレンスの観点から見ると、情報検索・推奨分野ではRecSys、SIGIR、WWWカンファレンスから最優秀論文賞を受賞しているほか、下図に示すように、データマイニング分野ではWSDMカンファレンス、データベース分野ではSIGMOD、VLDBから最優秀論文賞を多数受賞しています。

複数の分野にわたる情報検索と推奨の分野で最優秀論文を表彰する会議の例

（３）機械学習技術の成果は2016年から2018年に集中し、多くの賞や表彰を受けました。過去 10 年間のトップカンファレンスの技術分野で受賞した最優秀論文の年間傾向は下図のとおりです。ブロックの色は特定のカンファレンスでその技術分野で受賞した最優秀論文の数を表し、色が濃いほど論文数が多いことを示します。

最優秀論文賞の受賞分野の年次推移を見ると、機械学習分野では過去10年間で最優秀論文数が2016年が最も多く、9件が受賞し、次いで2017年と2018年が毎年8件ずつ受賞している。ソースカンファレンスから判断すると、合計 14 のトップカンファレンスが機械学習の分野で最優秀論文賞を授与しました。その中で、最優秀論文賞の件数が最も多かった 2 つの会議は、国際機械学習会議 (ICML) と国際学習表現会議 (ICLR) で、それぞれ 13 件と 12 件の論文が発表されました。

人工知能分野の国際トップジャーナルや会議で受賞した最優秀論文の年間動向

4. セキュリティとプライバシーの分野で受賞する最優秀論文の数は増加傾向にあります。 人工知能の急速な発展と応用により、多くの分野でテクノロジーのセキュリティとプライバシーに注目が集まり始めています。これは、この分野における最優秀論文の数が毎年増加していることに反映されています。特に2014年以降、セキュリティとプライバシーの分野での年間最優秀論文数は5件を超えています。

過去 10 年間、CCS、ICML、OSDI、S&P、SIGCOMM、WWW などのトップカンファレンスでは、セキュリティとプライバシーの分野で最優秀論文賞が授与されてきました。セキュリティとプライバシーに関する最優秀論文は、主に IEEE セキュリティとプライバシーに関するシンポジウム (S&P) と ACM コンピュータと通信セキュリティに関する会議 (CCS) の 2 つの主要な会議から表彰されます。

5. 国際的に著名な会議やジャーナルに掲載された高影響力論文の分析 論文の引用数は、科学研究文書が業界によってどの程度認知されているかを示す指標であり、文書の影響力を示す重要な指標です。このセクションでは、2011 年から 2020 年にかけて人工知能に関する主要な国際会議やジャーナルに掲載された論文の引用特性と分野を分析します。結果の分析により、学術会議で最も引用数の多い論文が、その会議で最優秀論文賞を受賞した論文とは限らないこと、またその逆のことも判明しました。

分析により、人工知能のさまざまなサブフィールドにおける論文の最大引用数に大きな差があることも判明しました。下の図に示すように、2011年から2020年までの人工知能に関する主要な国際会議やジャーナルで最も引用された論文トップ10は、機械学習分野の研究論文がトップを占め、次いでコンピュータービジョン分野の研究論文となっています。機械学習とコンピュータービジョンの分野の論文の引用数は25万回を超えており、これは他のサブ分野で最も引用されている論文の引用数を大幅に上回っています。すべてのサブフィールドの中で、知識工学分野の論文の引用レベルは最も低く、機械学習分野の論文の引用レベルの 2% 未満です。

2011年から2020年までの主要な国際AI会議およびジャーナルの各サブフィールドにおける最も引用された論文トップ10の引用分布

具体的には、過去 10 年間にトップの国際会議ジャーナルに掲載された人工知能のさまざまなサブフィールドで最も影響力のある論文に関する情報が次の表に示されています。その中で、コンピュータービジョン分野で最も影響力のある論文は、2016年にCVPRで発表された「画像認識のための深層残差学習」という論文で、Facebook AI ResearchのKaiming He氏が第一著者であり、引用数は6万件を超えています。機械学習の分野で最も引用されている論文は、2015年のICLRカンファレンスで発表された「Adam: 確率的最適化の方法」です。この論文は、Google BrainのDiederik P. Kingma氏と、カナダのトロント大学の助教授Jimmy Lei Ba氏によって共同発表されました。これまでに約6万回引用されています。

2011年から2020年までの人工知能のサブフィールドで最も影響力のある論文

機械学習の分野では、表4-6に示すように、最も影響力のある論文上位10件はすべて10,000回以上引用されており、その半数以上は20,000回以上引用されています。論文の研究テーマから判断すると、最も影響力のある 10 件の論文はすべてディープラーニングに関連しています。論文の出典から判断すると、最も影響力のある 10 件の論文のうち、5 件は NeurIPS から、3 件は ICLR から、2 件は ICML からのものです。

第1位は、Google BrainのDiederik P.、Kingma氏とカナダのトロント大学の助教授Jimmy Lei Ba氏が2015年のICLRカンファレンスで共同発表した論文「Adam: A Method for StochasticOptimization」です。 2 番目に影響力のある論文は、Apple の研究者である Ian J. Goodfellow が NeurIPS 2014 で発表した論文「Generative Adversarial Nets」です。この論文も GAN の先駆的な研究です。 3番目に影響力のある論文は、Facebookの科学者Tomas Mikolov氏による「単語とフレーズの分散表現とその構成性」で、NeurIPS 2013で発表されました。

2011年から2020年までの機械学習における最も影響力のある論文トップ10

コンピュータービジョンの分野で最も影響力のある上位10件の論文を表4-7に示します。その中で最も引用数が多い論文は、Facebook AI ResearchのKaiming He氏が筆頭著者として2016年にCVPRで発表した「Deep Residual Learning for Image Recognition」で、引用数は6万件を超えています。この論文は、その年のCVPR最優秀論文賞も受賞しました。共著者には、Megvii Technologyの研究者である張向宇氏、同研究所の主任科学者兼所長である孫建氏、当時Momentaで働いていた任少青氏が含まれています。この論文は、非常に古典的なニューラルネットワーク論文です。主に、ネットワーク層の数が多すぎると、深いネットワークの効果が浅いネットワークほど良くないという問題を、新しいネットワーク構造を構築することで解決しています。また、適切な説明を与え、ResNet残差ネットワークの問題を解決しています。

2011年から2020年までのコンピュータービジョンにおける最も影響力のある論文トップ10

自然言語処理の分野において、過去 10 年間で最も影響力のあった上位 10 件の論文の詳細情報が次の表に示されています。その中で最も引用されている論文は、Google の研究員 Jeffrey Pennington 氏が 2014 年の EMNLP カンファレンスで発表した「Glove: Global Vectors for Word Representation」です。この論文で提案されている単語表現モデルは、スパース行列全体や大規模コーパス内の単一のコンテキストウィンドウではなく、単語間の共起行列内の非ゼロ要素のみをトレーニングすることで、統計情報を効果的に活用します。このモデルは意味のあるサブ構造を持つベクトル空間を生成し、類似性タスクや名前付きエンティティの認識において関連モデルよりも優れた性能を発揮します。

2011年から2020年までの自然言語処理における最も影響力のある論文トップ10

6. 過去 10 年間の AI 研究のホットスポットトップ 10 過去 10 年間の AI 研究のホットスポットのトップ 10 は、ディープニューラルネットワーク、特徴抽出、画像分類、オブジェクト検出、セマンティックセグメンテーション、表現学習、生成的敵対ネットワーク、セマンティックネットワーク、協調フィルタリング、機械翻訳です。

AMinerが過去10年間のAI研究のホットスポットトップ10を選出

（１）ディープニューラルネットワーク ディープニューラルネットワークはディープラーニングの基礎であり、ディープフィードフォワードネットワーク (DFN) や多層パーセプトロン (MLP) とも呼ばれます。これは、多数の隠れ層を持つニューラルネットワークとして理解できます。ディープニューラルネットワークは、大量のラベル付きデータがなくても問題を解決できます。代表的なアルゴリズムとしては、畳み込みニューラルネットワーク、リカレントニューラルネットワーク、再帰ニューラルネットワークなどがあります。

ディープニューラルネットワークの引用数は長い間安定して着実に増加しており、ディープ畳み込みニューラルネットワーク技術は 2014 年に引用数が増加し始めました。現在、ディープニューラルネットワーク（DNN）は、自動運転車やがんの検出から大規模なゲームプレイに至るまで、多くの人工知能アプリケーションの基礎です。これらの分野の多くでは、DNNSは超人間の精度を達成しています。

データは、過去10年間で、研究トピックが人工知能に関するトップカンファレンスとジャーナルに掲載された畳み込みニューラルネットワークを備えた5,405の論文が299,729の合計引用で、これらのトップカンファレンスとジャーナルのトップ10の論文で125回登場したことを示しています。このテクノロジーは98.16の最終インデックススコアを受け取り、過去10年間で最もホットなAI研究トピックの中で最初にランク付けされました。

（2）特徴抽出 機能抽出は、情報の検索と推奨事項で人気のあるテクノロジーです。これは、コンピューターを使用して一連の測定値から特徴的な情報を抽出し、抽出された有効なエンティティ情報を構造化された方法で保存する方法とプロセスを特に指します。現在、機能抽出により、機械学習、深い学習、ニューラルネットワークテクノロジーが導入されており、その中には画像機能抽出にニューラルネットワークコンピューティングが適用されています。

特定の画像の場合、画像の特徴を特徴付ける畳み込みニューラルネットワークを介して画像で実行され、ユークリッド距離などのメトリック学習方法を計算します。

データは、過去10年間で、研究トピックが人工知能に関するトップの国際会議や雑誌に掲載された1,747の論文が95,205の合計引用で掲載されており、これらのトップカンファレンスとジャーナルでトップ10の論文で8回登場しました。このテクノロジーは21.51の最終スコアを獲得し、過去10年間でAI Research Hotspotsで2位にランクされています。

（3）画像分類 画像分類とは、特定の分類セットから特定の画像にラベルを正しく割り当てるというタスクを指します。 2012年、カナダの認知心理学者でコンピューターのエベレストヒントンの博士課程の学生であるアレックス・クリツキーは、ILSVRCでの大規模な画像分類に深い学習を適用し、CNNモデルを提案しました。 AlexNetの後、一連のCNNモデルが出現し、Imagenetで常に新しいレコードを破りました。現在の深い学習モデルの認識能力は、人間の目の能力を上回っています。

データは、過去10年間で、研究トピックとしての画像分類を伴う612の論文が、人工知能に関するトップの国際会議と雑誌に掲載されており、50,309の合計引用があり、これらのトップカンファレンスとジャーナルでトップ10の論文で16回登場したことを示しています。このテクノロジーは14.14の最終スコアを獲得し、過去10年間で最もホットなAI研究トピックの中で3位にランクされました。

（4）ターゲット検出 オブジェクトの検出は、コンピュータービジョンと画像処理の分岐として、画像処理やパターン認識などのフィールドでの理論と方法の使用を指し、デジタル画像とビデオでターゲットオブジェクトの特定のカテゴリを検出し、これらのターゲットオブジェクトのセマンティックカテゴリを決定し、画像内のターゲットオブジェクトの位置を調整します。オブジェクトの検出は、オブジェクト認識の前提条件であり、大きな開発の可能性があります。

オブジェクト検出には、顔認識、歩行者の検出、視覚検索エンジン、カウント、航空画像分析など、多くの有用で興味深い実用的なアプリケーションがあります。ディープラーニングモデルは、画像分類タスクで他の従来の方法を押しつぶしてきました。オブジェクト検出の多くの新しい方法とアプリケーションは、深い学習において最先端を進めています。

過去10年間で、ターゲット検出に関する472の論文が、人工知能に関するトップの国際会議と雑誌に掲載され、合計で49,602回の引用があり、そのうち13はこれらのトップカンファレンスとジャーナルのトップ10の論文に登場しました。このテクノロジーは12.73の最終スコアを獲得し、最も人気のあるAI研究トピックの中で4位にランクされました。

（5）セマンティックセグメンテーション セマンティックセグメンテーションにより、コンピューターはセマンティクスに基づいて画像をセグメント化し、画像内のどのピクセルがどのターゲットに属しているかを判断できます。近年、多くのセマンティックセグメンテーションの問題は、深い学習技術を使用して解決されています。最も一般的なのは、精度と効率の観点から他の方法を大きく上回る畳み込みニューラルネットワークです。現在、セマンティックセグメンテーションの主な用途エリアには、地理情報システム、無人車両運転、医療画像分析、ロボット工学が含まれます。

過去10年間で、セマンティックセグメンテーションに関する275の論文が、人工知能に関するトップの国際会議と雑誌に掲載され、合計27,893回の引用があり、そのうち23号がこれらのトップカンファレンスやジャーナルのトップ10の論文に登場しました。このテクノロジーは12.01の最終スコアを獲得し、最も人気のあるAI研究トピックの中で5位にランクされています。

（6）表現学習 表現学習とは、生データをマシンで学習できるデータに変換する深い学習技術を指します。複雑な生データから効果的な機能を抽出し、無効または冗長な情報を排除し、使用可能なデータ表現を形成できます。知識表現学習では、単語の埋め込みは、自然言語処理の重要なブレークスルーの1つであり、それによって単語を表すことができ、それによって機械学習と深い学習のモデルトレーニングの基礎を提供します。

近年、多くの専門家や学者は、主な表現方法に研究を行うために、単語埋め込みの表現学習原則を使用しています。これらの方法は、人工知能技術の現在のアプリケーションの基礎となっており、機械学習に効率的な表現機能を提供しています。

過去10年間で、研究トピックが人工知能に関するトップの国際会議や雑誌に掲載された代表学習を伴う711の論文が49,892回の合計引用と、これらのトップ10の会議やジャーナルのトップ10の論文に登場しました。このテクノロジーの最終スコアは11.88で、最も影響力のあるAIテクノロジーの中で6位でした。

（7）生成敵のネットワーク Generative Anversarial Networks（GAN）は、2014年にIan Goodfellow et alによって提案された監視されていない学習のための機械学習モデルです。競合するメカニズムで構成されるニューラルネットワークの識別器とジェネレーターで構成される学習フレームワーク。 GANは、学習が監視されず、ラベル付きデータを必要としないため、強力です。

従来の生成モデルは、1980年代にRBMにまでさかのぼることができ、その後、深いニューラルネットワークで徐々にパッケージ化された自動エンコーダー、そして現在の生成モデルGANにまでさかのぼることができます。ガンには、画像生成、アートワークの生成、音楽生成、ビデオ生成など、多くの現実世界のユースケースがあります。さらに、画質を改善し、画像のスタイリライゼーションや色付け、顔の生成、その他多くの興味深いタスクを実行することもできます。

過去10年間で、生成敵のネットワークに関する362の論文が、人工知能に関するトップの国際会議や雑誌に掲載され、合計24,536の引用があり、そのうち22がこれらのトップカンファレンスやジャーナルのトップ10の論文に登場しました。この技術は11.44の最終スコアを獲得し、最も人気のあるAI研究トピックの中で7位にランクされています。

（8）セマンティックネットワーク セマンティックネットワークは、ネットワーク形式で人間の知識構造を表現する形式です。セマンティックネットワークは、一般に、ネットワークに表示される特別なアークを正しく処理するように特別に設計された一連の推論ルールを使用する意味的に指向した構造です。セマンティックネットワークは、エンティティの構造、階層、およびエンティティ間の因果関係を含む知識を表現できます。

過去10年間で、研究トピックが人工知能に関するトップの国際会議や雑誌に掲載された1,192の論文が合計44,897件の引用で掲載されており、これらのトップカンファレンスとジャーナルの引用の観点からトップ10の論文に2回登場しました。セマンティックネットワークテクノロジーの最終スコアは10.60で、最も人気のあるAI研究トピックの中で8位にランクされています。

（9）共同フィルタリング Collaborative Filtering（CF）は、推奨システムで使用されるテクノロジーです。複数のユーザーからの好み、興味、評価基準などのユーザーの動作データを収集し、ユーザーにターゲットの推奨事項と必要な情報を自動的に予測します。ほとんどの共同フィルタリングシステムは、類似性のインデックス作成手法を使用しています。共同フィルタリングは、情報の過負荷の問題を解決するための効果的な方法です。ユーザーユーザーのコラボレーティブフィルタリングまたはプロジェクトプロジェクトコラボレーションフィルタリングに基づいているかどうかにかかわらず、ユーザー情報使用の効率を効果的に改善します。

過去10年間で、International Top Journal of Artificial Intelligenceの研究トピックとして、289の論文があり、合計引用量は36,681回、トップ10の論文では12回、これらのトップジャーナルで引用量があります。このテクノロジーの最終スコアは9.98で、最もホットなAI研究トピックで9位にランクされています。

（10）、機械翻訳 自動翻訳とも呼ばれる機械翻訳は、コンピューターを使用して、1つの自然なソース言語を別の自然なターゲット言語に変換するプロセスです。それは自然言語処理の分野であり、計算言語学と自然言語の理解と切り離せない関係を持っています。

機械翻訳は人工知能の究極の目標の1つであり、そのコア言語の理解と言語生成は、自然言語処理の2つの基本的な問題です。近年、ディープラーニングテクノロジーの開発により、ニューラルマシンの翻訳は大きな進歩を遂げており、それが生成する翻訳は自然な声明に近く、主流の言語学習モデルになっています。

過去10年間で、研究トピックがInternational Top Journal of Artificial Intelligenceに掲載された389の論文が23,119倍の合計引用量で掲載されており、トップ10の論文に14回登場しました。このテクノロジーの最終スコアは8.84で、AI Research Hotspotsで10位にランクされています。

2。AIの分野での高レベルの才能の分析
1.グローバルAIフィールドの高レベルの才能 過去10年間で、グローバルな人工知能は急速に発展しました。中国、米国、欧州連合、英国、ドイツなどの国々は、トップレベルの設計と人材訓練を強化するために、人工知能を戦略的に展開しています。このレポートのデータは、主に北米、ヨーロッパ、東アジアに集中している120か国以上をカバーする、世界中の人工知能の分野に155,408人の学者がいることを示しています。

人工知能の分野で発表された論文の数は、この分野における国の科学的研究の強さを反映しています。 AI、米国、中国、ドイツの分野で発表された論文の数がそれぞれ上位3位にランクされているのに対し、他の国（英国、カナダ、日本、フランス、オーストラリア、韓国、シンガポール）の出力は20,000未満でした。

その中で、米国のAIの分野で発表された論文の数と才能が世界で最初にランクされており、世界のAIフィールド出力のほぼ40％が米国から来ており、米国のAI学者の数は世界の分野の学者の総数の約31.6％を占めています。

人工知能の分野（25,418）と才能（17,368）の分野で掲載された中国の論文の数は、米国よりも低く、他の国よりもかなり先にあります。これは、中国が近年の産業開発や教育などのさまざまな側面における人工知能の開発をサポートするための一連のサポートポリシーをリリースしたこと、および人材トレーニングを継続的に強化し、人材の欠点を埋めるための行動が結果を達成したことを反映しています。

サブフィールドの主要国の観点から見ると、米国は人工知能の分野で明らかな科学研究出力の利点を持ち、ほぼすべてのサブフィールドで紙の出力で世界で最初にランク付けされています。中国のAIの研究生産レベルは、自然言語処理、CHIPテクノロジー、機械学習、情報検索、採掘など、10を超えるサブフィールドで米国に続き、マルチメディアとモノのインターネットは米国の分野を超え、世界で最初にランク付けする必要があります。

AI高レベルの学者は、AI2000リストで選択された2,000の才能を参照しています。同じ学者が異なる分野に選ばれたという現象のため、重複排除後、1,833人の高レベルのAI学者がいました。下の図に示すように、これらの高レベルの学者の分布から、主に北米の米国に集中している世界中のAIカバーの分布があります。アメリカとアフリカはまれです。

世界的に人工知能の分野における高レベルの学者の分布

国家の観点から見ると、高レベルのAI学者の分布は米国で最大であり、1,244人が62.2％、総数の半分以上、2位の6倍以上を占めています。中国は米国の2番目にランクされ、196人が9.8％を占めています。ドイツは3位であり、ヨーロッパの学者の数が最も多い国です。人工知能の分野にある上位10人の高レベルの学者を持つ国は、下の図に示されています。

人工知能の分野のトップ10の高レベルの学者

全体として、世界規模では、米国と中国の機関には、人工知能の分野に多数の紙の生産量と学者がいて、AIの分野の上位10機関のすべての座席を占めています。高レベルのAIの才能の分布の観点から、グローバルな高レベルのAIの才能は、さまざまな国の大学またはハイテク企業の科学研究部門に属しています。

下の図に示すように、人工知能の分野の上位10人の高レベルの学者の中で、Googleは185人で、100人以上の高レベルの学者がいる唯一の機関で、ティンガ大学はトップ10に選ばれています。

世界中の人工知能の分野のトップ10の高レベルの学者

サブ分野で発表された論文数から判断すると、アメリカの大学や科学機関はAIのさまざまなサブ分野で比較的バランスのとれた発展を遂げており、自然言語処理、チップ技術、機械学習、情報検索とマイニング、人間とコンピューターの相互作用など、10を超えるサブ分野で世界の最前線に立っています。これは、人工知能の分野における米国の最高の強さを反映しています。

中国のAI機関は、音声認識、古典的なAI、コンピューターネットワーク、マルチメディア、視覚化、モノのインターネットの分野で強力であり、世界有数のプレーヤーの1つです。これらの機関は、主に北京、中国科学アカデミー、北京ポスト通信大学、およびZhijiang大学にあります。

2。中国のAIフィールドにおける高レベルの才能 過去10年間で、私の国の人工知能は急速に発展しました。 2017年、人工知能は、新世代の人工知能と人工知能を国家戦略レベルに高めた3段階の開発の戦略的目標を初めて決定しました。このレポートのデータは、私の国の人工知能の分野の学者の数が17,368であり、100を超える国内の都市をカバーしていることを示しています。地域の流通の観点から見ると、私の国のAIの才能は、主に北京・ティアンジン・ヘベイ地域、長江川デルタ、パールリバーデルタ地域に集中しています。

下の図に示すように、国内のAIフィールドの高レベルの才能は、主に北京ティアンジンヘベイ地域、ヤングツェ川デルタ、パールリバーデルタ地域に分配されています。その中で、北京ティアンジン・ヘベイ地域（主に北京）は、AIの分野で最も多くの高レベルの才能を持っています。また、Yangtze River Delta地域に分配されている多くの高レベルのAIの才能もあります。対照的に、内陸地域には高レベルの才能が不足しています。学者の分布マップでは、色が暗くなるほど、学者はより濃縮されるほど、学者は少なくなります。

私の国の人工知能の分野における高レベルの才能の地方および地方自治体の流通マップ

高レベルのAI学者の分布から判断すると、北京は依然として最大数の高レベルのAI学者を持つ国内の都市であり、79は45.4％を占めており、下の図に示すように、国内の高レベルAIの才能の半分に近い。政治センター、文化センター、国際交換センター、科学技術革新センターとして、北京は多くの有名な大学と研究機関や研究機関を持っています。同時に、サブフィールドの開発の観点から、北京はAIのすべてのサブフィールドで比較的バランスが取れており、関連する論文の出力は国内の主要な位置にあります。

人工知能の分野のトップ10の高レベルの学者

人工知能の国内研究における主要な機関は、主に北京、香港、杭州、上海などの大学です。北京には、人工知能の分野には資源の利点があります。杭州と香港の施設は、主に前者がアリババ大学とZ江大学を所有しているため、AIサブフィールドの研究の最前線にもありますが、後者は香港科学技術や香港の中国大学などの強力な大学が原因です。

国内の機関の中で、北京のティンギュア大学は、AIの分野で最も多くの学者を持っているだけでなく、27の分野で高レベルの才能を持つ国で最初にランクされています。国内の高レベルのAIの才能は、基本的に大学と提携しています。香港中国大学、Zhijiang大学、中国科学アカデミーには、それぞれ人工知能の分野に16、14、11の高レベルの学者がいます。他の国内機関は、下の図に示すように、AI分野で10未満の高レベルの才能を持っています。

人工知能の分野に高レベルの学者がいる中国のトップ10の機関

AIの分野での中国の高レベルの才能トレーニングは2018年に発展し始め、主にAIカレッジリサーチ機関の設立とAI専攻の設立を通じて大学によって栽培されています。「高等教育機関における人工知能革新のための行動計画」（Chengji [2018] No. 3）で、教育省は、人工知能の分野での専攻の建設を強化し、「人工知能 + X」化合物専攻の栽培のための新しいモデルを形成することが必要であると提案しました。

2020年までに、100人の人工知能 + X "複合専攻が建設され、50人の人工知能カレッジ、研究機関、またはクロス研究センターが設立され、大学が漸進的なサポートと株式調整を通じて人工知能の分野で才能を培う努力を増やすように導かれます。 2020年までに、カレッジと大学は基本的に、大学の科学技術革新システムと新世代の人工知能の発展のための規律システムの最適化レイアウトを完了します。 2030年までに、大学は世界の主要な人工知能イノベーションセンターを構築する際の核となり、新世代の人工知能の発展をリードする才能の高地になります。

2019年3月、教育省は「2018年の学部専攻の登録と承認結果の発表に関する通知」を発行しました。これには、新たに承認された学部専攻のリストに人工知能専攻が含まれています。この前に、学部レベルで人工知能専攻を設立した中国の大学はありませんでした。

2020年2月、教育省は「2019年の学部登録登録と一般的な大学の承認結果の発表に関する通知」を発行しました。統計的結果は、人工知能の観点から、人工知能専攻の人気の人気の増加を反映して、2018年の35と比較して、全国の人工知能専攻の建設資格の最初のバッチを取得した180が180であり、414％の増加であることを示しています。

これまで、中国の合計215の大学が「人工知能」に学部の専攻を確立しています。これらの大学の中で、60のダブルファーストクラス大学（28％）、および他の155は普通の学部大学です。

地域の流通の観点から見ると、2019年にはより新しい人工知能専攻の州は、山東に14人、北京では10人、河南では10人、四川の新しい人工知能専攻の数は10歳未満でした。しかし、これらの数字は一緒になって、国内の大学の総数を占めており、大学の人工知能における学部教育はまだ初期段階と開発段階にあります。

AIの才能の不足や国家政策がAI開発を促進するAI開発の傾向などの要因の影響の下で、多くの大学は、人工知能専攻を構築するよりも人工知能研究のために独立した大学を設立することをいとわない。 2019年6月の時点で、少なくとも38の大学が独立した人工知能大学を設立し、学部および大学院教育を完全に実施し、2019年に人工知能を専攻して学部生を募集し始めました。

統計によると、2019年末までに、私の国の66の大学は、人工知能カレッジ、研究機関、研究センター、または研究機関の建設に成功し、2020年までに50の人工知能カレッジ、研究機関、または国内の大学の再研究センターを設立するという目標を超えて、「高等教育革新のアクションプランの教育革新のための教育計画において、2020年までに強調されています。

要するに、人工知能の第1レベルの分野と中国の人工知能カレッジや大学の設立は、人工知能関連の専攻を正確に配置して、国と地域の産業開発のニーズを満たすのに役立ち、ファーストクラスの才能チームと高レベルのイノベーションチームの建設を加速し、国際的な交換を促進し、協力を促進し、協力を促進します。

3。人工知能特許の分析
特許は、革新的な成果のアプリケーションの現れです。このセクションでは、人工知能の分野での特許分析を通じて、この技術の革新的なアプリケーションを調査します。 Mochuang Global特許データベースをデータソースとして使用すると、タイトルと抽象の検索に関連する技術分野の業界の専門家と特許試験の専門家が共同で提供する人工知能の分野のキーワードを使用します。

特許データ分析では、コアアルゴリズムのブレークスルー、コンピューティングパワーの急速な改善、および大規模なデータのサポートにより、過去10年間で人工知能特許アプリケーションの数が徐々に増加していることがわかりました。

1。グローバルAI特許分析 世界的に、過去10年間の人工知能の分野での特許出願の数は521,264であり、全体的には、下の図に示すように、年々増加しています。

グローバルな人工知能特許出願の年間傾向

世界のAI特許出願の数を主導する国は、下の図に示されています。図からわかるように、グローバルな人工知能特許出願は現在、中国、米国、日本、韓国に集中しています。その中で、中国と米国は他の国よりもはるかに先の主要な立場にあります。中国の特許出願は389,571で、世界で1位であり、世界の合計の74.7％であり、2番目の米国の8.2倍を占めています。

世界のトップ10 AI特許出願

過去10年間で、グローバルAI特許出願のほぼ半分が企業から来ています。大学や研究機関からの関連申請の総数は約20％です。

グローバルAI特許アプリケーションタイプ分布

人工知能特許出願の上位10機関は、日本、中国、韓国、米国に集中しています。その中で、日本のキヤノンは、画像、光学、オフィスの自動化製品に特化した会社です。 IBMの米国企業の特許アプリケーションの多くは、IBMの自然言語処理と機械学習技術に関連しています。中国の州のグリッド特許アプリケーションは、主に電力グリッド制御、流通利用ネットワーク、風力発電所、グリーンエネルギーなどの分野における人工知能開発に関連しています。

世界のトップ10 AI特許申請者ランキング

2。中国のAI特許の分析 過去10年間で、人工知能の分野における中国の特許出願は389,571であり、グローバルアプリケーションの約74.7％を占めています。全体として、下の図に示すように、国内の人工知能関連の特許出願の数は年々増加しており、2015年以降は成長率が大幅に加速しています。

中国のAI特許出願の年間動向

中国のさまざまな州や都市におけるAI特許出願の分布を以下の図に示します。図からわかるように、広東省は72,737 AI特許出願で最初にランクされており、2位の北京（50,906）よりも42.8％多く、優れた利点があります。上位10の州は、主に東部、中央、西部地域、その他の地域で分布しており、比較的バランスの取れた分布がありますが、それらのほとんどは東部の州と都市であり、江蘇省、Z江、上海の3つの州と都市はすべてトップ5にあります。これは、これらの地域の経済レベル、開発レベル、科学研究投資、知的財産保護などの要因に密接に関連しています。

AI特許出願の国内トップ10州

中国のAI特許アプリケーションの上位10機関は、主に広東、北京、Z江、四川に配布されている5つの企業と5つの大学を含む下の図に示されています。現在、AI特許の分野における中国の革新は、主にハイテクインターネット企業と大学の研究機関の共同努力に依存しています。 State Gridには、特許アプリケーションの数が最も多く、次にTencentテクノロジーが続きます。これは、これらの2つの企業がAIの分野で優れたイノベーション機能を持ち、関連する技術分野で強力な主導的役割を持っていることを反映しています。

中国のAI特許出願量の上位10機関

4。将来の機会と課題
1。将来の開発の機会 現在、米国、中国、欧州連合、英国、日本、ドイツ、カナダなど、世界10以上の国と地域が、AIの将来の発展を支援するために、人工知能に関する国家開発戦略や政策計画を発表しています。这些国家几乎都将人工智能视为引领未来、重塑传统行业结构的前沿性、战略性技术，积极推动人工智能发展及应用，注重人工智能人才队伍培养。这是AI 未来发展的重要历史机遇。

美国：指定AI研究为政府优先事项并调入更多支持资金和资源。美国高度重视人工智能全面发展，包括立法、研发投资、人才培养等多个方面纷纷给予支持。2016 年，美国国家科学技术委员会（NSTC）发布《国家人工智能研发战略计划》全面布局人工智能发展。与此同时，美国总统办公室发布报告《为未来人工智能做好准备》，以应对人工智能带来的潜在风险，以及《人工智能、自动化与经济报告》，强调人工智能驱动的自动化对经济发展的影响。

2018 年，美国白宫首次将人工智能指定为政府研发的优先事项，并且成立人工智能特别委员会，旨在协调联邦政府各机构之间人工智能研发优先事项，并向白宫提出行动建议，以确保美国人工智能技术的领导地位。美国国防部高级研究项目局宣布投资20 亿美元开发下一代人工智能技术。美国国会两院讨论包括《人工智能未来法案》《人工智能就业法案》和《国家安全委员会人工智能法案》等法案。五角大楼成立了“联合人工智能中心”，确保国防部对人工智能相关数据信息的高效利用。

2019 年，美国白宫科学和技术政策办公室（OSTP）发布了由总统特朗普签署的《美国人工智能倡议》，将人工智能的重要性上升到美国经济安全和国家安全的层面，要求调配更多联邦资金和资源转向人工智能研究，并呼吁美国主导国际人工智能标准的制定，开展人工智能时代美国劳动力培养的研究。白宫还对《国家人工智能研发战略计划》进行了更新，确定了联邦投资于人工智能研发的优先事项。

美国防部网站公布《2018 年国防部人工智能战略摘要——利用人工智能促进安全与繁荣》，并成立联合人工智能中心（JAIC），旨在加快人工智能快速赋能关键作战任务，统筹协调人工智能研发项目，积极维持美国在AI 方面的战略地位。同年，国防授权法案批准设立人工智能国家安全委员会，该委员会旨在全面审查、分析人工智能技术及系统；商务部成立白宫劳动力委员会，以帮助美国储备人工智能等新兴科技发展所需的人才；国家科学基金会持续资助人工智能基础研究领域。

欧盟：重视并推动AI 发展中的伦理和安全理念。欧盟在人工智能发展战略中坚持推行以人为本的理念，在2018 年发布了《欧盟人工智能战略》，推动欧盟人工智能领域的技术研发、道德规范制定以及投资规划，并计划在2020 年底至少投入200 亿欧元。随后，欧盟宣布在“地平线2020”研究与创新项目中对人工智能研发投入15 亿欧元的专项资金，将资助创建欧洲人工智能生态系统的支撑平台。

欧盟专门设立了高级别人工智能专家组（AI HLEG），就人工智能的投资和政策制定提出建议，为人工智能的道德发展制定指导方针。该专家组制定了《可信赖的人工智能道德准则草案》，提出实现可信赖人工智能的道德准则和具体要求，包括数据保护和数据透明度等问题。该草案是欧盟为增加政府和私营部门人工智能领域合作的提出的三大战略之一，三大战略包括：增加政府和私营部门对人工智能的投资、为人工智能可能引发的社会和经济变革做好准备、建立适当的人工智能道德和法律框架。

此外，欧盟成员国还于2018 年签署了《人工智能合作宣言》，就人工智能可能引发的社会、经济、伦理道德和法律等重要问题开展合作，确保欧洲在人工智能研发和应用上具有强大竞争力。随后，又发布《促进人工智能在欧洲发展和应用的协调行动计划》，提出设计伦理和设计安全两大关键原则，旨在使欧盟成为发展前沿、符合道德伦理、安全的人工智能技术的世界领先地区，强调将通过以人为本的方式促进人工智能技术发展。

2019 年，欧盟启动了AI FOR EU 项目，建立人工智能需求平台、开放协作平台，整合汇聚21 个成员国79 家研发机构、中小企业和大型企业的数据、计算、算法和工具等人工智能资源，提供统一开放服务。此外还发布了《人工智能伦理准则》，以提升人们对人工智能产业的信任。

英国：不断加大政策、资金、人才和国际合作方面的布局力度。英国政府在2017 年发布的《产业战略：建设适应未来的英国》中，确立了人工智能发展的四个优先领域：将英国建设为全球AI 与数据创新中心；支持各行业利用AI 和数据分析技术；在数据和人工智能的安全等方面保持世界领先；培养公民工作技能。随后，发布了《在英国发展人工智能》，建议建立人工智能和数据科学的艾伦·图灵研究所，旨在与其他公共研究机构建立合作，统筹协调针对人工智能研究的计算能力。

2018 年，英国政府发布《产业战略：人工智能领域行动》，这是英国政府和产业界做出的首份发展人工智能的承诺，将采取切实行动推进人工智能发展，促进英国人工智能和数字驱动的经济蓬勃发展。英国政府在《人工智能领域行动》等多个人工智能方面的政策文件中，提出政府提高研发经费投入，优先支持关键领域的创新等措施。

这些举措包括：未来10 年，英国政府将研发经费（包括人工智能技术）占GDP 的比例提高到2.4%；2021 年研发投资将达125 亿英镑；从“产业战略挑战基金”中拨款9300 万英镑，用于机器人与AI 技术研发等。英国政府也积极推出针对初创企业的激励政策。

近年来，英国政府不断加大政策、资金、人才、国际合作等方面的布局力度。在政策方面，据英国政府2018 年推出的《工业战略：人工智能产业政策》报告显示，过去3 年英国发布了包括人工智能产业在内的工业战略白皮书、人工智能产业政策等各项措施，并成立了人工智能发展委员会、数据伦理与创新中心、人工智能发展办公室及工业战略挑战基金等相关机构，以推动人工智能的发展。在资金方面，英国规划制定了金额超9 亿英磅（约78.7 亿元人民币）的一揽子人工智能产业扶持计划，还将投资谷歌、亚马逊、“人工智能元素”（Element AI）以及“慧与科技”（HPE）等一系列跨国科技公司。

2019 年2 月，英国政府宣布投资1300 万英镑（约1.13 亿元人民币）支持40 个人工智能及数据分析项目，旨在提升生产力，改善英国的专业服务。在人才方面，自2017 年起，英国计划将在4 年内培育8000 名计算机科学教师；未来7 年，通过培训让5000 名学生具备多样化的数字技术；支持新增450 个与人工智能相关的博士点；加大包括人工智能人才在内的海外特殊人才引进力度，每年增加1000 名至2000 名人才引进。

在国际合作方面，2018 年7 月，英国与法国签订五年协议，在人工智能等数字产业领域加强双方高端科研中心的合作；2019 年1 月，英国决定与日本在机器人、数据等领域加强深度合作。

德国：用AI+ 工业4.0 打造“人工智能德国造”品牌。德国政府早在2013 年提出的“工业4.0”战略中，就已经涵盖了人工智能。2018 年，德国联邦政府颁布了《高科技战略2025》，提出“推进人工智能应用，使德国成为人工智能领域世界领先的研究、开发和应用地点之一”，还明确提出建立人工智能竞争力中心、制定人工智能战略、组建数据伦理委员会、建立德法人工智能中心等。

在《联邦政府人工智能战略》中制定三大战略目标，以及包括研究、技术转化、创业、人才、标准、制度框架和国际合作在内的12 个行动领域，旨在打造“人工智能德国造”品牌。在资金投入方面，德国政府宣布将首先投入5 亿欧元用于2019 年及之后几年的人工智能发展，并将在2025 年底累计投入30 亿欧元。德国经济和能源部在2019 年发布的《国家工业战略2030》（草案）中，也多次强调人工智能的重要性。

2020 年1 月15 日，德国柏林工业大学宣布成立新的人工智能研究所，进一步开展人工智能科研和人才培养。德国联邦政府将在人工智能战略框架内对该研究所追加预算，预计到2022 年时，研究所将获得3200 万欧元财政支持。柏林市政府也将为研究所新增人工智能岗位。

日本：主张构建有效且安全应用的“AI-Ready 社会”。日本政府积极发布国家层面的人工智能战略、产业化路线图。2016 年成立了人工智能技术战略委员会，作为人工智能国家层面的综合管理机构，以制定人工智能研究和发展目标以及人工智能产业化路线图，负责推动总务省、文部省、经产省以及下属研究机构间的协作，进行人工智能技术研发。该委员会有11 名成员，分别来自学术界、产业界和政府。

2017 年，日本发布《人工智能技术战略》，确定了在人工智能技术和成果商业化方面，政府、产业界和学术界合作的行动目标。2018 年，日本发布《综合创新战略》提出要培养人工智能领域技术人才，确保在2025 年之前每年培养和录用几十万名IT 人才。此外，还发布了《集成创新战略》，将人工智能指定为重点发展领域之一，提出要加大其发展力度，同时强调要加强人工智能领域人才培养。

2018 年12 月27 日，日本内阁府发布《以人类为中心的人工智能社会原则》推进人工智能发展，从宏观和伦理角度表明了日本政府的态度，主张在推进人工智能技术研发时，综合考虑其对人类、社会系统、产业构造、创新系统、政府等带来的影响，构建能够使人工智能有效且安全应用的“AI-Ready 社会”，于2019 年3 月正式公布。

此原则是将人工智能(Artificial Intelligence, AI)视为未来的关键科技，但在研发应用上，须以联合国的持续发展目标(Sustainable Development Goals, SDGs)为基础，以落实日本“超智能社会”(Society 5.0)为准则，其基本理念是Dignity、Diversity & Inclusion 及Sustainability，并且建构“尊重人类尊严”、“不同背景的大众皆能追求幸福”及“持续性”的社会。

韩国：提升领域竞争力发展成为“AI 强国”。韩国政府于2019 年12 月17 日公布“人工智能（AI）国家战略”，以推动人工智能产业发展。该战略旨在推动韩国从“IT 强国”发展为“AI 强国”，计划在2030 年将韩国在人工智能领域的竞争力提升至世界前列。

并且，提出构建引领世界的人工智能生态系统、成为人工智能应用领先的国家、实现以人为本的人工智能技术。在人工智能生态系统构建和技术研发领域，韩国政府将争取至2021 年全面开放公共数据，到2024 年建立光州人工智能园区，到2029 年为新一代存算一体人工智能芯片研发投入约1 万亿韩元。

其他国家：

加拿大在2017 年宣布了泛加拿大人工智能战略，承诺提供1.25 亿加元的加拿大人工智能研究与开发。这一战略旨在增加加拿大的AI 和毕业生人数。在埃德蒙顿、蒙特利尔和多伦多建立科学卓越中心。建立加拿大在AI 经济、伦理、政策和法律研究方面的全球思想领导地位。

法国于2018 年3 月发布AI 战略，将投入1.5 亿欧元把法国打造成AI 研究、训练和行业的全球领导者。该计划由四个部分组成，一是宣布国家人工智能计划，将在法国各地建立一个由四五个研究机构组成的网络；二是将制定一项开放数据政策，推动人工智能在医疗等领域应用；三是政府将创建一个监管和金融框架，以支持国内“人工智能冠军企业”的发展；四是政府将制定道德规范。

印度在2018 年6 月发布《人工智能国家战略》，探求如何利用人工智能来促进经济增长和提升社会包容性，寻求一个适用于发展中国家的AI 战略部署。该战略旨在提高印度人的工作技能，投资于能够最大限度地提高经济增长和社会影响的研究和部门，以及将印度制造的人工智能解决方案推广到其他发展中国家。

以色列于2019 年11 月发布了国家级人工智能计划，提出以色列要成为人工智能的世界五大国之一。并且政府以五年为一期，每年投资10 至20 亿新谢克尔（约2.89 亿至5.8 亿美元）开发人工智能技术，总共投资100 亿新谢克尔（约28.93 亿美元）于人工智能领域。

西班牙于2019 年3 月发布《西班牙人工智能研究、发展与创新战略》，认为最优先事项是建立一个有效的机制，以保障人工智能的研究、发展、创新，并评估人工智能对人类社会的影响。

中国AI发展支持政策：党和国家高度重视AI 发展，从产业发展、教育等各个方面支持人工智能的发展。习近平总书记也曾多次强调用人工智能开辟社会治理新格局、人工智能为高质量发展赋能。早在2015 年，《国务院关于积极推进“互联网+”行动的指导意见》就提出加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域推广应用的目标。近年来发布了一系列的支持人工智能发展政策，如下图所示。

中国人工智能发展重要支持政策

进入2020 年，国家大力推进并强调要加快5G 网络、人工智能、数据中心等新型基础设施建设进度。人工智能技术被视为新一轮产业变革的核心驱动力量。此外，教育部、国家发展改革委、财政部联合发布了《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》，提出要构建基础理论人才与“人工智能+X”复合型人才并重的培养体系，探索深度融合的学科建设和人才培养新模式。7 月，国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化部联合印发《国家新一代人工智能标准体系建设指南》（国标委联〔2020〕35 号），以加强人工智能领域标准化顶层设计，推动人工智能产业技术研发和标准制定，促进产业健康可持续发展。

2、人工智能未来技术研究方向 人工智能经历几波浪潮之后，在过去十年中基本实现了感知能力，但却无法做到推理、可解释等认知能力，因此在下一波人工智能浪潮兴起时，将主要会去实现具有推理、可解释性、认知的人工智能。 2015 年，张钹院士提出第三代人工智能体系的雏形。2017 年，DARPA 发起XAI 项目，核心思想是从可解释的机器学习系统、人机交互技术以及可解释的心理学理论三个方面，全面开展可解释性AI 系统的研究。2018 年底，第三代人工智能的理论框架体系正式公开提出，核心思想为：

（1）建立可解释、鲁棒性的人工智能理论和方法；

（2）发展安全、可靠、可信及可扩展的人工智能技术；

（3）推动人工智能创新应用。

其中具体实施的路线包括：

（1）与脑科学融合，发展脑启发的人工智能理论；

（2）探索数据与知识融合的人工智能理论与方法。虽然还没有明确第三代人工智能是什么，但是其趋势是清晰的。

Gartner 2020 年人工智能技术成熟度曲线图显示，如下图所示。2020 年人工智能技术成熟度曲线共有30 项技术出现，其中有17 项技术需要2 到5 年才能达到成熟期，有8 项技术需要5 到10 年才能达到成熟期。出现的这些技术基本处于创新萌芽期、期望膨胀的顶峰期和泡沫低谷期，而“稳步爬升的光明期”和“实质生产的高峰期”出现的技术寥寥无几，仅有Insight Engines（洞察引擎）和GPUAccelerators （GPU 加速器）。

Gartner 2020 年人工智能技术成熟度曲线图

通过对2020 年人工智能技术成熟度曲线分析，并结合人工智能的发展现状，本报告认为人工智能下一个十年重点发展的方向包括：强化学习（Reinforement Learning）、神经形态硬件（Neuromorphic Hardware）、知识图谱（Knowledge Graphics）、智能机器人（Smart Robotics）、可解释性AI（Explainable AI）、数字伦理（Digital Ethics）、自然语言处理（Natural Language Processing）等技术处于期望膨胀期，表明人们对AI 最大的期待，达到稳定期需要5-10 年，是AI 未来十年重点发展方向。

（1）强化学习（Reinforement Learning。）。强化学习用于描述和解决智能体在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。强化学习不受标注数据和先验知识所限制，而是通过接收环境对动作的奖励（反馈）获得学习信息并更新模型参数。由于智能体和环境的交互方式与人类和环境的交互方式类似，强化学习可以认为是一套通用的学习框架，可用来解决通用人工智能的问题。

（2）神经形态硬件（Neuromorphic Hardware。）。神经形态硬件旨在用与传统硬件完全不同的方式处理信息，通过模仿人脑构造来大幅提高计算机的思维能力与反应能力。采用多进制信号来模拟生物神经元的功能，可将负责数据存储和数据处理的元件整合到同一个互联模块当中。从这一意义上说，这一系统与组成人脑的数十亿计的、相互连接的神经元颇为相仿。神经形态硬件能够大幅提升数据处理能力和机器学习能力，能耗和体积却要小得多，为人工智能的未来发展提供强大的算力支撑。

（3）知识图谱（Knowledge Graphics。）。要实现真正的类人智能，机器还需要掌握大量的常识性知识，以人的思维模式和知识结构来进行语言理解、视觉场景解析和决策分析。知识图谱将互联网的信息表达成更接近人类认知世界的形式，提供了一种更好地组织、管理和理解互联网海量信息的能力，被认为是从感知智能通往认知智能的重要基石。

从感知到认知的跨越过程中，构建大规模高质量知识图谱是一个重要环节，当人工智能可以通过更结构化的表示理解人类知识，并进行互联，才有可能让机器真正实现推理、联想等认知功能。清华大学唐杰教授在知识图谱的基础上提出的“认知图谱=知识图谱+认知推理+逻辑表达”，为人工智能未来十年的发展提供了研究方向。

（4）、智能机器人（Intelligent Robot）。智能机器人需要具备三个基本要素：感觉要素、思考要素和反应要素。感觉要素是利用传感器感受内部和外部信息，如视觉、听觉、触觉等；思考要素是根据感觉要素所得到的信息，思考出采用什么样的动作；反应要素是对外界做出反应性动作。

智能机器人的关键技术包括多传感器信息融合、导航与定位、路径规划、智能控制等。由于社会发展的需求和机器人应用行业的扩大，机器人可以具备的智能水平并未达到极限，影响因素包括硬件设施的计算速度不够、传感器的种类不足，以及缺乏机器人的思考行为程序难以编制等。

（5）、可解释人工智能（Explainable AI）。虽然深度学习算法在语音识别、计算机视觉、自然语言处理等领域取得令人印象深刻的性能，但是它们在透明度和可解释性方面仍存在局限性。深度学习的不可解释性已经成为计算机领域顶级会议（如NIPS）火药味十足的讨论话题。一些方法尝试将黑盒的神经网络模型和符号推理结合了起来，通过引入逻辑规则增加可解释性。

此外，符号化的知识图谱具有形象直观的特性，为弥补神经网络在解释性方面的缺陷提供了可能。利用知识图谱解释深度学习和高层次决策模型，是当前值得研究的科学问题，可以为可解释的AI 提供全新视角的机遇。张钹院士指出当前人工智能的最大问题是不可解释和不可理解，并提倡建立具有可解释性的第三代人工智能理论体系。

（6）、数字伦理（Digital Ethics。）。作为新一轮科技革命和产业变革的重要驱动力，人工智能已上升为国家战略，人工智能将会在未来几十年对人类社会产生巨大的影响，带来不可逆转的改变。人工智能的发展面临诸多现实的伦理和法律问题，如网络安全、个人隐私、数据权益和公平公正等。

为了让人工智能技术更好地服务于经济社会发展和人民美好生活，不仅要发挥好人工智能的“头雁”效应，也要加强人工智能相关法律、伦理、社会问题等方面的研究。数字伦理将是未来智能社会的发展基石，只有建立完善的人工智能伦理规范，处理好机器与人的新关系，我们才能更多地获得人工智能红利，让技术造福人类。

（7）、自然语言处理（Nature Language Processing ）。深度学习在自然语言处理取得了巨大突破，它能够高效学习多粒度语言单元间复杂语义关联。但是仅仅依靠深度学习并不能完成对自然语言的深度理解。对自然语言的深度理解需要从字面意义到言外之意的跃迁，这需要引入复杂知识的支持。

丰富的语言知识能够提升模型的可解释性，可覆盖长尾低频语言单位的知识规则能够提升模型的可扩展性，而异质多样的知识与推理体系能够提升模型鲁棒性。因此有必要研究知识指导的自然语言处理技术，揭示自然语言处理和知识产生及表达的机理，建立知识获取与语言处理双向驱动的方法体系，实现真正的语言与知识智能理解。

3、面临的问题 随着人工智能的快速发展和应用，人们越来越重视随之而来的安全和伦理问题。AI 发展面临着诸多安全和伦理方面的挑战。安全挑战主要包括三个方面：一是人工智能可以替代体力劳动和脑力劳动，相应的岗位替代作用影响着人类就业安全；二是建立在大数据和深度学习基础上的人工智能技术，需要海量数据来学习训练算法，带来了数据盗用、信息泄露和个人侵害的风险。

许多个人信息如果被非法利用，将会构成对隐私权的侵犯。三是人工智能具有强大的数据收集、分析以及信息生成能力，可以生成和仿造很多东西，甚至包括人类自身。随之而生的虚假信息、欺诈信息不仅会侵蚀社会的诚信体系，还会对国家的政治安全、经济安全和社会稳定带来负面影响。

人工智能发展面临的伦理挑战主要来自以下方面。一是人们对智能化的过度依赖。人工智能发展带来的简易、便捷的智能化工作和生活方式的同时，严重挤占了人们用于休息的自由时间、用于劳动的工作时间和用于个人全面发展的时间，由此催生了许多人的懒惰和对智能产品的过度依赖；同时，个性化新闻推荐或者自动生成的新闻，真假难辨的广告和宣传给人们封闭在“信息茧房”里。甚至逐渐失去了独立自由决策的能力，成为数据和算法的奴隶。

二是情感计算技术和类脑智能技术的创新融合发展，可能扰乱人们对于身份和能动性的认知。人类大脑与机器智能直接连接，会绕过大脑和身体正常的感觉运动功能；增强型神经技术的应用也可能改变人的体能和心智。这是对人类社会的道德社会规范和法律责任的挑战。

三是智能算法歧视将带来的偏见。人工智能以大数据和深度学习为基础，数据、算法以及人为因素会导致计算结果的偏见和非中立性，比如性别歧视、种族歧视以及“有色眼镜”效应。数据和算法导致的歧视往往具有更大的隐蔽性，更难以发现和消除。例如，微软在Twitter 上上线的聊天机器人Tay 在与网民互动过程中，由于大量恶意数据的输入，成为集性别歧视、种族歧视等于一身的“流氓”，它不但辱骂用户，还发表了种族主义评论和煽动性的政治宣言。

四是人工智能对人类造成的威胁和伤害。智能武器是可自动寻找、识别、跟踪和摧毁目标的现代高技术兵器，包括精确制导武器、智能反导系统、无人驾驶飞机、无人驾驶坦克、无人驾驶潜艇、无人操作火炮、智能地雷、智能鱼雷和自主多用途智能作战机器人等，它将成为未来战场主力军，信息处理和计算能力成为战争胜负的决定因素。人工智能武器是继火药和核武器之后战争领域的第三次革命。人工智能如果被赋予伤害、破坏或欺骗人类的自主能力，将是人类的灾难，后果难以想象。

面对人工智能带来的安全和伦理问题，受到越来越多各方关注和应对。2020年，美国国防部下属的国防创新委员会推出了《人工智能伦理道德标准》，公布了人工智能五大伦理原则，即负责、公平、可追踪、可靠和可控。无论作战还是非作战人工智能系统，均须遵守上述原则，否则美国防部将不予部署。牛津大学成立了人工智能伦理研究所（Institute for Ethics in AI），并委任了由7 位哲学家组成的首个学术研究团队。中国人工智能学会伦理专业委员会也正着手进行中国人工智能伦理规范研究。

科技是未来竞争的制高点。虽然科技无国界，但是科技公司有国界。当前世界各国对人工智能技术发展都不遗余力地投入和支持，同时，还使用不同方法保护自己的科技成果，封锁前沿技术和“卡脖子”技术外流路径，这将在一定程度上限制人工智能技术创新要素的自由流动。

从全球范围来看，中国和美国人工智能领域科研论文和专利产出数量最多的两个国家。但是近年来，中美两国在人工智能技术领域的贸易关系则存在摩擦。2018 年11月19日美国商务部工业安全署（ BIS ）出台了一份针对关键新兴技术和相关产品的出口管制框架，其中在人工智能领域包括神经网络和深度学习、进化和遗传计算、强化学习、计算机视觉、专家系统、语音和音频处理、自然语言处理、规划、AI 芯片组、AI 云技术、音频和视频操作技术共计11 项技术。2019年10 月7 日，美国BIS 部门把8家计算机视觉领域的中国科技企业加入“ 实体清单”。清单中的实体须在有许可证的情况下才可购买美国技术与产品，但美政府有权拒绝许可申请。

在字节跳动TikTok 公司出售在美业务的谈判过程中，2020 年8 月28 日，》中国商务部、科技部调整发布了最新版的《中国禁止出口限制出口技术目录》（商务部科技部公告2020 年第38 号）。在最新目录中，语音合成、人工智能交互界面、语音评测、基于数据分析的个性化信息推送服务、无人机、量子密码等技术均被列入“限制出口”名单。

「中華人民共和国技術輸出入管理条例」によれば、貿易、投資、その他の手段を問わず、海外への技術移転はすべて「中華人民共和国技術輸出入管理条例」の規定に厳密に従わなければならない。制限された技術の輸出は、省レベルの商務当局に技術輸出許可を申請しなければならない。承認された場合にのみ、外国側との実質的な交渉を行い、技術輸出契約を締結することができる。

在大型跨国公司的收购过程中，相关国家政府批准出售是交易宣告成功的必要条件。对于字节跳动出售TikTok 业务来说，有可能出现其中一个国家政府出面阻止交易的情况。

根据人工智能技术关键词获取中美两国的论文数据，生成中国和美国在不同领域的研究成果对比图，如下图所示。分析发现，在被限制出口的计算及服务业技术中，中国在以人脸识别为代表的计算机视觉、语音识别与自然语言处理（特别是中文）上有着较美国领先的优势，主要体现在高水平论文发表量、专利申请量两方面。

中国和美国2011-2020 年在三个AI 子领域的高水平论文量和专利申请量对比图

在语音识别、图像识别、自然语言处理技术上，中国国内市场提供了稳定庞大的用户与数据供应，以及政策支持为产业发展带来的所需资源和资本聚集，这些本土化优势，对于外国企业来说是不可复制的。

中国目前在计算机视觉领域的领先企业以SenseTime，Face ++，YITU 和海康威视为代表，技术优势主要体现在人脸识别，在2017 年中国在这一领域获得的专利数量大约是美国公司的6 倍，其应用场景多为安全监控系统。相比而言，由于隐私政策，欧美的人脸识别技术难以发展实行，例如2020 年8 月12 日英国法院裁决警察部门使用自动面部识别（AFR）违反了数据保护和平等法以及隐私权。

在语音识别领域，中国企业表现较优秀，特别是在中文识别和处理上。科大讯飞iFlytek、依图科技YITU、百度、腾讯、阿里巴巴等企业依靠中国庞大的中文用户，能获得远超美国能获得的中文语音数据库，这使得其语音识别AI 有更好的语音识别学习条件。例如，腾讯可从其月活超10 亿的微信用户那里获得中文语音数据。这一点是中国企业在中文语音识别技术上不可复制的优势。

在自然语言处理领域，百度的能力被认为超过微软和谷歌。受Google 的BERT启发，百度的自然语言处理模型ERNIE 最初是为理解汉语而开发的，但是它也能够更好地理解英语。

Google 的模型在学习时会在每个序列中隐藏15％的单词，然后尝试根据上下文进行预测。基于类似的方法，百度团队通过让其AI 模型预测文章中一串被隐藏的汉字，来学习文字组合的联系。不同于被微软和谷歌使用的英文，中文的特性要求ERNIE 模型必须能够理解汉字组合后的出现的内在含义。结果显示，其在GLUE 得分为第一名90.1，超过微软和谷歌的模型得分。

中国和美国2011-2020 年在三个AI 子领域专利公开趋势

研究发现，中国在人工智能和机器学习技术领域发展迅速，相关领域中在国学者的论文发表量在2008 年前后已经赶超美国。

值得注意的是，中国杰出学者的国际合作对象国家不均衡，呈现出美国“一家独大”局面。以合发论文为产出指标看中国杰出学者开展国际合作的情况，中国杰出学者与美国合作紧密度最高，人数占比约62.3%，其次是英国（14.7%）、德国（13.7%）、澳大利亚（9.5%）和新加坡（9.2%）。随着贸易战的不断升级蔓延，中美关系日益复杂，正常的科技与学术交流受阻，容易对我国的相关技术领域发展与人才培养造成不利影响。

在严峻的国际大环境下，未来人工智能技术自由交流发展将无疑受到影响。考虑到数据安全等多种因素，未来的基于数据分析的个性化信息推送服务技术，对外技术支持与技术服务出口都将受到限制。

智东西认为，每一次的经济大发展都与科技的突破紧密相关，近些年世界经济很大程度上都是由信息产业的发展带动起来。现在，人工智能技术的逐渐成熟，下游应用不断拓展等种种迹象表明科技正迎来新的爆发期，全球科技竞赛也将再次掀起高潮。中国想要在这轮科技革新中占得先机，就需要加强技术预判，找准方向，提早部署，特别是在一些基础性、突破性的领域精准布局。

<<: ファーウェイクラウドが年間人工知能リストで3つの賞を受賞

>>: 3分レビュー！ 2021年1月のロボット工学分野の重要な動向の概要