人工智能研究的热点动态及其发展趋向——基于近十年中外文献知识图谱镜像扫描

(1)山东师范大学教育政策与管理研究中心，250014，济南； 2)山东师范大学教育学部，250014，济南)

1 研究背景

1956年，达特茅斯(DARTMOUTH)学会首次提出“人工智能”，标志着“人工智能”这门新兴学科的正式诞生.1965年，斯坦福大学开发的第一套有效进行工作的专家系统DENRAL质谱分析系统，标志着人工智能进入新阶段.2006年，杰弗里·辛顿(Geoffrey Hinton)首次提出深度学习的概念，对人工智能的发展具有变革意义.以此为依据，人工智能发展可以划分为三个阶段，第一阶段为以编程为代表的逻辑推理阶段(1956-1965年)，第二阶段为以专家系统为代表的知识工程阶段(1965-2006年)，第三阶段为以深度学习为代表的数据挖掘阶段(2006年-至今).

人工智能成为近年来大街小巷的舆论焦点和炙手可热的科技热搜词.特别是进入以深度学习为代表的数据挖掘阶段，人工智能受到各国政府的高度重视.2016年10月，美国白宫发布了《为人工智能的未来做好准备》[1]和《国家人工智能研究与发展战略计划》[2]两份重要报告.其中《为人工智能的未来做好准备》报告对人工智能技术进步引发的社会及公共政策相关问题进行了分析.为《国家人工智能研究与发展战略规划》提出了美国优先发展的人工智能七大战略方向，指出人工智能可以在多个领域促进经济发展，提升教育和生活质量，提高国家安全水平.两份报告确定了人工智能在美国国际战略中的地位.同年12月，英国政府发布了《人工智能：未来决策的机遇与影响》[3]的报告，提出将英国人工智能的独特性优势转化为增强国力的优势，将人工智能发展提升到国家战略层面.2017年7月，中共中央国务院颁布《新一代人工智能发展规划》[4]，提出统筹布局人工智能创新平台，大力发展人工智能新兴产业，建设安全便捷的智能社会.为人工智能发展提出明确目标和要求，表示中国要在2020年跻身于人工智能强国的行列,2025年完成某些重大突破，2030年成为世界主要的人工智能创新中心[5].人工智能在各国政府的高度重视下，深刻改变了人类社会生活，改变了世界.那么，人工智能在学术领域内的研究现状如何？研究趋势是什么？

立基于此，本文对有关人工智能2006年至今的文献进行分析，全面梳理近年来人工智能的研究热点动态与未来发展趋势.以美国核心期刊数据库(Web of Science)收录的与人工智能相关的1 268篇期刊论文和中国知网收录的与人工智能相关的1 229篇期刊论文为依托，利用CiteSpace 软件，以关键词、突现词等为关键变量，绘制人工智能研究的知识图谱，进行可视化分析，以期更好地了解当前人工智能领域的研究进展和研究热点，预测其未来发展趋势，为人工智能的进一步深入研究、实践探索提供重要依据.

2 研究设计

2.1研究数据本文以美国核心期刊数据库 (Web of Science)和中国知网数据库(CNKI)收录的与人工智能相关的期刊论文为研究数据.其中来源于美国 Web of Science 中的 Web of Science TM 核心数据库, 检索方式为TI=“artificial intelligence” or “Artificial Intelligence”, 时间跨度=2006-2018，文献类型=ARTICLE，索引=SCI-EXPANDED、SSCI、CCR-EXPANDED、 IC，检索时间为2018年12月17日,获取有效文献记录1 268条.来源于中国知网数据库(CNKI)，使用高级检索功能，选择“期刊”为资源类型，输入检索主题为“人工智能”或“AI”，时间阈值为2006-2018年，期刊来源类别为核心期刊、 CSSCI，进行精确检索，获得有效文献记录 1 229条.以RefWorks格式导出，并通过信息可视化应用软件(CiteSpace)的数据格式转换功能将CNKI数据格式转换成CiteSpace能够识别与处理的WOS数据格式.研究对象的年度分布情况如图1所示.

图1 2006-2018年中外人工智能研究文献年度分布情况

2.2研究工具本研究采用文献计量学的方法，通过CiteSpace软件对收集到的文献中的题目、摘要、国家、关键词的共被引和共现进行可视化分析与定量研究，并结合相关文献内容进行定性分析.CiteSpace是一款通过可视化手段来呈现科学知识的结构、规律和分布情况的分析软件[6].本研究对所收集数据的分析主要为以下几个方面：一是通过关键词共现知识图谱、关键词聚类知识图谱呈现研究热点；二是通过探测突现词，绘制研究前沿时区图谱，发现人工智能研究趋势.

3 研究结果

3.1核心研究群体分析为了解人工智能领域的核心研究群体,对通过Web of Science收集到的1 268篇文献以国家为关键节点进行分类，选择网络节点为“Country”，运行 CiteSpace 软件,并借助于EXCEL对相关数据进行绘图，得到人工智能研究国家(地区)分布图，如图2所示.

从图2可以明显看出在人工智能研究领域，发文量由高到低分别为美国(USA) 241篇,中国(P.R.CHINA)180篇，伊朗(IRAN) 147篇，英国(ENGLAND) 83篇，西班牙(SPAIN)77篇，印度(INDIA)75篇，土耳其(TURKEY)、澳大利亚(AUSTRALIA)、加拿大(CANADA)三个国家发文量均值为56篇，说明这些国家和地区较为关注人工智能领域的研究，并取得一定的科研成果.由此可见,近年来，世界各国都开始高度重视人工智能技术的发展，积极开展人工智能领域的相关研究.其中美国是人工智能研究的超级大国，具有明显突出的研究实力.美国、中国、伊朗、英国四国在人工智能领域发表的相关研究论文数量占这期间总发文量的51%，构成人工智能的核心研究群体.四国之外，西班牙、印度、土耳其、澳大利亚、加拿大发文量较大的五个国家为第二梯队.第三梯队是波兰、意大利、法国、巴西、韩国、马来西亚.此外，日本(25)、德国(25)、沙特阿拉伯(16)、罗马尼亚(15)、埃及(15)等国家发文量相对较少.值得关注的是俄罗斯作为世界上的大国，人工智能研究相关论文发文量较低.究其原因，一是语言因素，由于美国核心期刊数据库收录的国际期刊多为英文期刊，以俄语撰写的论文基本没有收录进来；二是俄罗斯的英文论文发文量较低.日韩实际上也存在语言问题，但日韩在英语学术社区中的参与程度较高，所以发文量虽与前几名有较大差异，但是在所有相关国家中还算比较高的.

图2 人工智能研究国家发文量情况分布图

在图3中圆圈的大小代表文献作者所在国家出现的频次,圆圈越大,表明该国作者出现的频次越多,反之越少.节点间的连线表示国家(地区)之间存在合作关系，连线越粗则说明国家(地区)之间的合作越紧密[7].由图3可知，在人工智能研究领域，合作较为密切的国家(地区)主要集中于以法国、意大利、西班牙等为代表的欧洲国家，相比较而言，中美两大国更集中于独立研究，与其他国家合作较少.

图3 人工智能研究国家(地区)分布图谱

3.2国内外人工智能研究热点分析

3.2.1 人工智能研究关键节点分析

1) 国外人工智能研究关键节点分析.关键词是文献研究内容的核心，在科学计量研究中，通过词频分析方法得出的高频关键词在一定程度上代表相关研究领域的发展动向和研究热点[8].分析人工智能研究热点时，进入CiteSpace运行主界面，设置时区分割(Time Slicing)=1，时间跨度为2006-2018年.节点类型(Node Types)选择关键词(Key Words).Top N=30，选用Pathfinder+Pruning sliced network+Pruning the merged network算法进行裁剪，设置标签数量(Threshold)=5，标签大小(Font Size)=5，节点大小(Node Size)=6.根据上述数据处理条件，运行CiteSpace得到近十年国外人工智能研究的关键词共现知识图谱，如图4所示.图谱中每个关键词用一个正方形节点表示，节点越大,表明该关键词在人工智能研究领域内出现的频次越高；关键词字体越大，表示该关键词共现度越强.其中需要关注的是带有紫红色光圈的节点，该节点代表的关键词具有较高的中心性，表示与其它关键词联系密切程度较高.

图4 国外人工智能研究的关键词共现知识图谱

在图4的基础上，使用CiteSpace软件的“Export—Network Summary—Table”功能，输出近十年国外人工智能研究的关键词、频次及其中心性数据.在CiteSpace中，中心性(Centrality)即中介中心性(Betweenness Centrality)，节点中心性的数值越大，说明该节点的重要性越高.近十年国外人工智能研究文献中出现的高频词如表1示.在研究文献中出现频次前十的高频关键词有“neural network”(神经网络)，“artificial intelligence”(人工智能)，“artificial neural network”(人工神经网络)，“system”(系统)，“prediction”(预测),“model”(模型)，“genetic algorithm”(遗传算法)，“optimization”(优化)，“algorithm”(遗传)，“support vector machine”(支持向量机).其中神经网络、人工智能出现的频次位居前列.研究文献中的排名前十的高中心性关键词有“expert system”(专家系统)，“classification”(归类)，“support vector machine”(支持向量机)，“machine learning”(机器学习)，“genetic algorithm”(遗传算法)，“management”(管理)，“parameter”(参数)，“artificial intelligence”(人工智能)，“neural network model”(神经网络模型)，“network”(网络).其中专家系统中心性程度最高.

通过国外人工智能研究文献高频词表，可以发现国际人工智能研究的热点分三个方面.一是研究热点领域包括机器学习、神经网络、专家系统；二是研究的热点算法包括支持向量机、粒子群优化算法、遗传算法、模糊推论系统；三是研究的热点方法及应用包括演算、建模、预测、归类、优化、设计.

2) 国内人工智能研究关键节点分析.分析国内人工智能研究热点时，进入CiteSpace运行主界面，设置时区分割(Time Slicing)=1，时间跨度为2006-2018年.节点类型(Node Types)选择关键词(Key Words).Top N=30，选用Pathfinder+Pruning sliced network+Pruning the merged network算法进行裁剪，设置标签数量(Threshold)=3，标签大小(Font Size)=5，节点大小(Node Size)=4.根据上述数据处理条件，运行CiteSpace得到近十年国内人工智能研究的关键词共现知识图谱，如图5所示.

表1 国外人工智能研究文献高频词表

图5 国内人工智能研究的关键词共现知识图谱

在图5的基础上，使用CiteSpace软件的“Export—Network Summary—Table”功能，输出近十年国内人工智能研究的关键词、频次及其中心性数据.近十年国内人工智能研究文献中出现的高频词如表2所示.在研究文献中出现频次前十的高频关键词有“人工智能”、“大数据”、“机器人”、“机器学习”、“深度学习”、“神经网络”、“人工智能技术”、“人类智能”、“算法”和“图书馆”，其中人工智能出现的频次位居前列.研究文献中的排名前十的高中心性关键词有“人工智能”、“(学习)人工智能”、“人类”、“机器学习”、“神经网络”、“alphago”、“人工智能技术”、“深度学习”、“人类智能”和“机器人”，其中人工智能中心性程度最高，(学习)人工智能与人类位居前列.

通过国内人工智能研究文献高频词表(表2)，可以发现国内人工智能研究的热点主要分两个方面.一是研究的热点领域包括大数据、机器学习、深度学习、神经网络等；二是研究的热点应用包括图书馆、新闻业、智能机器等.

表2 国内人工智能研究文献高频词表

3.2.2 人工智能研究的关键词聚类分析

1) 国外人工智能研究的关键词聚类分析.在科技文本挖掘中，关键词共词网络的聚类可以对复杂网络中的数据根据相似性进行聚合与分类[9].在关键词聚类分析中,聚类反映了网络中节点的相似性,有助于进一步分析关键词之间的相关度，探测该研究领域内的热点主题.在Citespace软件中设定节点类型(Node Types)为关键词，在国外人工智能研究关键词共现知识图谱的基础上对其进行聚类处理，最终得到如图6所示的国外人工智能研究领域的关键词聚类知识图谱.

图6 国外人工智能研究的关键词聚类知识图谱

关键词聚类图谱中采用LLR算法对聚类进行命名，权值最大的关键词作为每个聚类的主题，各个聚类的轮廓值都大于0.5，这表明各个聚类具有可信度和有效性.

#0“deep learning”为深度学习，该聚类包含33个节点，轮廓值为0.818.提取出的特征词有deep learning(深度学习)、machine learning(机器学习)、 pattern recognition(模式识别) 、 relevance vector regression(相关向量回归)、data mining(数据挖掘)、 classification(分类) 、artificial neural networks(人工神经网络)、decision trees(决策树)等.近年来，国际人工智能研究的热点主题以深度学习为首.深度学习是神经网络技术的一种，拥有强大的学习能力，成为人工智能发展的重要推动力，吸引科研学者的高度关注及研究.

#1“google scholar”谷歌学者，该聚类包含28个节点，轮廓值0.767.提取出的特征词有google scholar(谷歌学者) 、computer science and artificial intelligence (计算机科学与人工智能)、prediction(预测)、data mining procedures(数据挖掘程序)、information fusion(信息融合) 、data processing(数据处理)、 intelligent robot(智能机器人)等.美国AI巨头谷歌被称作是一家“全身流淌着AI血液”的公司，拥有着全世界的数据，是人工智能发展的领军人物.

#2“crop growth”为作物生长，该聚类包含共26个节点，轮廓值为0.795.提取出的特征词有crop growth(作物生长)、ripening(成熟)、optical design techniques (光学设计技术)、extraction ratio(提取率)、energy management(能量管理)、parameter forecasting(参数预测)、culture condition (培养条件)等.人工智能在农业生产中发挥巨大作用，实时监测植物茎果直径变化和地下湿度，控制灌溉量，提高植物生长率[10].

#3“heat transfer”为热传导，该聚类包含共22个节点，轮廓值为0.864.提取出的特征词有heat transfer(热传导)、swarm intelligence(群体智能)、ant colony optimization(蚁群优化)、artificial intelligence based optimization(人工智能优化)、cybernetic model of automatization(自动化控制论模型)、multi-response process parameter design(多响应工艺参数设计)、geothermal(地热) 等.机械、钢铁、石化、交通制造等工业往往利用人工智能系统，基于设备实时数据，对工艺过程进行实时监控、故障分析及远程运维，安全管理，节能减排，提高设备使用率[11].

#4“adaptive neuro-fuzzy inference system”为自适应神经模糊推理系统，该聚类包含20个节点，轮廓值为0.875.提取出的特征词有adaptive neuro-fuzzy inference system(自适应神经模糊推理系统)、ann(人工神经网络) 、fuzzy computing technique(模糊计算技术)、 inference system(推理系统)、fuzzy logic(模糊逻辑)、general regression neural network(广义回归神经网络)、 artificial intelligence methods(人工智能方法)等.自适应神经模糊推理系统将神经网络与模糊推理有机的结合起来[12]，优势互补，是人工神经网络方向的重要研究热点，成为国外科研学者的重点研究主题.

#5“instantaneous power”为瞬时功率，该聚类包含共17个节点，轮廓值为0.968.提取出的特征词有instantaneous power (p-q) theory(瞬时功率(p-q)理论)、sinusoidal pulse width modulation(正弦脉冲宽度调制)、electromagnetic compatability(电磁兼容性)、least square support vector machine(最小二乘支持向量机)、series compensated transmission line(串联补偿传输线)、thermal conductivity (导热系数)、 hybrid intelligent systems(混合智能系统)等.利用人工智能技术检测、分类、预测和确定电力系统的安全状态，提高功率预测准确率，有利于对电力系统的预测性维护、远程运维以及电力调度优化[13].

#6“sensitivity analysis”为灵敏度分析，该聚类包含17个节点，轮廓值为0.838.提取出的特征词有sensitivity analysis(灵敏度分析) 、particle swarm optimization(粒子群优化) 、land surface temperature(地表温度)、landslide susceptibility mapping(滑坡敏感性映射)、data fusion(数据融合)、adaptive network-based fuzzy inference system(自适应网络模糊推理系统) 、artificial neural networks(人工神经网络)等.机器人模仿人类对外界作出反应主要在于机器人的感知灵敏度，对机器人的感知灵敏度进行分析研究，具有一定的理论价值与工程应用价值.

#7“health communication”为健康传播，该聚类包含14个节点，轮廓值为0.965.提取出的特征词有health communication(健康传播) 、artificial sciences (人工科学)、 ehealth (电子健康)、 medical decision making(医学决策)、 clinical artificial intelligence(临床人工智能)、chronic illness(慢性病)、probabilistic neural network(概率神经网络)等.人工智能对医疗行业的贡献不言而喻，智能识别软件通过医学影像的识别分析帮助医生诊断病情，手术机器人能够实施人类医生很难完成的手术.

#8“robotics”为机器人，该聚类包含13个节点，轮廓值为0.915.提取出的特征词有robotics(机器人) 、 turing test(图灵测试) 、neural networks(神经网络)、sensor(传感器)、cognitive science(认知科学)、 autonomous driving(自动驾驶)、general intelligence(通用智能)、 knowledge discovery and data mining(知识发现和数据挖掘)等.手术机器人、工业机器人、服务机器人、写稿机器人等不同性能的机器人在各个领域发挥重要作用.作为人工智能技术的重要产物之一，机器人成为国际人工智能领域的热点研究主题.

#9“automotive wiper”为汽车刮水器，该聚类包含10个节点，轮廓值为0.921.提取出的特征词有automotive wiper(汽车雨刮器)、multi-classifier technique (多分类器技术)、nonlinear system identification(非线性辨识系统)、chalcogenide glass sensor(硫属化合物玻璃传感器)、 harmony search algorithm(和声搜索算法) 、process control(过程控制) 、multilayer perceptron(多层感知器)、modeling and prediction(建模和预测)等.为解决汽车刮水器系统运行过程中产生的噪声和振动问题，国外研究学者们利用人工智能技术提出有效的控制方法[14].

2) 国内人工智能研究的关键词聚类分析.在国内人工智能研究关键词共现知识图谱的基础上对其进行聚类处理，最终得到如图7所示的国内人工智能研究的关键词聚类知识图谱.各个聚类的轮廓值都大于0.5，这表明各个聚类具有可信度和有效性.

图7 国内人工智能研究的关键词聚类知识图谱

#0“职业教育”，该聚类包含15个节点，轮廓值为0.935.提取出的特征词有职业教育、就业、人才培养、专业设置、劳动力市场、教育管理、职业培训、教育信息化、个性化教育等.近十年国内人工智能研究的首要热点为职业教育.人工智能技术飞速发展，大量岗位被人工智能所取代，对人才培养、专业设置产生一定的影响，促使学者关注人工智能背景下职业教育的未来发展.

#1“新闻”，该聚类包含15个节点，轮廓值为0.937.提取出的特征词有新闻、著作权、新闻业、人工智能创作物、新闻生产、今日头条、新闻从业者、新闻流程、媒介融合、人工智能生产内容、虚假新闻、信息传播活动等.人工智能在新闻业中得到广泛应用，人工智能技术的语音播报新闻、写稿机器人、VR和无人机呈现现场画面等，促进新闻生产和新闻传播智能化发展.

#2“区块链”，该聚类包含13个节点，轮廓值为0.915.提取出的特征词有区块链、信息传播、人工智能技术、立法规制、智能算法、大数据时代、计算机、决策过程、制造流程等.区块链技术逐步应用于金融、数字版权、物联网、文档存储等领域，并取得了较大成果.区块链的去中心化、不可更改等优点，与人工智能进行有效结合，有助于进一步推动人工智能的发展[15].

#3“图书馆”，该聚类包含12个节点，轮廓值为0.873.提取出的特征词有图书馆、物联网、媒体融合、智慧图书馆、智能分析、智慧服务、云计算平台、数据库系统、数字图书馆、智能情报、信息推荐、场景智能检索等.人工智能技术与图书馆深度融合，提升图书馆知识服务能力，探索人工智能+ 图书馆知识服务实现路径和创新模式，具有重要研究意义[16].

#4“强人工智能”，该聚类包含11个节点，轮廓值为0.869.提取出的特征词有强人工智能、通用人工智能、弱人工智能能、独立意志、辨认控制能力、智慧能力、人工智能伦理、超人工智能、机器人伦理、奇点、人机混合智能等.强人工智能、弱人工智能给社会带来一系列的伦理问题,值得思考和重视.如何正确处理人类与人工智能的关系的研究具有重要意义.

#5“人工智能技术”，该聚类包含9个节点，轮廓值为0.92.提取出的特征词有人工智能技术、谷歌、语音识别、脑神经科学、深度神经网络、无人车、深度学习、新闻生产、遗传算法、专家系统、医学影像、机器学习等.语音识别、图像识别、深度学习、专家系统等人工智能技术被广泛应用于生活的多个领域，如新闻、医疗、无人车等，对人工智能技术的应用研究具有现实意义.

#6“阿尔法”，该聚类包含7个节点，轮廓值为0.917.提取出的特征词有阿尔法、算法、围棋、博弈论、李世石、机器人研究所、国际象棋、符号主义、智慧社会、神经元网络、深度学习、无人驾驶汽车、对战、思维过程.2016年3月,谷歌公司研发的Alpha Go战胜围棋高手李世石引起了大众的关注，令人工智能技术再次成为舆论焦点和研究热点.

#7“深度融合”，该聚类包含6个节点，轮廓值为0.967.提取出的特征词有深度融合、人工智能+教育、教育应用、steam教育、编程素养、4D打印、智能出版、学习者画像分析、医学影像、新闻业、无人驾驶汽车、智能机器人等.人工智能上升为国家战略层面，与教育、新闻、图书馆等不同领域深度融合.人工智能+教育、人工智能+图书馆等新词频频出现在各大媒体的头条，成为研究热点.

#8“机制主义”，该聚类包含6个节点，轮廓值为0.967.提取出的特征词有机制主义、人工智能统一理论、行为主义、结构主义、功能主义、知识转化、人类智能、智能机器、自然语言处理等.在机制主义的框架体系下，结构主义、功能主义、行为主义和谐分工互补，构成机制主义人工智能理论,突破了现有人工智能研究路径基本概念的局限性[17]，为未来人工智能发展搭建新平台.

#9“知识工程”，该聚类包含5个节点，轮廓值为0.967.提取出的特征词有知识工程、专家系统、知识获取、知识工程师、医学应用、预测支持系统、人工智能技术、教育技术、数据挖掘等.专家系统是知识工程领域的具体应用，利用知识推理机制，从病人的症状及化验结果等初始事实出发，利用知识库中的知识及应对策略，推理病情作出诊断[18].

3.3国内外人工智能研究前沿分析

3.3.1 国外人工智能研究突现词分析 关键词突现度指的是该关键词在某段时间内出现次数的变化率.CiteSpace 通过探测突现词，可以对该领域发展的脉络以及对未来发展前沿进行预测[19].本文利用 CiteSpace 软件对国外人工智能研究的突现关键词进行了探索和分析，设定节点类型为keyword,词语类型为Burst Terms,得到突现关键词如图8所示.

图8 国外人工智能研究突现关键词图谱

图8清晰表明国外人工智能研究关键词的演变趋势，近十年关键词频数变化率较高的有expert system(专家系统)、quality(质量)、genetic algorithm(遗传算法)、bayesian network(贝叶斯网络)、temperature(温度)、neuro-fuzzy(模糊神经)、hydrological time series(水文时间序列)、recognition(识别)、anfi(自适应神经模糊系统)、time series(时间序列).

作为人工智能领域早期的主要研究方向，国外人工智能关于专家系统的研究集中于2006-2010年，专家系统被应用于多个领域，尤其是在医疗健康方面，遗传算法突现时间为2009-2012年，与神经网络、专家系统并称为三大AI，一直处于研究热点之中.质量、温度的突现时间为2009-2013年，人工智能技术被应用工厂进行质量、温度检测.贝叶斯网络的研究集中于2011-2012年，多运用追查多个现象之间的因果关系[20].模糊神经、自适应神经模糊系统结合了神经网络与模糊理论的优点，从2012年起出现，一直持续到2016年，是近年来国内外学者的研究热点.以时间序列[21]、识别为代表的软计算方向也是人工智能的研究热点，2013年、2016年分别出现的水文时间序列和时间序列2个突现关键词，关于人工智能算法的时间序列数据模型的研究引起研究者的高度重视.识别的突现时间为2014-2016年，人工智能的图像识别、语音识别被广泛应用于生活的方方面面，可以视为未来发展的趋势.

3.3.2 国内人工智能研究突现词分析 利用 CiteSpace 软件对国内人工智能研究的突现关键词进行了探索和分析，得到突现关键词如图9所示.

图9 国内人工智能研究突现关键词图谱

由图9可以看出，国内人工智能研究近十年关键词频数变化率较高的有专家系统、神经网络、遗传算法、人类智能、领域、机器人、人工智能领域.其中同国外人工智能研究相近，专家系统的突现时间集中在2006年到2009年，是未来研究的重要内容.2007年神经网络成为该领域的研究热点，以深度学习为代表的神经网络技术相关研究的发文量增多，并一直持续到2015年，科研学者们高度关注该研究主题.遗传算法突现时间为2010-2013年，比国外人工智能研究中遗传算法的突现时间稍晚，在人工智能领域发挥重要作用，未来相关研究将会持续增加.以大数据、机器人、人工智能技术为代表的人工智能研究领域，国内这类研究时间不长，但其却是未来研究的重要研究热点，研究者会继续关注.

4 研究结论与未来展望

4.1国际研究结论通过Citespace软件，对web of science核心数据库及中国知网中有关人工智能2006-2018年的文献数据进行不同层面的直观的可视化分析，得出以下人工智能研究的结论：

近年来，世界各国都开始高度重视人工智能技术的发展，美国、中国、伊朗、英国四国构成人工智能领域的核心研究群体，其中美国是人工智能研究的超级大国，具有明显突出的研究实力.西班牙、印度、土耳其、澳大利亚、加拿大等国家和地区较为关注人工智能领域，积极开展人工智能领域的相关研究，并取得一定的科研成果.值得深思的是，欧洲国家之间有密切的合作，但中美等研究大国与其他国家或地区的合作相对较少.

国外人工智能研究的热点主要包括机器学习、神经网络、专家系统、遗传算法、模糊推论系统、支持向量机、粒子群优化算法等；人工智能研究的热点主题主要包括深度学习、谷歌学术搜索、热传递、自适应神经模糊推理系统、机器人等；国外人工智能的科研学者更加关注对人工智能的算法研究及对农业、工业、交通业等方面的应用研究.近十年来，国外人工智能领域的研究前沿包括专家系统、质量、遗传算法、贝叶斯网络、识别、神经模糊系统、时间序列等，这些是未来国外人工智能研究的重点研究方向.

国内人工智能研究的热点主要包括大数据、机器学习、深度学习、神经网络、图书馆、新闻业、智能机器等；人工智能研究的热点主题主要包括职业教育、新闻、区块链、图书馆、强人工智能、机制主义、知识工程等；相对于国际人工智能研究，国内的科研学者们更加关注对人工智能技术研究及其对教育、新闻等方面的应用的研究.近十年来，国内人工智能领域的研究前沿包括专家系统、神经网络、遗传算法、人类智能、机器人等，这些是未来国内人工智能研究的重点研究方向.

通过国内外人工智能研究热点得知：国内人工智能的研究在基础理论、核心算法、应用领域等方面同国外研究相比存在较大差距，但在研究论文、语音图像识别、深度学习等方面表现突出.在研究前沿方面，国内外人工智能研究有相通之处，专家系统、神经网络、遗传算法等人工智能算法是未来人工智能研究的发展趋势.

4.2未来展望

1) 人工智能研究进一步推动人类社会发展.人工智能在世界范围的发展势不可挡，融入人们日常生活的方方面面，改变着人们衣食住行的方式.世界各国积极研究和利用人工智能技术，把握未来发展先机，提高国际竞争力.

国内外人工智能领域的科研学者们积极投身于人工智能算法及人工智能应用的研究，尤其是深度学习于围棋机器人AlphaGo的成功实践，引起了新一轮人工智能的研究热潮.人工智能研究，特别是机器学习、专家系统、神经网络等热点研究主题，推动了人工智能的广泛应用.基于深度学习的语音识别、图像识别、情感计算等人工智能技术普遍应用各行各业，辅助人类进行工作.Airdoc慢性病识别算法基于视网膜影像识别30种疾病和并发症，帮助医生高效诊断病情；中石油智慧加油站通过机器学习分析海量数据，提高传统线下零售业的精准营销能力；驭势通过云端调度大数据平台，开发无人电动物流拖车方案，提升拖车运输的交通效率.“人工智能会以远超人类的速度和力量执行多种类型的体力和智力任务，大大提升运输、制造、医学等各个方面的生产力”[22].

2) 人工智能深刻改变未来人类世界.随着人工智能和相关技术的系统发展，相信在不久将来，智能家庭、智能企业、智能校园、智能城市等都将一一实现.智能管家通过数据判断主人心情，根据主人需求自主设定室内温度、调节灯光等；智能秘书收集文件数据，提供处理方案及应急对策；智能司机根据乘客需要，自主选择最优路线，安全快速的到达目的地等.AI管家、AI秘书、AI司机、AI护工等智能机器人进入人类日常生活，不是科幻电影中所呈现的，也不是科学家所设想的，而是大众身边真实存在的.算法的突破，计算能力的大幅度提高及海量数据的有效获取，使未来充满无限可能.人类将利用人工智能在各研究领域进行全新的探索，如农业、生物技术、医药、交通、教育等.智能控制植物生长速度，灌溉施肥不再依靠人力、局限于自然环境；智能芯片储存人类记忆，缓解人口老龄化问题；智能教师采集学生学习过程中的全方位数据，对学生采取个性化指导教学，加强师生间的互动、提高效率等.人工智能打造个性化的未来，改善整体生活质量，农业、工业、商业、医疗、教育等各行各业都将迎来崭新的形态.政府大力支持领导，科研学者积极研究创新，合力拥抱人工智能，努力打造全智能的智慧社会.