羅 晨， 沈 浩

一、 引言

人工智能是一門正在蓬勃發(fā)展的新學(xué)科，1956年的達(dá)特茅斯(Dartmouth)會(huì)議被公認(rèn)為是人工智能正式起源的標(biāo)志(尼克，2017)。從定義上看，雖然具體的表述莫衷一是，但是基本上涵蓋了“模擬人類”“系統(tǒng)設(shè)計(jì)”“任務(wù)應(yīng)對(duì)”幾個(gè)層面(McCarthy et al.，1955；Barr & Feigenbaum，1981；McCarthy，2007；Kok et al.，2002)，針對(duì)人工智能技術(shù)的最新進(jìn)展，有學(xué)者給出如下定義：基于大數(shù)據(jù)、算法和云計(jì)算三項(xiàng)技術(shù)基礎(chǔ)，開(kāi)發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論和方法的新技術(shù)，是制造智能機(jī)器、可學(xué)習(xí)計(jì)算程序和需要人類智慧解決問(wèn)題的科學(xué)和工程(張洪忠等，2018)。

雖然人工智能旨在利用日益豐富的數(shù)據(jù)資源，發(fā)揮計(jì)算機(jī)的運(yùn)算能力，結(jié)合不斷更新迭代的算法來(lái)實(shí)現(xiàn)分析和決策，進(jìn)而追求對(duì)人類思維乃至理性的無(wú)限趨近，但是從學(xué)術(shù)譜系來(lái)看，人工智能并非僅僅根植于計(jì)算機(jī)領(lǐng)域，而是濫觴于哲學(xué)、數(shù)學(xué)、神經(jīng)科學(xué)、語(yǔ)言學(xué)等多元學(xué)科地帶(陸汝鈐，1989)。其跨學(xué)科特征不僅體現(xiàn)于源起，還顯露在后續(xù)研究取向中，以自然語(yǔ)言處理下的二級(jí)概念機(jī)器翻譯為例，機(jī)器翻譯研究中素有兩種思潮：更依賴語(yǔ)言學(xué)專家編撰語(yǔ)言轉(zhuǎn)換規(guī)則的“理性主義”思潮和更依賴數(shù)學(xué)家與算法開(kāi)發(fā)者編寫程序從大規(guī)模數(shù)據(jù)中學(xué)習(xí)自然語(yǔ)言之間轉(zhuǎn)換規(guī)律的“經(jīng)驗(yàn)主義”思潮(AMiner，2018)?；仡櫽?0年的發(fā)展軌跡，伴隨技術(shù)應(yīng)用化步伐加速、近年來(lái)政策紅利和大量經(jīng)濟(jì)資本的涌入，人工智能業(yè)已滲透至社會(huì)生活的各個(gè)環(huán)節(jié)并啟迪各領(lǐng)域的學(xué)者對(duì)人工智能這一議題展開(kāi)研究。相較于形式科學(xué)、自然科學(xué)、應(yīng)用科學(xué)——這些人工智能研究的“主戰(zhàn)場(chǎng)”而言，社會(huì)科學(xué)領(lǐng)域的相關(guān)研究雖然在數(shù)量上難以企及，但也保持著對(duì)人工智能技術(shù)發(fā)展和技術(shù)引發(fā)社會(huì)格局變遷的密切關(guān)注。有鑒于此，本研究希望結(jié)合文獻(xiàn)計(jì)量的相關(guān)方法，對(duì)社會(huì)科學(xué)領(lǐng)域的人工智能研究進(jìn)行圖繪，具體包括：社會(huì)科學(xué)中的人工智能研究涵蓋哪些領(lǐng)域(RQ1)、主要包含哪些研究主題(RQ2)、在知識(shí)發(fā)展過(guò)程中研究熱點(diǎn)經(jīng)歷怎樣的變遷(RQ3)、這些研究遵循著哪些主要的范式(RQ4)。

二、 研究設(shè)計(jì)

(一) 數(shù)據(jù)來(lái)源

美國(guó)科學(xué)情報(bào)研究所(Institute for Scientific Information，ISI)編制的Web of Science(WoS)引文數(shù)據(jù)庫(kù)是目前收錄信息比較全面和認(rèn)可度較高的數(shù)據(jù)庫(kù)，且常用于科學(xué)文獻(xiàn)分析(Chen， 2017)。本研究選擇WoS核心合集中的社會(huì)科學(xué)引文索引(SSCI)，以“artificial intelligence”作為主題①，限定文獻(xiàn)類型為Article(文章)和Proceedings Paper(會(huì)議論文)，語(yǔ)言為英文，時(shí)間跨度為所有年份②，最終獲得符合條件文獻(xiàn)共計(jì)2481篇，數(shù)據(jù)最后更新時(shí)間為2018年7月9日。

(二) 研究方法

本研究引入文獻(xiàn)計(jì)量方法(bibliometrics)作為支持。文獻(xiàn)計(jì)量法是一種定量分析方法，以科學(xué)文獻(xiàn)的各種外部特征作為研究對(duì)象，采用數(shù)學(xué)與統(tǒng)計(jì)學(xué)方法來(lái)描述、評(píng)價(jià)和預(yù)測(cè)科學(xué)技術(shù)現(xiàn)狀與發(fā)展趨勢(shì)(朱亮、孟憲學(xué)，2013)，文獻(xiàn)計(jì)量旨在分析不同科學(xué)領(lǐng)域的學(xué)術(shù)生產(chǎn)態(tài)勢(shì)(Martínez et al.，2015)，既可用于關(guān)注研究者或研究機(jī)構(gòu)的科研影響力，又可用于探究科學(xué)研究領(lǐng)域的結(jié)構(gòu)和知識(shí)變遷(Noyons et al.，1999；Montero-Diz et al.，2018)。針對(duì)每一項(xiàng)研究問(wèn)題的具體方法如下。

首先，對(duì)文獻(xiàn)的時(shí)空分布進(jìn)行描述分析，分別利用文獻(xiàn)記錄中的“PY(出版年份)”字段和“C1(作者地址)”字段，③當(dāng)一篇文獻(xiàn)的作者地址包含多個(gè)國(guó)家或地區(qū)時(shí)，則分別在這些國(guó)家或地區(qū)對(duì)應(yīng)的文獻(xiàn)數(shù)量上加一；其次是研究領(lǐng)域分析，“SC(研究方向)”字段可以視為研究領(lǐng)域分布的象征(丁漢青、劉念，2017；丁漢青、吳雨蔚，2017)，一篇文獻(xiàn)往往關(guān)涉多個(gè)研究領(lǐng)域，因此在探討各領(lǐng)域研究頻數(shù)外，還需關(guān)注領(lǐng)域的共現(xiàn)，以便更深入地探尋人工智能研究的跨領(lǐng)域特征。

對(duì)于研究主題的探索，文獻(xiàn)計(jì)量領(lǐng)域素有兩種方法：以單個(gè)詞語(yǔ)為基礎(chǔ)的“自下而上”(bottom-up)方法，即對(duì)標(biāo)題、摘要進(jìn)行分詞，再以詞語(yǔ)作為變量利用聚類算法開(kāi)展聚類并歸納類別特征(Peng et al.，2013；Tse et al.，2015)；另一種方法主要利用關(guān)鍵詞之間的共現(xiàn)，再基于共現(xiàn)網(wǎng)絡(luò)進(jìn)行聚類(丁漢青、曹璞，2015；Montero-Díaz et al.，2018)。人工智能研究中大量研究語(yǔ)匯并非單字，而是以短語(yǔ)或詞組的形式出現(xiàn)，如人工智能領(lǐng)域的典型技術(shù)semantic search(語(yǔ)義搜索)、neural network(神經(jīng)網(wǎng)絡(luò))等，這一特質(zhì)說(shuō)明若集中于單個(gè)詞語(yǔ)則易忽略詞之間的語(yǔ)義關(guān)聯(lián)，使文本的主題表達(dá)面臨信息缺失風(fēng)險(xiǎn)(常鵬等，2012)。在WoS中，除卻研究者給定的“DE(作者關(guān)鍵詞)”外，還有系統(tǒng)根據(jù)研究?jī)?nèi)容所補(bǔ)充的“ID(關(guān)鍵詞添補(bǔ))”，關(guān)鍵詞作為研究?jī)?nèi)容的高度凝練，既包含詞語(yǔ)，亦包含詞組，其既有的分隔形式克服了人為分詞帶來(lái)的不準(zhǔn)確。本研究提取“DE”和“ID”字段，對(duì)每則文獻(xiàn)記錄中的關(guān)鍵詞進(jìn)行清洗、合并，構(gòu)造出關(guān)鍵詞之間的共現(xiàn)矩陣，再將其納入聚類分析以推測(cè)主題；此外，將關(guān)鍵詞視為研究熱點(diǎn)的代表，通過(guò)分析關(guān)鍵詞的抑揚(yáng)漲落來(lái)把握研究領(lǐng)域的熱點(diǎn)變遷(Peng et al.，2013)，由于分析材料中1990年之前的文獻(xiàn)未包含“DE”與“ID”字段，因此從1990年開(kāi)始，以5年作為一個(gè)單位，構(gòu)建關(guān)鍵詞的共現(xiàn)矩陣和網(wǎng)絡(luò)，并根據(jù)每個(gè)關(guān)鍵詞的相對(duì)度數(shù)中心度來(lái)確定關(guān)鍵詞在對(duì)應(yīng)時(shí)間區(qū)間的重要性。

對(duì)于研究范式，Kuhn(1996)認(rèn)為科學(xué)范式(scientific paradigm)是包括觀察對(duì)象、基本理論、問(wèn)題建構(gòu)方式、研究手段等環(huán)節(jié)在內(nèi)的一套研究模式，范式之間存在著競(jìng)爭(zhēng)、交替、轉(zhuǎn)換，科學(xué)是在新范式取代舊范式的革命中向前發(fā)展的。對(duì)于范式的歸納可以利用文獻(xiàn)共被引分析(document co-citation analysis)，這一分析方法能夠反映科學(xué)范式的基本結(jié)構(gòu)(Chen，2018)，若某文獻(xiàn)被引用次數(shù)越多，說(shuō)明這篇文獻(xiàn)在相應(yīng)研究領(lǐng)域中可能處于奠基性地位，其研究方法、技術(shù)手段、結(jié)論與發(fā)現(xiàn)可能推動(dòng)了整個(gè)領(lǐng)域的發(fā)展(辛偉等，2014)。本研究選用具有跨領(lǐng)域適用性的CiteSpace知識(shí)圖譜軟件(Chen，2006)對(duì)所有文獻(xiàn)記錄進(jìn)行共被引分析，從中提煉核心文獻(xiàn)并總結(jié)研究范式。

三、 研究結(jié)果

(一) 研究的時(shí)空分布

SSCI中人工智能文獻(xiàn)數(shù)量在總體趨勢(shì)上有所起伏，但在近5年間，相關(guān)文獻(xiàn)數(shù)量呈現(xiàn)穩(wěn)步上升態(tài)勢(shì)(圖1)。

圖1 SSCI人工智能文獻(xiàn)數(shù)量隨時(shí)間分布

文獻(xiàn)量排名前20的國(guó)家或地區(qū)所產(chǎn)出的文獻(xiàn)占據(jù)總量的85.56%，雖然中國(guó)目前是全球人工智能論文產(chǎn)出最多的國(guó)家(清華大學(xué)中國(guó)科技政策研究中心，2018)，但是在SSCI的文獻(xiàn)數(shù)目上仍與美國(guó)、英國(guó)存在一定差距(圖2)。

圖2 SSCI人工智能研究文獻(xiàn)數(shù)量前20的國(guó)家或地區(qū)

(二) 人工智能的研究領(lǐng)域

從所有文獻(xiàn)記錄中共提取出106個(gè)研究領(lǐng)域，位居前10的領(lǐng)域依次是：計(jì)算機(jī)科學(xué)(n=847)、商業(yè)與經(jīng)濟(jì)(n=515)、心理學(xué)(n=358)、工程學(xué)(n=351)、運(yùn)籌學(xué)與管理科學(xué)(n=322)、信息科學(xué)與圖書館學(xué)(n=220)、社會(huì)科學(xué)其他主題(n=165)④、教育與教育研究(n=135)、神經(jīng)科學(xué)與神經(jīng)病學(xué)(n=104)、數(shù)學(xué)(n=79)。

在研究領(lǐng)域共現(xiàn)上，106個(gè)研究領(lǐng)域之間共存在354條連邊，構(gòu)建的無(wú)向有權(quán)網(wǎng)絡(luò)(圖3)中節(jié)點(diǎn)標(biāo)簽的字體越大說(shuō)明節(jié)點(diǎn)的度數(shù)中心度越高，連邊越粗代表兩個(gè)研究領(lǐng)域的共現(xiàn)次數(shù)越多。如果某研究領(lǐng)域的度數(shù)中心度越高，那么證明在這一主題的研究中，該學(xué)科具有重要的地位。度數(shù)中心度位于前10的節(jié)點(diǎn)如表1所示。

圖3 人工智能研究領(lǐng)域共現(xiàn)網(wǎng)絡(luò)

研究領(lǐng)域度數(shù)中心度工程學(xué)(engineering)40計(jì)算機(jī)科學(xué)(computer science)29心理學(xué)(psychology)29商業(yè)與經(jīng)濟(jì)(business & economics)24社會(huì)科學(xué)其他主題(social science-other topics)23環(huán)境科學(xué)與生態(tài)學(xué)(environmental sciences & ecology)22神經(jīng)科學(xué)與神經(jīng)病學(xué)(neurosciences & neurology)18社會(huì)學(xué)(sociology)17教育與教育研究(education & educational research)16數(shù)學(xué)(mathematics)16

從絕對(duì)數(shù)量來(lái)看，社會(huì)科學(xué)中的人工智能研究集中在經(jīng)濟(jì)學(xué)、心理學(xué)、管理學(xué)、信息科學(xué)、教育學(xué)領(lǐng)域。從與其他研究領(lǐng)域的關(guān)聯(lián)來(lái)看，心理學(xué)、經(jīng)濟(jì)學(xué)、社會(huì)學(xué)、教育學(xué)領(lǐng)域常誕生與人工智能相關(guān)的交叉研究。以人工智能所歸屬的計(jì)算機(jī)學(xué)科為例，與其共現(xiàn)次數(shù)在50次以上的社會(huì)科學(xué)研究領(lǐng)域包括信息科學(xué)、管理學(xué)、心理學(xué)。綜上，人工智能研究作為一個(gè)典型的跨學(xué)科領(lǐng)域，與社會(huì)科學(xué)領(lǐng)域中的經(jīng)濟(jì)學(xué)、心理學(xué)、管理學(xué)、信息科學(xué)存在密切關(guān)聯(lián)。

(三) 人工智能的研究主題

至少包含一項(xiàng)關(guān)鍵詞字段的記錄共有2073條(83.56%)，從中共抽取出7873個(gè)關(guān)鍵詞，考慮到矩陣大小和運(yùn)算復(fù)雜程度，本研究借鑒丁漢青、曹璞等(2015)的處理方式，將關(guān)鍵詞按照詞頻大小進(jìn)行排序，選擇一定詞頻閾值之上的詞作為高頻關(guān)鍵詞進(jìn)行后續(xù)分析。本研究選擇至少在1%記錄中出現(xiàn)過(guò)的關(guān)鍵詞共計(jì)86個(gè)，并去除鑒別力過(guò)低的常見(jiàn)詞匯(包括artificial intelligence，model，system)，最后構(gòu)建出83行83列的關(guān)鍵詞共現(xiàn)矩陣。周磊等(2014)通過(guò)實(shí)證研究發(fā)現(xiàn)社會(huì)網(wǎng)絡(luò)分析方法中的層次聚類對(duì)共現(xiàn)矩陣分析的準(zhǔn)確性最高，且運(yùn)行結(jié)果較為直觀，本研究使用社會(huì)網(wǎng)絡(luò)分析軟件UCINET對(duì)共現(xiàn)矩陣進(jìn)行聚類分析。

根據(jù)UCINET生成的系統(tǒng)樹(shù)圖(圖4)結(jié)構(gòu)，可辨別出的核心研究主題包括：

圖4 關(guān)鍵詞共現(xiàn)矩陣聚類生成系統(tǒng)樹(shù)圖(部分，左側(cè)數(shù)字為關(guān)鍵詞對(duì)應(yīng)ID)

(1) 算法及應(yīng)用場(chǎng)景。對(duì)應(yīng)關(guān)鍵詞包括：neural network(神經(jīng)網(wǎng)絡(luò))、genetic algorithm(遺傳算法)、support vector machine(支持向量機(jī))、particle swarm optimization(粒子群優(yōu)化)、prediction(預(yù)測(cè))、classification(分類)、optimization(優(yōu)化)等。以經(jīng)濟(jì)學(xué)領(lǐng)域?yàn)槔珻avalcante等(2016)回顧了用人工智能技術(shù)來(lái)應(yīng)對(duì)金融市場(chǎng)問(wèn)題的一系列文獻(xiàn)，發(fā)現(xiàn)人工智能路徑的效果優(yōu)于傳統(tǒng)統(tǒng)計(jì)路徑，主要用來(lái)解決金融市場(chǎng)中的預(yù)測(cè)問(wèn)題(如股價(jià)預(yù)測(cè)、財(cái)務(wù)危機(jī)預(yù)測(cè))，經(jīng)常被使用的技術(shù)包括多層感知器(Multilayer Perceptron，MLP)、支持向量回歸(Support Vector Regression，SVR)等，近年來(lái)，文本挖掘相關(guān)算法的地位也日益重要。

(2) 系統(tǒng)構(gòu)建與決策支持。對(duì)應(yīng)關(guān)鍵詞包括：expert system(專家系統(tǒng))、decision-support system(決策支持系統(tǒng))、decision-making(決策)、management(管理)、diagnosis(診斷)、knowledge management(知識(shí)管理)、performance(表現(xiàn)或性能)等。專家系統(tǒng)屬于人工智能的前序發(fā)展成果，黃金時(shí)期約在20世紀(jì)80年代至90年代初，其旨在把知識(shí)提煉為規(guī)則，進(jìn)而模擬專家思維對(duì)新輸入數(shù)據(jù)進(jìn)行推理，專家系統(tǒng)曾被廣泛應(yīng)用于化學(xué)、生物、醫(yī)學(xué)領(lǐng)域(尼克，2017)。在社會(huì)科學(xué)領(lǐng)域，許多管理學(xué)相關(guān)文獻(xiàn)隸屬于該主題下，如Beriha等(2012)利用模糊邏輯(fuzzy logic)構(gòu)建了著眼于安全推斷的專家系統(tǒng)，可以憑借行業(yè)的安全相關(guān)費(fèi)用支出比例來(lái)估測(cè)安全事故發(fā)生概率，從而提升行業(yè)的安全性能。此外，還有應(yīng)用于旅行市場(chǎng)業(yè)務(wù)的推薦專家系統(tǒng)(Hsieh，2011)、應(yīng)用于住院時(shí)長(zhǎng)預(yù)測(cè)的醫(yī)療管理支持系統(tǒng)(Yang et al.，2010)等。

(3) 大數(shù)據(jù)及相關(guān)技術(shù)。對(duì)應(yīng)關(guān)鍵詞包括：big data(大數(shù)據(jù))、machine learning(機(jī)器學(xué)習(xí))、natural language processing(自然語(yǔ)言處理)、data mining(數(shù)據(jù)挖掘)。人工智能無(wú)法脫離數(shù)據(jù)和知識(shí)兩種原材料，近年來(lái)允許數(shù)據(jù)直接輸入的多層神經(jīng)網(wǎng)絡(luò)愈益受到歡迎，以數(shù)據(jù)驅(qū)動(dòng)的模型和系統(tǒng)發(fā)展迅速(張鈸，2018)。伴隨社交網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的興起，數(shù)據(jù)體量迅速增長(zhǎng)，以數(shù)據(jù)挖掘?yàn)榇淼拇髷?shù)據(jù)分析技術(shù)應(yīng)運(yùn)而生，大數(shù)據(jù)落地在一定程度上是由數(shù)據(jù)挖掘、自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、商業(yè)智能等廣義概念流行所推動(dòng)的，且更強(qiáng)調(diào)對(duì)社會(huì)科學(xué)領(lǐng)域的應(yīng)用(沈浩、黃曉蘭，2013)。結(jié)合大數(shù)據(jù)的人工智能技術(shù)正在革新社會(huì)科學(xué)領(lǐng)域的既有研究路徑，如在信息科學(xué)領(lǐng)域，利用主題邏輯結(jié)構(gòu)(theme logic structure)和人工神經(jīng)網(wǎng)絡(luò)來(lái)處理大規(guī)模非結(jié)構(gòu)化數(shù)據(jù)，從而預(yù)測(cè)期刊的研究主題趨勢(shì)(Zhu et al.，2018)。與此同時(shí)，一部分法學(xué)和社會(huì)學(xué)研究也對(duì)大數(shù)據(jù)相關(guān)技術(shù)予以反思，比如Taylor(2017)認(rèn)為互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、智能系統(tǒng)、云等要素之間相互交融，成為一個(gè)“嵌入式的信息域”(embedded infosphere)，與之對(duì)應(yīng)，相關(guān)信息傳播政策需作出適當(dāng)調(diào)整更迭，在系統(tǒng)論視角下建立一個(gè)綜合式的政策架構(gòu)以應(yīng)對(duì)嶄新的信息傳播格局。

(4) 知覺(jué)與記憶。對(duì)應(yīng)關(guān)鍵詞包括：memories(記憶)、knowledge(知識(shí))、perception(知覺(jué))、recognition(識(shí)別)、brain(腦)、cognition(認(rèn)識(shí)力)、language(語(yǔ)言)等。人工智能基本假設(shè)之一是能運(yùn)用計(jì)算來(lái)為人類思維建模，而認(rèn)知科學(xué)(cognitive science)也對(duì)思維議題情有獨(dú)鐘，因此人工智能自發(fā)展初期始就是與認(rèn)知科學(xué)互動(dòng)密切的領(lǐng)域(Forbus，2010)。相應(yīng)地，該主題下的研究多集中在心理學(xué)領(lǐng)域，如Sü?和Kretzschmar(2018)用心理實(shí)驗(yàn)方法來(lái)檢驗(yàn)認(rèn)知能力和先驗(yàn)知識(shí)對(duì)復(fù)雜問(wèn)題求解(complex problem solving)的影響，證明了心理學(xué)研究對(duì)于模擬現(xiàn)實(shí)世界的有效性和用于復(fù)雜決策研究的潛力；Friedman等(2018)利用概念變遷計(jì)算模型對(duì)組合連貫理論(assembled coherence theory)進(jìn)行驗(yàn)證，解釋了認(rèn)知科學(xué)中的常識(shí)應(yīng)用機(jī)制；Khatchatourov等(2016)以音樂(lè)風(fēng)格辨識(shí)為起點(diǎn)，探討了兒童在辨識(shí)自我演奏音樂(lè)和人工智能生成音樂(lè)過(guò)程中的記憶處理問(wèn)題。

(6) 教育改進(jìn)。對(duì)應(yīng)的關(guān)鍵詞包括：education(教育)、children(兒童)、human-computer interaction(人機(jī)交互)、future(未來(lái))、computers(計(jì)算機(jī))、communication(交流)等。該主題強(qiáng)調(diào)人工智能對(duì)于教育領(lǐng)域的賦能，并借助實(shí)驗(yàn)心理學(xué)、用戶體驗(yàn)、交互設(shè)計(jì)等領(lǐng)域的智識(shí)資源。例如，自適應(yīng)在線學(xué)習(xí)系統(tǒng)(adaptive e-learning system)能夠結(jié)合學(xué)生的訪問(wèn)偏好進(jìn)一步改善學(xué)習(xí)過(guò)程中的互動(dòng)體驗(yàn)(Ascaso et al.，2016)；智能信息訪問(wèn)系統(tǒng)(intelligent information access system)如何改善生物醫(yī)學(xué)和健康科學(xué)教學(xué)活動(dòng)(Aparicio et al.，2018)。該主題下的研究清晰展現(xiàn)出以人工智能技術(shù)為中介的教育和學(xué)習(xí)過(guò)程對(duì)于現(xiàn)代教育的適切性以及對(duì)學(xué)生知識(shí)習(xí)得過(guò)程的促進(jìn)效用。

此外尚有一些類別下的關(guān)鍵詞數(shù)量較少，或者關(guān)鍵詞過(guò)于側(cè)重計(jì)算機(jī)技術(shù)，和社會(huì)科學(xué)研究領(lǐng)域關(guān)聯(lián)度有限，這些類別暫不納入本研究的考量范圍。

(四) 人工智能的研究熱點(diǎn)變遷

本研究將相對(duì)度數(shù)中心度這一指標(biāo)應(yīng)用于不同時(shí)段的關(guān)鍵詞共現(xiàn)矩陣之上，相對(duì)度數(shù)中心度也即標(biāo)準(zhǔn)化后的絕對(duì)度數(shù)中心度，該指標(biāo)保證了不同規(guī)模網(wǎng)絡(luò)圖中節(jié)點(diǎn)的可比較(劉軍，2014)。某關(guān)鍵詞的相對(duì)度數(shù)中心度越高，證明其地位越重要。

表2 不同時(shí)段內(nèi)相對(duì)度數(shù)中心度較高的關(guān)鍵詞

關(guān)鍵詞在6個(gè)時(shí)間段的變遷(表2)揭示出以下兩點(diǎn)特征：

(1) 社會(huì)科學(xué)領(lǐng)域的人工智能研究熱點(diǎn)變遷基本跟隨了人工智能技術(shù)的發(fā)展軌跡。正如尼克(2017)的總結(jié)：專家系統(tǒng)自20世紀(jì)80年代初伊始經(jīng)歷十年黃金期，隨著日本第五代計(jì)算機(jī)的幻滅，專家系統(tǒng)成了一個(gè)不時(shí)髦的詞，但專家系統(tǒng)催生了知識(shí)表示，后者與心理學(xué)、語(yǔ)言學(xué)關(guān)系密切，除卻知識(shí)表示這類依靠邏輯和符號(hào)系統(tǒng)來(lái)實(shí)現(xiàn)人工智能的路徑外，另一條路徑是通過(guò)仿造大腦來(lái)實(shí)現(xiàn)人工智能，其代表技術(shù)是神經(jīng)網(wǎng)絡(luò)。雖然神經(jīng)網(wǎng)絡(luò)的發(fā)展歷經(jīng)沉浮，但近年來(lái)互聯(lián)網(wǎng)產(chǎn)生的海量數(shù)據(jù)給予神經(jīng)網(wǎng)絡(luò)更多的賦能空間，最典型的表現(xiàn)就是以多層神經(jīng)元構(gòu)成神經(jīng)網(wǎng)絡(luò)為基底的深度學(xué)習(xí)廣受歡迎，與神經(jīng)網(wǎng)絡(luò)一樣發(fā)軔于生物領(lǐng)域的另一條脈絡(luò)是馮·諾伊曼(John von Neumann)的細(xì)胞自動(dòng)機(jī)，歷經(jīng)遺傳算法、遺傳編程后演化為強(qiáng)化學(xué)習(xí)，這一派在2000年后受到日益密切的關(guān)注，并在2015年末因AlphaGo的出現(xiàn)而更受追捧。從關(guān)鍵詞變遷中可以清晰看出，“專家系統(tǒng)”“決策支持系統(tǒng)”自2000年后地位逐漸下降，而“神經(jīng)網(wǎng)絡(luò)”“遺傳算法”“心智”“智力”“機(jī)器學(xué)習(xí)”等關(guān)鍵詞的地位開(kāi)始上升，雖然社會(huì)科學(xué)領(lǐng)域研究熱點(diǎn)未與技術(shù)發(fā)展步調(diào)保持及時(shí)聯(lián)動(dòng)，但基本呈現(xiàn)出技術(shù)演化路徑對(duì)社會(huì)科學(xué)研究熱點(diǎn)的牽引。

(2) 從較為單一到多元匯聚的應(yīng)用場(chǎng)景。從早期的以知識(shí)為基礎(chǔ)的專家系統(tǒng)占據(jù)主導(dǎo)，到后來(lái)應(yīng)用至“管理”“市場(chǎng)”領(lǐng)域，并注重“預(yù)測(cè)”“優(yōu)化”、應(yīng)對(duì)“風(fēng)險(xiǎn)”等任務(wù)面向，充分印證了人工智能在成長(zhǎng)過(guò)程中的應(yīng)用導(dǎo)向，也即技術(shù)的落地。與此同時(shí)，人工智能與社會(huì)科學(xué)中各學(xué)科的交集也在擴(kuò)大，最典型的是與認(rèn)知科學(xué)領(lǐng)域的互動(dòng)，人工智能“用計(jì)算機(jī)器模擬、延伸、擴(kuò)展人類智能”之宗旨要求對(duì)認(rèn)知科學(xué)中諸如“記憶”“語(yǔ)言”“知識(shí)學(xué)習(xí)”“知覺(jué)”“行為”等經(jīng)典概念予以密切關(guān)注，而認(rèn)知科學(xué)中的行為實(shí)驗(yàn)、神經(jīng)學(xué)研究亦給人工智能發(fā)展提供了增援。另外，各種“視角”也為人工智能發(fā)展提供契機(jī)，比如從價(jià)格波動(dòng)視角結(jié)合遺傳算法來(lái)研究股票市場(chǎng)中限價(jià)的影響(Yeh & Yang，2010)、從動(dòng)態(tài)學(xué)和生態(tài)學(xué)的視角來(lái)理解演繹推理，進(jìn)而突破傳統(tǒng)計(jì)算主義范式指導(dǎo)下對(duì)演繹推理的闡釋(Faiciuc，2008)。

(五) 人工智能的研究范式

圖5 人工智能研究文獻(xiàn)共被引圖譜

從所有文獻(xiàn)記錄中共抽取94429條引文。在CiteSpace中選取每一年中被引位于前100的引文，構(gòu)建當(dāng)年的被引網(wǎng)絡(luò)，并用“最小生成樹(shù)”(minimum spanning tree)算法對(duì)生成網(wǎng)絡(luò)進(jìn)行修剪，之后將各年網(wǎng)絡(luò)進(jìn)行合成。借用Gephi軟件的網(wǎng)絡(luò)繪制功能對(duì)導(dǎo)出的網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行處理后可得出文獻(xiàn)共被引圖譜(圖5)，圖譜中的每一個(gè)節(jié)點(diǎn)代表一篇文獻(xiàn)，節(jié)點(diǎn)尺寸越大代表對(duì)應(yīng)文獻(xiàn)被引次數(shù)越多，兩個(gè)節(jié)點(diǎn)之間若存在連邊則代表兩篇文獻(xiàn)存在共被引關(guān)系。通過(guò)回溯圖譜中關(guān)聯(lián)度較強(qiáng)文獻(xiàn)群集中的高被引文獻(xiàn)，可歸納出以下三種主要的研究范式。

(1) 認(rèn)知科學(xué)研究范式。圖譜中認(rèn)知科學(xué)相關(guān)文獻(xiàn)數(shù)量豐富，且被引次數(shù)較高，這與“知覺(jué)與記憶”作為重要研究主題以及認(rèn)知科學(xué)領(lǐng)域關(guān)鍵詞的逐時(shí)段增多相呼應(yīng)。Holland等(1986)融合心理學(xué)、計(jì)算機(jī)科學(xué)、哲學(xué)三重視角對(duì)歸納框架展開(kāi)研究，認(rèn)為知識(shí)歸納過(guò)程的本質(zhì)是基于規(guī)則的心智模型，認(rèn)識(shí)架構(gòu)對(duì)環(huán)境中的要素關(guān)聯(lián)做出解釋，進(jìn)而產(chǎn)生適應(yīng)規(guī)則和具體行動(dòng)，這一套歸納框架可被應(yīng)用至自然環(huán)境和機(jī)器中。Boden(1991)利用計(jì)算范式對(duì)創(chuàng)造力予以全新解讀，挑戰(zhàn)了創(chuàng)造力來(lái)源于“直覺(jué)”的傳統(tǒng)認(rèn)知，并進(jìn)一步認(rèn)為可以通過(guò)計(jì)算模型來(lái)實(shí)現(xiàn)機(jī)器的創(chuàng)造力。Rumelhart等(1986)認(rèn)為人類比機(jī)器更具優(yōu)勢(shì)之處在于人類心理的大規(guī)模并行計(jì)算架構(gòu)，知識(shí)的產(chǎn)生來(lái)自各個(gè)神經(jīng)元彼此的連接，從認(rèn)知科學(xué)微觀架構(gòu)中啟發(fā)的連接主義挑戰(zhàn)了符號(hào)計(jì)算。與此類似，Newell等(1990)也強(qiáng)調(diào)人類大腦的心智實(shí)現(xiàn)，并發(fā)展出具有廣泛性和包容性的統(tǒng)一認(rèn)知理論(Unified Theory of Cognition)用以解釋智能機(jī)體如何從環(huán)境刺激當(dāng)中誘發(fā)出目標(biāo)導(dǎo)向行為，這一試圖模擬人類認(rèn)知機(jī)制的通用性理論對(duì)于人工智能算法開(kāi)發(fā)和系統(tǒng)設(shè)計(jì)具有重要的啟迪意義。類似的研究還包括對(duì)意識(shí)的解讀(Chalmers，1995)，對(duì)人類決策、思考框架、認(rèn)知偏誤的探索(Kahneman，2011)。概言之，這一范式側(cè)重發(fā)掘認(rèn)知科學(xué)與計(jì)算機(jī)科學(xué)的共鳴點(diǎn)，旨在借用認(rèn)知科學(xué)中對(duì)人類思維方式的解析來(lái)指導(dǎo)人工智能發(fā)展，并用人工智能技術(shù)來(lái)回應(yīng)認(rèn)知科學(xué)中的命題。

(2) 知識(shí)表示研究范式。這一范式下的核心文獻(xiàn)名稱多包含“expert system”(專家系統(tǒng))，專家系統(tǒng)的最高期望即是尋找并應(yīng)用人類知識(shí)的普遍規(guī)則。Lenat和Guha(1990)認(rèn)為系統(tǒng)的智能理解和智能行為來(lái)源于對(duì)所在領(lǐng)域概念、方法、啟示的掌握，因此智能可以等價(jià)為對(duì)規(guī)則的提煉，有鑒于此，研究者希望將人類常識(shí)進(jìn)行編碼，建立起浩瀚的知識(shí)庫(kù)，這也是知識(shí)圖譜的原型架構(gòu)。與之不同，Collins(1990)認(rèn)為專家系統(tǒng)的有效性完全取決于使用者的知識(shí)水平，專家系統(tǒng)所掌握的是人類所賦予的“顆粒態(tài)”知識(shí)，而人類所擁有的知識(shí)源于社會(huì)，是相對(duì)連貫而稠密的，專家系統(tǒng)扮演的是人類專家知識(shí)過(guò)濾器的角色，在建構(gòu)規(guī)則同時(shí)會(huì)無(wú)可避免地丟失一些背景信息。盡管對(duì)于專家系統(tǒng)的討論存在分歧，但是專家系統(tǒng)在人工智能領(lǐng)域的奠基性意義無(wú)可否認(rèn)，不僅在于規(guī)則提煉模式的提出，更在于其核心構(gòu)念對(duì)后續(xù)概念圖、大知識(shí)系統(tǒng)、語(yǔ)義網(wǎng)、知識(shí)圖譜的催生。與此范式相關(guān)的文獻(xiàn)還包括知識(shí)系統(tǒng)的搭建(Roth et al.，1983)、知識(shí)系統(tǒng)的實(shí)際應(yīng)用(Chorafas，1986)等。

(3) 未來(lái)智能研究范式。該范式包括了人工智能的技術(shù)前景展望以及如何應(yīng)對(duì)人工智能帶來(lái)的社會(huì)變遷。在技術(shù)展望方面，神經(jīng)網(wǎng)絡(luò)的發(fā)展延展了人工智能的應(yīng)用場(chǎng)景，基于對(duì)神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)正在成為一種領(lǐng)航技術(shù)路徑，LeCun等(2015)提出以反向傳播算法為基礎(chǔ)的深度卷積神經(jīng)網(wǎng)絡(luò)(deep convolutional nets)和遞歸神經(jīng)網(wǎng)絡(luò)(recurrent neural nets)分別在圖像、視頻處理和序列型數(shù)據(jù)處理上帶來(lái)突破；Silver等(2016)對(duì)AlphaGo的解析以及Mnih等(2015)對(duì)強(qiáng)化學(xué)習(xí)的應(yīng)用凸顯了強(qiáng)化學(xué)習(xí)在人工智能領(lǐng)域的重要地位，這些研究昭示著未來(lái)人工智能的前景與發(fā)展方向。在應(yīng)對(duì)由人工智能驅(qū)動(dòng)的社會(huì)變遷方面，相關(guān)文獻(xiàn)主要關(guān)注技術(shù)發(fā)展對(duì)人類社會(huì)的影響和角色替代問(wèn)題，牛津大學(xué)哲學(xué)家Bostrom(2014)的著作《超級(jí)智能》揭示人類在迅速發(fā)展的機(jī)器時(shí)代中遭遇的現(xiàn)實(shí)困境與可能風(fēng)險(xiǎn)，由于機(jī)器的進(jìn)化速度領(lǐng)先于人類的進(jìn)化速度，那么機(jī)器的“大腦”有可能超越人類的智能，甚至構(gòu)成對(duì)人類文明的威脅，因此在發(fā)展過(guò)程中需要謹(jǐn)慎設(shè)立技術(shù)發(fā)展最終目標(biāo)，并鼓勵(lì)差別化發(fā)展，遵循共同利益(common good)原則。相比于Bostrom對(duì)“弗蘭肯斯坦”的擔(dān)憂，Brynjolfsson等(2014)則更為緩和，其將人工智能技術(shù)躍進(jìn)的時(shí)代比作“第二機(jī)器時(shí)代”，并與“第一機(jī)器時(shí)代”(工業(yè)革命時(shí)代)作出對(duì)比討論，認(rèn)為兩個(gè)時(shí)代最大的不同在于：后者的特征是人力和機(jī)器力量互為補(bǔ)足，前者的特征是機(jī)器在目前和未來(lái)可以完成更多本認(rèn)為只有人類才可應(yīng)對(duì)的任務(wù)，機(jī)器對(duì)職業(yè)領(lǐng)域和更廣闊勞動(dòng)領(lǐng)域形成激烈沖刷，這一論斷的成立依據(jù)來(lái)自機(jī)器計(jì)算能力的指數(shù)級(jí)別增長(zhǎng)和信息技術(shù)與數(shù)字通信的迅速推進(jìn)。與此同時(shí)，機(jī)器會(huì)降低對(duì)自然勞動(dòng)力的整體需求，在利益分配上，技術(shù)創(chuàng)造的“賞金”(bounty)也轉(zhuǎn)移到以智能技術(shù)為代表的新興技術(shù)行業(yè)上，整個(gè)社會(huì)的資源分配格局正在經(jīng)歷劇烈的變遷。雖然Brynjolfsson的視角主要基于宏微觀經(jīng)濟(jì)學(xué)，但是與Bostrom一樣對(duì)人工智能進(jìn)行了技術(shù)邏輯之外的關(guān)切，側(cè)重討論技術(shù)的社會(huì)效應(yīng)?？傮w上看，未來(lái)智能研究范式的理論資源不僅涵蓋計(jì)算機(jī)技術(shù)、工程知識(shí)，也橫亙哲學(xué)、經(jīng)濟(jì)學(xué)、人類學(xué)等多個(gè)學(xué)術(shù)譜系。

四、 結(jié)論與討論

本研究借用文獻(xiàn)計(jì)量領(lǐng)域的相關(guān)方法，對(duì)1975年至今的SSCI人工智能相關(guān)文獻(xiàn)進(jìn)行分析，梳理了文獻(xiàn)的時(shí)空分布、研究領(lǐng)域、研究主題，分析研究熱點(diǎn)變遷并歸納了主要的研究范式。社會(huì)科學(xué)中的人工智能研究體現(xiàn)出若干清晰的特質(zhì)：首先，人工智能與認(rèn)知科學(xué)保持著“相互嵌入”的關(guān)系，在歷史淵源上，心理學(xué)家米勒(Miller)和語(yǔ)言學(xué)家喬姆斯基(Chomsky)共同開(kāi)拓了認(rèn)知科學(xué)，這不僅從邏輯層面上豐富了知識(shí)表示，更為后期的連接主義(connectionism)運(yùn)動(dòng)提供了理論基礎(chǔ)，這些歷史過(guò)往使得人工智能在方法論上滲透著認(rèn)知科學(xué)的痕跡，比如深度學(xué)習(xí)中的多層神經(jīng)元架構(gòu)模仿的是人類的心智處理模式；更讓諸多領(lǐng)域的研究者以認(rèn)知科學(xué)作為交叉點(diǎn)而匯聚在一起，比如控制論創(chuàng)始人維納(Norbert Wiener)對(duì)大腦建模的追求(尼克，2017)。歷史上的學(xué)科交匯使得認(rèn)知科學(xué)成為人工智能研究的重要范式之一，并成為重要的研究主題，目前認(rèn)知科學(xué)中的心理學(xué)領(lǐng)域已成為社會(huì)科學(xué)與人工智能交叉的前沿陣地；其次，社會(huì)科學(xué)的研究視野伴隨技術(shù)更迭而不斷變遷，與自然科學(xué)等領(lǐng)域的技術(shù)主導(dǎo)取向不同，社會(huì)科學(xué)研究更側(cè)重于將技術(shù)納入應(yīng)用環(huán)節(jié)，比如對(duì)于智能預(yù)測(cè)、決策、管理的追求，新技術(shù)的接踵而至無(wú)疑開(kāi)辟了對(duì)于智能社會(huì)的想象，從而加速了技術(shù)在社會(huì)科學(xué)領(lǐng)域的采納與驗(yàn)證步伐；與此同時(shí)，社會(huì)科學(xué)同樣對(duì)人工智能建立了自反框架，比如從倫理、規(guī)約維度出發(fā)對(duì)大數(shù)據(jù)、生物仿真、社會(huì)變遷予以反思。

對(duì)于社會(huì)科學(xué)領(lǐng)域而言，人工智能的技術(shù)意涵不言自明，但于此以外仍有更廣袤的待挖掘之地。以新聞傳播學(xué)科為例，一派觀點(diǎn)源于技術(shù)興奮，在人工智能相關(guān)技術(shù)、模式推行的情境下，新聞傳播領(lǐng)域面臨業(yè)態(tài)、機(jī)制、邏輯的重塑(喻國(guó)明、姚飛，2017)，不少學(xué)者從國(guó)內(nèi)外人工智能助益新聞生產(chǎn)流通模式變革的成功案例出發(fā)，總結(jié)了人工智能對(duì)新聞內(nèi)容生產(chǎn)、新聞信息通路、受眾反饋產(chǎn)生的影響。譬如，以人工智能為代表的技術(shù)進(jìn)步成為驅(qū)動(dòng)媒體智能化的直接動(dòng)因，并使“智媒”成為未來(lái)媒體發(fā)展的一種主要趨向(彭蘭，2016；蘇濤、彭蘭，2018)。在“智媒”趨向的大背景下，人工智能重塑傳媒產(chǎn)業(yè)業(yè)務(wù)鏈，信息采集、編輯制作、認(rèn)知體驗(yàn)、內(nèi)容推送環(huán)節(jié)皆在技術(shù)的滲入下“改頭換面”(喻國(guó)明等，2017)。另一派從文化、技術(shù)政治路線展開(kāi)考察，對(duì)人工智能的發(fā)展邏輯、相關(guān)技術(shù)的應(yīng)用抱以反省，宏觀層面的考察包括外部政治力量如何通過(guò)投資干預(yù)左右研究取向，從而使政治權(quán)力凌駕于學(xué)科自身發(fā)展規(guī)律之上(Committee on Innovations in Computing and Communications，1999)；有關(guān)技術(shù)的多元想象如何對(duì)技術(shù)進(jìn)行社會(huì)建構(gòu)以及主導(dǎo)想象之后的力量如何推促技術(shù)發(fā)展并且形塑技術(shù)和相應(yīng)政治文化制度之間的聯(lián)系(Streeter，2011)；技術(shù)發(fā)展過(guò)程中經(jīng)歷了怎樣的權(quán)力主體讓渡和技術(shù)大規(guī)模商業(yè)化之后合理性的存續(xù)(Wu & Yun，2018)；人工智能的修辭效應(yīng)是否遮蔽了技術(shù)發(fā)展的實(shí)質(zhì)，種種“承諾性修辭”(promissory rhetoric)和“誘導(dǎo)性斷言”(cringe-inducing assertions)營(yíng)造了怎樣的認(rèn)識(shí)論陷阱(Elish & Boyd，2018)。微觀層面的考察包含在高度媒介化社會(huì)中權(quán)力以算法作為寄居體進(jìn)而以更為隱秘的機(jī)制進(jìn)行滲透(Lash，2007)，算法對(duì)把關(guān)權(quán)力進(jìn)行程序化收編，甚至使公眾在由自己意志編織起來(lái)的“信息繭房”(information cocoon)中降低理性判斷力，進(jìn)而實(shí)現(xiàn)對(duì)社會(huì)合意的控制(喻國(guó)明等，2018)；算法對(duì)價(jià)值理性中關(guān)鍵信念的忽視(陳昌鳳、石澤，2017)和新聞生產(chǎn)流程的“黑箱化”與隨之而來(lái)的技術(shù)和資本反收編(仇筠茜、陳昌鳳，2018)。這些視角的匯集豐富了人工智能研究的學(xué)術(shù)版圖，并彰顯新聞傳播學(xué)科觀點(diǎn)對(duì)于整個(gè)社會(huì)科學(xué)領(lǐng)域的裨益。

從本研究的結(jié)論出發(fā)，依然可以發(fā)現(xiàn)更多的研究突破點(diǎn)。譬如，從研究主題和研究熱點(diǎn)變遷中都可看出，以“模擬”為主要特征并追求心智、意識(shí)、行為貼近人類的機(jī)器仿真和系統(tǒng)設(shè)計(jì)正成為新的技術(shù)興奮點(diǎn)，這與現(xiàn)象學(xué)、主體理論、后人類主義思潮有著極高相關(guān)性，相應(yīng)地，傳播研究中也有“賽博人”(cyborg)等概念與之相照應(yīng)(劉海龍，2018；孫瑋，2018)，人工智能技術(shù)促使生物邏輯和技術(shù)邏輯的互嵌更加深入，賽博人就是技術(shù)與人融合出的元媒介，最大限度地實(shí)現(xiàn)了技術(shù)具身(孫瑋，2018)。盡管距離虛擬身體的實(shí)現(xiàn)尚有時(shí)日，但是技術(shù)作為身體的一部分要素并參與感知過(guò)程的狀態(tài)是毋庸置疑的，人對(duì)世界的感知以技術(shù)為中介，技術(shù)與世界的交互則以人作為基礎(chǔ)，人作為技術(shù)與世界的溝通界面更彰顯出一種技術(shù)性的存在，那么在人從自然主體到技術(shù)融合主體的重組過(guò)程中，人與人的傳播關(guān)系勢(shì)必不能僅從人際傳播角度出發(fā)，還需涉及對(duì)技術(shù)的關(guān)切，諸如人工智能時(shí)代人類社會(huì)系統(tǒng)之變遷、機(jī)器之后隱藏的人類社會(huì)關(guān)系、當(dāng)機(jī)器具有自主意識(shí)后給人類社會(huì)帶來(lái)的挑戰(zhàn)。另外，Smythe(1994)曾從技術(shù)生產(chǎn)、研發(fā)、普及、創(chuàng)新等向度出發(fā)論述技術(shù)的非中立特征和政治性，并強(qiáng)調(diào)關(guān)注技術(shù)背后具體社會(huì)制度和意識(shí)形態(tài)的重要價(jià)值；Zhao(2007)同樣呼吁關(guān)注技術(shù)發(fā)展優(yōu)先秩序和技術(shù)創(chuàng)新的價(jià)值導(dǎo)向，順延這一思考模式，值得探究的命題包括：人工智能在作為競(jìng)爭(zhēng)實(shí)力籌碼和經(jīng)濟(jì)效益累積工具的同時(shí)，在多大程度上提供了滿足公共目的的產(chǎn)品與服務(wù)；人工智能在對(duì)既有產(chǎn)業(yè)格局起變革作用的同時(shí)是否遮蔽了一些勞動(dòng)關(guān)系問(wèn)題，比如“數(shù)據(jù)標(biāo)注”(data labeling)工種(Reese，2016)是否演變?yōu)檎诮?jīng)歷更加隱蔽剝削的“數(shù)字勞工”(Fuchs，2012)，等等。

本研究尚存的不足之處在于：首先，文獻(xiàn)檢索時(shí)僅使用“artificial intelligence”作為主題檢索詞，雖然保證了“查準(zhǔn)率”，但一定程度上忽略了“查全率”，可行的改進(jìn)方法包括從計(jì)算機(jī)領(lǐng)域的高被引論文中提取合適的關(guān)鍵詞作為檢索依據(jù)；其次，在研究主題發(fā)掘環(huán)節(jié)，使用關(guān)鍵詞共現(xiàn)矩陣作為聚類依據(jù)雖然盡可能準(zhǔn)確地把握了語(yǔ)義，但依然承擔(dān)了一定的信息損失代價(jià)。未來(lái)研究可在對(duì)英文摘要進(jìn)行分詞時(shí)輔以人工智能專屬詞典，利用諸如Birch聚類(Zhang et al.，1996)等方法將摘要?jiǎng)澐譃椴煌悇e，再基于各個(gè)類別中對(duì)應(yīng)的關(guān)鍵詞來(lái)確定主題以達(dá)更好效果。

注釋

① 本研究未選擇“AI”作為主題檢索詞的原因在于“AI”具有多義指代，譬如：American Indian(美洲印第安人)、Alcohol-Interactive(酒精相互作用)等，而且關(guān)于人工智能的研究，在給出簡(jiǎn)稱(AI)的同時(shí)也會(huì)標(biāo)注全稱(artificial intelligence)。為消除指代歧義、提升研究信度，僅選擇“artificial intelligence”作為主題檢索詞。

② WoS核心合集收錄了1975年至今的文獻(xiàn)數(shù)據(jù)，因此檢索文獻(xiàn)的時(shí)間起點(diǎn)為1975年。

③ WoS核心合集的字段標(biāo)識(shí)說(shuō)明，獲取自https://images.webofknowledge.com/WOK50B6/help/zh_CN/WOK/hs_wos_fieldtags.html

④ 根據(jù)WoS的界定，“社會(huì)科學(xué)其他主題”包括：跨學(xué)科研究(Interdisciplinary)、倫理學(xué)研究(Ethics)、社會(huì)科學(xué)史研究(History of Social Sciences)等。