吉林省人工智能政策文本分析及效果檢驗

錢程 安夢雨 耿佳雯 胡寬 高崎 齊殿偉

【摘 ?要】論文以吉林省以及部分發(fā)達地區(qū)，如浙江、廣東、江蘇、上海的人工智能政策為樣本，采用政策內(nèi)容分析法，借助NVIVO分析軟件，從政策工具視角對5個地區(qū)的人工智能政策進行量化分析、研究，并運用層次分析法，以供給型、需求型以及環(huán)境型政策工具為視角，對五大地區(qū)的政策實施效果進行檢驗。最后，論文就吉林省人工智能效果評分以及發(fā)展現(xiàn)狀，提出優(yōu)化吉林省人工智能發(fā)展的對策和建議。

【Abstract】This paper takes the artificial intelligence policies of Jilin Province and some developed regions， such as Zhejiang Province， Guangdong Province， Jiangsu Province and Shanghai City as samples， adopts policy content analysis method and NVIVO analysis software to make quantitative analysis and research on the artificial intelligence policies of five regions from the perspective of policy tools. By using the analytic hierarchy process （AHP）， the effect of policy implementation in five regions is tested from the perspectives of policy tools of supply， demand and environment. Finally， the paper puts forward the countermeasures and suggestions to optimize the development of artificial intelligence in Jilin Province based on the evaluation of artificial intelligence effect and its development status.

【關(guān)鍵詞】政策內(nèi)容分析法;NVIVO;政策工具;層次分析法;政策效果檢驗

【Keywords】policy content analysis method; NVIVO; policy tools; analytic hierarchy process; test of policy effect

【中圖分類號】F49 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文獻標(biāo)志碼】A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2021）09-0106-04

1 引言

我國人工智能產(chǎn)業(yè)迎來了快速成長階段。在2018年世界人工智能大會上，習(xí)近平總書記指出：“新一代人工智能正在全球范圍內(nèi)蓬勃興起，為經(jīng)濟社會發(fā)展注入了新動能，正在深刻改變?nèi)藗兊纳a(chǎn)生活方式”?？梢姡蚋鲊鴮Α叭斯ぶ悄堋钡募夹g(shù)發(fā)展與產(chǎn)業(yè)融合的重視程度正在不斷攀升。

為響應(yīng)國家號召，自2017年7月國務(wù)院《新一代人工智能發(fā)展規(guī)劃》以來，多個省份及直轄市頒布了相關(guān)人工智能政策。盡管吉林省最早于2017年發(fā)布了《吉林省人民政府關(guān)于落實新一代人工智能技術(shù)發(fā)展規(guī)劃的實施意見》，但其目前人工智能發(fā)展仍然處于一個較低的水平。因此，本文就吉林省人工智能在政策文本上存在的不足進行分析、研究，并提出相應(yīng)的建議。

2 文獻綜述

1956年，在達特矛斯會議上，約翰麥卡錫第一次提出了人工智能的概念[1]。隨著大數(shù)據(jù)、各產(chǎn)業(yè)智能化的迅速普及與發(fā)展，人工智能早已滲透到人類社會生活的各個角落。

在評價方法上，張煒、費小燕等人從創(chuàng)新政策強度、政策協(xié)同度、政策完善度3個維度，針對江蘇省、浙江省、上海市頒布的區(qū)域創(chuàng)新政策對供給、需求和環(huán)境支持三大導(dǎo)向進行了量化評估和文本分析[2]。彭輝以內(nèi)容分析法為研究視角，量化評估了政策主體、政策主題以及政策的作用對象等相關(guān)內(nèi)容，對制約科技創(chuàng)新的法律障礙和現(xiàn)實問題進行了剖析，提出了應(yīng)進一步健全科技立法體系的建議，也指出了發(fā)展的重點領(lǐng)域和薄弱環(huán)節(jié)[3]。

在評價內(nèi)容方面，張譽曜、陳媛媛從文本視角分析智庫文本型成果，并為智庫研究、決策分析等領(lǐng)域提供新思路[4]。賈開、郭雨暉等人曾對美國、英國、德國、中國的人工智能發(fā)展與規(guī)制政策的歷史沿襲進行了簡要闡述與比較分析，并在與國際對比分析的基礎(chǔ)上，針對中國人工智能公共政策的未來發(fā)展方向提出了多方面的建議[5]。

3 論文研究框架

論文對政策文本分析采用的方法是政策內(nèi)容分析法，通過供給型、需求型以及環(huán)境型政策工具視角[6]對吉林省以及全國人工智能總指數(shù)排名靠前的4個省份的人工智能政策文本內(nèi)容進行編碼。同時采用層次分析法，通過構(gòu)建評價指標(biāo)體系，并計算指標(biāo)權(quán)重，對其進行合理的效果驗證，最后發(fā)現(xiàn)問題并提出相應(yīng)的對策建議。具體框架如圖1所示。

4 研究過程

4.1 樣本采集與關(guān)鍵詞編碼

本文就截至2020年一季度（突發(fā)疫情之前）中國人工智能發(fā)展總指數(shù)排名位于前四的省份，即上海、廣東、浙江、江蘇，與吉林省進行對比分析，并針對吉林省人工智能發(fā)展政策給出有效建議（注：由于北京政治地域文化的特殊性，不予參與比較分析）。

從供給型、需求型、環(huán)境型三大政策工具對上海、廣東、浙江、江蘇、吉林所出臺的5份省級人工智能政策進行分類，通過對“資金”“人才引入”“示范企業(yè)”等關(guān)鍵詞進行編碼，最后運用NVIVO分析軟件，便可得到量化結(jié)果。

供給型政策工具特指政府通過支持人才、信息、技術(shù)和資金等方式與手段直接擴大人工智能的需求與規(guī)模，推動人工智能的發(fā)展。將其設(shè)有資金投入、人才培養(yǎng)、人才引入、基礎(chǔ)設(shè)施、培育產(chǎn)業(yè)、公共服務(wù)、核心專利的政策工具。

需求型政策工具凸顯企業(yè)以及其他社會性組織的主體地位。因此，將其下設(shè)有產(chǎn)業(yè)合作、成果轉(zhuǎn)化、示范企業(yè)、項目投入的政策工具。

環(huán)境型政策工具是指政府通過實施稅收制度、法律法規(guī)等方式與手段推進人工智能的發(fā)展。因此，將其下設(shè)有法律倫理、宣傳推廣、理論研究、稅收政策的政策工具。

通過對5個省份人工智能政策文本的統(tǒng)計，得到圖2。

綜合來看，各省份對供給型和需求型重視程度相當(dāng)，廣東省在各個政策工具方面的表現(xiàn)尤為突出;從詞語云的統(tǒng)計上也能清楚地看到，廣東省重點強調(diào)“創(chuàng)新”“技術(shù)”“產(chǎn)業(yè)”等，而吉林省主要強調(diào)“技術(shù)”“智能”以及“發(fā)展”（見圖3）。因此，僅從政策文本角度進行探究，建議吉林省政府放大對人工智能“應(yīng)用”“技術(shù)”以及“產(chǎn)業(yè)”的重視，從而緊追科技前沿。

4.2 政策評價與權(quán)重分析

本文通過層次分析法（AHP）對吉林、江蘇、浙江、上海、廣東人工智能政策作出了評價。層次分析法是一種定性分析與定量分析相結(jié)合的系統(tǒng)分析方法，它的基本思路是先根據(jù)各要素間的隸屬關(guān)系，將要素按不同層次聚集組合，形成一個多層次分析結(jié)構(gòu)模型[7]，從而降低主觀判斷的誤差。

供給型、需求型及環(huán)境型下設(shè)的評價指標(biāo)從不同方面反映了人工智能發(fā)展的情況，但他們之間的重要程度并不相同。因此，必須確定各項指標(biāo)對人工智能發(fā)展評價的影響程度。為此，本文采用層次分析法確定指標(biāo)權(quán)重。在進行2個要素之間的比較時，要對它們之間的重要性進行量化，構(gòu)造如表1所示的判斷矩陣。

表1 ?一級指標(biāo)的判斷矩陣（例）

經(jīng)過查表可知，當(dāng)二級指標(biāo)數(shù)量為5（即n=5）時，RI=1.12。

結(jié)合如下公式：

可計算得到CR=0.0088，當(dāng)CR小于0.01時，可認為該判斷矩陣通過一致性檢驗，因此判斷矩陣Z具有滿足一致性。

由于其他指標(biāo)判斷矩陣求解過程與上述方法相同，因此本文不再贅述。

通過計算一級指標(biāo)相對權(quán)重與各一級指標(biāo)下二級指標(biāo)相對權(quán)重的乘積，可得到各二級指標(biāo)對于總體目標(biāo)影響的組合權(quán)重，各二級指標(biāo)的最終權(quán)重如表2所示。

從表2可以看出，人才引入、示范企業(yè)數(shù)量以及政府或投資人對產(chǎn)業(yè)園的資金投入對人工智能影響較大。從政策工具視角而言，供給型政策工具占比為57.01%，需求型政策工具占比為28.57%，環(huán)境型政策工具占比為14.42%。綜上，三方面的政策工具對人工智能的發(fā)展都有一定程度的影響，因此，通過對政策文本的研究，從而得出政府對人工智能發(fā)展所需重視的方面就顯得尤為重要。

5 吉林省存在的問題

通過政策工具二級指標(biāo)對吉林、浙江、廣東、江蘇以及上海進行了實際情況的信息搜尋與評分，從而對上述研究進行側(cè)面檢驗。

從表3可以看出，對人工智能產(chǎn)業(yè)本身資源而言，吉林省建設(shè)的產(chǎn)業(yè)園數(shù)量、發(fā)明的專利數(shù)量以及人工智能專家方面較人工智能發(fā)展前沿省份相對落后;對其資金投入而言，吉林省投入的資金較其他省份而言相對較低。此外，政府的宣傳力度、稅收方面的政策優(yōu)惠等方面都有較大的提升空間。

為更加直觀地反映與驗證以上各省人工智能政策的合理度，本文利用五大省份實際情況的統(tǒng)計數(shù)據(jù)，并結(jié)合已求得的權(quán)重向量對其進行了打分展示，具體步驟如下：

構(gòu)建確切的評價政策合理度分數(shù)M的目標(biāo)函數(shù)：

M=SWTH=（w1，w2，…，wj，…，w11）T（h1，h2，…，hj，…，h11）（4）

W=[0.1733 0.0454 0.0938 0.0554 0.2035 0.0390 0.1786 0.0681 0.0771 0.0233 0.0424];其中W為權(quán)重向量，H為各項指標(biāo)得分向量，S為基準(zhǔn)總分，為更加直觀地展示政策合理度分數(shù)，這里我們?nèi)為100。

利用向量的單位化即可求得各項指標(biāo)得分hj：

其中，Rj為各項指標(biāo)的實際數(shù)據(jù)值，其值可表示為：

根據(jù)上述公式可算得各個省份的政策合理分數(shù)為：

M吉林=17.79

M浙江=75.58

M廣東=91.85

M江蘇=74.16

M上海=88.80

6 對策建議

綜上，從評分上來說，本文以蘇、浙、上、廣四大省份作為參考標(biāo)準(zhǔn)是合理的。從政策工具角度而言，供給型方面的政策以及資金支持對吉林省人工智能的發(fā)展起著重要作用。吉林省政府要在汲取其他國家及地區(qū)的經(jīng)驗教訓(xùn)上，有效加強對人工智能的投入力度;吉林省在人才培養(yǎng)方面，有吉林大學(xué)、長春理工大學(xué)等高校支撐，因此應(yīng)該加大吸引外部人才以及留住本地人才的政策力度，并發(fā)揮政府最大的支持與激勵作用，擴大吉林省人工智能產(chǎn)業(yè)規(guī)模。

應(yīng)用需求是科技創(chuàng)新的不竭之源，也是人工智能技術(shù)的創(chuàng)新之源。長春現(xiàn)有長春市機器人產(chǎn)業(yè)園項目、長春市人工智能識別產(chǎn)業(yè)園項目等。在這種優(yōu)越的背景下，應(yīng)加快實驗成果的轉(zhuǎn)化及運用，以保障產(chǎn)能以及企業(yè)價值的提高等。

環(huán)境型政策工具在某種意義上起到支撐人工智能發(fā)展的作用，它從側(cè)面有效推進人工智能的發(fā)展。因此，吉林省政府應(yīng)鼓勵對其政策的研究并加大宣傳力度，讓更多公民加入人工智能的建設(shè)中來，從而加速人工智能的發(fā)展。

【參考文獻】

【1】程石.人工智能發(fā)展中的哲學(xué)問題思考[D].重慶：西南大學(xué)，2013.

【2】張煒，費小燕，肖云，等.基于多維度評價模型的區(qū)域創(chuàng)新政策評估——以江浙滬三省為例[J].科研管理，2016，37（S1）：614-622.

【3】彭輝.基于內(nèi)容分析法的上海市科技創(chuàng)新政策文本分析[J].大連理工大學(xué)學(xué)報（社會科學(xué)版），2017，38（01）：157-163.

【4】張譽曜，陳媛媛.美國著名智庫文本成果研究——以人工智能領(lǐng)域為例[J].圖書館論壇，2021，41（02）：152-160.

【5】賈開，郭雨暉，雷鴻竹.人工智能公共政策的國際比較研究：歷史、特征與啟示[J].電子政務(wù)，2018（09）：78-86.

【6】Rothwell R，Zegveld W.Reindusdalization and technology[M].London：Longman Group Limited，1985.

【7】趙秀秀，朱燁.基于灰色理論和AHP的物業(yè)滿意度模糊評價模型[J].現(xiàn)代商業(yè)，2016（11）：143-145.