人工智慧 ─ 下一代數位轉型的創新力與顛覆力

人工智慧 歷經數十年的發展,在從理論到實踐的過程中取得了重大突破。研究顯示,人工智慧具有成功解決各類難題的潛力。隨著 人工智慧 逐漸演變成為 ICT 創新的核心推動力,大量企業爭先恐後地加入到智慧財產權爭奪戰中。他們一方面彼此間展開激烈競爭,一方面又迫於形勢必須開展全球合作,因此,人工智慧的戰略性投資與行動對於成功實現下一代數位轉型不可或缺。

 

何謂人工智慧?

人工智慧是指擁有類人智慧的一類系統。英國數學家艾倫·圖靈 (Alan Turing) 於 1950 年首次提出了機器智慧的概念,而名詞「人工智慧」(Artificial Intelligence) 則是研究人員在 1956 年達特茅斯學院的一次會議中率先使用。此後,數學、邏輯學、認知科學及生命科學等領域紛紛對人工智慧積極開展理論研究。1990 年代後期,電腦技術的出現推動人工智慧研究取得了巨大飛躍,揭示出人工智慧多樣的應用前景。

 

數學、認知科學、人機工程學、邏輯學、生命科學和電腦科學等各研究領域之間展開積極合作,推動人工智慧不斷發展演進。

圖 1. 人工智慧研究情況(來源:2007 到 2016 年間 Web of Science 核心合輯中的 Top 1.5 萬篇高被引論文)

 

 

圖 1 的人工智慧全景分析中涵蓋的研究領域有:

  • 資料分類或模式識別等識別技術
  • 疾病或系統故障等異常診斷
  • 自然語言處理或知識表述方法
  • 智慧型機器人或自動駕駛
  • 人工生命體
  • 機器學習、人工類神經網路和模糊邏輯等演算法研究

人工智慧的演算法理論和實踐應用近十年均取得了實質性進展,彰顯出人工智慧在實際應用中作為未來數位轉型核心推動力的潛力。

 

人工智慧的研究趨勢

圖 2 顯示了過去 20 年 Web of Science 人工智慧論文的出版情況。人工智慧論文出版量在 2006 年之前始終呈現增長趨勢,2006 年之後出現了波動。

人工智慧發展的早期階段,文獻研究重點是將先前的研究演算法和運算能力相結合來證明人工智慧研究確有進展。而一旦有證據表明人工智慧演算法能夠解決各種實際問題,研究重點便轉移到了如何利用人工智慧來解決實際問題。高性能運算能力的出現則加速了人工智慧解決更複雜、更具挑戰性問題的研究進展。

圖 2. 人工智慧研究論文的出版趨勢(Web of Science 核心合輯,1997~2016)

 

圖 3. 人工智慧研究論文出版數量最多的十個國家(Web of Science 核心合輯,2007~2016)

 

圖 3 顯示了人工智慧領域各國的論文出版數量,其中以中國和美國的論文出版數量最多。人工智慧的早期研究由美國主導,但中國自 2000 年以來出版的此類論文數量驚人。此外,在亞太地區,日本、韓國和澳洲也都在積極開展人工智慧研究。

 

論文出版數量可作為一個指標來衡量各國在該領域的知識積累及人才儲備情況,而這最終也將有助於各國的工業發展

 

學術論文是研究成果的一種體現。從圖 3 還可看出各國在人工智慧方面積累的知識深度以及訓練有素的研究人員和工程師人才庫的情況。這些人工智慧的專業知識和人才將成為各國推進下一代 ICT 創新的寶貴財富。

 

研究影響力比論文出版量更重要

表 1 顯示了上榜各國在人工智慧方面的研究影響力,分析了各國在人工智慧研究影響力方面的表現。我們分別取被引次數位於全球排名前 0.1%、1% 和 10% 的論文以及高被引論文 (Highly Cited Papers) 和熱門論文 (Hot Papers) 進行分析,結果發現美國一直都主導著人工智慧領域頗具影響力的研究。

亞洲國家的人工智慧研究影響力相對低於歐洲國家。例如,中國、日本和韓國都只有 0.6%-0.9% 的論文屬於全球排名前 1% 的高被引論文,而美國和歐洲則占到 1.7%-2.4%。所以,亞洲國家可能需要更多地將戰略重點放在研究品質上面以提升研究成果的全球影響力,或者說「以提升在人工智慧領域的影響力」。

表 1. 在人工智慧領域具有最高研究影響力的國家(Web of Science 核心合輯,2007~2016)

  

熱門論文可能成為未來研究領域的推動因素

 

熱門論文 (Hot Papers) 是指近期發表並在短時間內表現出巨大研究影響力的論文,這類論文探討的研究課題很有可能演變成為未來值得關注的有潛力的課題。

中國儘管在其他高影響力論文方面相對遜色於美國,但熱門論文數量與美國相近。這表明中國有可能成為人工智慧研究的核心力量之一。在將人工智慧應用於推動工業發展的各技術領域方面,中國已經奠定了堅實的基礎。

圖 4. 人工智慧論文出版數量最多的十大機構(Web of Science 核心合輯,2007~2016)

 

圖 4 顯示了全球人工智慧論文出版數量最多的十大研究機構。可以看出,中國科學院(中國)、加州大學(美國)和 CNRS(法國國家科學研究中心)的論文產出量遙遙領先。

 

表 2. SCI (科學引文索引)收錄人工智慧論文數量最多的十大企業(Web of Science 核心合輯,2007~2016)

 

表 2 列出了積極開展人工智慧研究的全球前十大企業。企業也積極參與人工智慧研究,因為他們堅信人工智慧將作為核心創新引擎再次推動業務上的飛躍。為幫助實現創新,IBM、微軟和谷歌均已在人工智慧方面投入了大量的人力和物力。西門子也像許多電信公司一樣,將人工智慧積極應用到其醫療和工業解決方案中。

 

人工智慧之所以炙手可熱,是因為大家普遍認為它將成為下一代技術創新的核心引擎

 

按市場發展趨勢來看,人工智慧將成為推動下一代技術創新的關鍵作用力,因此許多研究機構和企業爭相在這一領域建立核心競爭地位。研究機構側重發表人工智慧研究論文,而企業則更加注重專利。研究人員致力於將人工智慧的作用範圍擴展到金融、醫藥、汽車、媒體以及法律和新興行業,而創新應用的成功也勢必會催生出更多的論文和專利。

 

機器學習的研究趨勢

 

機器學習是人工智慧的一個子領域,主要研究對資料進行計算以體驗和學習相關環境

 

機器學習 (machine learning) 透過電腦對目標環境的輸入資料進行預處理,並識別出特定資料集的關鍵特徵。由於在做決策之前先瞭解環境特徵是實現智慧化的基礎,因此,機器學習可廣泛應用於各種領域。

圖 5. 機器學習的論文出版趨勢(Web of Science 核心合輯,1997~2016)

 

圖 5 顯示了 1997 到 2016 年間機器學習類論文的出版情況。隨著機器學習演算法在人工類神經網路 (Artificial Neural Networks)、深度學習 (Deep Learning)、決策樹學習 (Decision Tree Learning)、貝式網路 (Bayesian Network) 和遺傳演算法 (Genetic Algorithms) 等領域不斷取得進展,這些演算法已被廣泛應用於金融、ICT、醫療和教育等行業。

 

谷歌 DeepMind 團隊開發的 AlphaGo 所使用的 MCTS(蒙地卡羅樹狀搜尋)演算法受到了 1950 年代初相關研究的影響

 

AlphaGo 從 2015 年開始接連擊敗了數位世界一流的圍棋大師。該系統使用的強化機器學習演算法 — 更確切地說是 MCTS(蒙地卡羅樹狀搜尋)演算法 — 由 1949 年提出的蒙地卡羅方法和 1963 年提出的樹狀搜尋演算法結合而成。這兩種演算法均已得到深入研究並廣泛用於解決實際問題。

1990 年代初,研究人員將這兩種演算法結合在一起,形成了更加先進的 MCTS。在高性能運算能力的幫助下,MCTS 的研究自 2007 年以來取得了積極進展。

2010 年,DeepMind 在倫敦成立,開始以 MCTS 為基礎開發 AlphaGo 系統。

圖 6. AlphaGo 系統採用的 MCTS 演算法之起源

 

上圖作為一個示例向我們展示了如何更好地發現新興研究。高級人工智慧演算法的基礎原理早在五六十年前便已出現,許多熱門研究領域也都基於多年前的研究課題。另有許多熱門或新興研究領域均誕生於許多年之前,但在高性能運算能力出現之前幾乎毫無進展。這也反映出,有些研究課題只有在遇到強大的推動力或催化劑時,才有可能成為熱門研究方向。

 

中國出版的機器學習類研究論文數量最多

 

如圖 7 所示,近年來,中國在機器學習領域發表了大量的研究論文,數量超過美國。考慮到近期的機器學習研究側重於實際應用,我們從中可以看到機器學習對技術和產業發展的直接貢獻。

圖 7. 機器學習類研究論文出版量最多的十個國家(Web of Science 核心合輯,2007~2016)

 

圖 8 顯示了機器學習類論文出版量排名前十的研究機構,其中亞洲有不少大學在論文出版量方面表現不俗。

圖 8. 機器學習類研究論文出版量最多的十家研究機構(Web of Science 核心合輯,2007~2016)

 

雖然機器學習一直都是熱門研究領域並已取得了很多令人滿意的成果,但仍需應對諸多挑戰。機器學習著重於透過有限的輸入資料流程來瞭解環境,而人類則能同時洞悉各種不同的環境特徵。群體學習是人類與生俱來的一種交際本能,但電腦卻不具有這種屬性。要讓一組電腦類比自然的人類互動並透過彼此互動來「相互學習」,可謂是嚴峻挑戰。而並行處理海量資料則是應對這一挑戰的方法之一,大規模分散式運算技術可使機器學習系統透過更接近人類的方式解決問題。

 

美國在機器學習研究領域的影響力最大,但中國正在迅速提高其人工智慧的研究品質

 

與其他研究領域一樣,機器學習領域同樣是研究論文的影響力比研究論文的出版量更重要。美國在人工智慧研究領域穩穩佔據主導地位,這一點從其論文引用次數進入全球 0.1%、1% 和 10% 排行榜中的論文數量與其論文出版總量的比例便可見一斑。然而,如表 3 所示,中國在熱門論文方面表現出色。我們在上文中曾經提到,許多熱門論文闡述的都是新興研究課題。鑒於機器學習研究成果可用於各類技術創新,因此,其他亞洲國家如想在該領域開展高影響力研究,可能需要加大投入力度。

表 3. 在機器學習研究方面最具影響力的國家(Web of Science 核心合輯,2007~201)

 

機器學習的新興研究領域

 

近年來的高影響力論文主要集中在人工類神經網路及複雜系統應用的進化程式設計

 

圖 9.  5,000 篇高被引論文的聚類分析

 

圖 9 顯示了我們對 1996 到 2015年間 5,000 篇機器學習領域的高被引論文聚類分析的結果。相同顏色的點表示一組研究領域相似的論文。圖中某些聚類專注於複雜系統或智慧控制。分析顯示,人工神經網路和進化程式設計等計算密集型演算法在機器學習研究中表現出色。

圖 10.  機器學習的新興研究領域(來源:科睿唯安研究前沿方法論)

 

圖 10 顯示了機器學習領域的熱點研究課題,也揭示出「集成現有演算法來提高性能」這一發展趨勢。例如,適應性模糊類神經網路基於的便是模糊邏輯、神經網路和自我調整系統在過去的研究成果。對混合演算法的研究則利用了每種方法的優勢產生了令人滿意的結果。

 

機器學習的專利表現分析

 

2000 年以來,機器學習顯示出適用於廣泛行業應用的巨大潛力,專利申請數量迅速增加

 

圖 11 是對機器學習類專利進行技術分類的結果。可以看到看到機器學習專利不僅涉及到電腦演算法,而且還包括了汽車、醫藥和生物技術等多個領域。這表明機器學習是助力許多行業實現技術創新的推動力。

圖 11.  基於 CPC 分類的機器學習專利技術分類 (Derwent Innovation, 1996~2015)

 

企業的專利申請居於主導地位

 

圖 12 顯示了機器學習的專利全景分析。與科學研究相比,機器學習類專利更注重於實際應用。許多專利的基礎都是創新研究成果。

圖 12. 機器學習領域的 專利地圖 (Derwent Innovation, 1996~2015)

 

美國是機器學習類專利的主要申請國

 

如圖 13 所示,美國在機器學習類專利申請中處於主導地位,位居其後的是日本。這意味著美國是全球極具吸引力的技術創新市場,並能提供良好的商業環境。

圖 13. 機器學習類專利申請國/地區分佈 (DWPI, 1996~2015)

 

IBM、微軟和谷歌透過申請或收購而擁有大量專利

 

圖 14 顯示了機器學習類相關專利持有數量排名前十的企業。排在最前面的是幾家美國公司,緊隨其後的是德國和日本公司。機器學習類專利持有量的百強企業中還包括韓國的三星和 LG 以及中國的華為和騰訊。

圖 14. 機器學習類專利申請數量最多的的十家企業 (Derwent Innovation, 1996~2015)

 

過去十年,谷歌在機器學習類專利申請方面表現積極

 

圖 15 顯示了 2005~2009 年與 2010~2014 年兩個不同階段專利申請變化的對比分析結果。谷歌在 2010~2014 年間的機器學習類專利申請比 2005~2009 年增長率超過 200%,雅虎則減少了 50% 多,這可能是其近幾年業務下滑所致。業務模式的變化則導致亞馬遜的機器學習類專利申請出現迅速增長。

圖 15. 機器學習類專利申請的變化率 (Derwent Innovation, 2005~2014)

 

結語

還有許多研究領域可以透過使用和改進人工智慧來解決複雜的實際問題。美國在人工智慧研究方面一直佔據主導地位,但中國、日本、韓國和新加坡等亞洲國家正在迎頭趕上。

雖然研究機構和大學院校在人工智慧研究方面一馬當先,但在專利持有量方面卻是企業占優勢。橫亙在學術界與企業界之間的這道鴻溝可能會給希望在現有想法基礎上繼續創新的研究人員帶來阻力。面對這種情況,唯有將學術界定位為企業盟友而非競爭對手才是正解。此外,人工智慧專利的積極申請也可能對開源軟體社區的研究造成限制。鑒於人工智慧將在技術創新中發揮關鍵作用,因此,研究機構也應重視與人工智慧相關的專利申請。

為了加速人工智慧未來在學術界的研究步伐和在企業中的創新,以下四點是可以考慮的努力方向。

 

人工智慧研究屬於多學科前沿領域,取得進展需依賴各領域的密切合作

人工智慧的研究並不局限於電腦科學,而是需要彙集無數領域的智慧結晶。相互啟發、互通有無的研究領域愈多,人工智慧的創新成果就愈豐富,作用範圍就越廣泛。許多頗具影響力的研究成果都是不同領域的專業研究團體之間展開密切合作的結晶。

 

研究機構需要與企業密切合作

人工智慧研究的許多研究成果均可投入商用。企業趨之若鶩的技術創新正是研究機構的專長所在,但雙方必須建立緊密合作才能實現各自的戰略目標,最終實現雙贏。研究機構或技術轉讓辦公室可監測行業領域對人工智慧的使用趨勢。企業則可監測人工智慧的研究趨勢,以發現可供他們利用的創新研究成果。

 

人工智慧的落實需依靠專業的軟體人才

人工智慧的創新成果理應得到系統化實施。但人工智慧程式設計與企業的交易處理系統有所不同,需要操作人員具備高級分析技能。此外,協同開發人工智慧應用軟體的領域專家也不擅長程式設計工作。因此,實施人工智慧絕對離不開擁有良好溝通能力、並且明確瞭解企業具體需求和目標的軟體專家。

 

保護技術創新核心內容的人工智慧專利至關重要

鑒於人工智慧將成為技術創新的核心組成部分,因此,ICT、汽車、醫療衛生、生物技術和金融等諸多領域的企業都非常渴望保護人工智慧專利。但研究人員往往疏於專利申請。因此,研究機構必須制定適當策略,依據該策略來處理他們的研究成果,建立並擁有有效的專利組合,只有這樣才能實現其研究成果的商業化,給未來研究籌得資金並提高所在單位的知名度。

 

(全文完)

 

原文作者:Justin Kim, Director of Korea, Clarivate Analytics

 

下載英文PDF檔

 

 


人工智慧已是近期最熱們的話題,政府亦推出多項計畫鼓勵台灣產業積極發展人工智慧,打造AI生態圈。科睿唯安 與 國研院科政中心 合作,長期關注台灣產學界的研發能量與技術佈局,本次研討會將聚焦全球與台灣產學在人工智慧與物聯網領域的優勢與發展,透過專利大數據資訊,找到台灣產業未來的創新動能!

立刻線上報名