国际社会科学领域人工智能研究演进与前沿

张少杰，李 娜

(吉林大学管理学院，长春 吉林 130000)

0 引言

人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统[1]。1956年，人工智能一词在达特茅斯会议上首次被正式提出，但是由于受到计算能力、储存水平等诸多因素的限制，人工智能的发展几经波折。如今，随着大数据时代的到来和计算能力的提升，人工智能逐渐应用到社会各领域，尤其是在此次抗击新型冠状病毒肺炎的疫情中，人工智能在疫情防控、临床诊断、资源调配、信息传播和搜集等各个环节发挥了巨大作用，让整个社会进一步认识到人工智能在促进社会经济发展方面所蕴藏的巨大潜力和价值。随着疫情的逐渐好转，后疫情时代人工智能的重要性被提升到了新高度，国务院在《新一代人工智能发展规划》中指出，要进一步释放人工智能在历次科技革命和产业变革中积蓄的巨大能量，从而实现社会生产力的整体跃迁[2]。在此情境下，厘清社会科学领域人工智能研究的发展脉络和研究现状，具有一定的理论及现实意义。

从研究的学科领域来看，人工智能最早存在于自然科学尤其是计算机科学领域，20世纪90年代后期以来，随着人工智能技术应用范围的不断扩大，越来越多的学者开始从社会科学的视角研究人工智能问题，以经济学、管理学和伦理学等学科为主，探索人工智能对人类发展和经济社会系统的影响。但与人工智能的实践应用相比，学术研究仍相对滞后，尤其是在社会科学领域，相关研究较为分散和局限，仍存在以下不足：①研究范围较窄，多是从某一行业角度出发，没有从人工智能整体发展阶段来分析人工智能主题，不能全面系统地反映人工智能研究的整体演进过程和趋势特征；②多是定性分析，以数据为支撑的量化分析相对较少；③缺少针对社会科学领域人工智能研究的有效梳理，无法体现出社会科学领域研究的侧重点。鉴于此，本文借助CiteSpace科学计量工具，基于社会科学领域广泛使用的权威性引文索引数据库SSCI，对1956—2019年3620篇相关文献进行可视化分析，通过对国际社会科学领域人工智能研究的发文量、核心国家、机构、作者进行分析，梳理社会科学领域内人工智能研究的水平现状；通过引文聚类来厘清社会科学领域人工智能研究的演变历程，通过关键词突变检测社会科学领域人工智能研究的前沿热点。

1 研究方法与数据来源

1.1 研究方法

本文采用CiteSpace软件对人工智能的文献数据进行科学计量，该软件是由美国德雷塞尔大学陈超美教授应用Java语言开发的科学知识图谱绘制软件，可以对知识单元或知识群之间复杂的网络关系进行可视化分析，通过厘清各知识单元之间的各种作用关系，探寻该研究领域演进的主要路径和知识枢纽，并通过一系列可视化图谱的绘制来实现对主题演化内在动力机制的剖析和领域前沿热点的探测，从而帮助研究者客观认识该领域的发展概貌[3]。

1.2 数据来源

任何知识图谱绘制的科学性都根源于数据基础，即如何精准全面地检索到所要研究主题的全部文献是关键问题。Social Sciences Citation Index (社会科学引文索引)是Web of Science核心合集的三大数据库之一，收录了来自社会科学领域56个学科的3200多种最具权威和影响力的学术期刊，是全球著名的社会科学领域的引文索引数据库。本文研究数据以SSCI数据库为来源，以 “Artificial Intelligence”为主题词进行检索。为了提高分析质量，本研究只保留文献类型是 “Article”的期刊文献作为数据源。由于人工智能概念是在1956年美国达特茅斯会议上被首次提出，所以将时间跨度设置为1956—2019年 (实际检索出的最早研究文献出现于1960年，实际时间跨度为1960—2019年)。数据检索日期为2020年3月24日，共检索到相关文献3676篇，为了保证查准率，由两人分别独立筛选剔除重复和不相关文献，再由第三人进行审核确定，最终获得3620篇有效文献数据。

2 国际社会科学领域人工智能的研究现状

2.1 国际发文量年份分布

1960—2019年，文献数量呈现出 “局部起伏波动，总量持续增长”的趋势，社会科学领域人工智能研究历经多次研究繁荣期，进入21世纪后最终总量成指数型飞速上涨。第一篇来自社会科学领域的相关文献发表于1960年，但在随后的20年里发文量较少，年均发文量仅为3.54篇，相关研究尚处于早期探索阶段，尚未在社科领域内引起学者广泛关注。直到1984年，哈佛大学教授莱斯利·瓦利安特提出 “概率近似正确”的学习模型，该模型为人工智能领域的发展提供了坚实的数学基础，由此引发了第一波人工智能学术研究的热潮，也吸引了一批社会科学领域的学者就人工智能技术在经济社会发展中的作用展开了早期研究，研究领域遍及心理学、管理学、经济学等学科，其发文数量由1984年的18篇逐渐攀升至1987年的38篇。进入20世纪90年代以后，随着人工智能技术不断成熟，社会科学领域人工智能的研究又迎来了第二波研究高潮，此阶段相关文献数量明显增加，研究所涉及的社会科学领域也更为广泛，伦理学、法学、社会学等学科也加入与人工智能学科的交叉研究中，发文量在1995年达到峰值84篇后又有所回落，但年发文量基本维持在40篇以上。2010年以后，人工智能相继在语音识别、计算机视觉等领域取得重大进展，人工智能产业逐渐完善，社会科学领域相关文献数量也进入快速增长阶段，研究成果逐年增加，年均发文量达到100篇以上，尤其是2016年人工智能程序AlphaGo打败世界围棋冠军以来，社会科学领域对人工智能的研究呈爆发式增长，发文量年均增长率高达165%，社会科学领域内人工智能研究进入高峰期，研究范围遍及社会科学领域各学科。

2.2 国家分析

每一项研究课题的兴起和发展都会受到其所处国家社会环境的影响。对国家/地区的知识图谱分析，可以反映出该国在此领域的竞争力和地位。本文利用CiteSpace软件对社会科学领域3620篇人工智能相关文献进行国家分析，节点类型设置为Country，统计出发文量及中心度较高的前15个国家如表1所示。

表1 社会科学领域人工智能研究高产国家分布

从发文数量来看，社会科学领域人工智能研究排名前15的国家依次是美国、中国、英国、西班牙、加拿大、德国、澳大利亚、意大利、法国、荷兰等国家。总体来看，主要集中在欧洲、北美等发达国家，亚洲除中国外，韩国和日本也具有较高的发文量。除此之外，一些发展较快的发展中国家如巴西、印度、土耳其也榜上有名。其中，美国的发文量和中心性都遥遥领先，共占全球总发文量的31.47%，这与美国较早的开展人工智能研究是分不开的，从表1可以看出美国首篇社科类人工智能研究文献发表于1966年，而中国直到1993年才发表了社会科学领域的第一篇人工智能文献，美国比中国早了近30年。经过多年的发展积累，美国不仅在技术研究方面具备了一定的实力和影响力，在社会科学领域，学者们也不断开展人工智能与经济进步、社会发展和国际政治格局融合的探索实践与创新，通过搭建与政府、企业的研究平台,将人工智能技术应用快速落地，学术研究深入国家建设各层次，助力政府推进人工智能发展的国家战略，为美国维护自身的竞争优势起到了关键性作用。虽然中国人工智能的研究起步较晚，但是却拥有排名第二的发文量，占全球总发文量的11.04%，略高于英国的10.19%，这主要得益于中国政策的支持和近几年产业的快速发展。

据德勤中国发布的《中国人工智能产业白皮书》显示，中国目前已经成为人工智能发展最迅速的国家之一，2019年中国人工智能企业数量超过1000家，位列全球第二，这也带动了中国学术界关于人工智能在社会科学领域的研究，推进人工智能与实体经济的融合发展。但是从中心性上看，中国只有0.06，与美国的0.40和英国的0.26还有较大差距，这说明中国在社会科学领域关于人工智能研究的国际学术影响力还较弱，相关研究尚处于发展初期，尤其是在基础理论和应用管理等方面与美国和英国还存在一定差距。另外，英国、西班牙、德国等欧洲国家对人工智能研究的中心性指标较高，这些国家的学者不仅专注于人工智能的人才需求、政府投资和产业发展等经济层面的研究，许多国家已经着手评估如何在扩大人工智能经济利益的同时，利用人工智能产业发展的新契机重塑自身的世界领先地位，其研究成果具有较强的国际认可度。

2.3 机构分析

通过对发文作者的所在机构进行分析，可以掌握某领域的核心研究力量分布情况，帮助学者快速了解该领域的研究视角和学术群体。利用CiteSpace软件对3620篇文献进行机构分析，节点类型设置为Insititution，将图谱显示方式设置为Spotlight模式，突出显示具有高中心性的关键节点，并选择 “Citation/Frequency Burst”,在图谱中突出显示高爆发性节点，生成社会科学领域人工智能研究机构的合作网络图谱 (见图1)。在生成的图谱中，每个节点代表一个研究机构，节点的大小代表发文量的多少，白色节点代表其具有高中心性，颜色饱和度最高的黑色节点代表其具有高爆发性，节点之间的连线代表机构之间的合作强度，线条越粗代表机构间的合作越紧密。

从图1可以看出，国际上社会科学领域人工智能研究的代表性机构主要为高校，发文量排名前三的机构分别是麻省理工学院 (31篇)、牛津大学 (28篇)和多伦多大学 (24篇)。美国麻省理工学院在人工智能领域一直具有前瞻性和引领性，1959年该校曾建立了世界上第一个人工智能实验室，2018年该校投资十亿美元开设了人工智能学院，该学院的重点目标是推进人工智能在各个领域内的行业应用，其一半以上的学术研究都是与社会科学领域的其他学院联合完成的，学术成果涉及经济、政治、历史、语言学等多领域，为社会科学领域人工智能的研究起到了引领作用。牛津大学计算机科学系拥有世界一流的专家和设备，其下的人工智能专业研究范围广泛，除了相关的技术研究外，在社会科学领域，该校还积极推进与企业的行业合作研究，尤其是在物联网管理和智能识别系统的伦理解决方案领域，具有较多的国际领先研究成果，2014年谷歌公司也正是与牛津大学建立合作关系，随后研发出了著名的AlphaGo程序，引发了全世界对人工智能的关注，并激起了社会科学领域关于人工智能研究的第三次热潮。多伦多大学在世界人工智能领域也占据领先地位，2017年该校宣布成立向量学院，专注于深度学习技术及应用的研究，并由深度学习之父Geoffrey Hinton教授担任首席顾问，具有较大的国际影响力，在社会科学领域，该校的学术研究多是从深度学习的角度出发，研究人工智能技术给社会就业结构带来的影响，并从伦理学角度分析人工智能与人类智能的社会作用关系。中国的中国科学院 (16篇)和香港理工大学 (15篇)分别排在第8名和第10名，表明中国在该领域有一定的国际影响力，但尚有成长空间，其学术研究多是围绕人工智能产业政策和国家战略展开，表明中国政府对人工智能产业发展的高度重视和支持。

图1 社会科学领域人工智能研究核心机构共现图谱

从合作强度来看，虽然各核心机构之间保持着一定合作关系，但是从整体来看，网络密度仅为0.0079，表明各机构间合作强度较弱，尤其是发文量略小的机构，节点分布较为分散，没有形成明显的合作群体。观察图谱中的关键节点可以看出，麻省理工学院节点呈现白色，说明其不仅具有最大的发文量，而且中心性也最大，在领域内具有较大的影响力和重要地位。香港理工大学的节点颜色最深，代表其爆发性最强，发文量在近几年激增且引用率较高，其关于人工智能在智慧城市建设方面的研究成果集中，且在国际上认可度较高，具有一定的后期发展潜力。

2.4 作者分析

通过对发文作者的统计分析，可以了解某一研究领域的核心作者，对作者进行共被引分析，可以呈现出领域内具有影响力的高被引作者。本文结合CiteSpace的运行结果，对人工智能研究的高产作者和高被引作者进行梳理，其对比情况如表2所示。从发文量来看，排名前三的作者依次是来自芬兰国家技术研究中心的Stephen Fox、加拿大温莎大学哲学系的Douglas Walton教授和法赫德国王石油矿产大学的Salaheldin Elkatatny教授，但其发文量都不高，排名第一的作者发文量也仅有8篇，说明当前社会科学领域关于人工智能的研究成果较为分散，还没有产生规模性的研究团体，并且从以上学者的学术背景可以看出，当前人工智能研究所涉及的学科种类多样，很多学科都有与人工智能的交叉研究，人工智能在社会科学领域的学术研究范围已较为广泛。从高被引作者来看，排名前三的作者依次是Newell A、Simon H A和Minsky M。Newell和Simon均是卡耐基梅隆大学计算机系的著名教授，曾在1975年同时获得计算机最高奖图灵奖，是世界顶级人工智能专家，二者在人工智能与认知科学的融合研究、编目处理的行业应用等方面有很高的学术成就，其研究成果不仅在自然科学领域被广泛引用，也是社会科学领域人工智能研究开展的基础依据，学术影响力很高。Minsky教授创立了麻省理工学院人工智能实验室，是定义和发展人工智能的先驱之一，于1992年获得图灵奖，被尊称为 “人工智能之父”，在人工智能发展史上具有突出的学术贡献，其研究成果具有极高的被引量，是很多学者开展人工智能研究的基础参考文献。

表2 社会科学领域人工智能研究核心作者分布

通过对比可以看出，高产作者和高被引作者中并没有出现相同的学者，高产作者的论文涉及社会科学领域的多种学科，多从经济学、管理学、伦理学等角度研究人工智能对社会经济发展产生的影响，且普遍是近几年较新的研究成果，论文发表年份较晚，而高被引作者多是计算机领域内较早展开人工智能研究的著名学者，其研究论文多是人工智能技术领域内具有一定影响力的标志性文章，发表时间较早，具有基础性和权威性。由此可以看出，社会科学领域关于人工智能的研究是以人工智能技术的发展为基础的，技术的发展促进了人工智能产业的发展，由此引发了一系列涉及各学科领域的社会变革。

3 国际社会科学领域人工智能研究主题演进分析

文献共被引图谱可以帮助人们通过图谱中的关键节点、聚类及色彩来分析某个研究主题的演变过程[4]。为了更好地梳理人工智能研究主题脉络及演进过程，本文利用CiteSpace对3620篇文献进行共被引分析，找出领域内高被引文献，并通过引文聚类的时间分布来探究研究主题的演变。将节点类型设置为Reference并进行聚类分析，为了更直观地表现出主题变化的时间进程和各组聚类之间的关系，本文选择时间线 (Timeline)模式来显示图谱，最终得到纵坐标为引文聚类、横坐标为引文发表年份的文献共被引时间线图谱 (见图2)。图谱中每个节点代表一篇被引文献，节点大小与其被引频次成正比，节点间的连线代表共被引关系，线条越粗表明共被引强度越高，线条颜色由深到浅，代表时间从早期到近期的变化，中心性大于0.1的节点突出显示。模块值 (Q值)=0.89，平均轮廓值 (S值)=0.51，聚类效果显著。

由图2可知，该引文网络总共被分为8个聚类，聚类轮廓S值均大于0.9,按照聚类规模大小排列依次是#0计算机利用 (using computer)、#2专家系统 (expert system)、#3自治智能体 (autonom-ous agent)、#4知识工程 (engineering knowledge)、#6认知发展 (cognitive development)、#7社会观念 (social conception)、#8人工神经网络 (artificial neural network)和#17多元认知结构 (pluralistic cognitive architecture)。其中，计算机利用、专家系统、知识工程和社会观念四组聚类出现时间较早，聚类间连线较紧密，共引强度较高，且高被引文献节点较多，而自治智能体、认知发展、人工神经网络、多元认知结构四组聚类出现时间较为延后，且聚类间连线较少，共被引强度较弱。总体来看，社会科学领域关于人工智能规模性的研究起始于1968年，要滞后于人工智能技术概念诞生近10年，且其研究主题的演化与人工智能技术的发展息息相关，结合时间线图谱和文献内容综合分析，社会科学领域人工智能研究的主题演化大致可以划分为三个阶段。

图2 国际社会科学领域人工智能研究文献共被引时间线图谱

3.1 早期以专家系统为核心的人工智能行业应用研究阶段

在社会科学领域内，早期关于人工智能的研究主题主要围绕人工智能在各行业的实际应用展开，以专家系统为载体，实现了人工智能从理论研究走向实践应用、从广泛解决方案转向使用专业知识的重大突破。主要包括聚类#0计算机利用、#2专家系统、#4知识工程和#7社会观念，时间跨度从20世纪60年代末到90年代初。

聚类#0计算机的利用是社会科学领域开展最早且持续时间最长的人工智能研究主题。在计算机发展初期，主要是进行一些科学计算和数据处理任务，应用范围十分有限。因此，为了能够更好地发挥计算机的作用，人工智能学科逐渐兴起并取得了一批令人瞩目的研究成果，其中，以专家系统为代表的人工智能应用发展最快。专家系统可以结合已有的专业知识和经验处理不同行业的问题，被广泛应用于医学、地质勘探、企业管理、经济决策等领域，推动人工智能走入应用发展的新高潮，由此也引发了社会科学领域学者的思考和关注，围绕以专家系统为核心的人工智能应用开展了一系列研究。该阶段被引频次最高的文献是聚类#2中美国斯坦福大学F.Hayes-Roth教授1983年出版的《专家系统构建》一书[5]，此书由38名领域专家共同编写而成，Hayes同时作为美国著名专家公司Teknowledge公司的创建者之一，详细介绍了有关专家系统在各领域的实际应用情况，其所著章节由于较高的实践指导意义而被大量引用。随着专家系统的不断发展和成熟，被称为 “专家系统之父”的E.Fiegenbaum在第五届人工智能联合会提出了知识工程的概念，概念提出后很多学者开始基于知识工程研究专家系统。如聚类#4中Laird等[6]于1987年发表的《SOAR:通用智能的架构》一文，基于知识工程构建了一个通用的问题求解模型SOAR，SOAR模型具有非常广泛的应用范围，令人工智能在社会科学领域的研究中具有更高的实用性和适用性，后期成为社会科学领域人工智能诸多研究的工具模型。另外，在早期的社会科学领域人工智能研究中，与认知科学的协同研究也占有很大比重，在聚类#4和聚类#7后期都出现了中心度较大的认知科学相关文章，并与下一阶段主题聚类之间存在一定的共被引关系，说明认知科学的发展为社会科学领域人工智能新的研究主题的出现奠定了基础，其中聚类#4中节点所示的为该类代表性研究，是本阶段中心性最强的被引文献，该研究是1992年加州大学著名哲学教授John R.Searle编著的 《心灵的再发现》一书[7]，该书从认知科学的角度出发，深入分析了社会意识的结构，给社会科学领域人工智能的研究者提供了新思路，同时也为人工智能领域的研究提供了理论基础。聚类#7中著名人工智能专家Allen Newell编著的 《认知的统一理论》一书[8]是被引频次第二高的文献，该书于1990年出版，深入分析了人类的认知模式并总结出了统一的认知理论，试图构建出模仿人类认知机制的通用模型，为推进人工智能系统的研究提供了强有力的支撑，是社会科学领域人工智能研究的重要参考文献。

从以上分析可以看出，早期社会科学领域人工智能研究的内在驱动力是新需求的产生，对于计算机高效利用、专业知识集中化的需求催生了以专家系统为代表的人工智能应用的落地，从而引发了学术界对于人工智能在社会科学领域的研究，同时，早期认知科学的发展又推动了人工智能的发展，为下一阶段新主题的产生提供了条件。

3.2 中期基于人工神经网络的社会科学问题预测研究阶段

进入人工智能发展中期，社会科学领域关于人工智能的研究以人工神经网络技术为依托，围绕经济社会发展问题进行了很多预测研究，人工智能的加入使社会科学领域内的预测不止停留在理论层面，而是变得更加精准和量化，解决了实际生产过程中遇到的很多问题。该阶段包括#3自治智能体、#6认知发展、#8人工神经网络和#17多元认知结构四个主题聚类，时间跨度从20世纪90年代初到21世纪初期。

随着人工智能研究的不断推进，专家系统存在的知识表达与搜集困难、计算量过大等问题也逐渐显露出来，因此以仿生学、认知学为基础的人工神经网络研究成为热点，该阶段研究通过模拟人脑的神经网络结构，对社会科学领域的不同问题进行估算预测，以此规划和涉及未来发展，解决现存问题。在被引频次最高的前8篇文献中，有3篇是此类预测研究，分别是Robert等于1995年发表的《针对具有多重最优性、不可微性和其他不规则特征的预测问题的遗传算法》，Kar 等于1992年发表的 《人工神经网络的管理学应用：银行破产预测的案例研究》和Linda等于1992年发表的《人工神经网络：预测储蓄失败的新工具》，均是利用人工智能对社会经济问题进行预测,预测运用遗传算法，结果科学准确，具有很高的参考价值，是当时的代表性研究主题。

从中心性来看，美国神经生物学家、诺贝尔奖获得者Edelman[9]于1992年出版的 《明亮的空气，明亮的火焰:关于思维的问题》一书是本阶段共被引网络的关键节点，具有最高的中介中心性 (0.14)，该书对思维是如何运作的发表了革命性的见解，开启了神经科学革命的开端，促进了人工神经网络的发展，是人工智能研究由以专家系统为主的符号主义转向以人工神经网络为主的联结主义的转折点，也促使社会科学领域关于人工智能的研究从以专家系统为主的应用研究转向以人工神经网络为主的预测研究。此阶段最高被引文献是美国计算机和未来学家Kurzweil[10]1999年出版的 《机器之心》，该书畅销全国并被翻译成9种语言，通过通俗易懂的语言向读者介绍了人工智能在社会各个领域的应用，并依据科学的分析对人工智能的未来进行了大胆预测，思考了人工智能将会给人类社会带来的影响和改变，具有很大的社会反响。

从以上分析可以看出，新问题的出现是此阶段研究主题更新的主要驱动因素，由于早期专家系统出现数据量大，计算困难等问题，催生了更加高效准确的人工神经网络技术，使得精准的预测研究成为可能，推动了社会科学领域人工智能研究新主题的产生，也使得人工智能开始广泛进入大众视野。

3.3 后期基于深度学习的多元化研究阶段

多元化研究阶段以深度学习为技术依托，研究内容更为多元化，呈现出多学科综合、多领域参与、高度复杂的特征。上一阶段人工神经网络的兴起为深入研究人工智能问题提供了知识基础，进入21世纪以后，以深度学习为代表的人工智能技术飞速发展，将人工智能研究外推到更广泛的研究领域。图3所示的8个聚类都出现在2006年以前，2006年以后社会科学领域关于人工智能的研究并没有形成明显的聚类，但是通过引文分析发现，被引频次超过20次的文献全部发表于2006年以后，且此阶段高被引文献数量较多，呈集中爆发趋势，表3所示为被引频次和中心度排名前十的13篇文献以及相关指标。

表3 被引频次和中心度排名前十的主要文献

通过文献内容分析可以发现，该阶段研究主题依托于深度学习技术的飞速发展，呈现出多元化趋势，其研究内容涉及经济、管理、哲学、心理学、法律等多个领域。在表3文献中，有5篇是关于深度学习技术的相关文献，均是领域内的权威专家发表于Nature等知名期刊的文献，其研究内容对人工智能学科的发展具有一定影响，是深度学习技术发展的标志性文献，为社会科学领域人工智能的研究提供了技术支撑。除了深度学习相关文献外，此阶段其他研究同质性较弱，与其他学科进行的交叉研究数量较多，人工智能研究进入多元化研究阶段。其中代表性的研究如：牛津大学人类未来研究院院长Bostrom于2014年出版的 《超级智能:道路、危险、策略》一书[11]，该书认为人类可能会创造出一种远远超过人类智能的超级智能，超级智能的优势将会给人类社会带来风险，并探讨了降低风险的路径，阐述了人工智能研究在发展超级智能方面的哲学含义；麻省理工斯隆管理学院教授Brynjolfsson等[12]于2014年出版的 《第二机器时代》一书，该书从管理学角度研究了人工智能技术对经济和社会的影响，并针对可能会出现的就业、企业重塑等问题提出了解决措施。牛津大学教授Carl等[13]通过对702种职业的详细评估，分析了未来智能化对美国劳动力市场的预期影响，并给出面临风险的职业种类，以及智能化率、工资和受教育程度之间的关系。普林斯顿大学教授Barocas等[14]、马里兰大学法学教授Citron等[15]和华盛顿大学法学院教授Calo[16]分别从就业歧视法、社会信用评分系统和网络法的角度研究了与人工智能相关的法律问题，这三篇文章具有较高的中心度，具有一定的影响力。

从以上分析可以看出，新技术的发展是后期社会科学领域人工智能研究的主要驱动力，深度学习等先进技术的出现使人工智能可以被更广泛地应用到各学科领域，多学科交叉研究已经成为现代社会科学领域人工智能研究的趋势，同时，人工智能的产业化、规模化发展也引发学者对于人工智能对社会、就业、经济发展影响的思考，使得社会科学领域关于人工智能的研究成果越来越多、学科越来越丰富、主题越来越多元化。

综上所述，本研究借助文献共被引时间线图谱，将社会科学领域人工智能研究划分为早期以专家系统为核心的行业应用研究阶段、中期基于人工神经网络的社会科学问题预测阶段，以及当代以深度学习为基础的多元化研究阶段。通过对高被引和高中心度文献的解读可以发现，社会科学领域人工智能的研究以人工智能技术的发展为依托，且在各个发展阶段的后期，新兴知识的溢出效应促进了新主题的产生，探究其内在的动力因素，新需求、新问题和新技术的出现共同驱动了社会科学领域人工智能的研究发展，使社会科学领域的人工智能研究呈现出螺旋式的动态演化。

4 社会科学领域人工智能研究前沿分析

突现词是指某一时期频次相对增长率突然增高的关键词集合，它能够显示研究领域局部变动情况，探索领域内的新兴热点和研究前沿[17]。结合发文量年份分布情况，本文利用CiteSpace对社会科学领域2010—2019年人工智能研究文献进行关键词突发检测，提取检测结果按突发词起始年份排列，如图3所示。

图3 社会科学领域人工智能研究关键词突现图谱

通过对图3关键词的突现起始时间、结束时间以及突现强度进行观察可以看出，在得到的14个突现词中，有8个突现词集中突现于2010年和2011年，以设计 (design)、遗传算法 (genetic algorithm)和支持向量机 (support vector machine)等人工智能热点算法和应用为主要代表，突现强度大且持续时间较长，反映了该阶段领域内着重于人工智能技术革新的研究趋势，再次验证了社会科学领域人工智能的研究是以技术发展为基础的，新兴技术从不同层面对经济社会产生不同影响，带动着研究方向的转变，推进研究前沿的更迭。其中遗传算法 (genetic algorithm)的突现持续时间最长，在长达六年的时间里一直被学者所重点关注，该算法基于生物进化论，通过模拟生物的自然进化过程寻找最优解，在社会科学领域的人工智能研究中，被广泛地应用于金融、财务等领域的预测和优化研究，为社会科学相关研究提供了技术基础。2012年突现了管理 (management)，标志着将人工智能应用于管理实践中成为社会科学领域研究的新兴热点。例如，Demetriou 等[18]将人工智能技术与地理信息系统相结合，用于土地管理规划的事前评估，解决了塞浦路斯土地分配中存在的项目持续时间长、运营成本高以及利益相关者之间冲突的问题，但是其突现持续时间较短，热点效应只有两年。2013年和2015年分别突现了智能 (intelligence)、行为 (behavior)和知识 (kno-wledge)，将人工智能技术应用到人类的行为研究上，为市场营销战略制定、产品功能研发、心理健康评估等提供依据。2017年突现了网络 (network)和大数据 (big data)，互联网和大数据时代极大地推动了社会科学领域人工智能的深入研究和广泛应用，其中网络 (network)是近十年突现强度最强的关键词，可见网络时代对人工智能研究的影响尤为突出。随着互联网信息革命的深化，人工智能所面临的发展环境也更加复杂，机遇增多的同时也面临着更多的挑战，如何在互网络时代背景下更好地发展人工智能有待社会科学领域的学者进一步研究。值得关注的是网络和大数据自2017年突现后都持续至今，反映出这些研究方向在未来一段时间内仍有可能是社会科学领域人工智能研究的前沿热点，具有较高的研究价值，值得重点关注。

5 结论与启示

5.1 研究结论

(1)美国和英国是当前社会科学领域人工智能研究的国际领先国家，美国无论是在发文量还是文献中心度方面都领先全球，英国则引领了整个欧洲的人工智能研究。得益于国家政策的支持和近几年产业的快速发展，中国在社会科学领域关于人工智能的国际研究成果越来越多，但是其中心度指标反映了中国研究的国际学术影响力还有待提高。目前国际领先的人工智能研究机构主要以高校为主，较多分布在西方发达国家。高被引作者以领域内较为知名的人工智能技术专家为主，其被引文献为早期领域内的标志性节点文献，而高产作者的研究成果普遍较新，多在近年集中发表，领域内各作者间相互联系较弱，研究力量较为分散，没有形成规模性的研究群体。

(2)根据引文聚类的时间线图谱分析，社会科学领域人工智能研究可以划分为三个阶段：①早期以专家系统为核心的人工智能行业应用阶段；②中期基于人工神经网络的社会科学问题预测研究阶段；③后期基于深度学习的多元化研究阶段。新技术、新需求、新问题的产生共同驱动了人工智能发展，使社会科学领域人工智能的研究以技术革新为依托，呈现出螺旋上升的动态演化趋势。研究的内容日趋多样化，近十年其研究前沿由以热点算法为主的技术革新应用逐渐过渡到与经济、管理、信息等多学科的交叉研究中，其中 “大数据”和 “网络”是当前关注度较高的研究热点和前沿主题，在未来几年中仍然具有较大发展潜力。

5.2 研究启示

人工智能的发展对人类社会产生了深远影响，在社会科学领域，人工智能正在引发一场包括政治结构、经济发展、社会生活和工作方式的重大变革。从政治维度来看，世界各国纷纷出台人工智能相关政策和规划，并将人工智能上升到国家战略水平，力争在新一轮科技革命中抢占先机，以此重塑国际政治格局；从经济维度来看，人工智能在互联网和大数据时代的背景下，已经快速渗透融合到各个行业并重塑产业结构，人工智能技术创新和商业生态环境逐渐向好，促进了整个社会生产效率的提升；从社会维度来看，包括智能制造、智能交通、智能医疗、智能教育、智能家居等人工智能商业和应用生态系统已经开始服务于民生，未来以人工智能为技术核心的智慧城市将会给人们的生活带来更加翻天覆地的变化。然而，在我们关注人工智能带来的正面效应的同时，也应该警惕其产生的负面效应，如可能出现个人信息及隐私泄露、网络安全风险隐患、道德伦理失衡、法律漏洞等问题，以及白热化的人工智能热点因投机行为而存在的市场泡沫，尤其是人工智能未来对社会就业、劳动力结构方面产生的挑战和影响，还有待社会科学领域的学者从法律法规、道德伦理、公共政策、经济管理等多个维度进行深入研究并提供解决方案。

与美国等较早开展人工智能研究的国家相比，中国在此方面的研究还有一定的进步空间。未来中国研究可以从以下方面继续探索：第一，发展具有中国特色的研究体系。中国的人工智能研究虽然起步时间略晚，但是受益于国家政策的大力扶持以及海量互联网大数据的支撑，中国人工智能产业发展飞速，因此在进行人工智能研究时，要注意区别不同国家间背景环境的差异，把中国与其他国家人工智能政策、产业和技术环境进行对比分析，提炼出符合中国国情的研究主题，提高人工智能研究的本土化水平。第二，拓宽跨领域研究范围，探索多学科交叉研究，科学扩展人工智能研究的外延。人工智能具有多学科融合、内容复杂的特点，研究主题涉及管理学、伦理学、心理学等多个社会科学领域学科，开展跨领域研究可以开阔研究视野，以全局视角更加系统地深化人工智能研究。第三，在以实证研究方法为基础的同时，注重理论研究水平的提升。目前中国社科领域人工智能研究的理论基础略显薄弱，这可能令实证研究因缺乏理论支撑而削弱可靠性和科学性，人工智能如何作用于社会科学各领域，还要经过理论验证，厘清其内在机理和作用关系，才能为实证研究提供科学依据。