国家知识产权局战略研究WIPO《2019年人工智能技术趋势报告》述评

人工智能早在20世纪50年代就已经出现。但在过去5年中,AI技术研发快速增长,专利申请量大幅增加,科学文献与技术发明数量的比例下降,AI正从理论研究转向商业应用。

在AI专利申请量全球排名前30名的申请人中,有26名是公司,其主要涉及电子消费、电信、电力公用事业和汽车制造等行业,另外4名是大学和科研机构。全球申请AI专利最多的公司是IBM,共8290件,其次是微软(5930件)。在AI专利申请量排名前20的公司中,日本有12家,美国有3家,中国有2家。在AI专利申请量排名前500的申请人中,中国的大学和科研机构占到了五分之一。

20世纪80年代,AI领域的首批专利申请最先在日本出现,但自2014年以来,中国受理的AI专利申请量全球领先,其次是美国。中、美、日三个国家受理的AI专利申请量占到全球的78%。中国和美国的AI科学文献数量上也处于全球领先地位。在收购AI公司方面,美国的公司进行的收购次数最频繁,其中Alphabet、苹果和微软是最活跃的收购实体。

(二)AI专利申请量和科学文献数量的趋势

图11962-2017年全球AI专利申请量和科学文献数量的变化趋势

图2AI各技术类别的专利申请量

在AI的各个技术类别中,机器学习技术的专利申请量占到总量89%,并且在2013-2016年间,其年均增速达175%,机器学习技术的子类别技术专利申请量也急剧增长,如多任务学习(49%)和神经网络(46%)等(见图2)。自上世纪80年代末以来,其它AI技术类别中,如逻辑编程和模糊逻辑,虽然没有机器学习那么普遍,但是也是稳定增长。

图3与AI有关的专利申请量和科学文献量所占比例

(三)AI专利的主要申请人

全球AI专利申请量最多的是美国的IBM公司,其拥有8290件AI专利,其次是微软(5930件)。这两家公司的AI专利申请涵盖了AI技术、应用程序和应用领域等多个领域。AI专利申请量排在全球前五位的公司还有东芝(5223件)、三星(5102件)和NEC(4406件)(见图4)。

图4全球AI专利申请量排名前30的申请人

在AI专利申请量排名前30的申请人中,有26家是公司,只有4家是大学和科研机构,大多数的企业属于通信、电子以及电力和汽车制造等行业的公司(见图4)。机器学习技术仍然是这些申请人申请专利最多的技术类别。

图5:全球AI专利申请量排名前列的大学和科研机构

在全球AI专利申请量排名前500的申请人中,有167所大学或科研机构,其中中国占据110家、美国20家、韩国19家、日本4家以及欧洲4家。

(四)AI专利申请的地域分布

近年来,美国和中国的AI专利申请量迅速增加,成为全球AI专利申请量和受理量最多的两个国家(见图6)。日本、韩国在模糊逻辑、计算机视觉和语音处理等领域的AI专利申请量也较多。另外,法国、德国、韩国、英国等国家的专利局受理的AI专利申请数量也比较多。

图6:部分国家或组织申请的AI专利数量

此外,中国申请人在向中国提交AI专利申请后,只有4%的申请人又就该技术向其他国家提交了专利申请,而其他国家申请人的国外申请比例在25%-63%之间,这说明中国的AI研发者向国外申请专利的比例远低于其他国家的研发人员。另外,在AI专利的国外申请途径中,PCT申请途径被广泛采用,美国有27%的申请人采用PCT途径专利申请,日本为26%,中国则为20%。

图7:按照特定指标统计的全球AI专利申请量前5名的国家

图8:部分国家专利申请量和科学文献申请量的所占比例

(五)AI的市场发展趋势

《报告》称,在未来五年内AI将被应用于软件行业之外的多个行业,其将推动全球GDP的大幅增长。

自1998年以来,共有434家AI领域的公司被收购,其中2016年以来的收购占到总数的53%。AI领域被收购的公司绝大多数是美国公司(共283家公司被收购),Alphabet、苹果和微软是最活跃的收购实体(见图9)。绝大多数被收购的公司都是初创公司(平均年龄3岁),在被收购的公司中,绝大多数(79家信息披露的公司中有53家)专门从事机器学习技术的研发。

图9:全球收购AI公司数量排名前10的公司

另外,大多数涉及AI专利诉讼的案件均是在1997-2007年间发生,AI专利诉讼中涉及的专利共有1264件,占全部AI专利的0.37%。全球AI专利诉讼案件最多的国家是美国,其AI专利诉讼案件占全球的70%以上,其次是德国和英国(见图10)。涉诉最多的原告是NuanceCommunications、AmericanVehicularServices和AutomotiveTechnologiesInternational,而微软、苹果和Alphabet则是涉诉最多的被告。

从AI专利诉讼所涉及的技术来看,涉及机器学习技术的案件共421件,逻辑编程96件,模糊逻辑59件。可能因为深度学习专利是最新研发的AI技术,所以迄今为止还没有关于深度学习专利的诉讼案件。

图10:全球AI专利诉讼案件数量最多的国家

(六)AI引发的主要问题

随着计算机技术发展,AI将从大型跨国公司走进全球的其他中小企业和科研机构,对全球产生革命性影响。一些研究认为,AI将对第四次工业革命(4IR)产生根本性影响。克劳斯施瓦布(KlausSchwab)认为,4IR的特点是包括AI、机器人、物联网(IoT)、3D打印和自动驾驶汽车在内的一系列新兴技术,将融合物理、数学和生物,从而影响社会的各个方面。几乎所有的人类活动都将受益于AI的使用。

如今,中国、美国、印度、欧盟、英国、日本、韩国、沙特阿拉伯等国家政府或组织均投入大量的资金发展AI技术,但是人类还未充分了解AI将给人类带来的挑战。《报告》列举了国际上部分AI专家的观点,比如马丁福特(MartinFord)认为AI可能会导致大量的失业现象,还可能引发社会的不平等现象;牛津大学的尼克博斯特罗姆(NickBostrom)认为,AI的应用有利有弊,人们可能担心自动驾驶汽车、网络攻击对人类产生的危害;弗兰克陈(FrankChen)表示,AI可能会泄露人们的隐私等等。《报告》还列举了部分国家或地区在AI发展方面所采取的措施。

(七)AI的未来与知识产权制度

本《报告》的重点是通过对与AI有关的专利和科学文献的数据统计来预测AI技术的发展趋势。《报告》的最后一部分预测了AI技术的未来发展趋势,包括下一代AI可能带来的机遇以及AI与知识产权之间的关系。

AI还将影响知识产权,特别是专利权及其管理,一方面,AI的发展将影响知识产权的管理体系,其主要指AI数据是否涉及侵犯知识产权问题;另一方面,知识产权政策和实践将与AI管理创新战略相互作用,其主要指AI技术如何在不同司法管辖区的专利申请中解释和应用专利性标准、如何将AI技术用于专利检索和审查等。

三、《报告》所揭示的问题与挑战

《报告》中反映了AI在发展过程中存在着诸多问题,其中既包括国际社会所面临的共性问题,也包括我国在AI发展中所特有的问题。

(一)AI给全球带来的挑战

1.人类对AI影响的认识还不到位

2.各国缺乏AI发展的长效机制与监管措施

AI作为21世纪的标志性技术,其被认为是将对人类社会产生颠覆性变革的技术。为了占领AI技术的制高点、拥有更多的话语权,目前世界各个国家均大力支持和鼓励AI技术的发展,投入大量的人力、财力、物力,鼓励企业进行AI技术研发,鼓励科研机构从事AI领域的科学研究。在AI发展过程中,如今各国出现了“军事竞赛”现象,有些国家研发AI技术严重脱离本国实际情况,缺乏发展AI的长效机制和长远计划。

4.AI涉及的科技伦理与道德规范面临挑战

(二)中国在AI技术发展中存在的问题

1.中国公司申请的AI专利数量少,科研机构申请的AI专利数量多

《报告》显示,在全球AI专利申请数量排名前30名申请人中,有26家是企业,4家是高校或科研机构;中国共有5家单位名列其中,其中包括两家企业(国家电网公司和百度公司)和三家高校(中国科学院、西安电子科技大学和浙江大学);而日本有12家企业,美国有5家企业。在全球AI专利申请数量排名前20名的学术机构中,中国占据17家,中国科学院排名第一,共2500多件AI专利。美国AI专利申请量最多的科研机构是加州大学(400件),其次是美国海军(389件);日本则为国家高级研究院工业科学与技术(244件)。这说明,相较于其他国家而言,中国AI专利申请人中高校、科研机构的数量多,企业申请人少。

专利只有应用于商业实践中才能够最大地展现其价值。高校是理论研究之地、技术研发之所,但申请的AI专利并不能直接转换为生产力,其仍然需要将该专利许可或者转让给相应的企业,由企业来实施。

在实验室发明的AI技术,其市场商业价值还未曾可知。更重要的是,研发者在实验室中研发出某项AI技术之后,因其不能立刻应用于商业实践,导致研发者并不能通过实践应用对其周边技术、外围技术进行周密开发和专利布局。如果是企业研发的AI技术,其申请专利后可以直接将其应用到商业领域中,不必经过许可或者专利转让程序。同时,企业在该AI技术的应用中还可以根据实际需要、消费者偏好、技术发展的趋势等发掘新的技术、布局周边专利。

2.中国AI专利申请人向国外提交专利申请的比例非常低

四、对中国AI发展的启示

(一)尽快制定AI技术发展的科技伦理规范

科学技术的发展应当有边界。我们发展AI技术的目的是服务和解放人类,而不是超越、取代甚至毁灭人类。因此,应当划定AI技术发展的边界,明确哪些AI技术能够研发、哪些领域的AI技术不能研发,比如关于AI具备独立思考、自主意识等方面的技术是否应当被允许研发?同时应当规定AI的用途,明确AI能够用来干什么、不能用来干什么,比如AI不能用来杀人、实施恐怖活动等危害人类生命和财产安全的行为。当然,这些问题需要国际社会通过共同努力来达成一致意见。

中国在AI技术发展方面与整个国际社会具有共同的利益,我国既是AI专利申请大国,也是受理AI技术专利申请最多的国家,AI技术的发展和广泛应用将会对整个人类社会产生革命性影响,我国自然不能独善其身。因此,中国应当积极推动国际社会尽快制定适用于全球范围内的AI技术发展伦理规范。

(二)研究AI可能产生的法律问题,采取相应的监管措施

(三)提高AI专利申请中企业申请人的数量

从《报告》中可以看出,相较于中国的高校等科研机构和其他国家的专利申请人数量而言,中国的AI专利申请企业数量较少。这说明我国科研机构研发AI的技术活动十分活跃,而企业在AI技术研发和专利申请方面则显得十分逊色。

如今,AI处于发展的黄金时期,AI成为人工智能时代企业发展的核心竞争力。企业要根据自身的特点和优势,积极研发AI技术,挖掘和培养AI人才,加大AI研发的资金投入,将AI与自身企业产品或者服务相结合,大力研发AI领域的机器学习、神经网络、深度学习等技术,及时将研发的技术申请专利。

企业在申请AI专利后,应及时将该技术应用到商业实践,通过与实践的结合继续改进该技术,同时发掘周边技术,布局外围专利。企业要充分利用我国关于AI发展和专利申请方面的政策,把握国内外市场动向,积极开拓AI新的技术领域,掌握核心技术,为企业在人工智能时代的可持续发展提供充足的动力。

THE END
1.chatgpt问题意识chatgpt问题点 聊天GPT问题点 随着人工智能技术的快速发展,聊天GPT(Generative Pre-trained Transformer)成为了自然语言处理领域中的一项重要研究内容。聊天GPT是一种基于深度学习的模型,它可以生成连贯、有逻辑的对话内容。聊天GPT也存在一些问题,下面将对其问题点进行总结和讨论。 http://chatgpt.kuyin.cn/article/3362716.html
2.MicrosoftAzureAI基础知识:自然语言处理Microsoft Azure AI 基础知识:自然语言处理 2 小时 38 分钟 学习路径 5 模块 自然语言处理功能支持能看到用户、听到用户的声音、与用户交谈和理解用户的意图的应用程序。 凭借文本分析、翻译和语言理解服务,Microsoft Azure 让你能够轻松构建支持自然语言的应用程序。 先决条件 可导航浏览 Azure 门户。 开始 添加到https://docs.microsoft.com/zh-cn/learn/paths/explore-natural-language-processing/index?view=azure-node-latest
3.自然语言处理人工智能中的另一个挑战与机遇在人工智能的发展历程中,自然语言处理(NLP)作为一项核心技术,不仅是研究AI基本内容的重要组成部分,也是实现机器理解和生成人类语言信息的关键领域。随着科技的不断进步,NLP不仅解决了许多长期以来困扰人类的问题,而且为多个行业带来了前所未有的革新。 人工智能与自然语言处理的关系 https://www.xstkmqmgl.cn/ke-ji/494841.html
4.性能之巅追踪:如何提升中文汉字处理性能的疑问与探索?随着科技的不断发展,中文汉字处理已成为我们日常生活中不可或缺的一部分。然而,在处理大量中文数据时,性能问题始终是用户关注的焦点。本文将探讨如何提升中文汉字处理性能的疑问与探索,帮助读者更好地理解并应对这一问题。 一、了解中文汉字处理性能的挑战 https://www.qdfuji.com/syzx/5760450.html
5.大模型如何理解自然语言:分词器的入门指南在自然语言处理(NLP)的领域中,"大模型"如同一位精通语言的大师,能够理解并生成各种文本。这些模型并非生来就具备这种能力,而是依赖于大量的训练和精心设计的数据预处理流程。在这一过程中,分词器扮演着核心角色,对于文本预处理至关重要。本文将深入探讨分词器的工作原理,以及一些流行大模型(例如LLaMA)的分词器实现细节https://www.jianshu.com/p/0d4649ada67a
6.NLP技术驱动的成语智能检索算法性能改进词语组合算法在自然语言处理(NLP)领域,中文和英文在处理方式上有相似之处,但在细节上存在显著差异。中文处理需要解决分词问题,而英文则没有这个困扰。相反,英文处理常常面临词形还原和词根提取的问题,例如时态变换、单复数变换等。在解决这些问题时,WordNet是一个重要的工具。它是一个由普林斯顿大学构建和维护的英语字典,组织了名词https://blog.csdn.net/qq_37340229/article/details/127919712
7.自然语言处理领域存在哪些亟待解决的问题?NLP(Natural Language Processing)是计算机科学与人工智能领域中的一个重要研究方向,旨在使计算机能够理解和处理人类的自然语言。虽然NLP在过去几十年取得了长足的进展,但仍然存在许多亟待解决的问题。我将继续探讨以下几个方面。 一、语义理解与推理 语义理解是指计算机对语句进行深入的理解和解释,以捕捉言外之意、常识https://wenku.baidu.com/view/461ee7151dd9ad51f01dc281e53a580216fc50ca.html
8.关于大自然自然环境的研究报告6篇(全文)自然语言生成 (Natural Language Generation) 是自然语言处理两大领域之一, 它是人工智能和计算机语言学的分支, 是生成可理解文本的计算机系统。自然语言生成技术也是人工智能 (AI) 中最为活跃的技术之一, 它是研究计算机程序如何根据信息在计算机内部的表示生成一段高质量的自然语言文本。人工智能是当今科学发展的重点、https://www.99xueshu.com/w/fileyfl7pzla.html
9.NLP中的实体关系抽取方法总结基于共享参数的联合抽取方法仍然存在训练和推断时的gap,推断时仍然存在误差积累问题,可以说只是缓解了误差积累问题。 Q2:NER除了LSTM+CRF,还有哪些解码方式?如何解决嵌套实体问题? 虽然NER是一个比较常见的NLP任务,通常采用LSTM+CRF处理一些简单NER任务。NER还存在嵌套实体问题(实体重叠问题),如"《叶圣陶散文选集》"中会https://www.zhuanzhi.ai/document/8b4063bcb5b955202d75edf1580db4ba
10.学科建设“筑高原起高峰”系列谈(四)Q:学院在学科建设方面有哪些优势和特色?如何进一步发挥这些优势和特色? A:计算机学院拥有计算机科学与技术硕士学位授权点。计算机科学与技术是河南省重点一级学科,是我校更名大学、博士学位授权立项建设的主要支撑学科。 计算机科学与技术学科在机器学习与图像处理、数据分析与自然语言处理、网络与信息安全三个方向有良好的https://yjsc.zut.edu.cn/info/1197/3833.htm
11.如何开启搜狗输入法的双拼模式?搜狗输入法的AI写作功能是一种基于人工智能技术的写作工具。通过自然语言处理技术,搜狗输入法可以自动完成文章的写作,从而大大提高了写作效率。同时,搜狗输入法还可以根据用户的需求和写作风格智能生成符合要求的文章。 AI写作的优势 相比传统的人工写作,AI写作有着很多优势。首先,AI写作可以大大提高写作效率,节省时间成本https://tool.a5.cn/article/show/83070.html
12.《时代》人工智能百人榜(四):思想家就连一些专家对人工智能也存在哪些误解? 对知觉的理解。有很多人,甚至包括专家,也会将模仿聊天功能的用户设计当作是知觉,这个很让我感到吃惊。居然有这么多人被一个自然且易于使用的聊天界面所欺骗,就因为它能编出看似易读的语言,就以为它具备了感觉!颗我们甚至连人类的意识从何而来都还没弄清楚。 https://36kr.com/p/2469707773106305
13.AI助力——智慧教育3.0时代来临如“智能导师”作为教育领域的一个重要应用,可以通过自然语言处理和语音识别技术,来实现计算机扮演导师角色的功能,代替现有教师为学生提供辅助性的学习材料,并能够对学习者的学习表现和问题解决的情况进行评价和反馈,提出相应的建议。 促进学习者各方面素养和能力的获得 http://www.nwygroup.com/newsinfo/606
14.广告行业中那些趣事系列26:基于PoseNet算法的人体姿势相似度识别导读:本文是“数据拾光者”专栏的第二十六篇文章,这个系列将介绍在广告行业中自然语言处理和推荐系统实践。本篇从理论到实践分享了基于PoseNet算法的人体姿势相似度识别项目,对于希望将PoseNet模型应用到广告领域的小伙伴们可能有所帮助。 欢迎转载,转载请注明出处以及链接,更多关于自然语言处理、推荐系统优质内容请关注如下https://maimai.cn/article/detail?fid=1702347337&efid=69XZPaJSvgKt9xKLZUNCrA
15.计算机专业调查报告(精选15篇)4、加强职业道德和社会责任感的教育是一个大家都认为重要但实际上很容易被弱化的问题。学生的道德教育培养仅仅依靠教学和活动还不够,还需要有一个评价的平台。这些问题不易被察觉,也无法提供定量的分析和评价;而一旦出现问题,损失则可能很大。在对“毕业生上岗后存在的主要问题”的回答中,前5项依次是: https://www.ruiwen.com/gongwen/baogao/1303327.html
16.AI赋能,巡检管理迈入新时代(1)虚拟巡检:通过VR技术,可以在虚拟环境中模拟巡检过程,提前发现潜在问题。 (2)远程指导:AR技术可以将实时巡检画面和数据分析结果叠加在巡检人员的视野中,提供远程指导和支持。 2.1.7自然语言处理(NLP) (1)语音控制:通过NLP技术,可以实现巡检设备的语音控制,提高巡检的便捷性和效率。 https://www.360doc.cn/article/29968938_1126803236.html