引言

      黨的二十大報(bào)告明確指出，以國(guó)家戰(zhàn)略需求為導(dǎo)向，集聚力量進(jìn)行原創(chuàng)性引領(lǐng)性科技攻關(guān)，堅(jiān)決打贏關(guān)鍵核心技術(shù)攻堅(jiān)戰(zhàn)。這一戰(zhàn)略部署凸顯了攻關(guān)方向選擇的重要意義，也體現(xiàn)了技術(shù)預(yù)測(cè)研究的必要性和緊迫性。技術(shù)預(yù)測(cè)是對(duì)科學(xué)、技術(shù)、經(jīng)濟(jì)、環(huán)境和社會(huì)的遠(yuǎn)期未來進(jìn)行有步驟地探索過程，以選擇可能產(chǎn)生最大經(jīng)濟(jì)與社會(huì)效益的戰(zhàn)略研究領(lǐng)域和新興通用技術(shù)。技術(shù)預(yù)測(cè)活動(dòng)從興起至今，歷經(jīng)多次演變，其方法的不斷創(chuàng)新始終是推動(dòng)技術(shù)預(yù)測(cè)實(shí)踐發(fā)展的重要力量。

      當(dāng)前，大數(shù)據(jù)、人工智能迅猛發(fā)展以及社會(huì)整體數(shù)字化程度加深，為快速準(zhǔn)確的技術(shù)預(yù)測(cè)提供了可能，然而如何有效利用海量信息、提高技術(shù)預(yù)測(cè)的科學(xué)性和系統(tǒng)性，成為亟待解決的問題。從實(shí)踐中看，各國(guó)政府紛紛加強(qiáng)前瞻研究，探索開展智能化技術(shù)預(yù)測(cè)實(shí)踐，將其作為支撐國(guó)家科技戰(zhàn)略規(guī)劃、政策制定的重要依據(jù)。

      從技術(shù)預(yù)測(cè)的理論發(fā)展代際看，不同年代的預(yù)測(cè)活動(dòng)呈現(xiàn)出差異性特征，Miles將預(yù)測(cè)活動(dòng)分成五個(gè)代際，從第一代僅關(guān)注技術(shù)層面的預(yù)測(cè)，逐漸加入市場(chǎng)與社會(huì)需求，到第四代強(qiáng)調(diào)多元化參與及協(xié)調(diào)，再到第五代預(yù)測(cè)活動(dòng)開始重視策略性決策的整合。這意味著，現(xiàn)階段的預(yù)測(cè)活動(dòng)已超出原有技術(shù)預(yù)測(cè)的概念，將它理解成更寬泛的新一代“預(yù)測(cè)”更加合適。就新一代技術(shù)預(yù)測(cè)而言，中國(guó)很多學(xué)者以“技術(shù)預(yù)見”作為代名詞，日本長(zhǎng)期使用“技術(shù)預(yù)測(cè)”，中國(guó)臺(tái)灣地區(qū)更多使用“技術(shù)前瞻”的表達(dá)方式。雖然不同學(xué)者采用的表述方式不盡一致，但均與英文technology foresight的內(nèi)涵一致。英國(guó)學(xué)者M(jìn)artin首次提出foresight概念，其內(nèi)容包括對(duì)未來中長(zhǎng)期內(nèi)的科學(xué)技術(shù)發(fā)展進(jìn)行系統(tǒng)性研究，不僅是單純預(yù)測(cè)未來，而是蘊(yùn)含理性選擇未來、主動(dòng)塑造未來的意思。穆榮平等認(rèn)為技術(shù)預(yù)見是知識(shí)開發(fā)和創(chuàng)造的過程，是對(duì)遠(yuǎn)期技術(shù)需求進(jìn)行動(dòng)態(tài)修正和調(diào)整的過程，也是利益相關(guān)者共同選擇未來的過程。從技術(shù)預(yù)測(cè)的方法演進(jìn)來看，自20世紀(jì)90年代以來，技術(shù)預(yù)測(cè)方法迅速增加，為滿足不同的目的和要求，有不同的流程和方法可供選擇。2000年以前，德爾菲調(diào)查、專家研討、情景分析和愿景分析是主流研究方法；之后，技術(shù)路線圖、定量分析法逐漸受到學(xué)者關(guān)注，許多學(xué)者利用文獻(xiàn)計(jì)量、專利分析、文本挖掘、社會(huì)網(wǎng)絡(luò)分析等方法開展預(yù)測(cè)研究。此外，技術(shù)預(yù)測(cè)的輔助方法還包括SWOT分析、TRIZ方法、利益相關(guān)者分析、專家系統(tǒng)等。近年來，“人工智能＋大數(shù)據(jù)”的技術(shù)預(yù)測(cè)方法成為熱點(diǎn)，技術(shù)預(yù)測(cè)數(shù)字化、智能化轉(zhuǎn)型趨勢(shì)明顯。不少學(xué)者嘗試基于機(jī)器學(xué)習(xí)和時(shí)間序列預(yù)測(cè)方法、構(gòu)建LDA主題模型、抽取專利文本等手段開展預(yù)測(cè)研究。隨著智能時(shí)代的到來，預(yù)測(cè)研究方法和組織機(jī)制設(shè)計(jì)將不斷發(fā)生變化，未來預(yù)測(cè)研究是依賴專家判斷還是智能化手段需要持續(xù)跟蹤研究。因此，本研究在總結(jié)技術(shù)預(yù)測(cè)演變特征和發(fā)展趨勢(shì)基礎(chǔ)上，充分挖掘智能化技術(shù)預(yù)測(cè)的內(nèi)涵和關(guān)鍵要素，進(jìn)一步剖析各國(guó)開展的智能化技術(shù)預(yù)測(cè)實(shí)踐，探討其未來發(fā)展可能面臨的瓶頸和潛在問題，據(jù)此提出針對(duì)性對(duì)策建議。

      1  技術(shù)預(yù)測(cè)呈現(xiàn)新特征

      1.1　從聚焦技術(shù)演進(jìn)到綜觀未來世界

      技術(shù)預(yù)測(cè)起源于20世紀(jì)40年代，在美國(guó)海軍和空軍科技計(jì)劃制定方面發(fā)揮了重要作用，并逐漸由軍事領(lǐng)域擴(kuò)展至社會(huì)民生領(lǐng)域。在發(fā)展過程中，技術(shù)預(yù)測(cè)活動(dòng)呈現(xiàn)出兩點(diǎn)變化。一是技術(shù)預(yù)測(cè)的主題更加多元。早期的技術(shù)預(yù)測(cè)主要關(guān)注特定技術(shù)發(fā)展軌跡的趨勢(shì)分析，對(duì)于影響技術(shù)發(fā)展的社會(huì)性因素關(guān)注較少。隨著社會(huì)、經(jīng)濟(jì)、環(huán)境的演變，技術(shù)預(yù)測(cè)的內(nèi)涵與外延不斷拓展，預(yù)測(cè)活動(dòng)的對(duì)象和范圍逐漸擴(kuò)大，從對(duì)技術(shù)發(fā)展趨勢(shì)的預(yù)測(cè)轉(zhuǎn)向?qū)h(yuǎn)期未來的系統(tǒng)性探索。預(yù)測(cè)主題涵蓋環(huán)境、能源、氣候、社會(huì)秩序等重大問題。二是技術(shù)預(yù)測(cè)應(yīng)用范圍得以拓展。技術(shù)預(yù)測(cè)在不同治理層級(jí)上得以使用，成為重要的戰(zhàn)略規(guī)劃工具。除國(guó)家層面外，國(guó)際性、區(qū)域性組織以及許多大型企業(yè)也紛紛開展預(yù)測(cè)活動(dòng)，以確定研發(fā)優(yōu)先領(lǐng)域，促進(jìn)創(chuàng)新活動(dòng)產(chǎn)生，如歐盟委員會(huì)聯(lián)合研究中心、經(jīng)合組織、美國(guó)蘭德公司、荷蘭殼牌石油公司、日本電信巨頭NTT公司等開展了多項(xiàng)預(yù)測(cè)活動(dòng)。整體來看，技術(shù)預(yù)測(cè)研究已被應(yīng)用于各種不同層級(jí)的治理領(lǐng)域，預(yù)測(cè)活動(dòng)吸引著廣泛的利益相關(guān)團(tuán)體，已成為洞察科學(xué)、技術(shù)、經(jīng)濟(jì)和社會(huì)未來發(fā)展的系統(tǒng)性研究工作。

      1.2　從專家見解到數(shù)據(jù)驅(qū)動(dòng)

      由于知識(shí)和視野的局限，少數(shù)人組成的團(tuán)體一般難以準(zhǔn)確把握未來社會(huì)需求及技術(shù)發(fā)展趨勢(shì)。特別是在外部環(huán)境不確定性日益增強(qiáng)的背景下，預(yù)測(cè)活動(dòng)單純依靠“專家見解”的情況發(fā)生了變化，參與主體和預(yù)測(cè)過程都有所改變。一是預(yù)測(cè)活動(dòng)的參與主體更加多元化。技術(shù)預(yù)測(cè)活動(dòng)參與者的組成結(jié)構(gòu)越來越豐富，已從科技界向產(chǎn)業(yè)界、政府部門、國(guó)際組織、金融機(jī)構(gòu)和社會(huì)大眾拓展。多元主體可以參與預(yù)測(cè)過程中的趨勢(shì)判斷、愿景分析、技術(shù)評(píng)價(jià)等多個(gè)環(huán)節(jié)，有利于提高技術(shù)預(yù)測(cè)的影響力和活躍度。二是預(yù)測(cè)方法更加多樣化。技術(shù)預(yù)測(cè)早期重點(diǎn)關(guān)注專家在技術(shù)趨勢(shì)研判中的作用，基于特定領(lǐng)域內(nèi)專家的專業(yè)知識(shí)，對(duì)技術(shù)發(fā)展態(tài)勢(shì)、優(yōu)勢(shì)與瓶頸、領(lǐng)域基本情況進(jìn)行系統(tǒng)了解。傳統(tǒng)的技術(shù)預(yù)測(cè)分析方法以定性分析為主，包括德爾菲法、頭腦風(fēng)暴法、專家訪談法等。隨著科技文獻(xiàn)與專利數(shù)量的激增，預(yù)測(cè)活動(dòng)越來越重視定量分析，文獻(xiàn)計(jì)量、聚類分析、生命周期分析、復(fù)雜社會(huì)網(wǎng)絡(luò)分析等方法逐漸應(yīng)用開來。在這一過程中，數(shù)據(jù)挖掘的深度也在不斷增強(qiáng)，從基于標(biāo)題和摘要的短文本分析向全文本挖掘演進(jìn)，“數(shù)據(jù)驅(qū)動(dòng)”為技術(shù)預(yù)測(cè)研究帶來新的可能性。

      2 智能化技術(shù)預(yù)測(cè)成為新趨勢(shì)

      在技術(shù)預(yù)測(cè)主題和應(yīng)用范圍愈發(fā)多元、數(shù)據(jù)規(guī)模爆發(fā)式增長(zhǎng)等復(fù)雜背景下，傳統(tǒng)技術(shù)預(yù)測(cè)方法普遍面臨信息不夠全面、間隔時(shí)間較長(zhǎng)、工作任務(wù)單一等問題，已難以滿足支撐戰(zhàn)略決策的需求，開展智能化技術(shù)預(yù)測(cè)研究就成為未來發(fā)展的必然趨勢(shì)和選擇。當(dāng)前，關(guān)于智能化技術(shù)預(yù)測(cè)的定義尚未形成共識(shí)，存在多種認(rèn)識(shí)和理解，但人工智能、數(shù)據(jù)驅(qū)動(dòng)、人機(jī)交互等關(guān)鍵詞是核心要素。張煒等認(rèn)為，人工智能技術(shù)通過整合多層面的技術(shù)數(shù)據(jù)，借助特定AI工具進(jìn)行刪減、辨?zhèn)巍⒓桑闲纬煽萍贾卫砭C合數(shù)據(jù)庫(kù)和智能查詢平臺(tái)，使多主體技術(shù)預(yù)見活動(dòng)得以進(jìn)一步高效率展開。充分發(fā)掘生成式人工智能在技術(shù)預(yù)見領(lǐng)域的應(yīng)用契合點(diǎn)，對(duì)于提升技術(shù)預(yù)見效率具有重大意義。張碩等指出，未來技術(shù)預(yù)測(cè)研究將尋求更加智能化、自動(dòng)化的分析方法，基于數(shù)據(jù)分析的技術(shù)預(yù)測(cè)研究主要強(qiáng)調(diào)借助數(shù)理統(tǒng)計(jì)以及計(jì)算機(jī)科學(xué)等技術(shù)從海量多源異構(gòu)數(shù)據(jù)中提取、挖掘和揭示有價(jià)值的技術(shù)信息、模式以及發(fā)展規(guī)律。李牧南對(duì)技術(shù)預(yù)見的研究熱點(diǎn)及演進(jìn)模式進(jìn)行了深入分析，認(rèn)為技術(shù)預(yù)測(cè)方法將逐步與大數(shù)據(jù)、人工智能、文本挖掘等新興信息技術(shù)相融合，其中，主題建模在技術(shù)預(yù)測(cè)中的應(yīng)用研究是當(dāng)前的研究前沿。趙明輝等認(rèn)為，專家與機(jī)器的相互協(xié)作補(bǔ)充是技術(shù)預(yù)見實(shí)踐的主要工作方式，并提出一種基于網(wǎng)絡(luò)評(píng)論文本挖掘的技術(shù)預(yù)見新型方法，該模型具有定性定量結(jié)合、人機(jī)交互等特征和優(yōu)勢(shì)。綜合上述研究，本文認(rèn)為智能化技術(shù)預(yù)測(cè)是以人工智能等技術(shù)為支撐開展的對(duì)未來社會(huì)發(fā)展有步驟的探索，其關(guān)鍵是利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)等手段進(jìn)行全方面、多尺度和跨領(lǐng)域的全景掃描與學(xué)習(xí)，并實(shí)現(xiàn)自動(dòng)生成、評(píng)估和預(yù)判，以輔助專家決策，縮短技術(shù)預(yù)測(cè)周期。

      智能化技術(shù)預(yù)測(cè)的概念框架包括數(shù)據(jù)資源層、數(shù)據(jù)分析層、專家?guī)臁⒖梢暬芯慨a(chǎn)品與人機(jī)交互平臺(tái)五部分。首先，構(gòu)建多源數(shù)據(jù)空間，形成論文、專利、科研項(xiàng)目、會(huì)議和網(wǎng)絡(luò)輿情于一體的綜合數(shù)據(jù)資源庫(kù)，并利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等方法就各類信息進(jìn)行智能化掃描、綜合分析和提煉，形成即時(shí)判斷；其次，搭建基于大數(shù)據(jù)和人工智能方法的人機(jī)互動(dòng)平臺(tái)，通過問卷調(diào)查、專家研討等方式邀請(qǐng)專家，針對(duì)自動(dòng)生成的即時(shí)判斷進(jìn)一步識(shí)別研判，凝聚專家共識(shí)并反饋專家意見，以不斷修正優(yōu)化策略；最后，通過人工智能分析與專家研判的多輪迭代，形成可供決策參考的技術(shù)預(yù)測(cè)研究系列產(chǎn)品。其中，數(shù)據(jù)分析層是整個(gè)技術(shù)預(yù)測(cè)各環(huán)節(jié)與人工智能技術(shù)的深度融合，分析過程按照“提出問題－數(shù)據(jù)準(zhǔn)備與存儲(chǔ)－數(shù)據(jù)處理－綜合數(shù)據(jù)分析”四步驟推進(jìn)。在數(shù)據(jù)分析階段，主要利用機(jī)器學(xué)習(xí)、自然語言處理等人工智能技術(shù)，挖掘隱藏在大數(shù)據(jù)背后有價(jià)值的情報(bào)信息來實(shí)現(xiàn)深度分析。總體來看，智能化已成為新一輪技術(shù)預(yù)測(cè)變革的核心驅(qū)動(dòng)力，將會(huì)改變傳統(tǒng)的技術(shù)預(yù)測(cè)流程和組織架構(gòu)。當(dāng)前，部分發(fā)達(dá)國(guó)家開展了相關(guān)實(shí)踐，在豐富和發(fā)展智能化技術(shù)預(yù)測(cè)方法和組織框架上提供了積極思路。

       2.1　荷蘭創(chuàng)新展望項(xiàng)目：“數(shù)據(jù)＋專家”的混合人工智能預(yù)測(cè)

      2019年，荷蘭應(yīng)用科學(xué)研究組織（TNO）啟動(dòng)“創(chuàng)新展望”研究計(jì)劃，旨在探索一種基于數(shù)據(jù)驅(qū)動(dòng)的新型預(yù)測(cè)方法和框架，識(shí)別顛覆性技術(shù)和創(chuàng)新發(fā)展中的新興趨勢(shì)以及微弱信號(hào)，并確定其社會(huì)影響。“創(chuàng)新展望”項(xiàng)目由來自8個(gè)部門的具有不同專業(yè)知識(shí)的專家參與，包括預(yù)測(cè)專家、數(shù)據(jù)科學(xué)專家、戰(zhàn)略研究專家、領(lǐng)域?qū)＜摇⑵脚_(tái)設(shè)計(jì)專家等。項(xiàng)目遵循人工智能與專家聯(lián)合驅(qū)動(dòng)的方法開展，首先，由專家確定知識(shí)圖譜本體，提供一套用于掃描階段的原始數(shù)據(jù)集；其次，借助人工智能手段對(duì)數(shù)據(jù)資源進(jìn)行文本挖掘以建立網(wǎng)絡(luò)數(shù)據(jù)集，并不斷迭代細(xì)化、完善知識(shí)圖譜。在結(jié)果呈現(xiàn)方面，該項(xiàng)目設(shè)計(jì)了一個(gè)可視化、交互式的“儀表盤”，提供技術(shù)主題的增長(zhǎng)速度、增長(zhǎng)數(shù)量、增長(zhǎng)多樣性和隨時(shí)間推移的變化情況。專家在“儀表盤”上能夠重新標(biāo)記節(jié)點(diǎn)（如合并、刪除或拆分），以獲得更深入的見解。

      2.2　日本第十一次技術(shù)預(yù)測(cè)：數(shù)據(jù)為輔、專家為主的預(yù)測(cè)模式

      2019年日本啟動(dòng)第十一次國(guó)家技術(shù)預(yù)測(cè)，創(chuàng)新性地使用人工智能方法開展特定科技領(lǐng)域的預(yù)測(cè)研究，在評(píng)選出702項(xiàng)關(guān)鍵技術(shù)基礎(chǔ)上，利用自然語言處理、分層聚類分析等方式生成得到32個(gè)科技主題集群，并經(jīng)專家討論確立形成16個(gè)重點(diǎn)關(guān)注的特定科技領(lǐng)域。從集群主題看，使用人工智能方法得到的部分主題集群超出了原有德爾菲調(diào)查預(yù)設(shè)的領(lǐng)域。例如，與“地球·環(huán)境”相關(guān)的主題集群為新出現(xiàn)領(lǐng)域，高頻中心詞包括“自然災(zāi)害觀測(cè)及預(yù)測(cè)”“循環(huán)經(jīng)濟(jì)及環(huán)境資源的監(jiān)測(cè)與評(píng)估”等。該主題集群經(jīng)專家判斷后被確定為16個(gè)重點(diǎn)領(lǐng)域之一的“自然災(zāi)害的先進(jìn)觀測(cè)和預(yù)測(cè)技術(shù)”。由此可見，人工智能技術(shù)在一定程度上彌補(bǔ)了專家調(diào)查的局限性，它能夠從大量數(shù)據(jù)中提取模式、關(guān)聯(lián)，挖掘出隱藏的細(xì)節(jié)和觀點(diǎn)，有助于專家更全面地理解數(shù)據(jù)和發(fā)現(xiàn)更多有價(jià)值的信息。

      2.3　德國(guó)弗勞恩霍夫預(yù)測(cè)項(xiàng)目：實(shí)現(xiàn)部分預(yù)測(cè)流程自動(dòng)化

      德國(guó)弗勞恩霍夫協(xié)會(huì)創(chuàng)新研究所（ISI）于2018年4月至2019年12月開展預(yù)測(cè)（foresight）項(xiàng)目，旨在確立2030年對(duì)應(yīng)用研究具有高影響力的未來議題。該項(xiàng)目集成人工智能、大數(shù)據(jù)等手段優(yōu)化技術(shù)預(yù)測(cè)流程，從而實(shí)現(xiàn)部分功能自動(dòng)化。具體而言，ISI使用隱含狄雷克雷分布（LDA）無監(jiān)督主題模型開展了6個(gè)月的文本挖掘，對(duì)新聞網(wǎng)站等非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行識(shí)別。這一過程不需預(yù)先對(duì)新聞文稿進(jìn)行人工標(biāo)記，模型可自動(dòng)生成系列主題。在此基礎(chǔ)上，邀請(qǐng)專家評(píng)估不同主題之間的聯(lián)系，凝練形成對(duì)未來具有影響力的議題。ISI項(xiàng)目表明，人工智能技術(shù)能夠輔助專家決策，利用其強(qiáng)大的檢索能力和文本生成的概括能力，提供多樣化知識(shí)視角，提高技術(shù)預(yù)測(cè)研究效率。

      2.4　美國(guó)ECOLE項(xiàng)目：基于仿生智能體的人機(jī)協(xié)作分析

      2022年9月，美國(guó)國(guó)防部高級(jí)研究計(jì)劃局推出“環(huán)境驅(qū)動(dòng)的概念化學(xué)習(xí)”（ECOLE）項(xiàng)目，該計(jì)劃為期四年，旨在創(chuàng)建對(duì)環(huán)境持續(xù)感知和學(xué)習(xí)的仿生智能體，其目標(biāo)是在對(duì)時(shí)間敏感、任務(wù)關(guān)鍵的分析中，實(shí)現(xiàn)對(duì)圖像、視頻和多媒體文檔的人機(jī)協(xié)作分析，以提高國(guó)家安全領(lǐng)域的分析和決策能力。ECOLE項(xiàng)目使用最先進(jìn)的數(shù)據(jù)建模來自動(dòng)推斷對(duì)象屬性及其在活動(dòng)中的作用，項(xiàng)目成果可適用于一系列技術(shù)領(lǐng)域，包括機(jī)器人行業(yè)以及任何需要對(duì)圖像和視頻數(shù)據(jù)進(jìn)行自動(dòng)推理的群體，如自動(dòng)駕駛汽車等。該項(xiàng)目的實(shí)施，意味著融合多源多模態(tài)的數(shù)據(jù)信息以及人機(jī)交互的智能學(xué)習(xí)方式，能夠用來預(yù)測(cè)或發(fā)現(xiàn)不確定目標(biāo)領(lǐng)域的屬性和概念，豐富了人工智能技術(shù)在預(yù)測(cè)研究領(lǐng)域的應(yīng)用。

       總結(jié)荷蘭、日本、德國(guó)和美國(guó)的實(shí)踐經(jīng)驗(yàn)可以發(fā)現(xiàn)，智能化技術(shù)預(yù)測(cè)活動(dòng)表現(xiàn)出以下特征。一是工作效率顯著提高。目前，人工智能在技術(shù)預(yù)測(cè)活動(dòng)中發(fā)揮作用比較明顯的是以知識(shí)圖譜、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等為代表的智能技術(shù)，這些智能化手段通過訓(xùn)練模型來處理大量數(shù)據(jù)，進(jìn)而提高預(yù)測(cè)研究的工作效率。例如，美國(guó)情報(bào)部門與大學(xué)和科技公司開展廣泛合作，極大縮短了對(duì)海量數(shù)據(jù)的處理時(shí)間，提高了對(duì)異常情報(bào)信息的敏感度，能夠在事件早期發(fā)布預(yù)警提示。二是跨學(xué)科研究能力進(jìn)一步增強(qiáng)。利用人工智能技術(shù)可以構(gòu)建知識(shí)共享平臺(tái)，將不同領(lǐng)域的知識(shí)資源進(jìn)行整合，進(jìn)一步增強(qiáng)了解決復(fù)雜問題的跨學(xué)科研究能力。例如，“創(chuàng)新展望”項(xiàng)目構(gòu)建了跨學(xué)科融合平臺(tái)，通過對(duì)論文、專利、科研項(xiàng)目等多源數(shù)據(jù)信息的整合，從多個(gè)角度對(duì)技術(shù)發(fā)展進(jìn)行全面分析和預(yù)測(cè)，發(fā)現(xiàn)不同學(xué)科知識(shí)之間的關(guān)聯(lián)和交叉點(diǎn)。三是系統(tǒng)交互性和可視化水平大幅提升。人工智能結(jié)合交互式界面和可視化技術(shù)，能夠?qū)?fù)雜數(shù)據(jù)和預(yù)測(cè)結(jié)果以直觀方式呈現(xiàn)給用戶，幫助相關(guān)用戶更好地理解和分析技術(shù)預(yù)測(cè)結(jié)果，增強(qiáng)不同領(lǐng)域?qū)＜业臏贤▍f(xié)作，提升用戶參與積極性。例如，ECOLE項(xiàng)目運(yùn)用圖像識(shí)別、語音識(shí)別和合成等技術(shù)，使得用戶能夠通過語音控制與預(yù)測(cè)系統(tǒng)進(jìn)行交互，及時(shí)獲得信息反饋；“創(chuàng)新展望”項(xiàng)目為專家與預(yù)測(cè)系統(tǒng)提供實(shí)時(shí)互動(dòng)平臺(tái)，相關(guān)專家可以通過交互界面查看知識(shí)圖譜，選擇不同維度調(diào)整可視化效果，全面掌握技術(shù)趨勢(shì)。

      3 智能化技術(shù)預(yù)測(cè)研究面臨的挑戰(zhàn)

      當(dāng)前，智能化技術(shù)預(yù)測(cè)研究在部分國(guó)家取得了一定進(jìn)展，但仍處于半智能化階段，還面臨著數(shù)據(jù)規(guī)模不足、質(zhì)量不高、技術(shù)不成熟、資金和人才缺乏等諸多挑戰(zhàn)。

      3.1　數(shù)據(jù)規(guī)模和質(zhì)量難以滿足智能算法需要

      通過機(jī)器學(xué)習(xí)手段可以自動(dòng)搜集海量數(shù)據(jù)信息，但這并不符合機(jī)器識(shí)別和運(yùn)算的要求。在實(shí)踐過程中，有兩點(diǎn)難題亟待解決。一是數(shù)據(jù)可利用率低，文獻(xiàn)、專利、科研項(xiàng)目等科技數(shù)據(jù)存在標(biāo)準(zhǔn)不統(tǒng)一、數(shù)據(jù)共享機(jī)制不完善問題。例如，專利數(shù)據(jù)信息龐雜，其清洗和標(biāo)準(zhǔn)化都存在一定難度，各國(guó)科技研發(fā)項(xiàng)目數(shù)據(jù)可能涉及國(guó)家安全，導(dǎo)致數(shù)據(jù)的獲取和靈活運(yùn)用受到很大限制；二是數(shù)據(jù)質(zhì)量不高，多源數(shù)據(jù)的關(guān)聯(lián)和融合力度仍然不夠。不同模態(tài)數(shù)據(jù)之間存在差異，使得從文本、圖像等數(shù)據(jù)中學(xué)習(xí)的語義知識(shí)難以在同一語義空間中對(duì)齊，限制了智能算法在探索科學(xué)前沿、輔助科學(xué)家決策中的應(yīng)用。

      3.2　人工智能技術(shù)不成熟引發(fā)信任危機(jī)

      隨著人工智能技術(shù)的發(fā)展，其復(fù)雜性和系統(tǒng)風(fēng)險(xiǎn)性不斷增加，導(dǎo)致人類對(duì)人工智能決策的信任危機(jī)。一方面，人工智能技術(shù)本身仍具有不完善性，尚存在諸多技術(shù)局限。例如，決策過程的不可解釋、容易被干擾等性質(zhì)，導(dǎo)致人工智能無法有效實(shí)現(xiàn)甚至偏離初始既定目標(biāo)。特別地，技術(shù)預(yù)測(cè)研究是對(duì)社會(huì)系統(tǒng)的綜合研判，而現(xiàn)實(shí)社會(huì)面臨著許多復(fù)雜和不確定因素，這些都是人工智能難以應(yīng)對(duì)的。另一方面，人機(jī)交互過程中的信任風(fēng)險(xiǎn)仍然較高。在技術(shù)預(yù)測(cè)具體應(yīng)用中，常常出現(xiàn)動(dòng)態(tài)不確定性，此時(shí)人工智能系統(tǒng)的可靠性會(huì)發(fā)生變化。當(dāng)出現(xiàn)常識(shí)性錯(cuò)誤后，人工智能如何再次獲得用戶信任是亟待解決的難題。

      3.3　對(duì)資金投入和人才隊(duì)伍提出較高要求

      智能化技術(shù)預(yù)測(cè)活動(dòng)對(duì)資金投入和人才隊(duì)伍提出了一定要求。第一，應(yīng)用智能化手段需要有足夠的資金保障。智能算法依賴于持續(xù)的研發(fā)和技術(shù)支持，包括算法開發(fā)、模型訓(xùn)練等，運(yùn)維成本很高。例如，一個(gè)垂域大模型需要幾百萬至上千萬的部署成本，且往往需要多年的連續(xù)投入。第二，智能化預(yù)測(cè)研究需要專業(yè)人才隊(duì)伍的有力支撐。人工智能改變了傳統(tǒng)技術(shù)預(yù)測(cè)的組織流程和實(shí)施方式，對(duì)于智能化技術(shù)預(yù)測(cè)實(shí)踐而言，既需要掌握機(jī)器學(xué)習(xí)知識(shí)的數(shù)字化人才，又需要能夠了解機(jī)器語言的領(lǐng)域?qū)＜遥约澳軌蚪y(tǒng)籌整個(gè)數(shù)字化流程的管理人員。當(dāng)前技術(shù)預(yù)測(cè)活動(dòng)在智能化推進(jìn)的組織和能力建設(shè)方面尚存不足，人才和專業(yè)知識(shí)的缺乏成為智能化道路上的重要挑戰(zhàn)。

      4  中國(guó)開展智能化技術(shù)預(yù)測(cè)工作的相關(guān)思考

      近年來，中國(guó)技術(shù)預(yù)測(cè)方法體系逐步豐富和完善，逐漸將文獻(xiàn)計(jì)量、專利分析等定量方法與定性方法相結(jié)合，并探索了智能化應(yīng)用，如北京理工大學(xué)發(fā)明的“一種大數(shù)據(jù)背景下的能源技術(shù)預(yù)見智能系統(tǒng)”，旨在利用大數(shù)據(jù)挖掘技術(shù)實(shí)現(xiàn)精準(zhǔn)預(yù)測(cè)。中國(guó)第六次國(guó)家技術(shù)預(yù)測(cè)工作應(yīng)用了線上德爾菲調(diào)查系統(tǒng)，同時(shí)利用Scopus數(shù)據(jù)庫(kù)和律商聯(lián)訊的專利數(shù)據(jù)庫(kù)，對(duì)近十年來世界各國(guó)的研究熱點(diǎn)進(jìn)行聚類分析，以輔助專家決策。但整體來看，中國(guó)尚未形成一套規(guī)范化、智能化的技術(shù)預(yù)測(cè)方法體系，預(yù)測(cè)研究工作更多以傳統(tǒng)德爾菲調(diào)查為主導(dǎo)，在探索新技術(shù)和新方法的創(chuàng)新應(yīng)用方面不足。與國(guó)際領(lǐng)先國(guó)家相比，中國(guó)技術(shù)預(yù)測(cè)研究“多而不強(qiáng)”，主要表現(xiàn)為預(yù)測(cè)研究方法和信息采集渠道較為單一，與現(xiàn)代信息技術(shù)手段結(jié)合薄弱。此外，中國(guó)從事技術(shù)預(yù)測(cè)研究的專業(yè)人員相對(duì)缺乏。當(dāng)前組織開展預(yù)測(cè)研究的人員大部分來自經(jīng)濟(jì)學(xué)、管理信息系統(tǒng)等專業(yè)領(lǐng)域，對(duì)技術(shù)發(fā)展方向了解不深，在關(guān)鍵技術(shù)領(lǐng)域未來趨勢(shì)及前瞻布局方面缺乏深刻洞察。下一步要加快推動(dòng)信息技術(shù)手段在中國(guó)技術(shù)預(yù)測(cè)活動(dòng)中的應(yīng)用，建設(shè)國(guó)家技術(shù)預(yù)測(cè)數(shù)字化平臺(tái)，構(gòu)建集成主客觀信息的綜合性技術(shù)預(yù)測(cè)方法，推動(dòng)技術(shù)預(yù)測(cè)工作向體系化、規(guī)范化、智能化方向發(fā)展。

      4.1　建立國(guó)家技術(shù)預(yù)測(cè)數(shù)字化工作平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)集成與科學(xué)共享

提高智能化技術(shù)預(yù)測(cè)的效率和準(zhǔn)確性，需要高質(zhì)量數(shù)據(jù)資源做支撐。應(yīng)加快頂層設(shè)計(jì)，構(gòu)建包括論文、專利、網(wǎng)絡(luò)信息、政府信息、市場(chǎng)信息等在內(nèi)的一體化數(shù)字平臺(tái)，提高對(duì)數(shù)據(jù)資源的控制力。一方面，數(shù)字化工作平臺(tái)可以自動(dòng)收集匯總各類數(shù)據(jù)源，形成常態(tài)化模板報(bào)告；同時(shí)，能夠持續(xù)跟蹤重點(diǎn)技術(shù)或新興技術(shù)，對(duì)可能出現(xiàn)的顛覆性技術(shù)進(jìn)行監(jiān)測(cè)預(yù)警。另一方面，數(shù)字化平臺(tái)能夠?qū)崿F(xiàn)大數(shù)據(jù)分析和專家調(diào)查功能的整合，通過平臺(tái)上嵌入的德爾菲調(diào)查、專家留言等功能模塊，在技術(shù)清單形成、調(diào)查問卷填寫、關(guān)鍵技術(shù)選擇等環(huán)節(jié)，為專家交流互動(dòng)提供橋梁。

     4.2　秉持專家判斷與數(shù)據(jù)支撐相融合的原則，提高預(yù)測(cè)結(jié)果準(zhǔn)確性和有效性

隨著人工智能自主性的增強(qiáng)，人機(jī)交互過程中的信任危機(jī)問題日益突出。對(duì)于國(guó)家技術(shù)預(yù)測(cè)研究工作，有關(guān)部門應(yīng)結(jié)合人工智能技術(shù)發(fā)展需要，一方面加強(qiáng)系統(tǒng)評(píng)估方法的開發(fā)和研究，定期測(cè)試和調(diào)整智能系統(tǒng)，提升人工智能支持預(yù)測(cè)研究工作的有效性；另一方面要平衡好人工智能與專家之間的關(guān)系，秉持專家判斷與數(shù)據(jù)支撐相融合的原則，構(gòu)建集成主客觀、定性定量信息的綜合性智能技術(shù)預(yù)測(cè)方法。在實(shí)踐過程中，政策制定應(yīng)考慮各項(xiàng)原則之間的協(xié)調(diào)性，考慮不同決策類型、應(yīng)用場(chǎng)景的具體要求，強(qiáng)化專家對(duì)人工智能系統(tǒng)的監(jiān)督和管理，降低系統(tǒng)風(fēng)險(xiǎn)的發(fā)生，進(jìn)一步提高預(yù)測(cè)結(jié)果的準(zhǔn)確性。

      4.3　發(fā)揮政府統(tǒng)籌協(xié)調(diào)作用，強(qiáng)化資金保障和人才培養(yǎng)

      當(dāng)前，中國(guó)迫切需要建立基于技術(shù)預(yù)測(cè)的科技戰(zhàn)略規(guī)劃制定機(jī)制，并將其納入國(guó)家科技活動(dòng)的常規(guī)管理辦法當(dāng)中。應(yīng)充分發(fā)揮政府的統(tǒng)籌協(xié)調(diào)作用，重視應(yīng)用人工智能技術(shù)開展技術(shù)預(yù)測(cè)工作。一是加大對(duì)關(guān)鍵技術(shù)領(lǐng)域前瞻性預(yù)測(cè)研究的資金投入，重點(diǎn)支持利用數(shù)據(jù)挖掘、數(shù)據(jù)融合、深度學(xué)習(xí)等方法的技術(shù)預(yù)測(cè)研究項(xiàng)目，最大限度發(fā)揮人工智能的潛力，為智能化手段應(yīng)用提供有力保障。二是提高企業(yè)、高校和科研院所等相關(guān)利益者參與積極性，強(qiáng)調(diào)全主體共同參與。技術(shù)預(yù)測(cè)過程的復(fù)雜性要求在實(shí)踐的基礎(chǔ)上形成共識(shí)，建議通過組建國(guó)家技術(shù)預(yù)測(cè)委員會(huì)、建立信息共享平臺(tái)等方式，為各領(lǐng)域的參與者提供交流渠道。不同利益群體在技術(shù)理解、市場(chǎng)需求、資源分配等方面擁有不同的視角和經(jīng)驗(yàn)，通過共同參與和協(xié)作，能夠形成更為全面和客觀的預(yù)測(cè)結(jié)果，為科技決策提供有力支撐。三是加快培養(yǎng)一批技術(shù)預(yù)測(cè)專業(yè)人才，強(qiáng)化跨學(xué)科人才聯(lián)合培養(yǎng)，不斷提升相關(guān)工作人員的工作素養(yǎng)和技能水平。技術(shù)人員、開發(fā)人員、情報(bào)人員、管理者應(yīng)轉(zhuǎn)變以往的工作模式與工作理念，積極投入人工智能的開發(fā)、使用與監(jiān)督全過程，更好地發(fā)揮自身專業(yè)優(yōu)勢(shì)。

      展望未來，中國(guó)智能化技術(shù)預(yù)測(cè)將朝著提高技術(shù)預(yù)測(cè)效率、深化數(shù)據(jù)挖掘深度、系統(tǒng)化預(yù)測(cè)三個(gè)方向發(fā)展。要不斷創(chuàng)新技術(shù)預(yù)測(cè)工作機(jī)制，加快形成具有中國(guó)特色的技術(shù)預(yù)測(cè)方法體系，加強(qiáng)跨部門、跨領(lǐng)域的數(shù)據(jù)共享與合作，構(gòu)建全面、實(shí)時(shí)、高質(zhì)量的信息采集網(wǎng)絡(luò)，不斷提升智能化技術(shù)預(yù)測(cè)水平。

（作者：胡月，中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院科技統(tǒng)計(jì)與區(qū)域創(chuàng)新研究所助理研究員；玄兆輝，中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院科技統(tǒng)計(jì)與區(qū)域創(chuàng)新研究所所長(zhǎng)、研究員；袁立科，中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院科技規(guī)劃與技術(shù)預(yù)測(cè)研究所副所長(zhǎng)、研究員）