010-82092128 English

集團概況

加入我們

聯系我們
人工智能關鍵技術分析報告


一、人工智能概念

人工智能是用機器模擬和實現人類的感知、思考和行動等人類智力與行為能力的科學與技術,目標在于模仿、延伸、拓展人的智慧與能力,使信息系統或機器勝任一些以往需要人類智能才能完成的復雜任務。

人工智能技術作為前沿技術,近年來呈現了集中爆發態勢,在智能機器人、自動駕駛、智能搜索、智能制造等領域得到了前所未有的重視,成為產業界力奪的前沿領域。目前全球科技巨頭紛紛在人工智能領域加強技術創新和專利布局,積極引領人工智能技術發展的方向。截至2016年6月,人工智能領域中計算機視覺、語音識別和自然語言理解三個關鍵技術分支上的專利申請量已超過4.9萬項(同族專利)并繼續呈上升趨勢,日本、美國和中國專利申請活躍,占全球專利申請總量70%。IBM、微軟、谷歌等國際巨頭以及百度、科大訊飛和中科院自動化所等國內企業和科研院所均積極在人工智能領域開展研究和專利部署。

二、人工智能的技術體系

人工智能涉及算法模型、感知、認知和控制等多項技術,其技術體系架構主要包括算法理論層面和關鍵技術層面(圖2-1),其中算法理論是人工智能的核心,根據人工智能技術的發展歷程,人工智能算法的演進經歷了推理算法(如回歸算法、基于實例的算法、貝葉斯方法、正則化方法等)、知識工程(如專家系統)和學習算法(如決策樹學習、人工神經網絡和深度學習)幾個過程,深度學習算法是基于多隱層神經網絡,利用了海量數據訓練并提取特征,大大提高了預測的準確度,是當前人工智能算法研究和應用的熱點;人工智能關鍵技術層面涵蓋了智能機器的感知、思考和行動等幾個環節,包括了機器視覺(感知環節)、自然語言理解(思考環節)和智能控制(行動環節)等多項關鍵技術,鑒于人工智能技術體系復雜,涉及的關鍵技術分類多,本專利分析報告鑒于任務要求和時間的原因,在此僅對幾個典型關鍵技術從申請態勢、地域分布、主要申請人和技術分類等幾個維度做初步的分析。

微信圖片_20170821112640.jpg

圖2-1:人工智能技術體系架構

(中國信通院人工智能項目研究團隊整理)

三、人工智能關鍵技術專利分析

人工智能包括了多項關鍵技術,其檢索策略根據研究關注的內容可深入到技術的各個細節,我們對人工智能技術體系中的深度學習、機器視覺和自然語言理解三個關鍵技術分別設定檢索詞并構建檢索策略,以期對這幾個典型領域的相關專利進行初步分析。

3.1 深度學習

深度學習是近年來人工智能研究的熱點,主要包括深度學習算法、模型框架以及深度學習在不同領域的應用(具體檢索式略)。

3.1.1 深度學習專利申請趨勢

當前全球涉及人工智能深度學習算法架構和應用的專利申請超過5700件(4400余件同族),近年來一直呈快速增長態勢。圖3-1-1示出了全球主要國家在深度學習領域的相關專利申請情況,從圖中可以看出,涉及深度學習的專利申請在2003年之前即已經開始出現,美國是深度學習領域的技術領先者,在2010年之前即有每年100件左右的申請量。2006年深度學習概念提出后,中國、韓國等國家的專利申請量開始增長,自2010年后中國在深度學習領域呈現了高速增長態勢,遠遠高于美國和其他國家/地區。

微信圖片_20170821112647.jpg

圖3-1-1:深度學習相關專利全球申請趨勢

3.1.2 深度學習專利地域分布

中國和美國是深度學習相關專利申請量最高的國家。圖3-1-2示出了深度學習相關專利地域分布的情況,在中、美、韓、日、德以及世界知識產權組織(WO)六個主要專利申請活躍的國家/地區的受理總量中,中國受理的專利申請量最高,約為2429件,美國其次1917件,韓國、日本和德國分別為463件、288件和116件,WO的申請量為288件。此外,歐專局、英國等國家均有一定的申請。

微信圖片_20170821112650.jpg


QQ截圖20170821113304.png

圖3-1-2:深度學習相關專利全球地域排名

3.1.3 深度學習相關專利主要申請人

微軟和IBM在深度學習領域專利申請量領先。微軟和IBM在該領域的專利積累超過140件,屬于第一梯隊;谷歌和三星公司亦有較多的專利積累。我國中科院自動化所、西安電子科技大學、百度、華南理工、浙江大學和清華大學在深度學習領域的專利申請量進入世界前列(圖3-1-3)。

微信圖片_20170821112657.jpg

圖3-1-3:深度學習相關專利全球申請人排名

從各申請人的申請趨勢看出(圖3-1-4),IBM在深度學習領域的基礎研究最早,從1998年之前即有持續性專利輸出,微軟從2003年開始有專利申請且勢頭已趕超IBM,總量已超過200件。從深度學習領域的國內外專利輸出情況可以看出,包括三星電子在內的國外巨頭企業在深度學習領域的研究均早于國內十年以上,國內有關深度學習的專利申請基本均在深度學習的概念提出的2006/07年以后出現。

微信圖片_20170821112701.jpg

圖3-1-4:深度學習相關專利全球申請人申請趨勢

根據合享申請人專利價值度指標,從技術穩定性、技術先進性和保護范圍三個維度進行評估(圖3-1-5),前十位深度學習主要申請人專利申請的價值評分均在4分以上,特別是微軟與IBM,這兩家公司專利價值評估在7分以上的百分比分別占到68%和60%;國內幾家科研院所專利申請的價值值基本以4分或5分為主,價值度超過7的專利占總體申請量低于40%。可見,在深度學習領域,微軟、IBM等國外領先企業的專利質量明顯高于國內專利申請。

QQ截圖20170821113525.png

圖3-1-5:深度學習主要申請人專利申請價值評估

3.1.4 深度學習領域主要技術分布

通過統計深度學習技術相關專利的全球技術分布看出(圖3-1-6),G06F、G06K和G06N是深度學習專利申請集中的三個IPC分類,G06F屬于電數字數據處理技術,G06k屬于數據識別、數據表示、記錄載體,G06N屬于基于特定計算模型的計算機系統。中國深度學習專利在G06K分支上的占比最高,美國在G06F分支上的數量最高。

微信圖片_20170821112707.jpg

圖3-1-6:深度學習技術全球技術分布

目前深度學習相關的專利布局趨勢側重于圖像識別、語音識別、情感認知等領域中的應用,目標是提高識別的準確度。通過對相關專利初步閱讀看到,探索采用深度學習算法解決和提高在如醫療診斷、圖像識別與搜索、人臉識別、道路交通等領域和行業的智能化程度和準確度是當前申請的熱點;在相關專利方案中,涉及神經網絡/深度學習模型和框架的專利方案占比低,一方面算法研究主要是通過科技論文的形式公開,另一方面由于算法需要與硬件結合才能構成專利保護的客體,因此深度學習相關專利中應用性專利是大多數。

3.2 機器視覺

機器視覺技術是人工智能感知環節的關鍵技術,主要包括圖像識別、視頻識別、人臉識別、虹膜識別等不同場景的識別技術。從專利檢索全面性和準確性角度出發,采用關鍵詞加分類號的檢索策略方式(具體檢索式略)。

3.2.1 機器視覺相關技術專利申請趨勢

計算機視覺技術的研究已超過二十年,目前全球涉及機器視覺技術的專利申請超過4.8萬件(3.4萬余件同族),早期積累較多。圖3-2-1示出了全球主要國家機器視覺技術相關專利申請態勢,從圖中可以看出,日本、美國和韓國在機器視覺領域的研究很早,特別是日本和美國早期申請的專利量較大,有較多的積累,近十年申請量已經放緩;我國從2008年之后申請量快速上升,近年來申請量已遠高于美國等其他國家。

微信圖片_20170821112713.jpg

圖3-2-1:機器視覺相關專利全球申請趨勢

3.2.2 機器視覺相關專利地域分布

中國、日本和美國是機器視覺相關專利申請量最高的國家(圖3-2-2),中國受理的專利申請量最高,超過1.4萬件,主要得益于近十年的大量申請;日本約為1.1萬件,其中有近一半是2008年之前完成的申請;美國在機器視覺技術分支上約為9000余件,是近年來除中國之外申請量最高的國家。此外,韓國、德國和歐專局等國家/地區均有大量的專利申請。

微信圖片_20170821112740.jpg

圖3-2-2:機器視覺相關專利全球地域排名

3.2.3 機器視覺主要申請人

從主要申請人層面看,韓國企業和日本企業在機器視覺領域的研究和專利積累領先。三星電子在機器視覺領域的專利申請量最高,日本企業松下、日立、東芝、索尼和NEC等在該領域進入前列。

我國企業在該領域尚無專利積累優勢。

微信圖片_20170821112745.jpg

圖3-2-3:機器視覺相關專利全球申請人排名

3.2.4 機器視覺領域主要技術分布

從技術分布情況看,機器視覺技術相關專利主要集中在G06K、G06T、G06F和H04N四個IPC分類上,G06k包含了數據識別、數據表示和記錄載體的技術,G06T包含了圖像數據處理技術,G06F涵蓋了電數字數據處理技術,H04N屬于圖像通信。

微信圖片_20170821114030.jpg

圖3-2-4:機器視覺技術構成

在技術分布上,中國、日本和美國的專利布局側重點不同,中國和美國大部分與機器視覺相關的專利屬于數據識別、數據表示方面,而日本布局側重在圖像處理和圖像傳輸方面。

微信圖片_20170821114136.jpg

圖3-2-5:機器視覺技術全球分布

3.3 自然語言理解

自然語言理解是人工智能認知環節中的關鍵技術,主要包括智能語義、語義分析、詞法分析、句法分析等人類語言環境下的認知技術。

3.3.1 自然語言理解相關技術專利申請趨勢

全球涉及自然語言理解的專利申請約1.9萬件(同族專利),中國和美國申請活躍(圖3-3-1)。由于自然語言理解技術以語音識別技術為基礎,中國在該領域的研究亦多年的研究,特別是2000年后對語音識別、自然語言理解等技術的研究和專利申請量有持續性的增長;美國在2011年后在該技術分支上發起了新一輪研究,專利輸出量增長明顯。

微信圖片_20170821114229.jpg

圖3-3-1:自然語言理解相關專利全球申請趨勢

3.3.2 自然語言理解相關專利地域分布

與申請趨勢一致,中國、美國和日本是該分支上申請量最高的三個國家。

微信圖片_20170821114302.jpg

圖3-3-2:自然語言理解相關專利全球地域排名

3.3.3 自然語言理解主要申請人

IBM在自然語言理解領域的專利申請量瑤瑤領先。微軟、東芝等日本企業專利積累較多。我國百度、科大訊飛雖然在語音識別領域取得了矚目的成績,但僅從專利申請量角度看,仍是美國和日本企業占據優勢。

微信圖片_20170821114328.jpg

圖3-3-3:自然語言理解相關專利全球申請人排名

3.3.4 自然語言理解領域主要技術分布

在技術分類上,自然語言理解的專利申請主要集中在G06F和G10L兩個IPC分類,中國側重于G10L分類屬于語音分析/合成/語音識別以及音頻分析/處理技術。

微信圖片_20170821114357.jpg

圖3-3-4:自然語言理解技術申請趨勢

微信圖片_20170821114424.jpg

圖3-3-5:自然語言理解技術全球技術分布

結論

人工智能涉及算法模型、感知、認知和控制等多項技術,其技術體系架構包括了算法模型和多項關鍵技術,因此檢索策略需要根據研究和關注的側重點設定并不斷調整。本專利檢索設定的檢索策略上需根據知識的完善做進一步調整,在此僅供交流探討。

在深度學習領域,通過設定的檢索策略進行初步分析:當前全球人工智能深度學習算法架構和應用的專利申請已達數千件(4400余件同族)并保持持續增長;中國和美國是該技術研究和應用最活躍的國家;微軟和IBM專利申請量領先,積累雄厚。在機器視覺和自然語言理解領域,早期積累較多,專利申請量大,中國近年申請量增長明顯;但美國、日本和韓國企業在專利申請量上領先。 

成果聲明:

本研究報告由中國信息通信研究院知識產權中心獨家授權發布,未經允許,請勿轉載。

微信掃一掃 關注我們

澳门百老汇_官网 狗万体育_首页 疯狂德州_官网 亚洲城88手机版_客户端 大发电子游戏_官网 菠菜网_网址大全