許多國家都會定期從經濟、科技、福祉等面向發佈策略報告，對於近期的人工智慧AI所掀起的浪潮，除了正面效益以外，更引發AI的信任、安全、偏見等疑慮，成為全球關注的焦點。科技先進國家早已著手發佈國家AI策略，描繪願景與目標、闡述AI在各領域應用的方向、資源配置、組織協調與國際合作等。該報告為確認國家AI策略的政策機制如何影響AI的基礎設施(包括機器學習ML及自然語言處理NLP)，蒐集了54國的AI相關政策報告，包括國家政策、國內政策及國際政策或協議等，利用自然語言處理加上AI，分析關鍵字詞出現機率與上下文的關係，以產出主題集(sets of topics)的方式讓使用者快速掌握策略精髓，並以文字雲的視覺呈現，較過去以資料探勘法計算詞頻的方法更為精確且直覺。

一、國家概況
加拿大與中國在2017年推出國家AI基礎設施計畫，美國則是在2016年發表「國家AI研究與發展計畫」，並作為2019年及2023年白宮與國防部等幾項重要計畫的依據。其他先行者還包括歐盟、德國及印度，陸續在2018年發表AI策略，至今已有50餘國推出AI策略報告來型塑國家整體AI的發展方向。許多國家亦有國內部會層級的AI策略文件，聚焦在其職掌的業務範圍，如交通、健康、資安等範疇，例如澳洲教育與培訓部的「學校AI與新興科技」策略、中國上海市的「AI產業發展條例」等，這些策略與國家層級的AI策略也會有部分重量，但對於國內AI的基礎設施發展別具意義，特別是與領域相關的基礎設施。這些報告的論述將透過媒體、政治家演說、政策平台、辯論或甚至是政策來傳播，因此透過文本分析，足以瞭解各國對AI發展的政策軌跡。

二、研究方法
該報告獨創AI衣櫃的概念，將全體國家AI策略看成一個全球衣櫃，而各國的AI策略論述則分別是其中的一套服裝，這些服裝的概念可能含有共通的元素，如「值得信賴的AI」、「包容性」、「資料隱私」、「研發策略」、「國際合作」等，有些國家挑選其中要素加以裝飾，也可能直接從其他國家複製或根本是舊有服裝。有些策略報告風格獨特，如歐盟非常強調包容性與多樣性，印度著重新創策略，德國強調中小企業策略，但是最終每個國家都須要選擇特定的要素，來打造出自己的特色與價值主張。
過去已有許多利用關鍵字頻率的質性分析報告，或也有利用NLP法分析的報告，但多集中在美國與中國。而本研究的兩大特色，一是資料範圍涵蓋全球，另一特色是分析方法利用建立在既有及預先訓練的LDA模型上的整合式LDA(ensemble LDA methodology, eLDA)方法，這是一種無監督的NLP演算法，根據單字集合成的主題概念，及各文件中概念的關聯性，經過運算後以文字雲方式提供視覺化的呈現方式。該研究資料集涵蓋不同區域、國民所得、技術發展、政治制度，共54份國家級策略報告，以及167份國內部會級策略文件。綜合這些報告，從建立的eLDA模型共匯出221個主題文件，分別代表不同的特色概念。從主題文件的文字雲可以清楚顯示組成該主題的關鍵字詞，並能快速掌握其中的意涵。

三、分析結果
(一) 比較國家AI基礎設施，以瞭解國家優先發展項目：
分析國家級AI策略報告的文件集，利用熱圖(heat-map)的方式呈現各國與主題之間的關係，因而可以歸納成幾個主要的集群以及所提及的主題概念。從這些集群可以發現以下現象：1.主要集群有歐盟、拉丁美洲、歷史上英國的影響力，主要領導者包括中國、德國、日本、美國。2.各主題之間有分歧也有共同點。從宏觀面來看，德國與歐盟的情況相關；從微觀面看，德國強調標準，美國重視標竿，但都同屬於技術面主題。3.國家計畫可以同時跨多個主題，例如美國計畫的獨特之處在主題8居領導地位，中國的計畫則是在主題8與主題3都居主導地位，而主題3另有德國與瑞士主導。除了主題1不具分析意義省略以外，其餘7個主題的概念與主導國家如下：
1. 主題2的主要國家為希臘與賽普勒斯，分析顯示這兩國對於利用數位技術將旅遊業升級特別感興趣。
2. 主題3的國家以德國、瑞士為主，強調組織內部對話與協商的重要性，特別是「數位瑞士策略」，該策略強調AI對於國家居領導地位的重要性。
3. 主題4的特點是關注經濟發展，特別是農業，但也強調創業與人才，國家集群包括泰國、烏克蘭、韓國、模里西斯。
4. 主題5與主題4一樣強調經濟發展，也著重新創，國家集群包括英國、印度、澳洲、新加坡等。
5. 主題6與歐盟許多國家有關，主要描述歐盟計畫擬開發新的項目、組織或重新定位現有組織，以支援AI的發展，充份反應歐盟協調會員國在特定領域行動的流程。
6. 主題7主要與拉丁美洲國家及俄羅斯、土耳其、西班牙有關，並致力於以AI促進生產力，也有提到與OECD的合作及向標竿國家學習。
7. 主題8的國家都已經是技術創新領域的領導者，如美國、中國、日本等，強調硬體、資料集、勞動力、標竿(而非標準)以及基礎科學能力，意味著以科學打底、制定研究前沿優先的策略，同時完善AI應用的環境的重要性。

(二) 分析各國的國內AI策略以比較政策的深度：
國內政策文件最多的國家依序為歐盟、英國、中國、日本、美國、哥倫比亞、印度、德國、法國，經由eLDA模型運算共得到221個資料集，同樣進行熱圖與主題分析，共產出8個主題。綜觀整體分析，許多國家圍繞著主題7、4、5，主要聚焦在AI基礎設施所必須的基礎知識，與熟知的領先國家，如日本(主題1)、美國(主題2)、歐盟(主題3)、中國(主題6)、德國(主題8)等有很大差異。從國家產出的主題數來分析，發現某些國家只集中在一個主題，有些則跨許多主題，顯示議題較為發散。同時，有些國家的政策較為原創，有些則借鏡其他國家的政策要素，某種程度顯示政策的擴散效應，也可能與該國的AI發展程度有關。各主題分析如下：
1. 主題1與日本密切相關，技術性非常高，主要由訓練模型、網路安全相關的攻擊等關鍵字組成。與日本發佈的「個資保護法」、「AI應用指引」、「機器學習品質指引」、「以人為本的AI社會原則」有關，顯示由政府主導AI的發展與監管的深度。
2. 主題2與美國高度關聯，由文字雲顯示聯邦政府參與AI的治理，其他還包括專利、公眾評論等，其政策文件主要來自於美國專利商標局(USPTO)發表的「美國國家標準技術研究院(NIST)可解釋AI原則」、「聯邦參與開發技術標準及相關工具計畫」、「AI和演算法公平倡議」。
3. 主題3以歐盟為主，重點是責任、義務、值得信賴，主要與歐盟的「值得信賴的AI道德指引」、「開放資料指令」、「AI、機器人及相關技術的道德框架」、「可信賴AI政策與投資建議的部門考量」有關。
4. 主題4的概念與AI監管相關，包含數個國家，與主題5及主題7有些主題概念重疊。
5. 主題5強調經濟組織及教育的重要，最突出的國家是澳洲與加拿大。
6. 主題6以中國與韓國最為密切，強調安全性、可信賴性、教育與研究，也提到晶片，與這兩國都有參與半導體製造有關。
7. 主題7的要素涵蓋42國，代表此為發展AI基礎設施的最基本主題，主要討論創新環境、沙盒、數位化。
8. 主題8與德國高度關聯，概念包含道德、歧視、一般資料保護規範(GDPR)等，與德國發表的「一年策略期中報告」、「資料委員會意見」、「自駕車道德準則」有關。

(三) 國內政策文件最重要的概念：
從國內政策文件分析出的熱門主題，與發佈國家或地區連結後，得到最重要的5個主題，包括：數據資料與治理(與AI穩健性、可解釋性有關)、教育與培訓(與人才、勞動力有關)、經濟(與技術、經濟發展藍圖有關)、合約與責任(與營運利害關係人有關)、運輸(與自駕車的責任、損害與賠償等相關)。

該報告提供前述各主題的文字雲儀表板的視覺化圖像，能夠快速掌握主題概念、關鍵詞與國家連結，讀者可自行參閱原文。