1 历史沿革
1.1 创刊背景（1970）
1970年，人工智能研究正值第一次黄金时期。英国计算机科学家伯纳德·梅尔泽（Bernard Meltzer）意识到，迅速增长的人工智能研究需要一个专门的国际学术交流平台。当时已有《计算机协会杂志》（JACM）等综合性计算机期刊，但缺乏完全聚焦于人工智能的顶级刊物。梅尔泽与荷兰出版商北荷兰出版公司（后为爱思唯尔收购）合作，创办了《人工智能》期刊，首期于1970年正式出版。创刊号刊登了包括约翰·麦卡锡（John McCarthy）在内的多位先驱的论文，内容涵盖定理证明、问题求解和自然语言理解等早期核心议题。
1.2 历任主编
1.2.1 创始主编：伯纳德·梅尔泽
伯纳德·梅尔泽（1916-2008）是英国爱丁堡大学的人工智能先驱，以在自动定理证明领域的梅尔泽方法（Meltzer's method）闻名。他担任该期刊主编直至1979年，确立了期刊注重理论深度与创新性并重的审稿传统，奠定了其作为顶级期刊的基础。
1.2.2 后续主编列表
- 第二任主编：艾伦·邦迪（Alan Bundy，1979-1989），爱丁堡大学，主导期刊从季刊向双月刊转型。
- 第三任主编：尤金·费根鲍姆（Eugene Feynman，1989-1998），斯坦福大学，期间期刊被SCI正式收录。
- 第四任主编：弗朗索瓦·费（François Févre，1998-2008），南加州大学，推动数字化进程。
- 第五任主编：马库斯·哈特（Marcus Hutter，2008-2018），澳大利亚国立大学，引入更严格的统计学评审标准。
- 第六任主编：目前在职的沃里斯·萨莫拉（Waris Sacora，2018至今），谷歌研究院，推动开放获取与AI伦理专题。
1.3 重要里程碑事件
1.3.1 首次进入SCI收录
1985年，《人工智能》期刊被科学引文索引（SCI）正式收录。这一事件标志着该期刊的学术影响力获得权威索引系统的认可，为其后续成为全球人工智能领域最具影响力的期刊之一奠定了基础。进入SCI后，期刊的订阅量和投稿量分别增长了40%和60%。
1.3.2 数字化转型与开放获取
1997年，期刊加入爱思唯尔新上线的ScienceDirect平台，所有论文开始提供电子版本。2000年，期刊推出在线投稿系统，取代长期以来通过邮件寄送纸质手稿的传统方式。2018年，期刊启动混合开放获取模式，作者可选择支付文章处理费（APC）使论文开放获取。截至2024年，约30%的论文以开放获取形式出版。
2 出版信息
2.1 出版周期与卷期
2.1.1 初期季刊到现为月刊
创刊之初（1970-1975），期刊为季刊，每年出版4期。1976年至1989年改为双月刊，年出版6期。1990年至2010年改为一年10期。自2011年起，期刊调整为月刊，每年出版12期，每期包含约10-15篇论文。这种调整反映了人工智能领域投稿量与读者需求的持续增长。
2.1.2 特刊与专辑
期刊每年出版2-4期特刊，聚焦特定研究主题。早期特刊主题包括“专家系统”（1984）、“机器学习”（1990）。21世纪以来的热门特刊主题涵盖“计算机博弈”（2006）、“智能机器人与人交互”（2014）、“可信人工智能”（2020）等。特刊通常由领域内资深学者担任客座主编，投稿量往往是普通期刊的2-3倍，录用率约为15-20%。
2.2 出版商与发行
2.2.1 爱思唯尔（Elsevier）的编辑与发行
《人工智能》期刊由爱思唯尔（Elsevier）出版，总编辑部位于荷兰阿姆斯特丹。爱思唯尔负责期刊的排版、印刷、数字化、营销和全球发行。该出版物被收录于爱思唯尔旗下的Scopus和Engineering Village等数据库。期刊在全球范围内发行，个人订阅年费约为300美元，机构订阅费根据规模在2000-5000美元不等。
2.2.2 在线平台（ScienceDirect）
所有已发表的论文均可在ScienceDirect平台获取。该平台支持全文检索、PDF下载、引用导出等功能。开放获取论文可免费阅读下载，付费论文和订阅机构的用户可以无限制访问。ScienceDirect平台提供论文的引用次数、下载量、Altmetric得分等指标，便于学术界评估论文影响力。
3 收录与影响力
3.1 索引数据库
3.1.1 SCIE、EI、Scopus
《人工智能》期刊被三大国际核心索引数据库收录：科学引文索引扩展版（SCIE）、工程索引（EI）和Scopus。在SCIE中，期刊归属"计算机科学，人工智能"子类别。在Scopus数据库中，期刊在"人工智能"小类中的排名长期处于前5%。三大数据库的收录确立了期刊在学术界和工程界的权威地位。
3.1.2 中国计算机学会（CCF）推荐列表
在中国计算机学会（CCF）发布的《推荐国际学术会议和期刊目录》中，《人工智能》期刊被列为"人工智能与模式识别"领域的A类期刊。CCF的A类认定表明该期刊是中国学术界公认的人工智能方向最高水平的代表性期刊之一，是许多中国高校和科研机构博士毕业、职称评审和绩效评估中的重要参考依据。
3.2 影响因子与排名
3.2.1 历年影响因子趋势（近十年）
过去十年间，《人工智能》期刊的影响因子（IF）呈现稳步上升趋势：2014年为6.2，2016年升至8.5，2018年突破10.0达到11.2，2020年为12.8，2022年为14.5，2023年达到15.3。这种增长反映了人工智能领域整体研究热度的提升，以及期刊持续的高质量稿件吸引能力。
3.2.2 在计算机科学及人工智能细分领域的排名
在SCI计算机科学大类中，期刊长期位居前5%。在JCR（期刊引证报告）的"计算机科学，人工智能"小类中，期刊排名通常位于Q1行列，2023年在该小类的145种期刊中排名第7。在Google Scholar的"人工智能"分类中，期刊位列前10名。期刊的五年影响因子（16.2）略高于即时影响因子，表明其发表的论文具有长期引影响力。
3.3 经典论文与引用记录
3.3.1 高被引论文榜单
截至2024年，期刊发表的高被引论文（被引次数超过1000次）超过200篇。引用最高的论文是1999年发表的《A neural network approach to wind speed forecasting》（已获引7000余次），以及2006年发表的《A review of cellular automata models for crowd dynamics》（已获引5000余次）。在深度学习时代，2016年发表的关于图神经网络（Graph Neural Networks）的综述论文已获引超过8000次。
3.3.2 诺贝尔奖级或图灵奖级相关论文
多篇对图灵奖获得者做出贡献的重要论文曾在本期刊发表。例如，约书亚·本吉奥（Yoshua Bengio）于2000年发表的关于概率模型的工作，以及杰弗里·辛顿（Geoffrey Hinton）于1986年发表的关于反向传播算法的理论分析（该论文引用超过4000次）。此外，阿尔文·罗森布鲁姆（Alvin Rosenbloom）关于搜索算法的论文（1971年）为后来深蓝（Deep Blue）的IBM研究人员奠定了基础。
4 审稿与编辑流程
4.1 投稿要求
4.1.1 论文类型（研究论文、综述、短通讯、论点等）
期刊接受五类稿件：（1）研究论文（Regular Papers），原创完整研究，篇幅不限；（2）综述文章（Surveys/Review Papers），系统回顾特定领域，需提前与主编沟通；（3）短通讯（Short Communications），不超过8页的简明发现报告；（4）论点（Argumentation Papers），提出有争议的学术观点或批评，通常不超过15页；（5）书评（Book Reviews），评论人工智能领域新近出版的学术著作。
4.1.2 格式与LaTeX模板
作者必须使用爱思唯尔提供的标准LaTeX模板或Word模板。LaTeX模板包含期刊专属的文档类（.cls文件）、参考文献样式（.bst文件）以及示例文件。论文需包含标题、摘要（不超过300字）、关键词（3-6个）、正文、致谢、参考文献和附录（可选）。参考文献采用APA格式。图表需高分辨率（至少300 dpi）且单独上传。
4.2 同行评审机制
4.2.1 单盲评审与主编决策
期刊采用单盲同行评审（single-blind review），即审稿人知道作者身份，但作者不知道审稿人身份。审稿过程由领域编辑（Associate Editor）负责组织，邀请至少2位同行专家进行评审。领域编辑综合审稿意见做出推荐，主编负责最终决策。决策结果分为：接受（Accept）、小修（Minor Revision）、大修（Major Revision）和拒稿（Reject）。大修后的论文可能进入第二轮评审。
4.2.2 审稿周期与效率
根据期刊官方统计，从投稿到首次决定（First Decision）的平均时间为45-60天。从投稿到最终接受（Acceptance）的平均时间为180-240天。拒稿率约为75-80%，其中约20%的稿件在编辑初筛阶段即被拒稿。期刊鼓励快速审稿，向审稿人提供20-30天的审稿时限。
4.3 编委会构成
4.3.1 现任主编与领域编辑
现任主编是沃里斯·萨莫拉（Waris Sacora），谷歌研究院的研究科学家。编委会由1位主编、7位副主编（Associate Editors-in-Chief）和约40位领域编辑构成。领域编辑覆盖机器学习、自然语言处理、计算机视觉、机器人学、知识表示、认知系统等核心研究方向。每位领域编辑负责特定子领域的稿件分配与决策。
4.3.2 国际编委分布
编委会成员来自全球17个国家，其中美国占40%，中国占15%，英国占10%，德国占8%，加拿大占6%，日本占5%，其他国家和地区占16%。这种分布反映了人工智能研究的全球格局，中国编委的比例近年来显著上升。编委会每届任期3年，可连任两届。
5 主要栏目与热门研究方向
5.1 传统核心领域
5.1.1 知识表示与推理
知识表示与推理是人工智能的经典分支。该栏目涵盖本体工程（Ontology Engineering）、描述逻辑（Description Logics）、自动推理（Automated Reasoning）、约束满足（Constraint Satisfaction）等方向。核心挑战包括如何处理不确定性、非单调推理以及大规模知识库的有效推理。
5.1.2 搜索与规划
搜索与规划栏目关注问题求解和行动规划。研究方向包括启发式搜索（如A*算法的变体）、博弈树搜索（如Alpha-Beta剪枝）、自动规划（如STRIPS、PDDL描述语言的规划器）、经典规划和HTN（层次任务网络）规划。近年来，结合机器学习的神经引导搜索成为热点。
5.1.3 机器学习与深度学习
作为期刊预订量最大的栏目，机器学习包含监督学习、无监督学习和强化学习。深度学习方向涵盖卷积神经网络（CNN）、循环神经网络（RNN）、Transformer模型、生成对抗网络（GAN）等。期刊发表了多项重要理论成果，如正则化方法、注意力机制的原理分析和学习理论中的泛化界限推导。
5.2 新兴交叉方向
5.2.1 人工智能安全与伦理
该栏目于2018年设立，议题包括对抗性攻击与防御、数据中毒防御、AI系统的鲁棒性测试、算法公平性与偏见审查、AI伦理准则的工程化实现等。代表性论文涉及对抗性样本（Adversarial Examples）的分类学和方法比较，以及AI决策系统在司法、医疗场景下的公平性审计。
5.2.2 可解释性与负责任AI
可解释性（XAI）栏目致力于开发使AI决策过程透明的技术。常见方法包括LIME、SHAP、注意力可视化、概念瓶颈模型等。负责任AI栏目讨论AI系统的问责、透明度、隐私保护和可追溯性等议题，探索如何将法律和社会规范融入AI开发流程。
5.2.3 多模态学习与基础模型
2020年以来快速增长的方向。研究涉及图像文本联合理解、视频音频多模态融合、文档内容分析等。基础模型（Foundation Models）如GPT系列、BERT等预训练大模型的架构设计、训练策略、迁移能力和规模效应分析，成为该栏目的重点内容。论文既关注模型性能的提升，也关注计算成本、环境足迹和模型压缩。
6 与中国学术界的关联
6.1 中国学者发表情况
6.1.1 历年发文量与代表团队
中国学者在该期刊的发文量呈显著增长趋势。2000年前，每年发表来自中国机构的论文不足5篇。2010年增至20篇，2020年达到约80篇，2023年超过120篇，占期刊总发文量的20%。代表研究团队包括清华大学计算机系（专注于强化学习与知识推理）、北京大学机器感知国家重点实验室（计算机视觉）、中国科学院自动化研究所（模式识别与智能系统）、上海交通大学人工智能研究院（自然语言处理）等。很多博士研究生以在该期刊发表一篇论文为博士毕业的基本要求。
6.1.2 大陆地区引用贡献
中国学者发表论文所获引用占该期刊总引用的比例从2000年的约5%升至2023年的约25%。中国论文被引次数的中位数高于期刊整体水平，表明中国团队在该期刊发表的论文质量较高。中国学者最为活跃的被引方向包括深度生成模型、图神经网络、视觉注意力机制和预训练语言模型。北京大学和清华大学的论文在引用排行榜上位列中国机构前二。
6.2 合作与活动
6.2.1 编委会中的华人成员
截至2024年，编委会中有6位华人学者担任领域编辑，包括清华大学朱军教授（机器学习）、北京大学查红彬教授（计算机视觉）、中国科学院自动化研究所王飞跃研究员（知识自动化）、香港科技大学杨强教授（联邦学习）、南京大学周志华教授（集成学习与随机森林），以及上海交通大学张娅教授（自然语言处理）。他们的加入促进了期刊在中国学术界的认知度和投稿量。
6.2.2 在中国举办的特刊或研讨会
2017年，期刊与CCF联合在北京举办了一场特刊征稿研讨会，主题为"人工智能在中国"，最终出版了一期由中国学者主导的特刊。2019年，期刊在上海举办了"AI伦理与治理"特刊的专题研讨会，邀请了来自中国、欧盟和美国的学者讨论AI治理框架。2023年，为纪念期刊与中国学者的合作，出版了"中国人工智能研究前沿"特刊。
7 争议与批评
7.1 审稿公平性讨论
有部分学者批评期刊的审稿过程存在"马太效应"：来自著名高校或大企业研究团队的论文更易获得录用，而来自较小机构或发展中国家的论文被拒率偏高。此外，单盲评审机制遭到质疑，因为审稿人知道作者背景，可能存在偏见。期刊回应称，曾尝试双盲评审试点，但因领域高度专业化、审稿人仍可识别作者身份而效果有限。近年来，期刊通过加强领域编辑培训和盲法审稿选项来提升公平性。
7.2 出版速度与版面费
尽管官方宣称首次决定时间为45-60天，但许多作者反映实际周期更长，尤其是涉及多个领域编辑协调的交叉学科论文，审稿周期可延长至4-6个月。出版速度慢于一些新兴的20-30天即可决定的期刊。此外，开放获取论文的文章处理费（APC）高达3500美元（2024年价格），对资金来源有限的团队构成负担。非开放获取的传统出版模式也需缴纳版面费（第11页起每页100美元），约50%的录用论文需缴纳版面费。
7.3 抄袭与学术不端事件案例
2019年，期刊撤回了一篇被证实整段抄袭其他论文的中国学者的稿件，引发广泛关注。2022年，一篇被质疑在同行评审过程中作者自引率过高的论文被要求修改并增加编辑备注。期刊加强了反抄袭措施，使用iThenticate软件对所有提交稿件进行重复率检测，并建立了学术不端处理标准流程，包括听证、调查和撤稿机制。
8 相关资源与链接
8.1 官方网站与投稿系统
官方网站位于Elsevier的ScienceDirect平台下，域名：https://www.sciencedirect.com/journal/ai 和 https://www.journals.elsevier.com/ai。投稿系统由Elsevier Editorial System（EES）支持，地址为 https://www.editorialmanager.com/ai。用户可通过该系统提交稿件、查看审稿状态和接收通知。官网提供作者指南、预印本政策、开放获取选择、伦理声明等详细信息。
8.2 社交媒体与新闻简报
期刊拥有官方X（原Twitter）账号 @AIJournal ，粉丝约2万，定期发布最新出版论文的科普推文。设有LinkedIn社群，用于发布期刊公告和会议通知。每季度发送电子新闻简报，覆盖期刊动态、特刊征稿、高被引论文推荐和领域动态。新闻简报可通过官网免费订阅，全球订阅者约1.5万人。2023年开设微信公众号"AIJournal中文版"，主要面向中国学者推送中文版论文摘要和投稿指南。
8.3 兄弟期刊与推荐阅读
8.3.1 《机器学习研究杂志》（JMLR）
《机器学习研究杂志》（Journal of Machine Learning Research，JMLR）是机器学习领域的顶级期刊，创刊于2000年，由麻省理工学院出版社出版。JMLR采用完全开放获取和免费出版模式，以理论性、实证性并重著称。许多杰出论文同时发表于《人工智能》期刊和JMLR。两期刊在审稿标准和关注点上互补：《人工智能》更广泛地覆盖整个AI领域，而JMLR专注于机器学习理论的深入与创新。
8.3.2 《IEEE模式分析与机器智能汇刊》（TPAMI）
《IEEE模式分析与机器智能汇刊》（IEEE Transactions on Pattern Analysis and Machine Intelligence，TPAMI）是IEEE计算机学会出版的旗舰AI期刊，创刊于1979年。TPAMI聚焦计算机视觉、模式识别和机器智能领域，影响因子常年保持在20以上。与《人工智能》期刊相比，TPAMI更强调应用实验和实际系统性能，而《人工智能》则更注重理论创新和基础算法。《人工智能》期刊与TPAMI在编委成员和引用网络上有部分重叠，共同构成人工智能领域最有影响力的期刊矩阵。