The "Gold Rush" in AI and Robotics Patenting Activity. Do innovation systems have a role?

Dit artikel analyseert patenttrends in kunstmatige intelligentie en robotica van 1980 tot 2019 en concludeert dat innovatiesystemen, zoals het sterk door de overheid gedreven Chinese model versus het marktgerichte Amerikaanse model, een cruciale rol spelen in de dynamiek en integratie van deze technologieën.

De kern

De Gouden Koorts van Robots en AI: Wie doet wat en hoe?

Stel je voor dat de wereld van technologie een enorme gouden mijn is. De "goudkoorts" die we nu zien, gaat niet alleen over het vinden van goud (nieuwe uitvindingen), maar vooral over wie de eerste is die de goudmijn bezit en hoe ze die bewerken.

Deze studie kijkt naar de afgelopen 40 jaar (1980-2019) en doet iets heel slimme: ze maakt onderscheid tussen drie soorten "mijnwerkers":

1. De "Hersenen" (Kern-AI): Dit zijn de slimme algoritmes die leren en redeneren, maar nog geen lichaam hebben. Denk aan de software die een computer slim maakt.
2. De "Arbeiders" (Traditionele Robots): Dit zijn de robots die je kent uit fabrieken. Ze doen precies wat ze zijn geprogrammeerd om te doen. Ze zijn sterk en snel, maar ze kunnen niet echt "nadenken". Ze volgen een strak script.
3. De "Super-Arbeiders" (AI-robots): Dit is de nieuwe generatie. Het zijn robots die de "hersenen" (AI) in hun lijf hebben. Ze kunnen zien, leren van fouten en zich aanpassen aan nieuwe situaties.

De onderzoekers (Guidetti, Leoncini en Macaluso) willen weten: Groeien deze drie groepen samen, of lopen ze elk hun eigen weg? En speelt het land waar ze vandaan komen een rol?

De Grote Verandering (De "Kippenhok"-Metafoor)

Voor 2010 leek het alsof de "Super-Arbeiders" (AI-robots) gewoon langzaam groeiden, net als de oude "Arbeiders". Maar toen, rond 2010, gebeurde er iets magisch.

Stel je voor dat je een kippenhok hebt. Tot 2010 legden de kippen (de uitvindingen) langzaam eieren. Maar plotseling, rond 2010, veranderde het kippenhok in een eierfabriek. De productie explodeerde.

• De "Hersenen" (AI) groeiden al snel.
• De "Super-Arbeiders" (AI-robots) begonnen pas echt te rennen na 2010.
• De oude "Arbeiders" (traditionele robots) bleven rustig doorgaan, maar werden niet meer de snelste groeiers.

De studie concludeert: De echte revolutie is dat robots nu "slim" worden. Het is niet meer alleen maar mechanica; het is nu software die in het metaal zit.

De Verschillende Landen: Verschillende Speelregels

Dit is het meest interessante deel. De onderzoekers kijken naar hoe verschillende landen met deze technologie omgaan. Ze vergelijken het met vier verschillende soorten teams die een wedstrijd spelen:

1. China: Het Georganiseerde Orkest 🇨🇳
In China werkt het als een groot, gecontroleerd orkest. De overheid is de dirigent.

• Hoe het werkt: De overheid geeft de muzieknoten voor en zorgt dat de muzikanten (bedrijven, universiteiten) perfect samenwerken.
• Het resultaat: De "Hersenen" (AI) en de "Super-Arbeiders" (AI-robots) groeien hier hand in hand. Ze zijn sterk verbonden. Als er een nieuw slim algoritme komt, wordt het direct ingebouwd in een robot. Het is een heel geïntegreerd systeem.

2. De Verenigde Staten: De Wild-West Markt 🇺🇸
In de VS is het meer een wilde markt, een "Wild West".

• Hoe het werkt: Er is weinig dirigent. Grote tech-giganten (zoals Google of Amazon) en startups vechten om de gouden bergen. De overheid helpt met geld, maar roept niet wie wat moet doen.
• Het resultaat: Hier groeien de "Hersenen" en de "Super-Arbeiders" minder samen. De slimme software wordt vaak los ontwikkeld door één bedrijf, en de robots door een ander. Ze werken wel samen, maar er is minder strakke coördinatie dan in China. Het is meer een verzameling van individuele winnaars dan één groot team.

3. Europa, Japan en Zuid-Korea: De Tussenweg 🇪🇺🇯🇵🇰🇷
Deze landen zitten ergens in het midden.

• Hoe het werkt: Ze hebben een mix van marktwerking en overheidsondersteuning.
• Het resultaat: Soms werken de technologieën goed samen, soms niet. Het hangt vaak af van het specifieke vakgebied (bijvoorbeeld: in de elektronica werken ze goed samen, in de mechanica misschien minder).

Waarom is dit belangrijk?

Vroeger keken mensen alleen naar het aantal robots dat in fabrieken werd gebruikt (alsof je alleen telt hoeveel mensen er werken). Maar deze studie zegt: "Nee, kijk niet alleen naar het aantal, kijk naar de kwaliteit!"

Het maakt een enorm verschil of een robot dom is (altijd hetzelfde doet) of slim is (kan leren).

• Als een land (zoals China) slimme robots en slimme software samen laat groeien, kunnen ze sneller innoveren.
• Als landen (zoals de VS) het meer aan de markt overlaten, kunnen ze sneller doorbraken hebben, maar misschien minder gestructureerd.

Conclusie in één zin

Deze studie laat zien dat de "gouden koorts" van AI en robots niet overal hetzelfde verloopt: China bouwt een perfect geïntegreerd systeem van slimme robots, terwijl de VS meer vertrouwt op losse, competitieve uitvindingen. De toekomst van robots hangt dus niet alleen af van de technologie zelf, maar ook van hoe een land samenwerkt om die technologie te maken.

Technische samenvatting

Hier is een gedetailleerde technische samenvatting van het paper "The 'Gold Rush' in AI and Robotics Patenting Activity. Do innovation systems have a role?" in het Nederlands.

1. Probleemstelling en Doel

Het paper adresseert een belangrijke empirische lacune in de economische literatuur over kunstmatige intelligentie (AI) en robotica. Bestaande studies behandelen robotica vaak als een homogene technologie (gebaseerd op adoptiegegevens van industriële robots) of analyseren AI als een apart domein, zonder de specifieke interactie tussen de twee te onderzoeken.

De centrale vraag is of traditionele robots en robots die AI-functies integreren (AI-geïmplementeerde robots) empirisch kunnen worden onderscheiden als aparte technologische domeinen, en hoe hun evolutie verschilt tussen verschillende nationale innovatiesystemen (VS, China, Europa, Japan, Zuid-Korea). De auteurs willen begrijpen of deze domeinen gemeenschappelijke langetermijndynamieken delen en hoe institutionele contexten (zoals overheidsbeleid en marktmechanismen) de co-evolutie van AI en robotica beïnvloeden.

2. Methodologie

Dataverzameling en Constructie:

• Bron: De auteurs gebruiken de PATSTAT-database (EPO), het meest uitgebreide patentstatistische bestand, voor de periode 1980–2019.
• Eenheid van analyse: Patentfamilies (om dubbeltelling bij internationale indieningen te voorkomen), geaggregeerd per jaar.
• Nieuwe classificatie: Een cruciale bijdrage is de constructie van een dataset die drie exclusieve domeinen onderscheidt:
  1. Kern-AI: Uitvindingen gericht op fundamentele AI-capaciteiten (leren, redeneren, waarnemen, autonoom beslissen), gebaseerd op CPC-codes en trefwoorden.
  2. Traditionele Robots: Robotische systemen die werken op basis van vooraf geprogrammeerde, regelgebaseerde operaties (industriële, service- en sociale robots).
  3. AI-geïmplementeerde Robots (AI-enhanced): Robotische systemen die AI structureel integreren voor cognitieve, adaptieve of autonome functies.
• Identificatiestrategie: Een combinatie van CPC-codes, trefwoordzoekopdrachten in titels/abstracts en tekstmining (Python-algoritme) om "AI-intrinsieke" termen (zoals 'cognitive system', 'control theory') te koppelen aan robotpatenten. Dit maximaliseert zowel recall als precisie.

Econometrische Strategie:
De auteurs hanteren een tijdreeks-econometrische benadering in vier stappen:

1. Stationariteitsanalyse: Toepassing van de Augmented Dickey-Fuller (ADF) en KPSS-tests om te bepalen of de tijdreeksen niet-stationair zijn (geïntegreerd van orde 1, I(1)).
2. Structuurveranderingen: Gebruik van de Bai-Perron-test om meerdere structurele breuken in de tijdreeksen te identificeren.
3. Korte-termijndynamiek: Schatting van ARMA/ARIMA-modellen om de korte-termijnvolatiliteit en autoregressieve componenten te analyseren.
4. Cointegratieanalyse: Toepassing van de Engle-Granger-methode (gebaseerd op ADF-tests op de residuen) om te testen of er een langetermijnevenwicht (gemeenschappelijke stochastische trend) bestaat tussen de drie domeinen binnen verschillende landen. Dit test of de domeinen samen evolueren.

3. Belangrijkste Bijdragen

• Conceptuele Differentiatie: Het paper introduceert een nieuwe, empirisch onderbouwde onderscheiding tussen traditionele robotica en AI-geïmplementeerde robotica. Dit stelt onderzoekers in staat om de specifieke impact van AI als "General Purpose Technology" (GPT) op robotica te meten, in plaats van robotica als een monolithisch blok te behandelen.
• Nationale Innovatiesystemen: Het onderzoek koppelt technologische trajecten expliciet aan institutionele contexten. Het toont aan dat de integratie van AI in robotica niet uniform verloopt, maar afhankelijk is van het landelijke innovatiesysteem (bijv. staatsgestuurd vs. marktgedreven).
• Methodologische Vooruitgang: Door patentdata te combineren met geavanceerde tekstmining en tijdreeksanalyse, biedt het paper een robuustere manier om de evolutie van complexe, overlappende technologieën te volgen dan eerdere studies die zich baseerden op adoptiegegevens.

4. Resultaten

A. Dynamiek en Structurele Breuken:

• De drie domeinen volgen distincte langetermijnpaden. Kern-AI groeit snel en ongelijkmatig. Traditionele robots volgen een geleidelijke, stabiele groeicurve.
• AI-geïmplementeerde robots vertonen een scherpe versnelling vanaf het begin van de jaren 2010.
• Structurele breuken (plotselinge veranderingen in het groeipatroon) komen voornamelijk voor na 2010 voor zowel AI als AI-geïmplementeerde robots. Traditionele robots vertonen eerder breuken (jaren '80 en '90), wat aangeeft dat de recente robotische innovatie grotendeels gedreven wordt door AI-diffusie en niet door incrementele verbeteringen in conventionele automatisering.

B. Langetermijnrelaties (Cointegratie) per Land:
De cointegratietests onthullen systematische verschillen in hoe AI en robotica samen evolueren:

• China: Toont sterke cointegratie tussen Kern-AI en AI-geïmplementeerde robots. Dit suggereert een hoge mate van integratie, gedreven door een staatsgestuurd systeem waarbij universiteiten, de publieke sector en bedrijven nauw samenwerken.
• Verenigde Staten: Toont een zwakkere integratie. Er is weinig cointegratie tussen de domeinen op het niveau van de aanvrager. Dit past bij een marktgericht systeem waar concurrentie en acquisities door tech-giganten domineren, maar waar minder gecoördineerde langetermijnintegratie tussen AI en robotica plaatsvindt.
• Europa, Japan en Zuid-Korea: Vertonen intermediaire patronen.
  • Europa: Toont cointegratie tussen traditionele robots en AI-geïmplementeerde robots, maar minder tussen AI en robots.
  • Japan: Lijkt meer op het Chinese model (sterke integratie tussen AI en AI-robots).
  • Zuid-Korea: Neigt meer naar het Amerikaanse model, met variatie afhankelijk van de technische sectie (bijv. sterk in elektriciteit).

C. Institutionele Interpretatie:
De resultaten ondersteunen het kader van Jacobides et al. (2021):

• Het Chinese systeem (staatsgedreven) faciliteert sterke co-evolutie en integratie.
• Het Amerikaanse systeem (marktgedreven) kenmerkt zich door lagere coördinatie en versnippering in de patentactiviteit tussen de domeinen.
• Het Europese systeem ligt hier tussenin, met een focus op de overleving van gevestigde ondernemingen via samenwerking.

5. Betekenis en Conclusie

Het paper concludeert dat de relatie tussen AI en robotica niet wordt gekenmerkt door een uniform diffusiepatroon, maar door een gedifferentieerde technologische co-evolutie.

• Economische Implicatie: De economische impact van AI als een algemene technologie hangt niet alleen af van de uitbreiding van het AI-veld zelf, maar ook van de institutionele en sectorale context waarin het wordt ingebouwd.
• Beleid: De bevindingen onderstrepen dat innovatiebeleid (zoals in China's "Global AI Governance Action Plan" versus de VS's "AI Action Plan") directe gevolgen heeft voor hoe technologieën samensmelten. Een staatsgestuurd systeem kan snellere integratie van AI in robotica bewerkstelligen dan een puur marktgedreven systeem.
• Toekomstig Onderzoek: De ontwikkelde classificatie biedt een basis voor verdere analyse van de effecten op productiviteit, arbeidsmarkten en patentkwaliteit, en kan helpen om de impact van de post-COVID-periode op deze technologische convergentie te meten.

Kortom, het paper levert het eerste systematische tijdreeksbewijs dat de "gouden koorts" in AI en robotica fundamenteel verschilt per land, afhankelijk van hoe hun innovatiesystemen zijn ingericht.