“新一代人工智能”研究的三大重點方向

https://www.toutiao.com/a6652872822005694987/

1. 新一代人工智能的基礎理論

聚焦人工智能重大科學前沿問題， 以突破人工智能基礎機理、模型和算法瓶頸為重點， 重點布局可能引發人工智能范式變革的新一代人工智能基礎理論研究， 為人工智能持續發展與深度應用提供強大科學儲備。

1.1 新一代神經網絡模型

借鑒神經認知機理和機器學習數學方法等， 開展神經網絡模型非線性映射、網絡結構自動演化、神經元和模塊功能特異化、小樣本學習/弱標簽/無標簽樣本學習、可解釋性等新理論和新方法的研究， 本質性提升深度神經網絡支撐解決現實人工智能問題的范圍和能力。

1.2 面向開放環境的自適應感知

針對應用場景變換易導致智能系統性能急劇下降問題， 發展適應能力強的層次化網絡結構、可連續學習的機器學習策略及一般性效能度量方法， 突破無監督學習、經驗記憶利用、內隱知識發現與引導及注意力選擇等難點， 推動形成開放環境和變化場景下的通用型感知智能。

1.3 跨媒體因果推斷

研究基于跨媒體的人類常識知識形成的機器學習新方法， 并在常識知識支持下對跨媒體數據進行自底向上的深度抽象和歸納， 有效管控不確定性的自頂向下演繹和推理， 建立邏輯推理、歸納推理和直覺頓悟相互協調補充的新模型和方法， 實現跨媒體從智能的關聯分析向常識知識支持下因果推斷的飛躍。

1.4 非完全信息條件下的博弈決策

針對人類經濟活動、人機對抗等非完全信息條件下的博弈特點， 結合機器學習、控制論、博弈論等領域進展， 研究不確定復雜環境下博弈對抗的動力學機制和優化決策模型， 把對抗學習和強化學習與動態博弈論進行融合， 實現非完全信息環境下任務導向的通用智能基礎模型和動態博弈決策理論。

1.5 群智涌現機理與計算方法

研究開放、動態、復雜環境下的大規模群體協作的組織模式和激勵機制， 建立可表達、可計算、可調控的復合式激勵算法， 探索個體貢獻匯聚成群體智能的涌現機理和演化規律， 突破面向全局目標的群體智能演進方法和時空敏感的群體智能協同，實現可預知、可引導和可持續的群體智能涌現。

1.6 人在回路的混合增強智能

研究不確定性、脆弱性和開放性條件下的任務建模、環境建模和人類行為建模， 發展人在回路的機器學習方法及混合增強智能評價方法， 把人對復雜問題分析與響應的高級認知機制與機器智能系統緊密耦合，有效避免由于人工智能技術的局限性引發的決策風險和系統失控， 實現復雜問題人機雙向協作和求解收斂。

1.7 復雜制造環境下的人機物協同控制方法

面向離散制造業和流程工業中復雜多維度人機物協同問題， 研究跨層、跨域的分布式網絡化協同控制方法， 突破人機物三元協同決策與優化理論， 實現人機物的虛實融合與動態調度， 探索無人加工生產線的重構及人機共融智能交互， 為智能工廠發展模式探索和標準體系建立提供理論與方法支撐。

2. 面向重大需求的關鍵共性技術

圍繞提升我國人工智能國際競爭力的迫切需求， 面向重大需求，突破新一代人工智能關鍵共性技術，以算法為核心， 數據和硬件為基礎， 全面提升感知識別、知識計算、認知推理、協同控制與操作、人機交互等能力， 形成開放兼容、穩定成熟的技術體系。

2.1 可泛化的領域知識學習與計算引擎

面向跨界融合新業態與知識創新服務需求，攻克大規模、綜合性知識中心建立所需要的關鍵技術。突破知識加工、深度搜索和可視交互等核心技術，形成概念識別、實體發現、屬性預測、知識演化和關系挖掘等能力， 實現知識持續增長的自動化獲取， 形成從數據到知識、從知識到服務的自主歸納和學習能力。在1-2 個知識密集型領域進行服務驗證， 達到或超越領域專家平均問答服務水平。

2.2 跨媒體分析推理技術系統

面向跨媒體內容監管、態勢分析及跨模態醫療分析等重大需求，研究跨媒體多元知識統一表征理論、模型和獲取方法，構建十億級別以上的適應跨媒體內容演化的知識圖譜和分析推理技術，建立從定向推理到通用推理的泛化機制。在1-2個典型應用場景下實現可回溯、可解釋的跨媒體智能推理， 準確率超過領域中級專家水平。

2.3 認知任務下的場景主動感知技術

針對復雜環境中的目標搜尋、場景分析和解釋等認知任務，研究自然場景的主動視覺感知、三維建模和定位技術；研究嘈雜場景中聲學環境探測與基于聽覺反饋機理的言語主動感知技術；研究視聽覺協同的從自然場景主動發現新目標及其屬性知識的認知技術。建立典型場景實驗平臺并進行功能驗證。

2.4 面向群體化軟件開發的群智激發匯聚研究

面向群體化軟件開發等大規模復雜群智創新活動，研究群智社區的協同與演化、群智任務的分解與適配等技術; 研究群智創新制品的分析評價、質量控制和復用融合等技術; 研究群智軟件制品的代碼標注、測試驗證和缺陷修復等技術。研究群智開源社區的群智激發匯聚機理和技術， 推動形成面向特定領域的百萬規模群智創新與人才培養生態， 有力促進人工智能技術和應用生態的建立。

2.5 人機協同軟硬件技術研究

面向智能制造和自動駕駛等人機協同應用場景，研究構造軟硬件一體化的人機協同技術平臺。研究適應真實世界情境理解與協同決策的模型與方法；研究從人機協同中混合人類直覺、經驗、行為的新型學習方法； 研制能自然理解環境和情景并能處理大規模知識的新型混合計算架構和智能軟硬件等。

2.6 無人系統自主智能精準感知與操控

針對海、陸、空、天無人平臺等自主智能發展需求，研究無約束環境下的基于多傳感器信息融合的協同感知方法； 研究大范圍場景語義建模和理解方法， 實現復雜環境的地圖構建、透徹感知與動態認知； 研究復雜場景下多源異構感知對象快速精準的分割、檢測、定位、跟蹤和識別方法。建立或利用已有自主智能系統進行技術驗證， 實現自主智能無人系統中的自然、精準、安全的交互與精準操控。

2.7 自主智能體的靈巧精準操作學習

針對復雜無人生產系統中對自主操作的需求，研究基于智能人機交互的復雜靈巧精確操作技能傳授和高效示范；研究實現對抓取、對準、趨近、裝入等復雜技能的機器學習和技能生成；研究自主智能體的靈巧作業運動規劃和協調控制，實現從技能到靈巧操作的運動映射；研究多層次操作技能表示方法，實現復雜技能的知識化表達；圍繞精密裝配等典型場景，進行靈巧操作技能學習技術驗證。

3. 智能芯片與系統

圍繞人工智能產業發展的關鍵環節和應用生態基礎建設， 從人工智能創新平臺和基礎支撐角度， 重點研究新型感知器件與系統， 人工神經網絡的關鍵技術標準以及人工智能開源開放平臺。

3.1 新型感知器件與芯片

研究能夠模擬生物視、聽、觸、嗅等感知通道的信號處理和信息加工機理，研制新型感知器件、芯片以及相應的神經網絡感知信息表示、處理、分析和識別算法模型，開發功能類似生物、性能超越生物的感知系統并實現功能驗證。

3.2 神經網絡處理器關鍵標準與驗證芯片

設計支持訓練和推理的神經網絡計算指令集，制定神經網絡表示與壓縮標準，在此基礎上開發高效基礎算法庫和開發接口標準，實現配套開發工具鏈，建立開放的、不依賴于具體芯片實現方式的芯片平臺標準，實現軟硬件系統接口的統一化。實現支持上述指令集、算法庫、標準及開發接口的驗證芯片和示例應用。

3.3 人工智能開源開放基礎平臺與智能操作系統原型

研究智能傳感器件、智能處理芯片和智能控制器等智能硬件資源管理技術， 開發支持多種異構硬件的人工智能開源開放基礎平臺。研究智能算法、知識庫等智能軟件和數據資源管理技術， 開發人工智能通用開源算法庫、模型庫以及人機交互的基礎軟件平臺。支持大規模智能任務的分布式分配和調度， 建立激勵創新、有機集成、快速應用的人工智能開源生態， 支持智能操作系統等基礎軟件和核心硬件的發展。