对大数据时代人工智能领域近期出现的若干理论和技术进展进行了综述，认为将数据驱动机器学习方法与人类的常识先验与隐式直觉有效结合，可以实现可解释、更鲁棒和更通用的人工智能。AI 2.0时代大数据人工智能具体表现为：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习；从领域任务驱动智能到更为通用条件下的强人工智能（从经验中学习）。下一代人工智能（AI 2.0）将改变计算本身，将大数据转变为知识，以支持人类社会更好决策。

文章配图：从数据到知识

　　2.《AI 2.0时代的群体智能》

　　作者：李未、吴文峻、王怀民、程学旗、陈华钧、周志华、丁嵘

　　认为基于互联网的信息物理世界深刻地改变了人工智能发展的信息环境，将人工智能研究的新浪潮推进到人工智能2.0新纪元。作为AI 2.0时代最突出的研究特点之一，群体智能引起了产业界和学术界的广泛关注。具体来说，为应对挑战，群体智能提供了一种通过聚集群体的智慧解决问题的新模式。特别是由于共享经济的快速发展，群体智能不仅成为了解决科学难题的新途径，而且也已融入日常生活的各个方面，例如线上到线下（online-to-offline, O2O）应用、实时交通监控、物流管理。该文对现有群体智能研究成果进行总结和综述。首先，论述了群体智能的基本概念，并对其与现有相关概念（如众包和人本计算）的关系进行了解释。然后，介绍了4类具有代表性的群体智能平台，总结了3项核心问题以及最新的群体智能技术。最后，讨论了群体智能研究的发展方向。

文章配图：参与式和移动人群感知

　　3.《跨媒体分析与推理：研究进展与发展方向》

　　作者：彭宇新、朱文武、赵耀、徐常胜、黄庆明、卢汉清、郑庆华、黄铁军、高文

　　认为随着人类文明的进步以及科技的发展，信息的传播从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多种媒体形态，越来越显现跨媒体特性，而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。本文从7个方面对跨媒体分析与推理进行综述：（1）跨媒体统一表征理论与模型；（2）跨媒体关联理解与深度挖掘；（3）跨媒体知识图谱构建与学习方法；（4）跨媒体知识演化与推理；（5）跨媒体描述与生成；（6）跨媒体智能引擎；（7）跨媒体智能应用。

文章配图：多模态数据统一表征方法示例

　　4.《混合—增强智能：协作与认知》

　　作者：郑南宁、刘子熠、任鹏举、马永强、陈仕韬、余思雨、薛建儒、陈霸东、王飞跃

　　认为由于人类面临的许多问题具有不确定性、脆弱性和开放性，任何智能程度的机器都无法完全取代人类，这就需要将人的作用或人的认知模型引入到人工智能系统中，形成混合—增强智能的形态，这种形态是人工智能或机器智能的可行的、重要的成长模式。混合—增强智能可以分为两类基本形式：一类是人在回路的人机协同混合增强智能，另一类是将认知模型嵌入机器学习系统中，形成基于认知计算的混合智能。该文讨论人机协同的混合—增强智能的基本框架，以及基于认知计算的混合—增强智能的基本要素——直觉推理与因果模型、记忆和知识演化；特别论述了直觉推理在复杂问题求解中的作用和基本原理，以及基于记忆与推理的视觉场景理解的认知学习网络；阐述了竞争—对抗式认知学习方法，并讨论了其在自动驾驶方面的应用；最后给出混合—增强智能在相关领域的典型应用。

文章配图：人在回路的混合增强智能

文章配图：知觉推理与认知映射的关系

文章配图：企业协作决策的混合增强智能的一般框架

　　5.《AI 2.0时代的类人与超人感知：研究综述与趋势展望》

　　作者：田永鸿、陈熙霖、熊红凯、李洪亮、戴礼荣、陈婧、兴军亮、陈靖、吴玺宏、胡卫明、胡郁、黄铁军、高文