|
突破应用基础理论瓶颈。瞄准应用目标明确、有望引领人工智能技术升级的基础理论方向，加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。大数据智能理论重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识到决策的能力。跨媒体感知计算理论重点突破低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法，实现超人感知和高动态、高维度、多模式分布式大场景感知。混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论，实现学习与思考接近或超过人类智能水平的混合增强智能。群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型，形成基于互联网的群体智能理论体系。自主协同控制与优化决策理论重点突破面向自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论，形成自主智能无人系统创新性理论体系架构。 布局前沿基础理论研究。针对可能引发人工智能范式变革的方向，前瞻布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。高级机器学习理论重点突破自适应学习、自主学习等理论方法，实现具备高可解释性、强泛化能力的人工智能。类脑智能计算理论重点突破类脑的信息编码、处理、记忆、学习与推理理论，形成类脑复杂系统及类脑控制等理论与方法，建立大规模类脑智能计算的新模型和脑启发的认知计算模型。量子智能计算理论重点突破量子加速的机器学习方法，建立高性能计算与量子算法混合模型，形成高效精确自主的量子人工智能系统架构。 开展跨学科探索性研究。推动人工智能与神经科学、认知科学、量子科学、心理学、数学、经济学、社会学等相关基础学科的交叉融合，加强引领人工智能算法、模型发展的数学基础理论研究，重视人工智能法律伦理的基础理论问题研究，支持原创性强、非共识的探索性研究，鼓励科学家自由探索，勇于攻克人工智能前沿科学难题，提出更多原创理论，作出更多原创发现。 专栏1 基础理论 1.大数据智能理论。研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论和方法、综合深度推理与创意人工智能理论与方法、非完全信息下智能决策基础理论与框架、数据驱动的通用人工智能数学模型与理论等。 2.跨媒体感知计算理论。研究超越人类视觉能力的感知获取、面向真实世界的主动视觉感知及计算、自然声学场景的听知觉感知及计算、自然交互环境的言语感知及计算、面向异步序列的类人感知及计算、面向媒体智能感知的自主学习、城市全维度智能感知推理引擎。 3.混合增强智能理论。研究“人在回路”的混合增强智能、人机智能共生的行为增强与脑机协同、机器直觉推理与因果模型、联想记忆模型与知识演化方法、复杂数据和任务的混合增强智能学习方法、云机器人协同计算方法、真实世界环境下的情境理解及人机群组协同。 4.群体智能理论。研究群体智能结构理论与组织方法、群体智能激励机制与涌现机理、群体智能学习理论与方法、群体智能通用计算范式与模型。 5.自主协同控制与优化决策理论。研究面向自主无人系统的协同感知与交互，面向自主无人系统的协同控制与优化决策，知识驱动的人机物三元协同与互操作等理论。 6.高级机器学习理论。研究统计学习基础理论、不确定性推理与决策、分布式学习与交互、隐私保护学习、小样本学习、深度强化学习、无监督学习、半监督学习、主动学习等学习理论和高效模型。 7.类脑智能计算理论。研究类脑感知、类脑学习、类脑记忆机制与计算融合、类脑复杂系统、类脑控制等理论与方法。 8.量子智能计算理论。探索脑认知的量子模式与内在机制，研究高效的量子智能模型和算法、高性能高比特的量子人工智能处理器、可与外界环境交互信息的实时量子人工智能系统等。 2.建立新一代人工智能关键共性技术体系。 (责任编辑：本港台直播) |