立足国家发展全局，准确把握全球人工智能发展态势，找准突破口和主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度，全面提升经济社会发展和国防应用智能化水平。

 

　　（一）构建开放协同的人工智能科技创新体系

 

　　围绕增加人工智能创新的源头供给，从前沿基础理论、关键共性技术、基础平台、人才队伍等方面强化部署，促进开源共享，系统提升持续创新能力，确保我国人工智能科技水平跻身世界前列，为世界人工智能发展作出更多贡献。

 

　　1.建立新一代人工智能基础理论体系。

 

　　聚焦人工智能重大科学前沿问题，兼顾当前需求与长远发展，以突破人工智能应用基础理论瓶颈为重点，超前布局可能引发人工智能范式变革的基础研究，促进学科交叉融合，为人工智能持续发展与深度应用提供强大科学储备。

 

　　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。

 

　　围绕提升我国人工智能国际竞争力的迫切需求，新一代人工智能关键共性技术的研发部署要以算法为核心，以数据和硬件为基础，以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点，形成开放兼容、稳定成熟的技术体系。

 

　　知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱。

 

　　跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。

 

　　群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化。

 

　　混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术，构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。

 

　　自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术，无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术，服务机器人、特种机器人等核心技术，支撑无人系统应用和产业发展。

 

　　虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术，提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性，实现虚拟现实、增强现实等技术与人工智能的有机结合和高效互动。

 

　　智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术，研发具有自主学习能力的高效能类脑神经网络架构和硬件系统，实现具有多媒体感知信息理解和智能增长、常识推理能力的类脑智能系统。

 

　　自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术，推进人类与机器的有效沟通和自由交互，实现多风格多语言多领域的自然语言智能理解和自动生成。

 

　　专栏2　关键共性技术

 

　　1.知识计算引擎与知识服务技术。研究知识计算和可视交互引擎，研究创新设计、数字创意和以可视媒体为核心的商业智能等知识服务技术，开展大规模生物数据的知识发现。

 

　　2.跨媒体分析推理技术。研究跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，开发跨媒体分析推理引擎与验证系统。

 

　　3.群体智能关键技术。开展群体智能的主动感知与发现、知识获取与生成、协同与共享、评估与演化、人机整合与增强、自我维持与安全交互等关键技术研究，构建群智空间的服务体系结构，研究移动群体智能的协同决策与控制技术。

 

　　4.混合增强智能新架构和新技术。研究混合增强智能核心技术、认知计算框架，新型混合计算架构，人机共驾、在线智能学习技术，平行管理与控制的混合增强智能框架。

 

　　5.自主无人系统的智能技术。研究无人机自主控制和汽车、船舶、轨道交通自动驾驶等智能技术，服务机器人、空间机器人、海洋机器人、极地机器人技术，无人车间/智能工厂智能技术，高端智能控制技术和自主无人操作系统。研究复杂环境下基于计算机视觉的定位、导航、识别等机器人及机械手臂自主控制技术。

 

　　6.虚拟现实智能建模技术。研究虚拟对象智能行为的数学表达与建模方法，虚拟对象与虚拟环境和用户之间进行自然、持续、深入交互等问题，智能对象建模的技术与方法体系。

 

　　7.智能计算芯片与系统。研发神经网络处理器以及高能效、可重构类脑计算芯片等，新型感知芯片与系统、智能计算体系结构与系统，人工智能操作系统。研究适合人工智能的混合计算架构等。

 

　　8.自然语言处理技术。研究短文本的计算与分析技术，跨语言文本挖掘技术和面向机器认知智能的语义理解技术，多媒体信息理解的人机对话系统。

 

　　3.统筹布局人工智能创新平台。

 

　　建设布局人工智能创新平台，强化对人工智能研发应用的基础支撑。人工智能开源软硬件基础平台重点建设支持知识推理、概率统计、深度学习等人工智能范式的统一计算框架平台，形成促进人工智能软件、硬件和智能云之间相互协同的生态链。群体智能服务平台重点建设基于互联网大规模协作的知识资源管理与开放式共享工具，形成面向产学研用创新环节的群智众创平台和服务环境。混合增强智能支撑平台重点建设支持大规模训练的异构实时计算引擎和新型计算集群，为复杂智能计算提供服务化、系统化平台和解决方案。自主无人系统支撑平台重点建设面向自主无人系统复杂环境下环境感知、自主协同控制、智能决策等人工智能共性核心技术的支撑系统，形成开放式、模块化、可重构的自主无人系统开发与试验环境。人工智能基础数据与安全检测平台重点建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台等，形成人工智能算法与平台安全性测试评估的方法、技术、规范和工具集。促进各类通用软件和技术平台的开源开放。各类平台要按照军民深度融合的要求和相关规定，推进军民共享共用。

 

　　专栏3　基础支撑平台

 

　　1.人工智能开源软硬件基础平台。建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、基于人工智能硬件的新产品设计平台、未来网络中的大数据智能化服务平台等。

 

　　2.群体智能服务平台。建立群智众创计算支撑平台、科技众创服务系统、群智软件开发与验证自动化系统、群智软件学习与创新系统、开放环境的群智决策系统、群智共享经济服务系统。

 

　　3.混合增强智能支撑平台。建立人工智能超级计算中心、大规模超级智能计算支撑环境、在线智能教育平台、“人在回路”驾驶脑、产业发展复杂性分析与风险评估的智能平台、支撑核电安全运营的智能保障平台、人机共驾技术研发与测试平台等。

 

　　4.自主无人系统支撑平台。建立自主无人系统共性核心技术支撑平台，无人机自主控制以及汽车、船舶和轨道交通自动驾驶支撑平台，服务机器人、空间机器人、海洋机器人、极地机器人支撑平台，智能工厂与智能控制装备技术支撑平台等。

 

　　5.人工智能基础数据与安全检测平台。建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台，建立人工智能算法与平台安全性测试模型及评估模型，研发人工智能算法与平台安全性测评工具集。

 

　　4.加快培养聚集人工智能高端人才。

 

　　把高端人才队伍建设作为人工智能发展的重中之重，坚持培养和引进相结合，完善人工智能教育体系，加强人才储备和梯队建设，特别是加快引进全球顶尖人才和青年人才，形成我国人工智能人才高地。

 

　　培育高水平人工智能创新人才和团队。支持和培养具有发展潜力的人工智能领军人才，加强人工智能基础研究、应用研究、运行维护等方面专业技术人才培养。重视复合型人才培养，重点培养贯通人工智能理论、方法、技术、产品与应用等的纵向复合型人才，以及掌握“人工智能+”经济、社会、管理、标准、法律等的横向复合型人才。通过重大研发任务和基地平台建设，汇聚人工智能高端人才，在若干人工智能重点领域形成一批高水平创新团队。鼓励和引导国内创新人才、团队加强与全球顶尖人工智能研究机构合作互动。

 

　　加大高端人工智能人才引进力度。开辟专门渠道，实行特殊政策，实现人工智能高端人才精准引进。重点引进神经认知、机器学习、自动驾驶、智能机器人等国际顶尖科学家和高水平创新团队。鼓励采取项目合作、技术咨询等方式柔性引进人工智能人才。统筹利用“千人计划”等现有人才计划，加强人工智能领域优秀人才特别是优秀青年人才引进工作。完善企业人力资本成本核算相关政策，激励企业、科研机构引进人工智能人才。

 

　　建设人工智能学科。完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。