科技創(chuàng)新 2030—“新一代人工智能”重大項目 2020年度項目申報指南

為落實《新一代人工智能發(fā)展規(guī)劃》，啟動實施科技創(chuàng)新 2030—“新一代人工智能”重大項目。根據(jù)重大項目實施方案的部署，科技部組織編制了 2020年度項目申報指南，現(xiàn)予以正式發(fā)布。 

本重大項目的總體目標是：以推動人工智能技術持續(xù)創(chuàng)新和與經(jīng)濟社會深度融合為主線，按照并跑、領跑兩步走戰(zhàn)略，圍繞大數(shù)據(jù)智能、跨媒體智能、群體智能、混合增強智能、自主智能系統(tǒng)等五大方向持續(xù)攻關，從基礎理論、支撐體系、關鍵技術、創(chuàng)新應用四個層面構(gòu)筑知識群、技術群和產(chǎn)品群的生態(tài)環(huán)境，搶占人工智能技術制高點，妥善應對可能帶來的新問題和新挑戰(zhàn)，促進大眾創(chuàng)業(yè)萬眾創(chuàng)新，使人工智能成為智能經(jīng)濟社會發(fā)展的強大引擎。 

2020年度項目申報指南在新一代人工智能基礎理論、共性關鍵技術、新型感知與智能芯片、人工智能提高經(jīng)濟社會發(fā)展水平創(chuàng)新應用等 4個技術方向啟動 22個研究任務，擬安排國撥經(jīng)費概算5.6億元。項目鼓勵充分發(fā)揮地方和市場作用，強化產(chǎn)學研用緊密結(jié)合，調(diào)動社會資源投入新一代人工智能研發(fā)。指南技術方向 

“2.新一代人工智能共性關鍵技術”和“4.人工智能提高經(jīng)濟社會發(fā)展水平創(chuàng)新應用”所屬任務的項目，配套經(jīng)費與國撥經(jīng)費比例不低于 2:1；指南技術方向“3.新型感知與智能芯片”所屬任務的項目，配套經(jīng)費與國撥經(jīng)費比例不低于 1:1。

 各研究任務要求以項目為單元整體組織申報，項目須覆蓋所申報指南方向二級標題（例如：1.1）下的所有研究內(nèi)容并實現(xiàn)對應的研究目標。除特殊說明外，各研究任務擬支持項目數(shù)均為 1~2項，每個項目下設課題數(shù)不超過 5個，所含參研單位總數(shù)不超過10家，實施周期為 3~5年。項目設 1名項目負責人，項目中的每個課題設 1名課題負責人?；A理論部分研究任務 1.1—1.5的申報要求詳見具體申報說明。 

指南中“擬支持項目數(shù)為 1~2項”是指：在同一研究方向下，當出現(xiàn)申報項目評審結(jié)果前兩位評分評價相近、技術路線明顯不同的情況時，可同時支持這 2個項目。2個項目將采取分兩個階段支持的方式。建立動態(tài)調(diào)整機制，第一階段完成后將對 2個項目執(zhí)行情況進行評估，根據(jù)評估結(jié)果確定后續(xù)支持方式。 

1. 新一代人工智能基礎理論 

1.1腦結(jié)構(gòu)和功能啟發(fā)的新型神經(jīng)網(wǎng)絡模型 

研究內(nèi)容：針對當前神經(jīng)網(wǎng)絡計算模型依賴大量標注樣本、魯棒性和適應性差、可解釋性不足、能效比低等局限，研究受特定神經(jīng)環(huán)路啟發(fā)，發(fā)展具有記憶、稀疏編碼、自適應等特征的新一代神經(jīng)網(wǎng)絡模型；研究大規(guī)模復雜網(wǎng)絡的高效學習和計算方法，發(fā)展復雜網(wǎng)絡學習泛化性理論；設計具有自適應能力的神經(jīng)網(wǎng)絡結(jié)構(gòu)，突破自學習、小樣本學習、可解釋性等智能新理論與新方法。 

考核指標：構(gòu)建具備學習、記憶等認知能力的大規(guī)模神經(jīng)網(wǎng)絡計算模型；具備自適應可遷移能力，噪聲環(huán)境下的模型性能有數(shù)量級提升；設計自學習、小樣本學習方法，相同性能條件下所需標注數(shù)據(jù)數(shù)量級減少；通過知識歸納和遷移，對模型結(jié)果和性能提升具備可解釋性；開源新型神經(jīng)網(wǎng)絡計算數(shù)據(jù)、模型和代碼等。 

申報說明：本任務擬支持項目數(shù)不超過 4項，每個項目下設課題數(shù)不超過 2個，所含參研單位總數(shù)不超過 2家。 

1.2基于脈沖神經(jīng)網(wǎng)絡的感知—學習—決策神經(jīng)網(wǎng)絡模型 

研究內(nèi)容：構(gòu)建以脈沖神經(jīng)元和脈沖信息表達為核心的脈沖神經(jīng)網(wǎng)絡計算模型，研究基于脈沖時空模式的監(jiān)督學習、強化學習、無監(jiān)督學習和元學習等多種類腦學習機制，建立具備生物合理性和生物可解釋性的多尺度脈沖神經(jīng)網(wǎng)絡學習算法；充分借鑒脈沖神經(jīng)工作機制，研究面向多模態(tài)、不確定信息的感知、學習、決策的貝葉斯理論和模型，實現(xiàn)神經(jīng)元編碼、學習和記憶融合的視聽覺感知—學習—決策等復雜環(huán)路神經(jīng)網(wǎng)絡功能，以無人機、機器人等為載體探索自主智能實現(xiàn)途徑。 

考核指標：感知—學習—決策神經(jīng)網(wǎng)絡計算模型要求具備生物合理性與生物可解釋性；模擬學習和記憶融合的自主感知—學習—決策協(xié)同計算，能夠支持基于復雜視、聽、觸、嗅覺等感知的類腦自主學習與決策，具備多模態(tài)信息整合、知識泛化和概念學習能力，同一模型支持 5種以上學習、記憶和決策任務；構(gòu)建支持具有多尺度生物合理性的大規(guī)模類腦脈沖神經(jīng)網(wǎng)絡框架，開源類腦學習與決策脈沖神經(jīng)網(wǎng)絡數(shù)據(jù)、模型和代碼等。 

申報說明：本任務擬支持項目數(shù)不超過 4項，每個項目下設課題數(shù)不超過 2個，所含參研單位總數(shù)不超過 2家。 

1.3認知計算基礎理論與方法研究 

研究內(nèi)容：聚焦開放、動態(tài)、真實環(huán)境下推理與決策重大問題，開展常識學習、直覺推理、自主演化、因果分析等理論和方法研究，重點突破刻畫環(huán)境自適應、不完全推理、自主學習、對抗學習、智能體協(xié)同優(yōu)化等特點的認知計算理論和算法，在跨媒體智能、自主智能、群體智能或混合增強智能等智能形態(tài)方面實現(xiàn)應用驗證。 

考核指標：形成能適應多種智能形態(tài)的認知計算框架，構(gòu)建大規(guī)模、共享開放的跨媒體常識、客觀規(guī)律和時空事件等知識庫，提出并實現(xiàn)通用認知測試方法；在對抗決策、人機混合或自主學習中形成和常識結(jié)合的認知理論，建立相應算法在開放環(huán)境下魯棒性顯著提升的驗證環(huán)境；建立具有國際影響力的開放認知智能水平評測體系。 

申報說明：本任務擬支持項目數(shù)不超過 4項，每個項目下設課題數(shù)不超過 2個，所含參研單位總數(shù)不超過 2家。 

1.4以自然語言為核心的語義理解研究 

研究內(nèi)容：針對從互聯(lián)網(wǎng)海量文本、自然標注大數(shù)據(jù)和多模態(tài)關聯(lián)數(shù)據(jù)獲取開放域知識等問題，研究基于知識圖譜、事理圖譜等大規(guī)模多元知識的自然語言語義分析方法，研究可理解、可解釋文本生成方法，研究通過與環(huán)境和社會跨模態(tài)交互的語言進化計算模型，突破層次深、魯棒性強、對稀缺語料適應能力好的中文自然語言理解技術，為認知智能提供通用語言模型、生成方法和基本工具支撐。 

考核指標：從互聯(lián)網(wǎng)海量文本中自動獲取知識和語義分析能力得到可驗證的數(shù)量級提高；自主提出 5個以上語言文本分析和生成任務，達到與人類可比的認知水平；形成跨模態(tài)表達的語言理解基本模型，形成具有國際影響力的跨模態(tài)實體、事件理解、對話理解基準測試集；開源基準學習和測試集合、模型和語言理解基本工具等。 

申報說明：本任務擬支持項目數(shù)不超過 4項，每個項目下設課題數(shù)不超過 2個，所含參研單位總數(shù)不超過 2家。 

1.5高級機器學習理論研究 

研究內(nèi)容：研究具有自組織、自學習、自適應、自涌現(xiàn)等特點的機器學習新理論；研究不完全信息下推理決策與演化完善的學習理論；研究具有可解釋性的機器學習理論和方法；研究小樣本學習、深度強化學習、無監(jiān)督學習、半監(jiān)督學習、遷移學習、表征學習等理論和模型；研究量子機器學習、對偶學習、分布式學習、主動學習、元學習及其它高級機器學習基礎理論和方法等。 

考核指標：圍繞上述研究內(nèi)容和具體需求場景，形成從數(shù)據(jù)、模型到算法的理論成果，建立可驗證的系統(tǒng)，并開源數(shù)據(jù)、模型和代碼等。 

申報說明：本任務為開放性研究項目，申請者可就該方向中涉及的部分研究內(nèi)容進行申報，提出明確的任務目標和具體的考核指標。項目負責人需為 1980年 1月 1日后出生的青年研究人員。 

該研究任務擬支持項目數(shù)不超過 10項，項目不下設課題，每個項目所含參研單位總數(shù)不超過 2家。 

2. 新一代人工智能共性關鍵技術 

2.1人工智能安全理論及驗證平臺 

研究內(nèi)容：針對深度學習等模型，研究可信度量方法和安全形式化驗證方法，支持復雜智能系統(tǒng)內(nèi)在結(jié)構(gòu)與行為功能的一致性、可達性、安全性判定；研究包含智能組件的軟件系統(tǒng)的模型化開發(fā)和驗證技術以及基于動態(tài)數(shù)據(jù)收集的安全認證模型與方法，研制建模、開發(fā)與驗證一體化工具；在黑盒與白盒不同場景下，研究基于差分測試、變異測試、動態(tài)符號執(zhí)行測試等軟件測試技術的智能系統(tǒng)測試方法和測試樣本的自動生成等關鍵技術；針對惡意樣本等攻擊手段，研究具有可擴展性的可認證魯棒學習模型，研究新型的對抗實例訓練策略及驗證問題關系，提高測量防御技術的有效性；研究軟硬件一體的安全攸關復雜智能系統(tǒng)的安全驗證技術、優(yōu)化技術和硬件架構(gòu)安全適配。研究基于驗證與測試技術的智能系統(tǒng)全周期安全評估、魯棒性驗證和性能保障技術與方法，形成相應的認證規(guī)范流程。 

考核指標：建立多領域技術融合、支持大規(guī)模人工智能系統(tǒng)自主安全防御的理論體系；提出不少于 3種具有群體智能魯棒性構(gòu)造、惡意攻擊自動識別的安全自動化攻防技術；突破安全關鍵復雜智能系統(tǒng)的可信驗證技術，支持不少于 3種常見深度學習模型及 1種常見開發(fā)框架的安全結(jié)構(gòu)度量和形式化驗證，參數(shù)規(guī)模不低于百萬級；突破軟硬件一體驗證與優(yōu)化技術，支持不少于 3種硬件環(huán)境。建立支持主流大數(shù)據(jù)集上億級神經(jīng)網(wǎng)絡參數(shù)的智能安全防御與性能驗證測試，實現(xiàn)準實時運行響應；開發(fā)一套針對人工智能系統(tǒng)的攻擊防御平臺，支持多種針對人工智能系統(tǒng)的攻防對抗推演。 

2.2以中文為核心的多語種自動翻譯研究 

研究內(nèi)容：聚焦語言大互通的需要，研發(fā)以中文為核心的多語種、多模態(tài)口語自動翻譯技術，重點突破面向數(shù)據(jù)和專家資源稀缺的小語種語音及語言技術研發(fā)的無監(jiān)督/弱監(jiān)督學習、遷移學習、端到端語音翻譯等技術，突破具備場景感知能力的圖像光學字符識別、翻譯和圖像生成技術，實現(xiàn)高可用近遠場口語語音識別和語音合成技術，以及相關語種到漢語之間的雙向互譯技術，并完成相應的語音翻譯和圖片翻譯的云服務在智能終端上的應用，實現(xiàn)政務、教育、媒體、商務、旅游、就醫(yī)等典型場景的口語自動翻譯服務。 

考核指標：在即時和近遠場翻譯場景下，實現(xiàn)哈薩克語、阿拉伯語、俄語、泰語、馬來語、越南語、印尼語、維吾爾語等多個小語種到漢語之間的雙向語音翻譯和圖片翻譯，形成面向多種應用場景的自動翻譯系統(tǒng)和驗證應用；小語種近場口語翻譯的忠實度和完整度可達到人類同傳水平；近距離、少噪聲條件下，印刷品識別準確率達到 98%以上，翻譯忠實度超過 90%；遠距離、多噪聲條件下，非印刷品識別準確率達到 90%以上，翻譯忠實度超過 80%。 

2.3安全可信的人機共駕系統(tǒng) 

研究內(nèi)容：針對動態(tài)、開放的真實交通環(huán)境下無人駕駛車輛適應性差、安全性弱等問題，研究人類駕駛員和智能駕駛系統(tǒng)同時在環(huán)共享駕駛權的人機共駕方法，實現(xiàn)人在回路的數(shù)據(jù)、信息、語義及知識等多層次的人機交互與協(xié)同；建立人機協(xié)同的多模態(tài)感知、意圖理解的計算模型，實現(xiàn)人機一致性的情境理解與預測、決策與控制；研究可解釋、可信的自主決策與可解譯的決策過程模型與算法，形成人機混合決策的在線評估理論與方法；構(gòu)建人機共駕的云學習平臺和支撐環(huán)境，實現(xiàn)安全、可信、舒適的智能駕駛。 

考核指標：提出并驗證針對系統(tǒng)對駕駛?cè)诵袨楦兄獪蚀_率、對駕駛?cè)藸顟B(tài)估計與意圖預測準確率、常規(guī)工況下駕駛行為的動態(tài)約束及反饋頻率、緊急工況下控制權分配與失效安全策略計算周期等關鍵指標；人機共駕系統(tǒng)中駕駛?cè)藢刂葡到y(tǒng)的預見性以及滿意度的主觀評分在 8分以上（10分制）；搭建分析人機耦合與人機共駕機理的軟件虛擬仿真平臺 1套、硬件在環(huán)半實物仿真平臺1套、人機共駕云學習平臺 1套，核心技術在權威國際評測中達到先進水平，提交相關國際標準提案 1~2項。 

2.4無人集群系統(tǒng)自主協(xié)同關鍵技術研究及驗證 

研究內(nèi)容：針對高動態(tài)、不確定、資源受限等復雜環(huán)境，面向協(xié)同區(qū)域搜索、集群優(yōu)化調(diào)度等多任務應用需求，研究無人集群系統(tǒng)的通用/開放式體系架構(gòu)和建模方法，提升無人集群系統(tǒng)的場景適應能力和異構(gòu)無人自主系統(tǒng)間的互操作能力；研究不確定和資源受限條件下高質(zhì)量傳感數(shù)據(jù)處理、共享及多源信息融合技術，提升無人集群系統(tǒng)的分布式態(tài)勢感知與認知能力；研究可引導、可信任、可進化的集群無人系統(tǒng)規(guī)劃、決策與控制技術，提升無人集群系統(tǒng)的魯棒性和智能化水平；面向災害救援、環(huán)境監(jiān)測、區(qū)域物流、應急處理等應用場景，進行基于無人集群自主協(xié)同的驗證。 

考核指標：建立開放式的無人集群系統(tǒng)架構(gòu)，支持集群節(jié)點數(shù)量不少于 100個，支持不少于 3種復雜動態(tài)任務場景，并具備節(jié)點可動態(tài)加入、撤消的能力和任務場景的可擴展能力；實現(xiàn)由至少 3種異構(gòu)無人自主平臺組成的集群任務驗證；能夠適應強干擾、變通信拓撲等挑戰(zhàn)環(huán)境下的態(tài)勢感知和認知任務要求，實現(xiàn)至少 3種針對無人集群系統(tǒng)自主協(xié)同的安全測試；互操性滿足國家相關標準；實現(xiàn)不依賴于群體規(guī)模的任務規(guī)劃、自主決策與控制算法，實現(xiàn)通用計算平臺下實時規(guī)劃和決策，并建立群體智能的自主學習與進化模式，形成可快速進行大規(guī)模應用復制的應用驗證，提交相關國際標準提案 1~2項。

2.5具有自主學習能力的品質(zhì)檢驗關鍵技術 

研究內(nèi)容：以具有產(chǎn)品型號多樣、材質(zhì)透明反光、尺寸大小不一、質(zhì)檢崗位勞動力密集等特點的典型制造領域為驗證場景，針對產(chǎn)品材質(zhì)、加工工藝、表面形貌、折反光特性等方面的差異和外部環(huán)境光的不確定性，研制具有人眼仿生機理的成像系統(tǒng)；針對復雜背景下高效率、高精度、弱對比、多種類的缺陷檢測要求，研究小樣本、弱監(jiān)督、強噪聲條件下具備強適應能力的外觀缺陷技能學習關鍵技術；研究海量工業(yè)外觀數(shù)據(jù)的快速重塑映射管理方法，實現(xiàn)若干典型工業(yè)外觀數(shù)據(jù)庫的構(gòu)建；研究知識增長型的學習模型建立方法，實現(xiàn)甄別技能的在線學習與增強；研究技能遷移學習方法，實現(xiàn)多類別外觀的技能高效傳授，解決制造行業(yè)外觀檢測環(huán)節(jié)用工難的行業(yè)痛點。 

考核指標：構(gòu)建不少于 10類符合指南特點的工業(yè)外觀缺陷大規(guī)模數(shù)據(jù)庫，指標具有行業(yè)領先性；開發(fā)可在線學習與增強的甄別學習技能平臺軟件，形成任務遷移學習能力，實現(xiàn)不同質(zhì)檢任務遷移單次不超過 0.5小時；在典型場景下達到并超過人工檢測能力，召回率大于 97%，準確率大于 95%；可面向不同質(zhì)檢場景進行自主學習，形成具有適應能力的通用型品質(zhì)檢驗關鍵技術，在不少于 2個行業(yè)的龍頭企業(yè)形成代表性應用。 

2.6復雜社會信息網(wǎng)絡下的風險感知與智能決策研究 

研究內(nèi)容：面向多源、異構(gòu)和跨模態(tài)復雜社會信息，研究語義融合、網(wǎng)絡表征和動態(tài)演化的理論框架；提出面向多維度、多尺度社會信息網(wǎng)絡的風險感知、智能分析和群體決策的社會計算范式，研究和構(gòu)建融合全球多語種、跨模態(tài)大數(shù)據(jù)驅(qū)動的社會風險機理和分析模型與方法；研究信息網(wǎng)絡的實體及關聯(lián)知識聯(lián)合提取方法，構(gòu)建支撐風險評估與智能決策的時序知識圖譜，研究復雜社會網(wǎng)絡圖表征學習框架，提出領域知識與大數(shù)據(jù)驅(qū)動的超大群體智能決策方法，支持智能決策的自主評價與推演；構(gòu)建面向重大需求的風險預警、智能分析、群體決策的軟硬件一體化大數(shù)據(jù)計算平臺。 

考核指標：具備融合全球 20個以上語種、10萬家公開信息源的大規(guī)模社會信息的獲取和融合能力；構(gòu)建面向社會信息風險與決策的千萬級結(jié)點、億級邊的知識圖譜，研制不少于 100種社會風險感知與智能決策算法模型；具備在百億級條邊規(guī)模的社會復雜網(wǎng)絡上進行分析和決策的能力，實現(xiàn)千萬級節(jié)點規(guī)模網(wǎng)絡上的分鐘級搜索響應和分鐘級挖掘與推薦計算能力；在不少于 2個面向重大社會風險預警和智能決策的典型領域進行規(guī)?；瘧抿炞C。 

2.7億級節(jié)點時序圖譜實時智能分析關鍵技術與系統(tǒng) 

研究內(nèi)容：聚焦海量金融交易數(shù)據(jù)實時風險防控重大問題，研究建立多領域（股票、期貨、債券、上市公司、金融人物等）金融知識圖譜技術；構(gòu)建實時、動態(tài)、可追溯的超大規(guī)模時序關聯(lián)圖及實時智能分析研究，突破面向時序關聯(lián)圖的快速構(gòu)建、查詢語言設計、動態(tài)分析以及實時智能決策等關鍵技術；研究時序關聯(lián)圖的挖掘、推理與歸納以及可解釋規(guī)則自動生成，重點突破金融實時風控場景下數(shù)據(jù)與知識混合驅(qū)動的風險預測研究并開展應用驗證，通過對金融領域十億節(jié)點級別規(guī)模網(wǎng)絡構(gòu)建，實現(xiàn)相關領域知識圖譜融合以及關鍵節(jié)點辨識、推理和控制，達到風險預警及防范目的。 

考核指標：構(gòu)建面向金融領域的千萬級知識圖譜，涵蓋不少于5個領域，實現(xiàn)多個領域知識圖譜的關聯(lián)與融合；時序圖譜支持金融風險防范領域常用的時序復雜邊，具備單節(jié)點 10萬 tps、集群 200萬 tps關聯(lián)圖構(gòu)建能力，每筆處理平均延時在 10毫秒以內(nèi)；億級節(jié)點量級下實現(xiàn)不低于 4層時序復雜關系的查詢，平均延遲小于 1秒；支持基于時序關聯(lián)圖的金融實時風控場景高級認知模型研究，具備可解釋性，并在不少于 5家金融機構(gòu)進行風險防控的應用驗證。 

2.8復雜版面手寫圖文識別及理解關鍵技術研究 

研究內(nèi)容：聚焦千萬教師日常擔負大量試卷和作業(yè)閱卷工作的減負迫切需求，開展多學科多題型紙筆考試和作業(yè)的智能閱卷技術研發(fā)，基于教育大數(shù)據(jù)、跨媒體分析及自然語言理解等，突破面向紙筆考試及作業(yè)的復雜版面分析、手寫圖文及公式識別、作文自動評分、文科答案語義理解評分、理科解題步驟分析評分及抄襲檢測等智能閱卷關鍵技術，實現(xiàn)與教師閱卷能力協(xié)作的增強型高可用智能閱卷系統(tǒng)研發(fā)。 

考核指標：面向初高中真實考試作業(yè)數(shù)據(jù)的智能閱卷場景，復雜版面分析的準確率達到 99%以上，中英文作文的字識別準確率達到 98%以上，手寫圖文及公式識別準確率達到 96%以上，中英文作文自動評分及文科簡答題評分的人機一致性達到人人一致性的 99%以上，典型理科解題步驟分析評分的人機一致性達到人人一致性的 95%以上，抄襲檢測的準確率達到 98%以上，智能閱卷技術在語文、數(shù)學等學科以及 10所以上學校實現(xiàn)常態(tài)化應用。 

2.9擬人化人機交互服務關鍵技術與系統(tǒng) 

研究內(nèi)容：面向電話、在線文本客服和面對面咨詢、銷售及服務等復雜場景，研究口語化語音識別、擬人語音合成和口語化處理技術；研究基于場景知識圖譜的上下文語義解析和檢索技術、基于對話管理和知識驅(qū)動的多輪對話技術、基于用戶畫像的個性化反饋對話技術，以及基于對話狀態(tài)監(jiān)測的自動反饋應答技術等；研究突破高噪聲服務環(huán)境下的視聽覺環(huán)境感知技術，基于語音、五官、表情、手勢、肢體語言等多模態(tài)用戶意圖識別技術，基于語言及視覺的多模態(tài)知識表達與推理技術，突破真實場景下跨模態(tài)的多媒體及語義理解；研究用戶情感感知與個性化智能服務技術，以用戶體驗為中心的人機協(xié)同智能用戶服務技術；研究低資源場景下的遷移學習技術，研究解決對新場景系統(tǒng)冷啟動等問題；構(gòu)建具備反饋式學習能力的開放式智能客服平臺，實現(xiàn)面向全領域可定制的對話理解。 

考核指標：智能客服平臺實現(xiàn)口語識別準確率超過 95%、口語語音合成MOS得分接近人類水平、對話正確響應率不低于 95%的實測效果，提出能夠有效體現(xiàn)機器對話智能的圖靈測試方案，并在至少 3個領域通過測試驗證；實現(xiàn)規(guī)模為千萬級別的大數(shù)據(jù)用戶行為視頻理解，情感分析和行為理解準確率超過 90%；能夠進行多種復雜任務的領域遷移，具備支撐億級用戶規(guī)模應用的能力，給定任務完成率不低于 90%；對研究者授權開放帶標注的真實場景多輪對話不少于 100萬段。 

2.10混合增強在線教育關鍵技術與系統(tǒng)研究 

研究內(nèi)容：針對在線教育存在情境多變難感知、用戶體驗難適配、認知過載易迷航等難題，研究虛實結(jié)合的體驗式、沉浸化學習技術與環(huán)境；研究學習行為分析、意圖理解、認知狀態(tài)追蹤等學習認知模型，實現(xiàn)學習認知過程的多維度、跨學科跟蹤；綜合多模態(tài)人機交互、知識圖譜、強化學習等方法，研究面向個性化伴學的智能導學方法，打通學習規(guī)劃、內(nèi)容推薦、輔導答疑等環(huán)節(jié)，構(gòu)造因材施教、教學相長的虛擬智能助教和導師；研究基于人機混合智能的群體化學習組織、激勵、評測、輔導和優(yōu)化方法，建立支撐群體化課程學習和在線實踐的智能平臺；研究混合增強在線教學質(zhì)量綜合分析和優(yōu)化方法，探索數(shù)據(jù)驅(qū)動的智慧教育新范式。 

考核指標：實現(xiàn)大規(guī)模在線教育混合增強智能環(huán)境和平臺，在中小學的科學教育、高職技能培訓、大學專業(yè)教育等領域進行應用；提出能夠有效體現(xiàn)人機混合智能的虛擬助教和導師圖靈測試方案，并在 2個典型學科和規(guī)模人群進行測試驗證；在學習效率、學習興趣等方面提出人機混合增強教學環(huán)境的評估體系和具體評估指標；給出基于 10門以上學科、20家以上學校、面向上萬學生規(guī)?；炞C的評估結(jié)果。 

2.11室內(nèi)服務機器人自主學習與進化關鍵技術 

研究內(nèi)容：通過服務機器人、物理環(huán)境、運動目標等持續(xù)交互式學習建模，研究復雜家庭環(huán)境下服務機器人數(shù)字孿生環(huán)境關鍵技術與系統(tǒng)；通過事件驅(qū)動機制（如智能抓取、多模感知、柔性交互、敏捷家政等）和虛實融合，實現(xiàn)持續(xù)高效的進化訓練，實現(xiàn)大規(guī)模智能實驗模擬和智能增長；研究基于“感知—分析—決策—反饋”的多服務機器人群體智能，實現(xiàn)多個服務機器人自主協(xié)作；研究服務機器人決策行為評估、遂行任務效果的全過程評價方式，構(gòu)建相關評價標準和過程評估體系。 

考核指標：建立服務機器人本體和服務環(huán)境可靈活配置的數(shù)字孿生系統(tǒng)，至少支持 2種類型以上服務機器人本體，100多個室內(nèi)服務環(huán)境；建立服務機器人自主學習與進化理論與方法，通過數(shù)字孿生，服務機器人訓練效率數(shù)量級提升，完成 20種以上室內(nèi)服務任務，模型從虛擬到真實場景具有良好的可遷移性；服務機器人在不少于 20個社區(qū)、養(yǎng)老院、康復中心等機構(gòu)進行應用驗證；申請相關技術標準 2項。 

3. 新型感知與智能芯片 

3.1基于混合器件的神經(jīng)形態(tài)計算架構(gòu)及芯片研究 

研究內(nèi)容：聚焦生物腦工作機理的可計算模型實現(xiàn)，開展信息存儲與處理一體化理論研究，設計易于硬件實現(xiàn)的神經(jīng)元、突觸及網(wǎng)絡模型；研究基于硬件的神經(jīng)網(wǎng)絡動態(tài)配置、神經(jīng)元地址快速并行查找和在線學習技術，設計新型神經(jīng)形態(tài)計算架構(gòu)；研究應用于神經(jīng)形態(tài)芯片的新型器件及其集成技術。突破混合器件集成的大規(guī)模神經(jīng)形態(tài)芯片技術，構(gòu)建神經(jīng)形態(tài)芯片與現(xiàn)有計算機系統(tǒng)結(jié)合的混合計算應用平臺。 

考核指標：研制混合器件的神經(jīng)形態(tài)芯片，支持神經(jīng)網(wǎng)絡的在線學習與配置參數(shù)的非易失性，神經(jīng)元規(guī)模大于 20萬，突觸規(guī)模大于 2000萬，突觸讀寫訪問時間小于 50ns，芯片能效大于 1T脈沖操作/瓦；開發(fā)神經(jīng)形態(tài)計算功能驗證平臺，支持 400萬以上神經(jīng)元，性能大于 30T脈沖操作/秒；支持至少 2種典型智能任務。 

4. 人工智能提高經(jīng)濟社會發(fā)展水平創(chuàng)新應用 

4.1開放環(huán)境復雜制造過程智能調(diào)度方法及應用 

研究內(nèi)容：針對工業(yè)互聯(lián)網(wǎng)開放環(huán)境下、復雜制造過程調(diào)度面臨的大規(guī)模異構(gòu)制造資源高度動態(tài)不確定性等問題，研究基于全類型數(shù)據(jù)處理和領域知識深度遷移的復雜制造任務自適應感知與調(diào)度方法；研究面向制造云端與邊緣側(cè)動態(tài)協(xié)同的異構(gòu)制造資源高效調(diào)度方法；研究大規(guī)模跨組織、強耦合、不確定性制造應用流程協(xié)同優(yōu)化調(diào)度方法；突破異構(gòu)制造系統(tǒng)自適應集成技術、大規(guī)模制造資源協(xié)同云排產(chǎn)技術；研制面向工業(yè)互聯(lián)網(wǎng)開放環(huán)境的智能制造資源云平臺，提升制造過程整體效率，提高關鍵高價值設備工作效能、利用率和使用壽命，實現(xiàn)工業(yè)企業(yè)降本增效，面向高端裝備、汽車等典型離散制造業(yè)，在資源協(xié)同、協(xié)同設計、協(xié)同生產(chǎn)等典型場景開展應用研究。 

考核指標：形成新一代人工智能驅(qū)動的開放環(huán)境復雜制造過程監(jiān)測與調(diào)度方法技術體系；建立面向復雜制造過程調(diào)度的邊云協(xié)同人工智能框架，形成至少 5種制造大數(shù)據(jù)與遷移學習融合驅(qū)動的新型調(diào)度算法及調(diào)度服務；研制基于工業(yè)互聯(lián)網(wǎng)的開放環(huán)境智能制造資源云平臺，形成規(guī)?；髽I(yè)和制造資源集聚；面向高端裝備、汽車等至少 3個典型制造業(yè)行業(yè)領域開展應用研究，在落地應用中實現(xiàn)制造資源利用率提升 5%以上，產(chǎn)品制造周期縮短10%以上。 

4.2工業(yè)領域知識自動構(gòu)建與推理決策技術及應用 

研究內(nèi)容：圍繞制造業(yè)全產(chǎn)業(yè)鏈中核心業(yè)務環(huán)節(jié)，面向多行業(yè)、多學科、多源異構(gòu)、跨媒體的工業(yè)數(shù)據(jù)，研究工業(yè)制造機理和專家經(jīng)驗的知識表達范式理論；研究基于常識和專業(yè)知識圖譜的工業(yè)跨媒體、多學科知識抽取、融合、驗證、遷移、演化和表示學習技術；研究面向全產(chǎn)業(yè)鏈協(xié)同工作流的情境自適應知識索引、推理、推薦、可視交互決策技術；研制工業(yè)知識抽取與推理引擎，建立工業(yè)產(chǎn)業(yè)鏈知識協(xié)同平臺，面向智能制造供應鏈、研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、客戶服務等典型業(yè)務領域開展智能決策應用研究；研究工業(yè)領域知識開放共享平臺隱私侵犯與信息泄露防護技術。 

考核指標：建立涵蓋超過億級支撐性數(shù)據(jù)的工業(yè)領域本體庫及工業(yè)領域知識模型；研制工業(yè)知識抽取與推理引擎，建立工業(yè)產(chǎn)業(yè)鏈知識協(xié)同平臺，具備知識自動抽取與構(gòu)建、推理與推薦、智慧決策等服務能力；建立工業(yè)領域知識自動構(gòu)建與推理決策的指標體系及測試方法；面向智能制造供應鏈、研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、客戶服務等典型業(yè)務場景，選擇工業(yè)知識服務能帶來顯著效益的 3個工業(yè)領域進行應用驗證。 

4.3智能醫(yī)生助理關鍵技術及應用研究 

研究內(nèi)容：針對臨床診療中信息負載高、醫(yī)生重復勞動強度大、基層醫(yī)院診療錯誤易發(fā)等問題，研發(fā)智能醫(yī)生助理系統(tǒng)。研究復雜異構(gòu)高維動態(tài)數(shù)據(jù)的匯聚、融合技術，實現(xiàn)患者信息的多模態(tài)全景呈現(xiàn)；研究視聽覺、觸感等識別與理解技術，實現(xiàn)診療過程關鍵信息的智能交互；突破含因果性醫(yī)學知識圖譜的自動生成技術，實現(xiàn)從大規(guī)模臨床數(shù)據(jù)、臨床診療指南與共識、大規(guī)模高質(zhì)量醫(yī)學文獻等向醫(yī)療知識轉(zhuǎn)化，支撐疾病診療過程的輔助決策；面向臨床重點科室，在智能分級導診、輔助診斷與治療、電子病歷輔助錄入及質(zhì)控、患者共決策與隨訪等環(huán)節(jié)開展應用。 

考核指標：構(gòu)建可靈活拓展的患者信息全景可視化工具，形成5種以上多源異構(gòu)知識和多模態(tài)臨床信息融合分析模型；構(gòu)建面向多科室、基于臨床數(shù)據(jù)的含因果性知識圖譜，并具備持續(xù)動態(tài)更新和知識推理能力，對臨床知識覆蓋率大于 90%，推理準確率大于 95%；構(gòu)建包含覆蓋診前、診中、診后全流程的智能醫(yī)生助手，可面向不少于 5個臨床重點科室提供類人水平的醫(yī)生助理服務，并在至少 5家三甲醫(yī)療機構(gòu)和 10家基層醫(yī)療機構(gòu)開展應用。

4.4腫瘤多學科診療的影像分析輔助系統(tǒng)研究與應用 

研究內(nèi)容：面向腫瘤多學科輔助診療，研究跨模態(tài)醫(yī)學影像的綜合分析技術，提高腫瘤診療的精準性及全面性。研究影像數(shù)據(jù)的多維度、跨模態(tài)檢索與匹配技術，為醫(yī)學循證提供依據(jù)，支撐臨床最佳治療方案的決策；研究可解釋跨模態(tài)推理技術，通過對推理不確定性建模，優(yōu)化跨模態(tài)融合和人機分工；圍繞腫瘤診療過程，構(gòu)建醫(yī)學循證、精確診斷、預后預測、療效監(jiān)控等模型；針對原發(fā)性與繼發(fā)性腫瘤的診治開展臨床驗證，提升臨床決策效率和精準率。 

考核指標：面向腫瘤多學科診療，構(gòu)建人機協(xié)同的醫(yī)學跨模態(tài)影像分析輔助系統(tǒng)，生成符合人類醫(yī)生使用習慣的輔助診斷及治療解釋；針對包括常見原發(fā)性胸部腫瘤、腹部腫瘤及轉(zhuǎn)移性腫瘤的至少 3種腫瘤診斷、治療和預后等醫(yī)學場景，模型具備可解釋性且醫(yī)生采納率大于 90%；分析輔助系統(tǒng)在至少 5家三甲醫(yī)院開展應用驗證，所針對病種每類納入病例不少于 3000例，每個納入病例至少包括 2個影像模態(tài)（如超聲、X-ray、CT、MRI等），所有納入病例均以病理數(shù)據(jù)作為“金標準”。 

4.5醫(yī)療行為多維度感知關鍵技術及應用研究 

研究內(nèi)容：聚焦智慧醫(yī)院建設，研究醫(yī)療行為的多模態(tài)感知并通過人機協(xié)同實現(xiàn)醫(yī)療流程的智能化。研究醫(yī)療行為的多維度感知關鍵技術，重點突破醫(yī)療行為時空特征表達、醫(yī)療行為細粒度識別、醫(yī)療行為操作合規(guī)性評估；突破復雜應用場景下的人機協(xié)同關鍵技術，實現(xiàn)醫(yī)務人員操作流程優(yōu)化；在合理的患者知情同意告知前提下，研究全方位監(jiān)測不同患者生活習慣、飲食特征、運動模式、作息規(guī)律、精細行為等對醫(yī)療結(jié)局的影響，為科學的行為干預提供依據(jù)。