為落實《新一代人工智能發展規劃》，啟動實施科技創新 2030—“新一代人工智能”重大項目。根據重大項目實施方案的部署， 科技部組織編制了 2018 年度項目申報指南，現予以正式發布。

本重大項目的總體目標是：以推動人工智能技術持續創新和 與經濟社會深度融合為主線，按照并跑、領跑兩步走戰略，圍繞 大數據智能、跨媒體智能、群體智能、混合增強智能、自主智能 系統等五大方向持續攻關，從基礎理論、支撐體系、關鍵技術、 創新應用四個層面構筑知識群、技術群和產品群的生態環境，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， 促進大眾創業萬眾創新，使人工智能成為智能經濟社會發展的強 大引擎。

2018 年度項目申報指南在新一代人工智能基礎理論、面向

重大需求的關鍵共性技術、新型感知與智能芯片等 3 個技術方

向啟動 16 個研究任務，擬安排國撥經費概算 8.7 億元。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）下的所有研究內容并實現對應的研

究目標，申請者應根據指南描述，按照需求導向、問題導向和 目標導向的原則，根據指南研究內容提出明確的任務目標和具 體的考核指標。

每個項目下設課題數不超過 5 個，所含參研單位總數不超過

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。項目鼓勵充分發揮地方和市場作用，強化產學研用緊密結合，調動社會資源投入新一代人工智能  研發。對于面向重大需求的關鍵共性技術方向的項目，配套經費 與國撥經費比例不低于 1:1；對于新型感知與智能芯片方向的項目，配套經費與國撥經費比例不低于 2:1。

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。

本方向下設 7 個研究任務，每個任務擬支持項目不超過 3 項。項目面向重大科學前沿和原始創新，申請者應針對研究目標明確  應用需求背景，凝練核心科學問題，提出能夠形成本方向具有國  際影響力的可驗證系統（包括驗證數據庫、驗證環境和驗證結果  等），鼓勵代碼開源和數據共享。鼓勵已有較好合作基礎的精干團 隊參與申請。

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、神經網絡對抗和安全性、網絡結構自動組織與演化、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。

本任務研究目標是突破大數據等限制，顯著提升神經網絡支 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。

本任務研究目標是推動開放環境、變化場景下的自適應感知 智能理論和方法突破。

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，建立符號邏輯推 理、歸納學習和直覺頓悟相互協調補充的新模型和方法，支持跨 媒體知識的不一致性分析。

本任務研究目標是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  雜環境下的動力學機制，將對抗學習、強化學習與動態博弈論進 行融合，支持多群體博弈。

本任務研究目標是突破非完全信息環境下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架構、 行為模式和激勵機制，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 同決策。

本任務研究目標是建立行為可預知、目標可引導和過程可持 續的群體智能涌現的理論和方法。

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。

本任務研究目標是實現可收斂的復雜問題人機雙向協作和問題求解。

1.7復雜制造環境下的協同控制與決策理論方法

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等。

本任務研究目標是探索建立自主智能工廠技術體系所必須的理論與方法。

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。

本方向下設 7 個研究任務，根據不同應用場景，每個任務擬

支持項目不超過 2 項。項目面向國家重大需求，需要明確產出的重大戰略性技術和產品，或者能夠對外提供的服務，鼓勵開源。項目申報需明確應用場景及可考核的性能指標，以此作為擇優的重要依據。鼓勵有明確應用背景和技術突破基礎的團隊參與申請。

2.1可泛化的領域知識學習與計算引擎

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、協同推理、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/專業從業人員平均問答服務 水平。

本任務研究目標是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。

2.2跨媒體分析推理技術系統

研究跨媒體多元知識統一表征理論、模型和獲取方法，研究 海量、異構、分布的大規模跨媒體知識的管理方法和技術，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。

本任務研究目標是面向跨媒體內容管理、跨模態醫療分析等 重大需求，實現可回溯、可解釋的類人跨媒體智能推理系統。

2.3認知任務下的場景主動感知技術

針對復雜環境中的自主定位、目標搜尋、場景分析和解釋等 認知要求，研究自然場景的主動視覺感知、三維環境動態建模和 定位技術；研究復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。

本任務研究目標是面向具有重大產業前景的認知任務，建立 典型應用場景實驗平臺并進行功能驗證。

2.4面向群體行為的群智激發匯聚研究

研究群體智能的協同與演化、通信與規劃、決策與控制等技 術；研究群體智能行為的訓練、驗證和可解釋性技術；研究群體 活動的群智激發匯聚機理和技術，探索群智合作與競爭等激發模 式，突破復雜不確定環境下的智能實時推理和對抗技術。

本任務研究目標是針對大規模復雜群體活動等典型應用場景進行群智行為激發的關鍵技術驗證和應用示范。

2.5人機協同軟硬件技術研究

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；研究人機協同中混合人 類直覺、經驗、行為的新型學習方法；研究環境和情景的自然理 解、大規模知識的處理技術等。

本任務研究目標是面向典型人機協同應用，研究提出人機交 互智能軟硬件及新型混合計算架構等。

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、資源受限條件下的基于多傳感器信息融合的協同感知  方法；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；研究大范圍場景地圖構建、自主定位、 透徹感知與動態認知等語義建模和理解方法等；研究復雜環境下 面向多任務的協同、柔順、精準操控方法。

本任務研究目標是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

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。

本任務研究目標是針對不確定性生產系統中對自主操作的 需求，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.新型感知與智能芯片

圍繞人工智能產業發展的關鍵環節和應用生態，從建立人工 智能基礎支撐體系角度，重點研究新型感知與智能芯片的關鍵技 術和標準。

本方向下設 2 個研究任務，每個任務擬支持 1—2 個項目。鼓勵已有較好產業化基礎的產學研團隊參與申請。

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。

轉自：http://www.hebstd.gov.cn/www/xwzx15/tzgg35/bwtz94/164275/index.html