没有合适的资源?快使用搜索试试~ 我知道了~
首页科技创新2030—“新一代人工智能”重大项目 2020 年度项目申报指南+形式审查要求+指南编制专家名单.pdf
资源详情
资源评论
资源推荐

—
1
—
附件
科技创新 2030—“新一代人工智能”
重大项目 2020 年度项目申报指南
为落实《新一代人工智能发展规划》,启动实施科技创新 2030
—“新一代人工智能”重大项目。根据重大项目实施方案的部署,
科技部组织编制了 2020 年度项目申报指南,现予以正式发布。
本重大项目的总体目标是:以推动人工智能技术持续创新和
与经济社会深度融合为主线,按照并跑、领跑两步走战略,围绕
大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能
系统等五大方向持续攻关,从基础理论、支撑体系、关键技术、
创新应用四个层面构筑知识群、技术群和产品群的生态环境,抢
占人工智能技术制高点,妥善应对可能带来的新问题和新挑战,
促进大众创业万众创新,使人工智能成为智能经济社会发展的强
大引擎。
2020 年度项目申报指南在新一代人工智能基础理论、共性关
键技术、新型感知与智能芯片、人工智能提高经济社会发展水平
创新应用等 4 个技术方向启动 22 个研究任务,拟安排国拨经费概
算 5.6 亿元。项目鼓励充分发挥地方和市场作用,强化产学研用紧
密结合,调动社会资源投入新一代人工智能研发。指南技术方向
“2.新一代人工智能共性关键技术”和“4.人工智能提高经济社会

—
2
—
发展水平创新应用”所属任务的项目,配套经费与国拨经费比例
不低于 2:1;指南技术方向“3.新型感知与智能芯片”所属任务的
项目,配套经费与国拨经费比例不低于 1:1。
各研究任务要求以项目为单元整体组织申报,项目须覆盖所
申报指南方向二级标题(例如:1.1)下的所有研究内容并实现对
应的研究目标。除特殊说明外,各研究任务拟支持项目数均为 1~2
项,每个项目下设课题数不超过 5 个,所含参研单位总数不超过
10 家,实施周期为 3~5 年。项目设 1 名项目负责人,项目中的每
个课题设 1 名课题负责人。基础理论部分研究任务 1.1—1.5 的申
报要求详见具体申报说明。
指南中“拟支持项目数为 1~2 项”是指:在同一研究方向下,
当出现申报项目评审结果前两位评分评价相近、技术路线明显不
同的情况时,可同时支持这 2 个项目。2 个项目将采取分两个阶段
支持的方式。建立动态调整机制,第一阶段完成后将对 2 个项目
执行情况进行评估,根据评估结果确定后续支持方式。
1. 新一代人工智能基础理论
1.1 脑结构和功能启发的新型神经网络模型
研究内容:针对当前神经网络计算模型依赖大量标注样本、鲁
棒性和适应性差、可解释性不足、能效比低等局限,研究受特定神
经环路启发,发展具有记忆、稀疏编码、自适应等特征的新一代神
经网络模型;研究大规模复杂网络的高效学习和计算方法,发展复
杂网络学习泛化性理论;设计具有自适应能力的神经网络结构,突

—
3
—
破自学习、小样本学习、可解释性等智能新理论与新方法。
考核指标:构建具备学习、记忆等认知能力的大规模神经网络计
算模型;具备自适应可迁移能力,噪声环境下的模型性能有数量级提
升;设计自学习、小样本学习方法,相同性能条件下所需标注数据数
量级减少;通过知识归纳和迁移,对模型结果和性能提升具备可解释
性;开源新型神经网络计算数据、模型和代码等。
申报说明:本任务拟支持项目数不超过 4 项,每个项目下设
课题数不超过 2 个,所含参研单位总数不超过 2 家。
1.2 基于脉冲神经网络的感知—学习—决策神经网络模型
研究内容:构建以脉冲神经元和脉冲信息表达为核心的脉冲
神经网络计算模型,研究基于脉冲时空模式的监督学习、强化学
习、无监督学习和元学习等多种类脑学习机制,建立具备生物合
理性和生物可解释性的多尺度脉冲神经网络学习算法;充分借鉴
脉冲神经工作机制,研究面向多模态、不确定信息的感知、学习、
决策的贝叶斯理论和模型,实现神经元编码、学习和记忆融合的
视听觉感知—学习—决策等复杂环路神经网络功能,以无人机、
机器人等为载体探索自主智能实现途径。
考核指标:感知—学习—决策神经网络计算模型要求具备生
物合理性与生物可解释性;模拟学习和记忆融合的自主感知—学
习—决策协同计算,能够支持基于复杂视、听、触、嗅觉等感知
的类脑自主学习与决策,具备多模态信息整合、知识泛化和概念
学习能力,同一模型支持 5 种以上学习、记忆和决策任务;构建

—
4
—
支持具有多尺度生物合理性的大规模类脑脉冲神经网络框架,开
源类脑学习与决策脉冲神经网络数据、模型和代码等。
申报说明:本任务拟支持项目数不超过 4 项,每个项目下设
课题数不超过 2 个,所含参研单位总数不超过 2 家。
1.3 认知计算基础理论与方法研究
研究内容:聚焦开放、动态、真实环境下推理与决策重大问
题,开展常识学习、直觉推理、自主演化、因果分析等理论和方
法研究,重点突破刻画环境自适应、不完全推理、自主学习、对
抗学习、智能体协同优化等特点的认知计算理论和算法,在跨媒
体智能、自主智能、群体智能或混合增强智能等智能形态方面实
现应用验证。
考核指标:形成能适应多种智能形态的认知计算框架,构建
大规模、共享开放的跨媒体常识、客观规律和时空事件等知识库,
提出并实现通用认知测试方法;在对抗决策、人机混合或自主学
习中形成和常识结合的认知理论,建立相应算法在开放环境下鲁
棒性显著提升的验证环境;建立具有国际影响力的开放认知智能
水平评测体系。
申报说明:本任务拟支持项目数不超过 4 项,每个项目下设
课题数不超过 2 个,所含参研单位总数不超过 2 家。
1.4 以自然语言为核心的语义理解研究
研究内容:针对从互联网海量文本、自然标注大数据和多模
态关联数据获取开放域知识等问题,研究基于知识图谱、事理图

—
5
—
谱等大规模多元知识的自然语言语义分析方法,研究可理解、可
解释文本生成方法,研究通过与环境和社会跨模态交互的语言进
化计算模型,突破层次深、鲁棒性强、对稀缺语料适应能力好的
中文自然语言理解技术,为认知智能提供通用语言模型、生成方
法和基本工具支撑。
考核指标:从互联网海量文本中自动获取知识和语义分析能
力得到可验证的数量级提高;自主提出 5 个以上语言文本分析和
生成任务,达到与人类可比的认知水平;形成跨模态表达的语言
理解基本模型,形成具有国际影响力的跨模态实体、事件理解、
对话理解基准测试集;开源基准学习和测试集合、模型和语言理
解基本工具等。
申报说明:本任务拟支持项目数不超过 4 项,每个项目下设
课题数不超过 2 个,所含参研单位总数不超过 2 家。
1.5 高级机器学习理论研究
研究内容:研究具有自组织、自学习、自适应、自涌现等特
点的机器学习新理论;研究不完全信息下推理决策与演化完善的
学习理论;研究具有可解释性的机器学习理论和方法;研究小样
本学习、深度强化学习、无监督学习、半监督学习、迁移学习、
表征学习等理论和模型;研究量子机器学习、对偶学习、分布式
学习、主动学习、元学习及其它高级机器学习基础理论和方法等。
考核指标:围绕上述研究内容和具体需求场景,形成从数据、
模型到算法的理论成果,建立可验证的系统,并开源数据、模型
剩余22页未读,继续阅读
















安全验证
文档复制为VIP权益,开通VIP直接复制

评论0