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(biāo)是：以推動人工智能技術(shù)持續(xù)創(chuàng)新和與經(jīng)濟(jì)社會深度融合為主線，按照并跑、領(lǐng)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(qiáng)智能、自主智能系統(tǒng)等五大方向持續(xù)攻關(guān)，從基礎(chǔ)理論、支撐體系、關(guān)鍵技術(shù)、創(chuàng)新應(yīng)用四個層面構(gòu)筑知識群、技術(shù)群和產(chǎn)品群的生態(tài)環(huán)境，搶占人工智能技術(shù)制高點，妥善應(yīng)對可能帶來的新問題和新挑戰(zhàn)，促進(jìn)大眾創(chuàng)業(yè)萬眾創(chuàng)新，使人工智能成為智能經(jīng)濟(jì)社會發(fā)展的強(qiáng)大引擎。 

2020年度項目申報指南在新一代人工智能基礎(chǔ)理論、共性關(guān)鍵技術(shù)、新型感知與智能芯片、人工智能提高經(jīng)濟(jì)社會發(fā)展水平創(chuàng)新應(yīng)用等 4個技術(shù)方向啟動 22個研究任務(wù)，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(qiáng)化產(chǎn)學(xué)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(shù)方向 

“2.新一代人工智能共性關(guān)鍵技術(shù)”和“4.人工智能提高經(jīng)濟(jì)社會發(fā)展水平創(chuàng)新應(yīng)用”所屬任務(wù)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(shù)方向“3.新型感知與智能芯片”所屬任務(wù)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(wù)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(biāo)題（例如：1.1）下的所有研究內(nèi)容并實現(xiàn)對應(yīng)的研究目標(biāo)。除特殊說明外，各研究任務(wù)擬支持項目數(shù)均為 1~2項，每個項目下設(shè)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(shè) 1名項目負(fù)責(zé)人，項目中的每個課題設(shè) 1名課題負(fù)責(zé)人。基礎(chǔ)理論部分研究任務(wù) 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(dāng)出現(xiàn)申報項目評審結(jié)果前兩位評分評價相近、技術(shù)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(jī)制，第一階段完成后將對 2個項目執(zhí)行情況進(jìn)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(chǔ)理論 

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

研究內(nèi)容：針對當(dāng)前神經(jīng)網(wǎng)絡(luò)計算模型依賴大量標(biāo)注樣本、魯棒性和適應(yīng)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(yīng)等特征的新一代神經(jīng)網(wǎng)絡(luò)模型；研究大規(guī)模復(fù)雜網(wǎng)絡(luò)的高效學(xué)習(xí)和計算方法，發(fā)展復(fù)雜網(wǎng)絡(luò)學(xué)習(xí)泛化性理論；設(shè)計具有自適應(yīng)能力的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，突破自學(xué)習(xí)、小樣本學(xué)習(xí)、可解釋性等智能新理論與新方法。 

考核指標(biāo)：構(gòu)建具備學(xué)習(xí)、記憶等認(rèn)知能力的大規(guī)模神經(jīng)網(wǎng)絡(luò)計算模型；具備自適應(yīng)可遷移能力，噪聲環(huán)境下的模型性能有數(shù)量級提升；設(shè)計自學(xué)習(xí)、小樣本學(xué)習(xí)方法，相同性能條件下所需標(biāo)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(luò)計算數(shù)據(jù)、模型和代碼等。 

申報說明：本任務(wù)擬支持項目數(shù)不超過 4項，每個項目下設(shè)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(luò)的感知—學(xué)習(xí)—決策神經(jīng)網(wǎng)絡(luò)模型 

研究內(nèi)容：構(gòu)建以脈沖神經(jīng)元和脈沖信息表達(dá)為核心的脈沖神經(jīng)網(wǎng)絡(luò)計算模型，研究基于脈沖時空模式的監(jiān)督學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和元學(xué)習(xí)等多種類腦學(xué)習(xí)機(jī)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(luò)學(xué)習(xí)算法；充分借鑒脈沖神經(jīng)工作機(jī)制，研究面向多模態(tài)、不確定信息的感知、學(xué)習(xí)、決策的貝葉斯理論和模型，實現(xiàn)神經(jīng)元編碼、學(xué)習(xí)和記憶融合的視聽覺感知—學(xué)習(xí)—決策等復(fù)雜環(huán)路神經(jīng)網(wǎng)絡(luò)功能，以無人機(jī)、機(jī)器人等為載體探索自主智能實現(xiàn)途徑。 

考核指標(biāo)：感知—學(xué)習(xí)—決策神經(jīng)網(wǎng)絡(luò)計算模型要求具備生物合理性與生物可解釋性；模擬學(xué)習(xí)和記憶融合的自主感知—學(xué)習(xí)—決策協(xié)同計算，能夠支持基于復(fù)雜視、聽、觸、嗅覺等感知的類腦自主學(xué)習(xí)與決策，具備多模態(tài)信息整合、知識泛化和概念學(xué)習(xí)能力，同一模型支持 5種以上學(xué)習(xí)、記憶和決策任務(wù)；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(luò)框架，開源類腦學(xué)習(xí)與決策脈沖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)、模型和代碼等。 

申報說明：本任務(wù)擬支持項目數(shù)不超過 4項，每個項目下設(shè)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(rèn)知計算基礎(chǔ)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(xué)習(xí)、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(yīng)、不完全推理、自主學(xué)習(xí)、對抗學(xué)習(xí)、智能體協(xié)同優(yōu)化等特點的認(rèn)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(qiáng)智能等智能形態(tài)方面實現(xiàn)應(yīng)用驗證。 

考核指標(biāo)：形成能適應(yīng)多種智能形態(tài)的認(rèn)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(rèn)知測試方法；在對抗決策、人機(jī)混合或自主學(xué)習(xí)中形成和常識結(jié)合的認(rèn)知理論，建立相應(yīng)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(rèn)知智能水平評測體系。 

申報說明：本任務(wù)擬支持項目數(shù)不超過 4項，每個項目下設(shè)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(biāo)注大數(shù)據(jù)和多模態(tài)關(guān)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(jìn)化計算模型，突破層次深、魯棒性強(qiáng)、對稀缺語料適應(yīng)能力好的中文自然語言理解技術(shù)，為認(rèn)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(biāo)：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(wù)，達(dá)到與人類可比的認(rèn)知水平；形成跨模態(tài)表達(dá)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(zhǔn)測試集；開源基準(zhǔn)學(xué)習(xí)和測試集合、模型和語言理解基本工具等。 

申報說明：本任務(wù)擬支持項目數(shù)不超過 4項，每個項目下設(shè)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(jī)器學(xué)習(xí)理論研究 

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

考核指標(biāo)：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(wù)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(jìn)行申報，提出明確的任務(wù)目標(biāo)和具體的考核指標(biāo)。項目負(fù)責(zé)人需為 1980年 1月 1日后出生的青年研究人員。 

該研究任務(wù)擬支持項目數(shù)不超過 10項，項目不下設(shè)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(guān)鍵技術(shù) 

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(xué)習(xí)等模型，研究可信度量方法和安全形式化驗證方法，支持復(fù)雜智能系統(tǒng)內(nèi)在結(jié)構(gòu)與行為功能的一致性、可達(dá)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(shù)以及基于動態(tài)數(shù)據(jù)收集的安全認(rèn)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(shù)的智能系統(tǒng)測試方法和測試樣本的自動生成等關(guān)鍵技術(shù)；針對惡意樣本等攻擊手段，研究具有可擴(kuò)展性的可認(rèn)證魯棒學(xué)習(xí)模型，研究新型的對抗實例訓(xùn)練策略及驗證問題關(guān)系，提高測量防御技術(shù)的有效性；研究軟硬件一體的安全攸關(guān)復(fù)雜智能系統(tǒng)的安全驗證技術(shù)、優(yōu)化技術(shù)和硬件架構(gòu)安全適配。研究基于驗證與測試技術(shù)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(shù)與方法，形成相應(yīng)的認(rèn)證規(guī)范流程。 

考核指標(biāo)：建立多領(lǐng)域技術(shù)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(shù)；突破安全關(guān)鍵復(fù)雜智能系統(tǒng)的可信驗證技術(shù)，支持不少于 3種常見深度學(xué)習(xí)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(shù)，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(luò)參數(shù)的智能安全防御與性能驗證測試，實現(xiàn)準(zhǔn)實時運行響應(yīng)；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(shù)，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(shù)研發(fā)的無監(jiān)督/弱監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、端到端語音翻譯等技術(shù)，突破具備場景感知能力的圖像光學(xué)字符識別、翻譯和圖像生成技術(shù)，實現(xiàn)高可用近遠(yuǎn)場口語語音識別和語音合成技術(shù)，以及相關(guān)語種到漢語之間的雙向互譯技術(shù)，并完成相應(yīng)的語音翻譯和圖片翻譯的云服務(wù)在智能終端上的應(yīng)用，實現(xiàn)政務(wù)、教育、媒體、商務(wù)、旅游、就醫(yī)等典型場景的口語自動翻譯服務(wù)。 

考核指標(biāo)：在即時和近遠(yuǎn)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(yīng)用場景的自動翻譯系統(tǒng)和驗證應(yīng)用；小語種近場口語翻譯的忠實度和完整度可達(dá)到人類同傳水平；近距離、少噪聲條件下，印刷品識別準(zhǔn)確率達(dá)到 98%以上，翻譯忠實度超過 90%；遠(yuǎn)距離、多噪聲條件下，非印刷品識別準(zhǔn)確率達(dá)到 90%以上，翻譯忠實度超過 80%。 

2.3安全可信的人機(jī)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(yīng)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(quán)的人機(jī)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(jī)交互與協(xié)同；建立人機(jī)協(xié)同的多模態(tài)感知、意圖理解的計算模型，實現(xiàn)人機(jī)一致性的情境理解與預(yù)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(jī)混合決策的在線評估理論與方法；構(gòu)建人機(jī)共駕的云學(xué)習(xí)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(biāo)：提出并驗證針對系統(tǒng)對駕駛?cè)诵袨楦兄獪?zhǔn)確率、對駕駛?cè)藸顟B(tài)估計與意圖預(yù)測準(zhǔn)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(quán)分配與失效安全策略計算周期等關(guān)鍵指標(biāo)；人機(jī)共駕系統(tǒng)中駕駛?cè)藢刂葡到y(tǒng)的預(yù)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(jī)耦合與人機(jī)共駕機(jī)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(jī)共駕云學(xué)習(xí)平臺 1套，核心技術(shù)在權(quán)威國際評測中達(dá)到先進(jìn)水平，提交相關(guān)國際標(biāo)準(zhǔn)提案 1~2項。 

2.4無人集群系統(tǒng)自主協(xié)同關(guān)鍵技術(shù)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(fù)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(wù)應(yīng)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(yīng)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(shù)，提升無人集群系統(tǒng)的分布式態(tài)勢感知與認(rèn)知能力；研究可引導(dǎo)、可信任、可進(jìn)化的集群無人系統(tǒng)規(guī)劃、決策與控制技術(shù)，提升無人集群系統(tǒng)的魯棒性和智能化水平；面向災(zāi)害救援、環(huán)境監(jiān)測、區(qū)域物流、應(yīng)急處理等應(yīng)用場景，進(jìn)行基于無人集群自主協(xié)同的驗證。 

考核指標(biāo)：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(fù)雜動態(tài)任務(wù)場景，并具備節(jié)點可動態(tài)加入、撤消的能力和任務(wù)場景的可擴(kuò)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(wù)驗證；能夠適應(yīng)強(qiáng)干擾、變通信拓?fù)涞忍魬?zhàn)環(huán)境下的態(tài)勢感知和認(rèn)知任務(wù)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(guān)標(biāo)準(zhǔn)；實現(xiàn)不依賴于群體規(guī)模的任務(wù)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(xué)習(xí)與進(jìn)化模式，形成可快速進(jìn)行大規(guī)模應(yīng)用復(fù)制的應(yīng)用驗證，提交相關(guān)國際標(biāo)準(zhǔn)提案 1~2項。

2.5具有自主學(xué)習(xí)能力的品質(zhì)檢驗關(guān)鍵技術(shù) 

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(lǐng)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(jī)理的成像系統(tǒng)；針對復(fù)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(qiáng)噪聲條件下具備強(qiáng)適應(yīng)能力的外觀缺陷技能學(xué)習(xí)關(guān)鍵技術(shù)；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(xué)習(xí)模型建立方法，實現(xiàn)甄別技能的在線學(xué)習(xí)與增強(qiáng)；研究技能遷移學(xué)習(xí)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(biāo)：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(biāo)具有行業(yè)領(lǐng)先性；開發(fā)可在線學(xué)習(xí)與增強(qiáng)的甄別學(xué)習(xí)技能平臺軟件，形成任務(wù)遷移學(xué)習(xí)能力，實現(xiàn)不同質(zhì)檢任務(wù)遷移單次不超過 0.5小時；在典型場景下達(dá)到并超過人工檢測能力，召回率大于 97%，準(zhǔn)確率大于 95%；可面向不同質(zhì)檢場景進(jìn)行自主學(xué)習(xí)，形成具有適應(yīng)能力的通用型品質(zhì)檢驗關(guān)鍵技術(shù)，在不少于 2個行業(yè)的龍頭企業(yè)形成代表性應(yīng)用。 

2.6復(fù)雜社會信息網(wǎng)絡(luò)下的風(fēng)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(fù)雜社會信息，研究語義融合、網(wǎng)絡(luò)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(luò)的風(fēng)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(fēng)險機(jī)理和分析模型與方法；研究信息網(wǎng)絡(luò)的實體及關(guān)聯(lián)知識聯(lián)合提取方法，構(gòu)建支撐風(fēng)險評估與智能決策的時序知識圖譜，研究復(fù)雜社會網(wǎng)絡(luò)圖表征學(xué)習(xí)框架，提出領(lǐng)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(fēng)險預(yù)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(biāo)：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(fēng)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(fēng)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(fù)雜網(wǎng)絡(luò)上進(jìn)行分析和決策的能力，實現(xiàn)千萬級節(jié)點規(guī)模網(wǎng)絡(luò)上的分鐘級搜索響應(yīng)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(fēng)險預(yù)警和智能決策的典型領(lǐng)域進(jìn)行規(guī)?；瘧?yīng)用驗證。 

2.7億級節(jié)點時序圖譜實時智能分析關(guān)鍵技術(shù)與系統(tǒng) 

研究內(nèi)容：聚焦海量金融交易數(shù)據(jù)實時風(fēng)險防控重大問題，研究建立多領(lǐng)域（股票、期貨、債券、上市公司、金融人物等）金融知識圖譜技術(shù)；構(gòu)建實時、動態(tài)、可追溯的超大規(guī)模時序關(guān)聯(lián)圖及實時智能分析研究，突破面向時序關(guān)聯(lián)圖的快速構(gòu)建、查詢語言設(shè)計、動態(tài)分析以及實時智能決策等關(guān)鍵技術(shù)；研究時序關(guān)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(fēng)控場景下數(shù)據(jù)與知識混合驅(qū)動的風(fēng)險預(yù)測研究并開展應(yīng)用驗證，通過對金融領(lǐng)域十億節(jié)點級別規(guī)模網(wǎng)絡(luò)構(gòu)建，實現(xiàn)相關(guān)領(lǐng)域知識圖譜融合以及關(guān)鍵節(jié)點辨識、推理和控制，達(dá)到風(fēng)險預(yù)警及防范目的。 

考核指標(biāo)：構(gòu)建面向金融領(lǐng)域的千萬級知識圖譜，涵蓋不少于5個領(lǐng)域，實現(xiàn)多個領(lǐng)域知識圖譜的關(guān)聯(lián)與融合；時序圖譜支持金融風(fēng)險防范領(lǐng)域常用的時序復(fù)雜邊，具備單節(jié)點 10萬 tps、集群 200萬 tps關(guān)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(fù)雜關(guān)系的查詢，平均延遲小于 1秒；支持基于時序關(guān)聯(lián)圖的金融實時風(fēng)控場景高級認(rèn)知模型研究，具備可解釋性，并在不少于 5家金融機(jī)構(gòu)進(jìn)行風(fēng)險防控的應(yīng)用驗證。 

2.8復(fù)雜版面手寫圖文識別及理解關(guān)鍵技術(shù)研究 

研究內(nèi)容：聚焦千萬教師日常擔(dān)負(fù)大量試卷和作業(yè)閱卷工作的減負(fù)迫切需求，開展多學(xué)科多題型紙筆考試和作業(yè)的智能閱卷技術(shù)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(fù)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(guān)鍵技術(shù)，實現(xiàn)與教師閱卷能力協(xié)作的增強(qiáng)型高可用智能閱卷系統(tǒng)研發(fā)。 

考核指標(biāo)：面向初高中真實考試作業(yè)數(shù)據(jù)的智能閱卷場景，復(fù)雜版面分析的準(zhǔn)確率達(dá)到 99%以上，中英文作文的字識別準(zhǔn)確率達(dá)到 98%以上，手寫圖文及公式識別準(zhǔn)確率達(dá)到 96%以上，中英文作文自動評分及文科簡答題評分的人機(jī)一致性達(dá)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(jī)一致性達(dá)到人人一致性的 95%以上，抄襲檢測的準(zhǔn)確率達(dá)到 98%以上，智能閱卷技術(shù)在語文、數(shù)學(xué)等學(xué)科以及 10所以上學(xué)校實現(xiàn)常態(tài)化應(yīng)用。 

2.9擬人化人機(jī)交互服務(wù)關(guān)鍵技術(shù)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(wù)等復(fù)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(shù)；研究基于場景知識圖譜的上下文語義解析和檢索技術(shù)、基于對話管理和知識驅(qū)動的多輪對話技術(shù)、基于用戶畫像的個性化反饋對話技術(shù)，以及基于對話狀態(tài)監(jiān)測的自動反饋應(yīng)答技術(shù)等；研究突破高噪聲服務(wù)環(huán)境下的視聽覺環(huán)境感知技術(shù)，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(shù)，基于語言及視覺的多模態(tài)知識表達(dá)與推理技術(shù)，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(wù)技術(shù)，以用戶體驗為中心的人機(jī)協(xié)同智能用戶服務(wù)技術(shù)；研究低資源場景下的遷移學(xué)習(xí)技術(shù)，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(xué)習(xí)能力的開放式智能客服平臺，實現(xiàn)面向全領(lǐng)域可定制的對話理解。 

考核指標(biāo)：智能客服平臺實現(xiàn)口語識別準(zhǔn)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(yīng)率不低于 95%的實測效果，提出能夠有效體現(xiàn)機(jī)器對話智能的圖靈測試方案，并在至少 3個領(lǐng)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(zhǔn)確率超過 90%；能夠進(jìn)行多種復(fù)雜任務(wù)的領(lǐng)域遷移，具備支撐億級用戶規(guī)模應(yīng)用的能力，給定任務(wù)完成率不低于 90%；對研究者授權(quán)開放帶標(biāo)注的真實場景多輪對話不少于 100萬段。 

2.10混合增強(qiáng)在線教育關(guān)鍵技術(shù)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(rèn)知過載易迷航等難題，研究虛實結(jié)合的體驗式、沉浸化學(xué)習(xí)技術(shù)與環(huán)境；研究學(xué)習(xí)行為分析、意圖理解、認(rèn)知狀態(tài)追蹤等學(xué)習(xí)認(rèn)知模型，實現(xiàn)學(xué)習(xí)認(rèn)知過程的多維度、跨學(xué)科跟蹤；綜合多模態(tài)人機(jī)交互、知識圖譜、強(qiáng)化學(xué)習(xí)等方法，研究面向個性化伴學(xué)的智能導(dǎo)學(xué)方法，打通學(xué)習(xí)規(guī)劃、內(nèi)容推薦、輔導(dǎo)答疑等環(huán)節(jié)，構(gòu)造因材施教、教學(xué)相長的虛擬智能助教和導(dǎo)師；研究基于人機(jī)混合智能的群體化學(xué)習(xí)組織、激勵、評測、輔導(dǎo)和優(yōu)化方法，建立支撐群體化課程學(xué)習(xí)和在線實踐的智能平臺；研究混合增強(qiáng)在線教學(xué)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(biāo)：實現(xiàn)大規(guī)模在線教育混合增強(qiáng)智能環(huán)境和平臺，在中小學(xué)的科學(xué)教育、高職技能培訓(xùn)、大學(xué)專業(yè)教育等領(lǐng)域進(jìn)行應(yīng)用；提出能夠有效體現(xiàn)人機(jī)混合智能的虛擬助教和導(dǎo)師圖靈測試方案，并在 2個典型學(xué)科和規(guī)模人群進(jìn)行測試驗證；在學(xué)習(xí)效率、學(xué)習(xí)興趣等方面提出人機(jī)混合增強(qiáng)教學(xué)環(huán)境的評估體系和具體評估指標(biāo)；給出基于 10門以上學(xué)科、20家以上學(xué)校、面向上萬學(xué)生規(guī)?；炞C的評估結(jié)果。 

2.11室內(nèi)服務(wù)機(jī)器人自主學(xué)習(xí)與進(jìn)化關(guān)鍵技術(shù) 

研究內(nèi)容：通過服務(wù)機(jī)器人、物理環(huán)境、運動目標(biāo)等持續(xù)交互式學(xué)習(xí)建模，研究復(fù)雜家庭環(huán)境下服務(wù)機(jī)器人數(shù)字孿生環(huán)境關(guān)鍵技術(shù)與系統(tǒng)；通過事件驅(qū)動機(jī)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(jìn)化訓(xùn)練，實現(xiàn)大規(guī)模智能實驗?zāi)M和智能增長；研究基于“感知—分析—決策—反饋”的多服務(wù)機(jī)器人群體智能，實現(xiàn)多個服務(wù)機(jī)器人自主協(xié)作；研究服務(wù)機(jī)器人決策行為評估、遂行任務(wù)效果的全過程評價方式，構(gòu)建相關(guān)評價標(biāo)準(zhǔn)和過程評估體系。 

考核指標(biāo)：建立服務(wù)機(jī)器人本體和服務(wù)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(wù)機(jī)器人本體，100多個室內(nèi)服務(wù)環(huán)境；建立服務(wù)機(jī)器人自主學(xué)習(xí)與進(jìn)化理論與方法，通過數(shù)字孿生，服務(wù)機(jī)器人訓(xùn)練效率數(shù)量級提升，完成 20種以上室內(nèi)服務(wù)任務(wù)，模型從虛擬到真實場景具有良好的可遷移性；服務(wù)機(jī)器人在不少于 20個社區(qū)、養(yǎng)老院、康復(fù)中心等機(jī)構(gòu)進(jìn)行應(yīng)用驗證；申請相關(guān)技術(shù)標(biāo)準(zhǔn) 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(jī)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(shè)計易于硬件實現(xiàn)的神經(jīng)元、突觸及網(wǎng)絡(luò)模型；研究基于硬件的神經(jīng)網(wǎng)絡(luò)動態(tài)配置、神經(jīng)元地址快速并行查找和在線學(xué)習(xí)技術(shù)，設(shè)計新型神經(jīng)形態(tài)計算架構(gòu)；研究應(yīng)用于神經(jīng)形態(tài)芯片的新型器件及其集成技術(shù)。突破混合器件集成的大規(guī)模神經(jīng)形態(tài)芯片技術(shù)，構(gòu)建神經(jīng)形態(tài)芯片與現(xiàn)有計算機(jī)系統(tǒng)結(jié)合的混合計算應(yīng)用平臺。 

考核指標(biāo)：研制混合器件的神經(jīng)形態(tài)芯片，支持神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)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(wù)。 

4. 人工智能提高經(jīng)濟(jì)社會發(fā)展水平創(chuàng)新應(yīng)用 

4.1開放環(huán)境復(fù)雜制造過程智能調(diào)度方法及應(yīng)用 

研究內(nèi)容：針對工業(yè)互聯(lián)網(wǎng)開放環(huán)境下、復(fù)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(lǐng)域知識深度遷移的復(fù)雜制造任務(wù)自適應(yīng)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)?？缃M織、強(qiáng)耦合、不確定性制造應(yīng)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(yīng)集成技術(shù)、大規(guī)模制造資源協(xié)同云排產(chǎn)技術(shù)；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(guān)鍵高價值設(shè)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(shè)計、協(xié)同生產(chǎn)等典型場景開展應(yīng)用研究。 

考核指標(biāo)：形成新一代人工智能驅(qū)動的開放環(huán)境復(fù)雜制造過程監(jiān)測與調(diào)度方法技術(shù)體系；建立面向復(fù)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(xué)習(xí)融合驅(qū)動的新型調(diào)度算法及調(diào)度服務(wù)；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(lǐng)域開展應(yīng)用研究，在落地應(yīng)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(lǐng)域知識自動構(gòu)建與推理決策技術(shù)及應(yīng)用 

研究內(nèi)容：圍繞制造業(yè)全產(chǎn)業(yè)鏈中核心業(yè)務(wù)環(huán)節(jié)，面向多行業(yè)、多學(xué)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(jī)理和專家經(jīng)驗的知識表達(dá)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(xué)科知識抽取、融合、驗證、遷移、演化和表示學(xué)習(xí)技術(shù)；研究面向全產(chǎn)業(yè)鏈協(xié)同工作流的情境自適應(yīng)知識索引、推理、推薦、可視交互決策技術(shù)；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(yīng)鏈、研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理、客戶服務(wù)等典型業(yè)務(wù)領(lǐng)域開展智能決策應(yīng)用研究；研究工業(yè)領(lǐng)域知識開放共享平臺隱私侵犯與信息泄露防護(hù)技術(shù)。 

考核指標(biāo)：建立涵蓋超過億級支撐性數(shù)據(jù)的工業(yè)領(lǐng)域本體庫及工業(yè)領(lǐng)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(wù)能力；建立工業(yè)領(lǐng)域知識自動構(gòu)建與推理決策的指標(biāo)體系及測試方法；面向智能制造供應(yīng)鏈、研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理、客戶服務(wù)等典型業(yè)務(wù)場景，選擇工業(yè)知識服務(wù)能帶來顯著效益的 3個工業(yè)領(lǐng)域進(jìn)行應(yīng)用驗證。 

4.3智能醫(yī)生助理關(guān)鍵技術(shù)及應(yīng)用研究 

研究內(nèi)容：針對臨床診療中信息負(fù)載高、醫(yī)生重復(fù)勞動強(qiáng)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(fù)雜異構(gòu)高維動態(tài)數(shù)據(jù)的匯聚、融合技術(shù)，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(shù)，實現(xiàn)診療過程關(guān)鍵信息的智能交互；突破含因果性醫(yī)學(xué)知識圖譜的自動生成技術(shù)，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(xué)文獻(xiàn)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(dǎo)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(yīng)用。 

考核指標(biāo)：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(zhǔn)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(wù)，并在至少 5家三甲醫(yī)療機(jī)構(gòu)和 10家基層醫(yī)療機(jī)構(gòu)開展應(yīng)用。

4.4腫瘤多學(xué)科診療的影像分析輔助系統(tǒng)研究與應(yīng)用 

研究內(nèi)容：面向腫瘤多學(xué)科輔助診療，研究跨模態(tài)醫(yī)學(xué)影像的綜合分析技術(shù)，提高腫瘤診療的精準(zhǔn)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(shù)，為醫(yī)學(xué)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(shù)，通過對推理不確定性建模，優(yōu)化跨模態(tài)融合和人機(jī)分工；圍繞腫瘤診療過程，構(gòu)建醫(yī)學(xué)循證、精確診斷、預(yù)后預(yù)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(zhǔn)率。 

考核指標(biāo)：面向腫瘤多學(xué)科診療，構(gòu)建人機(jī)協(xié)同的醫(yī)學(xué)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(xí)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(yù)后等醫(yī)學(xué)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(yīng)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(biāo)準(zhǔn)”。 

4.5醫(yī)療行為多維度感知關(guān)鍵技術(shù)及應(yīng)用研究 

研究內(nèi)容：聚焦智慧醫(yī)院建設(shè)，研究醫(yī)療行為的多模態(tài)感知并通過人機(jī)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(guān)鍵技術(shù)，重點突破醫(yī)療行為時空特征表達(dá)、醫(yī)療行為細(xì)粒度識別、醫(yī)療行為操作合規(guī)性評估；突破復(fù)雜應(yīng)用場景下的人機(jī)協(xié)同關(guān)鍵技術(shù)，實現(xiàn)醫(yī)務(wù)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(xí)慣、飲食特征、運動模式、作息規(guī)律、精細(xì)行為等對醫(yī)療結(jié)局的影響，為科學(xué)的行為干預(yù)提供依據(jù)。