《美国2019：国家人工智能战略（中英双语）-2019.6-101页.pdf》由会员分享，可在线阅读，更多相关《美国2019：国家人工智能战略（中英双语）-2019.6-101页.pdf（102页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 国家人工智能 研发战略计划：2019年更新 一份报告 选择人工智能委员会 的 国家科学技术委员会 2019年6月 亲爱的同事们，特朗普总统在2019年2月5日的国情咨文演讲中强调了确保美国在开发构成未来产业的新兴技术（包括人工智能）方面发挥领导作用的重要性。为了反映这一重要性，特朗普总统于2019年2月11日签署了行政命令13859，该命令建立了美国人工智能倡议。该倡议是一种整体政府方法，用于维持美国在人工智能方面的领导地位，确保人工智能使美国人民受益，并反映我们国家的价值观。本行政命令中的第一条指令是联邦机构在其年度预算和规划过程中优先考虑人工智能研究与开发（RD）。随附的国家AI研发战略
2、计划：2019年更新突出了联邦投资人工智能研发的主要优先事项。人工智能提供了巨大的机会，导致改善医疗保健，更安全和更有效的运输，个性化教育，重大科学发现，改进制造，提高农业作物产量，更好的天气预报等方面的突破。这些好处主要归功于几十年来联邦对基础人工智能研发的长期投资，这些投资为人工智能系统带来了新的理论和方法，以及允许将人工智能转化为实际应用的应用研究。由于行业，学术界和非营利组织正在进行大量投资，人工智能研发的前景正变得越来越复杂。此外，人工智能的进步正在迅速发展。因此，联邦政府必须不断重新评估其人工智能研发投资的优先级，以确保投资继续推进该领域的前沿，并且不会不必要地重复行业投资。在20
3、18年8月，政府指示人工智能专责委员会更新2016年国家人工智能研发战略计划。这一过程始于发布信息请求，以征求公众对如何修订或改进战略的意见。对此RFI的回复以及独立的机构审查将此更新告知了战略计划。在本战略计划中，确定了八个战略优先事项。前七个策略继续从2016年计划开始，反映了公众和政府的多个受访者重申这些策略的重要性，没有要求删除任何策略。第八项战略是新的，重点关注联邦政府与学术界，工业界，其他非联邦实体和国际盟友之间有效伙伴关系日益增加的重要性，以便在人工智能方面取得技术突破并迅速将这些突破转化为能力。虽然该计划没有为联邦机构投资确定具体的研究议程，但它确实为联邦人工智能研发投资的整体
4、投资组合提供了期望。这项协调的联邦人工智能研发战略将帮助美国继续在人工智能的前沿领先世界，引领我们的经济，增强国家安全，提高生活质量。此致 米迦勒克瑞西俄斯 技术政策总裁助理助理2019年6月21日 国家人工智能研发战略计划：2019 ii 目录目录 执行摘要执行摘要.iii 20192019年国家年国家AIAI研发战略计划简研发战略计划简介介.1 人工智能研发战略人工智能研发战略.5 战略战略1 1：对人工智能研究进行长期投：对人工智能研究进行长期投资资.7 2019年更新：持续对基础AI研究进行长期投资.7 推进以数据为中心的知识发现方法.9 增强AI系统的感知能力.9 了解AI的理论能力
5、和局限性.10 开展通用人工智能研究.10 开发可扩展的AI系统.11 促进人类AI的研究.11 开发更强大，更可靠的机器人.11 推进硬件以改进AI.12 创建AI以改进硬件.12 战略战略2 2：开发有效的人工智能协作方：开发有效的人工智能协作方法法.14 2019年更新：开发人工智能系统，补充和增强人类能力，并不断增加 专注于工作的未来.14 寻求人类感知AI的新算法.17 开发用于人体增强的AI技术.17 开发可视化和人工智能接口技术.18 开发更有效的语言处理系统.18 策略策略3 3：理解并解决人工智能的道德，法律和社会影：理解并解决人工智能的道德，法律和社会影响响.19 2019
6、年更新：解决人工智能中的道德，法律和社会问题.19 通过设计提高公平性，透明度和问责制.21 建立道德AI.21 为道德AI设计架构.21 战略战略4 4：确保：确保AIAI系统的安全系统的安全性性.23 2019年更新：创建健壮且值得信赖的AI系统.23 提高可解释性和透明度.25 建立信任.25 加强验证和验证.25 防范攻击.26 实现长期人工智能安全和价值调整.26 策略策略5 5：为人工智能培训和测试开发共享的公共数据集和环：为人工智能培训和测试开发共享的公共数据集和环境境.27 2019年更新：增加对数据集和相关挑战的访问.27 开发和提供各种数据集，以满足各种需求 人工智能的兴趣
7、和应用.29 根据商业和公共利益制定培训和测试资源.30 开发开源软件库和工具包.30 策略策略6 6：通过标准和基准测量和评估：通过标准和基准测量和评估AIAI技技术术.32 2019年更新：支持开发人工智能技术标准和相关工具.32 制定广泛的AI标准.33 建立AI技术基准.34 增加AI测试平台的可用性.34 让AI社区参与标准和基准测试.35 战略战略7 7：更好地了解国家：更好地了解国家AIAI研发人员的需研发人员的需求求.37 2019年更新：推动AI研发人员，包括那些从事AI系统和工作的人员 与他们一起，维持美国的领导地位.37 战略战略8 8：扩大公私合作伙伴关系，加速人工智能
8、的发：扩大公私合作伙伴关系，加速人工智能的发展展.40 缩略语缩略语.43 国家人工智能研发战略计划：2019 iii 执行摘要执行摘要 人工智能（AI）拥有巨大的希望，几乎可以使社会的各个方面受益，包括经济，医疗保健，安全，法律，运输，甚至技术本身。2019年2月11日，总统签署了行政命令13859，维持美国在人工智能方面的领导地位。1 该订单启动了美国人工智能倡议，这是一项促进和保护美国人工智能技术和创新的共同努力。该倡议与私营部门，学术界，公众和志同道合的国际合作伙伴合作实施全政府战略。在其他行动中，该倡议的关键指令要求联邦机构优先考虑人工智能研究与开发（RD）投资，增强对高质量网络基础
9、设施和数据的访问，确保国家在制定人工智能技术标准方面处于领先地位，并提供为新的人工智能时代准备美国劳动力的教育和培训机会。为支持美国人工智能倡议，该国家人工智能研发战略计划：2019年更新确定了联邦投资于人工智能研发的优先领域。2019年的更新建立在2016年发布的第一个国家AI研发战略计划的基础上，考虑了过去三年中出现的新研究，技术创新和其他考虑因素。此更新由来自联邦政府的领先AI研究人员和研究管理人员开发，得到了更广泛的民间社会的投入，包括来自美国许多领先的学术研究机构，非营利组织和私营部门技术公司。这些主要利益攸关方的反馈肯定了2016年战略计划各部分的持续相关性，同时也呼吁更加重视人工
10、智能值得信赖，与私营部门合作以及其他必要措施。国家人工智能研发战略计划：2019年更新为联邦政府资助的人工智能研究制定了一系列目标，确定了以下八个战略重点：策策略1：对人工智能研究进行长期投资。优先考虑对下一代人工智能的投资，这将推动发现和洞察，并使美国成为人工智能的世界领导者。战略2：为人工智能协作开发有效的方法。增加对如何理解 创建有效补充和增强人类能力的AI系统。策策略3：理解并解决人工智能的道德，法律和社会影响。通过技术机制研究人工智能系统，包括道德，法律和社会问题。策策略4：确保AI系统的安全性。了解如何设计可靠，可靠，安全和值得信赖的AI系统。策策略5：为AI培训和测试开发共享的公
11、共数据集和环境。开发并实现对高质量数据集和环境的访问，以及测试和培训资源。战战略6：通过标准和基准测量和评估AI技术。为人工智能开发广泛的评估技术，包括技术标准和基准。策策略7：更好地了解国家AI研发人员的需求。改善研发劳动力发展的机会，从战略上培养一支适合AI的劳动力队伍。战战略8：扩大公私伙伴关系，加速人工智能的发展。与学术界，行业，国际合作伙伴和其他非联邦实体合作，促进人工智能研发持续投资和将进步转化为实际能力的机会。1 https:/www.whitehouse.gov/presidential-actions/executive-order-maintaining-american-
12、leadership-artificial-intelligence/国家人工智能研发战略计划：2019 5 20192019年国家年国家AIAI研发战略计划简研发战略计划简介介 人工智能使计算机和其他自动化系统能够执行历史上需要人类认知的任务以及我们通常认为的人类决策能力。在过去的几十年里，人工智能已经取得了巨大的进步，今天承诺提供更好，更准确的医疗服务;加强国家安全;改善运输;更有效的教育，仅举几例。增强的计算能力，大型数据集和流数据的可用性以及机器学习（ML）的算法进步使人工智能开发成为可能，创造了经济的新部门并振兴了行业。随着越来越多的行业采用人工智能的基础技术，该领域将继续在全球范围
13、内推动深刻的经济影响和生活质量改善。这些进步主要得益于联邦对人工智能研发的投资，美国无与伦比的研发机构的专业知识，以及许多美国最具远见的科技公司和企业家的集体创造力。2016年，联邦政府发布了第一份国家人工智能研发战略计划，认识到人工智能的巨大希望和持续发展的需要。它的开发是为了指导国家的人工智能研发投资，为改善和利用美国的人工智能能力提供战略框架，并确保这些能力在未来几年为美国人民带来繁荣，安全和提高生活质量。该计划为投资人工智能的联邦机构确定了几个重点关注的重点领域。这些重点领域或战略包括：对人工智能的持续长期投资;有效的人工智能协作方法;理解和解决人工智能的道德，法律和社会影响;确保AI
14、的安全性;开发用于AI培训和测试的共享公共数据集和环境;通过标准和基准测量和评估AI技术;并更好地了解国家的人工智能研发 2 https:/www.nitrd.gov/news/RFI-National-AI-Strategic-Plan.aspx 3 https:/www.nitrd.gov/nitrdgroups/index.php?title=AI-RFI-Responses-2018 2019 更新更新 RFIRFI响应通响应通知知 20192019年国家人工智能研发战略计年国家人工智能研发战略计划划 2018年9月，国家网络和信息技术研究与发展协调办公室发布了信息请求（RFI）2 代
15、表人工智能特别委员会，要求所有相关方就2016年国家人工智能研究与发展战略计划提出意见。研究人员，研究组织，专业协会，民间社会组织和个人提交了近50份答复;这些回复可在线获取。3 许多回复重申了2016年国家AI研发战略计划中概述的分析，组织和方法。大量答复指出了在制造业和供应链等领域投资人工智能的重要性;卫生保健;医学影像;气象学，水文学，气候学和相关领域;网络安全;教育;数据密集型物理科学，如高能物理学;和运输。自2016年国家AI研发战略计划发布以来，人们对AI技术的转化应用的兴趣肯定有所增加。RFI响应中回应的其他共同主题是开发值得信赖的AI系统的重要性，包括公平，道德，问责制和AI系
16、统的透明度;策划和可访问的数据集;劳动力考虑;以及促进人工智能研发的公私合作伙伴关系。国家人工智能研发战略计划：2019 6 劳动力需求。这项工作具有先见之明：今天，世界各国都纷纷效仿并发布了自己的计划版本。自国家人工智能研发战略计划制定以来的三年中，新研究，技术创新和现实部署迅速发展。行政当局启动了2019年国家人工智能研发战略计划的更新，以解决这些进步，包括快速发展的国际人工智能环境。值得注意的是，2019年国家人工智能研发战略计划更新的设计仅涉及解决与推进人工智能技术相关的研究和开发优先事项。它没有描述或推荐与人工智能治理或部署相关的政策或监管行动，尽管人工智能研发肯定会为制定合理的政策
17、和监管框架提供信息。AIAI作为管理优先作为管理优先级级 自2017年以来，行政当局通过强调其在多个主要政策文件（包括国家安全战略）中对美国未来的作用，阐述了人工智能研发的重要性。4 国防战略，5 和2020财年研发预算优先事项备忘录。6 2018年5月，科技政策办公室（OSTP）主办了白宫人工智能美国产业峰会，开始讨论人工智能的承诺以及实现美国人民承诺并保持美国领导地位所需的政策。人工智能的年龄。峰会召集了100多位政府高级官员，来自顶级学术机构的技术专家，工业研究实验室负责人和美国商界领袖。特朗普总统在2019年2月5日的国情咨文演讲中强调了确保美国在发展构成未来产业的新兴技术（包括人工智
18、能）方面发挥领导作用的重要性。2019年2月11日，总统签署了行政命令13859，维持美国在人工智能方面的领导地位。7 该订单启动了美国人工智能倡议，这是一项促进和保护美国人工智能技术和创新的共同努力。该倡议通过与私营部门，学术界，公众和志同道合的国际合作伙伴的合作和参与实施整体政府战略。在其他行动中，该倡议的关键指令要求联邦机构优先考虑人工智能研发投资，增加对高质量网络基础设施和数据的访问，确保国家在制定人工智能技术标准方面处于领先地位，并提供教育和培训机会。为AI新时代的美国劳动力做好准备。制定制定20192019年国家人工智能研发战略计划更年国家人工智能研发战略计划更新新 2016年国家
19、人工智能研发战略计划建议，负责推进或采用人工智能的许多联邦机构合作确定关键的研发机会，并支持联邦人工智能研发活动的有效协调，包括校内和校外研究。国家科学技术委员会（NSTC）反映了政府对人工智能的优先顺序，建立了一个新的框架来实施这一建议，由三个独特的NSTC小组组成，这些小组由来自联邦研发机构的成员组成，涵盖（1）高级领导层 4 https:/www.whitehouse.gov/wp-content/uploads/2017/12/NSS-Final-12-18-2017-0905.pdf 5 https:/dod.defense.gov/Portals/1/Documents/pubs/
20、2018-National-Defense-Strategy-Summary.pdf 6 https:/www.whitehouse.gov/wp-content/uploads/2018/07/M-18-22.pdf 7 https:/www.whitehouse.gov/presidential-actions/executive-order-maintaining-american-leadership-artificial-intelligence/国家人工智能研发战略计划：2019 7 和战略愿景，（2）运营规划和战术实施，（3）研究和技术专长。这些小组是：人工智能专题委员会，8 由
21、主要负责政府人工智能研发的部门和机构负责人组成，就机构间人工智能研发优先事项向政府提出建议;考虑与工业界和学术界建立联邦伙伴关系;建立结构，以改善政府规划和协调人工智能研发;确定利用联邦数据和计算资源来支持我们的国家AI研发生态系统的机会;并支持技术，国家人工智能劳动力的增长。NSTC机器学习和人工智能小组委员会（MLAI）由机构人工智能领导和管理人员组成，是专责委员会的运作和实施部门，负责完成特别委员会的任务;创建和维护国家AI研发战略计划;确定和解决与人工智能研究，测试，标准，教育，实施，外联和相关领域相关的重要政策问题;和相关活动。人工智能研发机构间工作组在NSTC的网络和信息技术研发（
22、NITRD）小组委员会下运作，由来自联邦政府的研究项目经理和技术专家组成，向MLAI小组委员会报告;帮助协调跨机构AI研发计划的工作;作为跨机构AI研发实践社区;并通过NITRD小组委员会年度总统预算补编报告政府范围内的人工智能研发支出。在2018年9月，专责委员会启动了对2016年战略计划的更新，首先是RFI寻求广泛的社群意见，了解2016年国家AI研发战略计划的七项战略是否以及如何值得修改或更换（见附文）。独立地，执行或资助AI研发的联邦部门和机构进行了自己的评估。20192019年国家人工智能研发战略计划更新概年国家人工智能研发战略计划更新概述述 人工智能专题委员会，NSTC机器学习和人
23、工智能小组委员会以及NITRD人工智能研发机构间工作组共同审查了有关国家人工智能研发战略计划的意见。2016年计划的最初七个重点领域或战略中的每一个都得到了公众和政府的多个受访者的重申，并没有要求删除任何一项战略。这些战略在2019年战略计划更新中更新，以反映当前的最新技术水平，包括：战略战略1 1：对人工智能研究进行长期投资：对人工智能研究进行长期投资;战略战略2 2：制定有效的人工智能合作方法：制定有效的人工智能合作方法;策略策略3 3：理解并解决：理解并解决AIAI的道德，法律和社会影响的道德，法律和社会影响;战略战略4 4：确保：确保AIAI系统的安全性系统的安全性;战略战略5 5：为
24、人工智能培训和测试开发共享的公共数据集和环境：为人工智能培训和测试开发共享的公共数据集和环境;战略战略6 6：通过标准和基准测量和：通过标准和基准测量和评估评估AIAI技术技术;和战略和战略7 7：更好地了解国家：更好地了解国家AIAI研发人员的需求研发人员的需求。8 https:/www.whitehouse.gov/wp-content/uploads/2018/05/Summary-Report-of-White-House-AI-Summit.pdf 国家人工智能研发战略计划：2019 8 鉴于私人资助的人工智能研发的快速增长以及工业界对人工智能的快速采用，许多对RFI的回应呼吁加强联
25、邦政府对私营部门的研发投入。因此，2019年更新采用了新的第八个战略：战略战略8 8：扩大公私伙伴关系，加速人工智能的发展：扩大公私伙伴关系，加速人工智能的发展。公众和联邦机构的反馈意见确定了进一步促进人工智能开发和采用的若干具体挑战。这些挑战（其中许多涉及多个机构）提供了更深入的洞察，这些国家AI研发战略计划可以指导美国人工智能研发的过程，并且许多与2019年维护美国领导力执行令的主题密切相关。在人工智能。示例包括以下内容：边疆研究。尽管机器学习在过去几年中带来了惊人的新功能，但仍需要继续研究以进一步推动ML的前沿，并开发其他方法来应对AI的严峻技术挑战（战略1）。积极影响。随着人工智能能力
26、的增长，美国必须更加重视开发新的方法，以确保人工智能的影响对未来具有强烈的积极作用（战略1,3和4）。信任和可解释性。真正值得信赖的人工智能需要可解释的人工智能，特别是随着人工智能系统规模和复杂性的增长这需要人类用户和人类设计者全面了解AI系统（策略1,2,3,4和6）。安全保障。研究人员必须设计出保持AI系统及其使用的数据安全的方法，以便国家能够利用这项技术提供的机会，同时保持机密性和安全性（战略4,5和6）。技术标准。随着国家开发技术扩展AI能力和保证，它必须测试和基准测试;当技术准备就绪时，它们应该转变为世界的技术标准（战略6）。劳动力能力。实现这些目标需要培养目前有限且需求量大的熟练人
27、工智能研发人员队伍;美国必须具有创造力和勇气，在培训和获得领导全球人工智能研究和应用所需的熟练劳动力方面（战略7）。合作伙伴关系。人工智能研发的进步越来越需要联邦政府与学术界，工业界和其他非联邦实体之间建立有效的伙伴关系，以便在人工智能中产生技术突破，并迅速将这些突破转化为能力（战略8）。与盟国合作。此外，该计划认识到国际合作对于成功实现这些目标的重要性，同时保护美国AI研发企业免受战略竞争对手和敌对国家的影响。20192019年国家年国家AIAI研发战略计划更新的结研发战略计划更新的结构构 此更新的国家AI研发战略计划包含2016版的原始文本，包括以下关于RD战略的部分（小编辑除外）和前七个
28、战略的原始2016年措辞。对于每项战略，2019年国家研发战略计划的更新在最初七项战略的顶部以阴影框提供;这些突出了战略的更新要求和/或新的重点领域。阴影框下面的文本最初出现在2016年国家AI研发战略计划中，提供了今天仍然重要的观察和背景（请注意，在此期间，一些原始细节可能已经过时）。此外，如前所述，2019年更新中增加了一项新的第八项战略，即扩大人工智能研发中的公共私营伙伴关系。国家人工智能研发战略计划：2019 9 人人工智能研发战略工智能研发战略 本AI人力资源研发战略计划中概述的研究重点集中在行业不可能单独解决的领域，因此，最有可能从联邦投资中获益的领域。这些优先事项贯穿整个AI，包
29、括AI感知子领域，自动推理/规划，认知系统，机器学习，自然语言处理，机器人和相关领域的共同需求。由于人工智能的广度，这些优先事项涵盖整个领域，而不是仅关注每个子领域特有的个别研究挑战。为了实施该计划，应制定详细的路线图，以解决与计划一致的能力差距。战略1中概述的最重要的联邦研究重点之一是持续进行人工智能的长期研究，以推动发现和洞察力。许多投资受到美国联邦政府的高风险，高回报9 基础研究已经带来了我们今天依赖的革命性技术进步，包括互联网，GPS，智能手机语音识别，心脏监测器，太阳能电池板，先进电池，癌症治疗等等。人工智能的承诺几乎涉及社会的各个方面，并具有显着的积极的社会和经济效益的潜力。因此，
30、为了在这一领域保持世界领先地位，美国必须将其投资重点放在高优先级的基础和长期人工智能研究上。许多人工智能技术将与人类一起工作，从而在如何最好地创建以直观和有用的方式与人合作的人工智能系统方面面临重大挑战。10 人类和人工智能系统之间的墙壁正逐渐开始腐蚀，人工智能系统增强并增强了人类的能力。如战略2所述，需要进行基础研究，以制定人与人之间互动和协作的有效方法。人工智能的进步为社会带来了许多积极的好处，并提高了美国的国家竞争力。11 然而，与大多数变革性技术一样，人工智能在一些领域存在一些社会风险，从就业和经济到安全，道德和法律问题。因此，随着人工智能科学和技术的发展，联邦政府还必须投资研究，以更
31、好地了解人工智能对所有这些领域的影响，并通过开发符合道德，法律和社会目标的人工智能系统来解决这些问题。，如战略3所述。当前AI技术的一个关键缺口是缺乏确保AI系统安全性和可预测性能的方法。由于这些系统具有不同寻常的复杂性和不断发展的特性，因此确保AI系统的安全性是一项挑战。一些研究重点解决了这一安全挑战。首先，策略4强调需要可由用户信任的可解释和透明的系统，以用户可接受的方式执行，并且可以保证充当用户的意图。人工智能系统的潜在能力和复杂性，加上与人类用户和环境的可能互动，使得投资于提高人工智能技术安全性和控制力的研究至关重要。战略5呼吁联邦政府投资共享公共数据集进行人工智能培训和测试，以推进人
32、工智能研究的进展，并能够更有效地比较替代解决方案。战略6讨论了标准和基准如何能够集中研发来定义进度，缩小差距，并针对特定问题和挑战推动创新解决方案。标准和基准是 9“高风险，高回报”的研究指的是具有智力挑战性但有可能对研究领域产生深刻积极的变革性影响的有远见的研究。10见2016年人工智能百年研究报告，重点关注人工智能在2030年的预期用途和影响;https:/ai100.stanford.edu/2016-report.11J.弗曼，“这次不同吗？人工智能的机遇与挑战，“经济顾问委员会评论，纽约大学：AI现在研讨会，2016年7月7日。国家人工智能研发战略计划：2019 10 对于测量和评估
33、AI系统以及确保AI技术满足功能和互操作性的关键目标至关重要。最后，人工智能技术在社会各个领域日益普及，给人工智能研发专家带来了新的压力。核心人工智能科学家和工程师的机会比比皆是，他们对技术有深刻的理解，可以为推动该领域知识的界限产生新的想法。国家应采取行动，确保有足够的人工智能人才管道。战略7解决了这一挑战。图1（在2019版本的计划中更新）提供了此AI研发战略计划的整体组织的图形说明。在底部的方框中是横切的，底层基础，影响所有AI系统的发展;战略3-7和新战略8中描述了这些基础。下一层更高（中间一排方框）包括推进AI所需的许多研究领域。策略1-2概述了这些研发领域（包括使用灵感的基础研究）
34、。12 图中顶行的方框是预计将受益于AI进步的应用程序示例。人工智能研发战略计划的这些组成部分共同确定了联邦投资的高级框架，可以在该领域产生有影响的进展并带来积极的社会效益。图图1.人工智能研发战略计划的组织（2019年更新，包括战略8）。横切RD基础的组合（在下排）对于所有AI研究都很重要。许多人工智能研发领域（在中间一行）可以建立在这些横切基础上，以影响各种社会应用（在第一行）。括号内的数字表示该计划中进一步发展每个主题的战略数量。这些策略的排序并不表示重要性。12在整个文件中，“基础研究”包括纯粹的基础研究和基于使用的基础研究-所谓的巴斯德象限，由唐纳德斯托克斯在他1997年的同名书中定
35、义-指的是用于基础研究的基础研究社会在想。例如，NIH对IT的基本投资通常被称为使用启发式基础研究。国家人工智能研发战略计划：2019 11 战略战略1 1：对人工智能研究进行长期投：对人工智能研究进行长期投资资 2019 更新更新 持续对基础持续对基础AIAI研究进行长期投研究进行长期投资资 自2016年国家AI研发战略计划发布以来，强大的新功能，主要是ML应用程序，以明确定义的任务，不断涌现。这些能力已经在各种应用中表现出了影响，例如对基因序列进行分类，20,21 管理有限的无线频谱资源，22 解释医学图像，23 和癌症分级。24 这些快速进步需要数十年的研究才能使技术和应用成熟。25 为
36、了在ML中保持这一进展以实现AI的其他领域的进步，并努力实现通用AI的长期目标，联邦政府必须继续促进ML和AI的长期，基础研究。这项研究将产生转型技术，并反过来在社会各阶层实现突破。该领域当前的许多进展一直是专门的，定义明确的任务，通常由统计ML驱动，例如分类，识别和回归（即“窄AI系统”）。调查结果 13 https:/www.nsf.gov/funding/pgm_summ.jsp?pims_id=505640&org=NSF 14 https:/www.nsf.gov/pubs/2019/nsf19051/nsf19051.jsp 15 https:/www.nsf.gov/pubs/2
37、019/nsf19018/nsf19018.jsp 16 https:/www.nsf.gov/funding/pgm_summ.jsp?pims_id=505651 17 https:/www.nsf.gov/cise/harnessingdata/18 https:/www.darpa.mil/work-with-us/ai-next-campaign 19 https:/datascience.nih.gov/strategicplan 20 https:/ 21 https:/irp.nih.gov/catalyst/v26i4/machine-learning 22 https:/
38、https:/news- 24 https:/ 25 https:/www.nitrd.gov/rfi/ai/2018/AI-RFI-Response-2018-Yolanda-Gil-AAAI.pdf 科学14-与行业。15,16 此外，NSF正在利用数据革命的大创意17 支持对数据科学基础的研究，这将成为未来ML和AI系统的驱动力。DARPA于2018年9月宣布对新的和现有的计划进行多年投资，称为“AI Next”活动。18 主要活动领域包括提高AI系统的稳健性和可靠性;加强ML/AI技术的安全性和弹性;降低功耗，数据和性能低效;并开创了下一代AI算法和应用，例如可解释性和常识推理。NIH
39、数据科学战略计划19 2018年9月旨在促进生物医学研究界获得数据科学技术和ML/AI能力，以实现数据驱动的医疗保健研究。以及USDA-NIFA对农业的AI 毫自2016年国家航空与战略计划发布以来，一些机构已启动战略1的人工智能研发计划：NSF继续资助人工智能的基础研究，包括ML，推理和表示，计算机视觉，计算神经科学，语音和语言，机器人和多智能体系统。NSF与其他机构合作推出了新的联合融资机会-尤其是DARPA在高性能，高能效硬件领域的实时性 长期，基础的人工智能研究：近期的机长期，基础的人工智能研究：近期的机构研发计划构研发计划 国家人工智能研发战略计划：2019 12 该领域已经指出，需
40、要对基础研究进行长期投资，以继续在ML的这些进步基础上再接再厉。此外，需要并行持续努力才能充分实现“通用AI”系统的愿景，该系统在广泛的认知领域中展现出人类智能的灵活性和多功能性。26,27,28,29 需要强调开发进一步的ML能力，以交互式和持续学习，感知和注意之间的联系，以及将学习模型纳入综合推理架构。30 除了ML之外，人工智能的其他核心领域也需要进行批判性研究，包括常识推理和问题解决，概率推理，组合优化，知识表示，计划和调度，自然语言处理，决策制定和人机交互。这些领域的进步将反过来实现协作机器人以及共享和完全自治的系统（参见策略2）。理解人类智能的巨大挑战需要对共享资源和基础设施进行大
41、量投资.25 对ML和AI驱动程序的基础投资也存在广泛的共识，包括数据来源和质量，新颖的软件和硬件范例和平台，以及AI系统的安全性。31,32 例如，随着人工智能软件在日常生活和经济的各个方面执行越来越复杂的功能，现有的软件开发范例将需要发展以满足软件生产力，质量和可持续性要求。最近的联邦投资优先考虑了基础ML和AI研究的这些领域（见边栏），以及ML和AI在众多应用领域的应用，包括国防，安全，能源，交通，卫生，农业和电信。最终，人工智能技术对于解决一系列长期挑战至关重要，例如构建先进的医疗保健系统，强大的智能交通系统以及弹性能源和电信网络。为了使AI应用程序变得普及，它们必须是可解释和可理解的
42、（参见策略3）。这些挑战对于促进人与人之间的人际关系协作尤为突出（见战略2）。如今，理解和分析AI系统决策并测量其准确性，可靠性和可重复性的能力是有限的。需要持续的研发投资来提高对人工智能系统的信任，以确保满足社会需求并充分满足稳健性，公平性，可解释性和安全性的要求。对人工智能研发的长期承诺对于继续和扩展当前的技术进步至关重要，并且更广泛地确保人工智能丰富了人类的经验。事实上，2019年“维持美国人工智能领导力行政命令”指出：执行或资助研发（AI研发机构）的执行机构负责人应将AI视为代理机构的研发优先事项，视各自机构的任务而定。这些机构的负责人在制定预算提案和规划时应考虑到这一优先事项。在20
43、20财年和未来几年使用资金。这些机构的负责人还应考虑采取适当的行政行动，以提高对2019年人工智能的关注。26 https:/ai100.stanford.edu/sites/g/files/sbiybj9861/f/ai100report10032016fnl_singles.pdf 27 http:/cdn.AdQue.org2018Ai%20%索引202018%，2020%20RePort.PDF 28 https:/cra.org/ccc/visioning/visioning-activities/2018-activities/artificial-intelligence-roa
44、dmap/29 https:/ https:/cra.org/ccc/events/artificial-intelligence-roadmap-workshop-3-learning-and-robotics/31 https:/cra.org/ccc/wp-content/uploads/sites/2/2016/04/AI-for-Social-Good-Workshop-Report.pdf 32 https:/ 13 在具有潜在长期收益的领域，需要进行人工智能研究投资。虽然长期研究的一个重要组成部分是具有可预测结果的渐进式研究，但对高风险研究的长期持续投资可以带来高回报的回报。这些
45、回报可以在5年，10年或更长时间内看到。2012年国家研究委员会的一份报告强调了联邦投资在长期研究中的关键作用，并指出“长期不可预测的潜伏期-需要稳定的工作和资金-在初始勘探和商业部署之间”。33 它进一步指出，“从第一个概念到成功市场的时间通常是在几十年内测量的。”有充分记录的持续基础研究工作的例子包括万维网和深度学习。在这两种情况下，基本的基础始于20世纪60年代;只有经过30多年的持续研究努力，这些想法才能体现到今天在许多类别的人工智能中见证的变革性技术。以下小节重点介绍其中一些方面。战略2至6讨论了其他类别的重要人工智能研究。推进以数据为中心的知识发现方法推进以数据为中心的知识发现方法
46、 如2016年联邦大数据研究与发展战略计划中所述，34 需要许多基本的新工具和技术来实现智能数据理解和知识发现。在开发更先进的机器学习算法时需要进一步的进展，这些算法可以识别隐藏在大数据中的所有有用信息。许多开放式研究问题围绕着数据的创建和使用，包括其对AI系统培训的准确性和适当性。在处理大量数据时，数据的准确性尤其具有挑战性，使人们难以从中评估和提取知识。虽然许多研究通过数据质量保证方法处理数据清理和知识发现的准确性，但还需要进一步研究以提高数据清理技术的效率，创建发现数据不一致和异常的方法，并制定方法。纳入人类反馈。研究人员需要探索新方法，以便同时挖掘数据和相关元数据。许多AI应用程序本质
47、上是跨学科的，并且使用异构数据。需要进一步研究多模态机器学习以使得能够从各种不同类型的数据（例如，离散的，连续的，文本的，空间的，时间的，时空的，图形的）中发现知识。AI调查人员必须确定培训所需的数据量，并妥善解决大规模和长尾数据需求。除了纯粹的统计方法之外，他们还必须确定如何识别和处理罕见事件;利用知识来源（即解释世界的任何类型的信息，例如重力法或社会规范的知识）以及数据来源，在学习过程中整合模型和本体;当大数据源可能不可用时，用很少的数据获得有效的学习成绩。增强增强AIAI系统的感知能系统的感知能力力 感知是智能系统进入世界的窗口。感知始于（可能是分布式的）传感器数据，其具有不同的形式和形
48、式，例如系统本身的状态或有关环境的信息。传感器数据经过处理和融合，通常与先验知识和模型一起，提取与AI系统任务相关的信息，如 33国家研究委员会计算机科学电信委员会，信息技术的持续创新（国家科学院出版社，华盛顿特区，2012年），11;https:/doi.org/10.17226/13427.34 https:/www.nitrd.gov/PUBS/bigdatardstrategicplan.pdf 国家人工智能研发战略计划：2019 14 几何特征，属性，位置和速度。来自感知的综合数据形成态势感知，为人工智能系统提供全面的知识和有效安全地规划和执行任务所必需的世界状况模型。AI系统将极大
49、地受益于硬件和算法的进步，以实现更强大和可靠的感知。传感器必须能够以更高的分辨率和实时捕获更远距离的数据。感知系统需要能够整合来自各种传感器和其他来源（包括计算云）的数据，以确定AI系统当前感知的内容并允许预测未来状态。物体的检测，分类，识别和识别仍然具有挑战性，尤其是在杂乱和动态的条件下。此外，通过使用传感器和算法的适当组合，必须大大提高对人类的感知，以便AI系统可以更有效地与人们一起工作.10 需要在整个感知过程中计算和传播不确定性的框架，以量化AI系统在其态势感知中的置信水平并提高准确性。了解了解AIAI的理论能力和局限的理论能力和局限性性 虽然许多AI算法的最终目标是通过类似人类的解决
50、方案解决开放性挑战，但我们并未充分了解AI的理论能力和局限性以及此类人类解决方案甚至可能实现的程度。AI算法。需要理论工作来更好地理解为什么人工智能技术-特别是机器学习-在实践中经常运作良好。虽然不同的学科（包括数学，控制科学和计算机科学）正在研究这个问题，但该领域目前缺乏统一的理论模型或框架来理解AI系统的性能。需要对计算可解性进行额外的研究，这是对AI算法在理论上能够解决的问题类别的理解，同样也是对它们无法解决的问题的理解。必须在现有硬件的环境中开发这种理解，以便了解硬件如何影响这些算法的性能。了解哪些问题在理论上无法解决，可以使研究人员针对这些问题制定近似解决方案，甚至开辟新的AI系统硬