《2020年科技部重点研发计划申报指南-新一代人工智能[推荐]》由会员分享，可在线阅读，更多相关《2020年科技部重点研发计划申报指南-新一代人工智能[推荐]（20页珍藏版）》请在金锄头文库上搜索。
1、 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
2、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 1 / 20 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，
3、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12 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35 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1.11.5 的申 报要求详见具体申报说明。 指南中“拟支持项目数为12 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
4、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 2 / 20 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
5、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
6、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 3 / 20 4 支持具有多尺度生物合理性的大规模类脑脉冲
7、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
8、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 4 / 20 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
9、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
10、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 5 / 20 6 和代码等。 申报说明：本任务为开放性研究项目，申请者可就该方向中 涉及的部分研究内容进行申报，提出明确的任务目标和具体的考 核指标。
11、项目负责人需为1980年 1 月 1 日后出生的青年研究人员。 该研究任务拟支持项目数不超过10 项，项目不下设课题，每个项 目所含参研单位总数不超过2 家。 2. 新一代人工智能共性关键技术 2.1人工智能安全理论及验证平台 研究内容：针对深度学习等模型，研究可信度量方法和安全 形式化验证方法，支持复杂智能系统内在结构与行为功能的一致 性、可达性、安全性判定；研究包含智能组件的软件系统的模型 化开发和验证技术以及基于动态数据收集的安全认证模型与方 法，研制建模、开发与验证一体化工具；在黑盒与白盒不同场景 下，研究基于差分测试、变异测试、动态符号执行测试等软件测 试技术的智能系统测试方法和测试
12、样本的自动生成等关键技术； 针对恶意样本等攻击手段，研究具有可扩展性的可认证鲁棒学习 模型，研究新型的对抗实例训练策略及验证问题关系，提高测量 防御技术的有效性；研究软硬件一体的安全攸关复杂智能系统的 安全验证技术、优化技术和硬件架构安全适配。研究基于验证与 测试技术的智能系统全周期安全评估、鲁棒性验证和性能保障技 术与方法，形成相应的认证规范流程。 考核指标：建立多领域技术融合、支持大规模人工智能系统 6 / 20 7 自主安全防御的理论体系；提出不少于3 种具有群体智能鲁棒性 构造、恶意攻击自动识别的安全自动化攻防技术；突破安全关键 复杂智能系统的可信验证技术，支持不少于3 种常见深度学习
13、模 型及 1 种常见开发框架的安全结构度量和形式化验证，参数规模 不低于百万级；突破软硬件一体验证与优化技术，支持不少于3 种硬件环境。建立支持主流大数据集上亿级神经网络参数的智能 安全防御与性能验证测试，实现准实时运行响应；开发一套针对 人工智能系统的攻击防御平台，支持多种针对人工智能系统的攻 防对抗推演。 2.2以中文为核心的多语种自动翻译研究 研究内容：聚焦语言大互通的需要，研发以中文为核心的多 语种、多模态口语自动翻译技术，重点突破面向数据和专家资源 稀缺的小语种语音及语言技术研发的无监督/弱监督学习、迁移学 习、端到端语音翻译等技术，突破具备场景感知能力的图像光学 字符识别、翻译和图
14、像生成技术，实现高可用近远场口语语音识 别和语音合成技术，以及相关语种到汉语之间的双向互译技术， 并完成相应的语音翻译和图片翻译的云服务在智能终端上的应 用，实现政务、教育、媒体、商务、旅游、就医等典型场景的口 语自动翻译服务。 考核指标：在即时和近远场翻译场景下，实现哈萨克语、阿 拉伯语、俄语、泰语、马来语、越南语、印尼语、维吾尔语等多 个小语种到汉语之间的双向语音翻译和图片翻译，形成面向多种 7 / 20 8 应用场景的自动翻译系统和验证应用；小语种近场口语翻译的忠 实度和完整度可达到人类同传水平；近距离、少噪声条件下，印 刷品识别准确率达到98%以上，翻译忠实度超过90%；远距离、 多噪
15、声条件下，非印刷品识别准确率达到90%以上，翻译忠实度 超过 80%。 2.3安全可信的人机共驾系统 研究内容：针对动态、开放的真实交通环境下无人驾驶车辆 适应性差、安全性弱等问题，研究人类驾驶员和智能驾驶系统同 时在环共享驾驶权的人机共驾方法，实现人在回路的数据、信息、 语义及知识等多层次的人机交互与协同；建立人机协同的多模态 感知、意图理解的计算模型，实现人机一致性的情境理解与预测、 决策与控制；研究可解释、可信的自主决策与可解译的决策过程 模型与算法，形成人机混合决策的在线评估理论与方法；构建人 机共驾的云学习平台和支撑环境，实现安全、可信、舒适的智能 驾驶。 考核指标：提出并验证针对系
16、统对驾驶人行为感知准确率、 对驾驶人状态估计与意图预测准确率、常规工况下驾驶行为的动 态约束及反馈频率、紧急工况下控制权分配与失效安全策略计算 周期等关键指标；人机共驾系统中驾驶人对控制系统的预见性以 及满意度的主观评分在8 分以上（10 分制） ；搭建分析人机耦合与 人机共驾机理的软件虚拟仿真平台1 套、硬件在环半实物仿真平 台 1 套、人机共驾云学习平台1 套，核心技术在权威国际评测中 8 / 20 9 达到先进水平，提交相关国际标准提案12 项。 2.4无人集群系统自主协同关键技术研究及验证 研究内容：针对高动态、不确定、资源受限等复杂环境，面 向协同区域搜索、集群优化调度等多任务应用需求，研究无人集 群系统的通用 /开放式体系架构和建模方法，提升无人集群系统的 场景适应能力和异构无人自主系统间的互操作能力；研究不确定 和资源受限条件下高质量传感数据处理、共享及多源信息融合技 术，提升无人集群系统的分布式态势感知与认知能力；研究可引 导、可信任、可进化的集群无人系统规划、决策与控制技术，提 升无人集群系统的鲁棒性和智能化水平；面向
