美国计算社区联盟发布草案规划未来20年美国人工智能研究团体路线图
本文摘要:草案(以下简称《路线图》),对外广泛征集意见。《路线图》围绕集成智能、有意义的交互、自我感知学习三个主题,旨在确定人工智能的主要技术,指导人工智能研发投资,保持美国在人工智能领域的领导地位。

  编者按

  

  5月13日,美国家科学基金会下属的计算社区联盟发布《未来20年美国人工智能研究团体路线图》草案(以下简称《路线图》),对外广泛征集意见。《路线图》围绕集成智能、有意义的交互、自我感知学习三个主题,旨在确定人工智能的主要技术,指导人工智能研发投资,保持美国在人工智能领域的领导地位。

  人工智能团体路线图

  (一)集成智能技术。

  ①集成智能科学。未来20年,人工智能系统将集成各种智能构件与能力,提供终生和全周期的信息存储库,拥有充分的情景感知和检索能力。

  ②情境化人工智能。人工智能系统将获得通用定制能力,适应特定的用户、组织或目的,具备设备认知能力,了解人类情绪状态和反应。

  ③开放知识库。人工智能系统将达到广泛和深入的因果模型理解,可形成规模化多样化推理模式,可从非结构化数据中提取大量常识在目标领域创建知识库。

  ④理解人类智能。人工智能系统将在复杂社会环境中表现出有效的人格化、适应性、多层次的思维方式。

  (二)与人工智能系统交互的技术。

  ①整合多种交互渠道。人与人工智能系统交互将通过多模式实现,多模式系统将利用持久记忆和交互模型捕捉经验,允许用户保留隐私并实现不同级别的访问权限。

  ②协同交互。人工智能系统将实现个性化自然交互,在实现目标前考虑人类价值观和社会规范,预测人类行为与情绪,推理人类情感。

  ③支持人与人的交互。人工智能系统可监控人类的讨论,促进人类社交网络中的协作与交互,建立更强大的社会关系。

  ④使人工智能系统更可信。人工智能系统将被人类伙伴理解并信任,可在用户的高风险任务中提示不确定性,用户允许人工智能酌情干预,同时防止人工智能的不良操作。

  (三)自我感知学习技术。

  ①学习表达表征。人工智能系统将基本理解知识表征、学习和推理间的关系,理解自然语言,参与真实世界对话,具备因果模型、混合因果、关联推理的学习与推理能力。

  ②可信学习。人工智能系统将创建源信息共享的持久数据存储库,基于市场的人工智能系统可做出偏好响应决策,可建立强大的学习系统来调整市场的规则与机制。

  ③耐用的机器学习系统。人工智能系统将处理数据转移,适应不断变化的现实世界以及人工智能训练数据的非代表性,解决新领域问题并应对新情况。

  ④人工智能与机器人系统集成。机器人系统将可从事人类日常事务,可利用人工智能系统进行推理,通过云端访问大量数据、知识和计划,实时了解大量物体的形式与功能以及人类行为;将不断向人类学习,获得新的机械和社会能力;可学习机器人的基础结构和中间件,人工智能系统可在不同机器人平台上移植。

  人工智能发展建议

  ①建设并运营国家人工智能基础设施。建立开放式人工智能平台与资源,由学术界、工业界和政府提供大量互联的分布式“人工智能就绪”资源;建立组织机构,协调人工智能及相关领域专家提出的重大挑战性问题,推动关键领域研究;建立国家人工智能研究中心,重点关注人工智能长期研究的关键领域;建立任务驱动的人工智能实验室,提供持续的基础设施、设备和人力资源,支持开放式人工智能平台建设并应对人工智能挑战,并与国家人工智能研究中心密切合作,整合研究结果,解决卫生、教育、政策、道德和科学等人工智能领域共性关键挑战。

  ②重新筹划并培训一支系统全面的人工智能人才队伍。设置适合不同群体的人工智能课程,制定人工智能相关课程标准;制定人工智能领域研究生的招聘和留用方案,为支持和保留人工智能教师提供更多资源;培训高技能的人工智能工程师和技术人员。

  ③设立人工智能核心项目。通过设立新的人工智能项目,实现《路线图》确立的目标,尤其是资助人工智能基础研究、人工智能应用程序、跨学科人工智能、人工智能公私伙伴关系、人工智能研究与教育整合、人工智能外联与多样性、人工智能教育和课程开发等项目。

  薛晓芳

  如需转载请注明出处:“国防科技要闻”(ID:CDSTIC)

  人工智能

  陆军

  海军

  空军

  航天

  网络空间

  电子信息

  核武器

  精确打击

  新概念武器

  基础科学

  技术

  与能源

  与制造

月点击排行