立足国家发展全局,准确把握全球人工智能发展态势,找准突破口和主攻方向,全面增强科技创新基础能力,全面拓展重点领域应用深度广度,全面提升经济社会发展和国防应用智能化水平。   围绕增加人工智能创新的源头供给,从前沿基础理论、关键共性技术、基础平台、人才队伍等方面强化部署,促进开源共享,系统提升持续创新能力,确保我国人工智能科技水平跻身世界前列,为世界人工智能发展作出更多贡献。   聚焦人工智能重大科学前沿问题,兼顾当前需求与长远发展,以突破人工智能应用基础理论瓶颈为重点,超前布局可能引发人工智能范式变革的基础研究,促进学科交叉融合,为人工智能持续发展与深度应用提供强大科学储备。   突破应用基础理论瓶颈。瞄准应用目标明确、有望引领人工智能技术升级的基础理论方向,加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。大数据智能理论重点突破无监督学习、综合深度推理等难点问题,建立数据驱动、以自然语言理解为核心的认知计算模型,形成从大数据到知识、从知识到决策的能力。跨媒体感知计算理论重点突破低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法,实现超人感知和高动态、高维度、多模式分布式大场景感知。混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论,实现学习与思考接近或超过人类智能水平的混合增强智能。群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法,建立可表达、可计算的群智激励算法和模型,形成基于互联网的群体智能理论体系。自主协同控制与优化决策理论重点突破面向自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论,形成自主智能无人系统创新性理论体系架构。   布局前沿基础理论研究。针对可能引发人工智能范式变革的方向,前瞻布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。高级机器学习理论重点突破自适应学习、自主学习等理论方法,实现具备高可解释性、强泛化能力的人工智能。类脑智能计算理论重点突破类脑的信息编码、处理、记忆、学习与推理理论,形成类脑复杂系统及类脑控制等理论与方法,建立大规模类脑智能计算的新模型和脑启发的认知计算模型。量子智能计算理论重点突破量子加速的机器学习方法,建立高性能计算与量子算法混合模型,形成高效精确自主的量子人工智能系统架构。   开展跨学科探索性研究。推动人工智能与神经科学、认知科学、量子科学、心理学、数学、经济学、社会学等相关基础学科的交叉融合,加强引领人工智能算法、模型发展的数学基础理论研究,重视人工智能法律伦理的基础理论问题研究,支持原创性强、非共识的探索性研究,鼓励科学家自由探索,勇于攻克人工智能前沿科学难题,提出更多原创理论,作出更多原创发现。   1.大数据智能理论。研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论和方法、综合深度推理与创意人工智能理论与方法、非完全信息下智能决策基础理论与框架、数据驱动的通用人工智能数学模型与理论等。   2.跨媒体感知计算理论。研究超越人类视觉能力的感知获取、面向真实世界的主动视觉感知及计算、自然声学场景的听知觉感知及计算、自然交互环境的言语感知及计算、面向异步序列的类人感知及计算、面向媒体智能感知的自主学习、城市全维度智能感知推理引擎。   3.混合增强智能理论。研究“人在回路”的混合增强智能、人机智能共生的行为增强与脑机协同、机器直觉推理与因果模型、联想记忆模型与知识演化方法、复杂数据和任务的混合增强智能学习方法、云机器人协同计算方法、真实世界环境下的情境理解及人机群组协同。   4.群体智能理论。研究群体智能结构理论与组织方法、群体智能激励机制与涌现机理、群体智能学习理论与方法、群体智能通用计算范式与模型。   5.自主协同控制与优化决策理论。研究面向自主无人系统的协同感知与交互,面向自主无人系统的协同控制与优化决策,知识驱动的人机物三元协同与互操作等理论。   6.高级机器学习理论。研究统计学习基础理论、不确定性推理与决策、分布式学习与交互、隐私保护学习、小样本学习、深度强化学习、无监督学习、半监督学习、主动学习等学习理论和高效模型。   7.类脑智能计算理论。研究类脑感知、类脑学习、类脑记忆机制与计算融合、类脑复杂系统、类脑控制等理论与方法。   8.量子智能计算理论。探索脑认知的量子模式与内在机制,研究高效的量子智能模型和算法、高性能高比特的量子人工智能处理器、可与外界环境交互信息的实时量子人工智能系统等。   围绕提升我国人工智能国际竞争力的迫切需求,新一代人工智能关键共性技术的研发部署要以算法为核心,以数据和硬件为基础,以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点,形成开放兼容、稳定成熟的技术体系。   知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术,实现对知识持续增量的自动获取,具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力,形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱。   跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术,实现跨媒体知识表征、分析、挖掘、推理、演化和利用,构建分析推理引擎。   群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术,建立群智知识表示框架,实现基于群智感知的知识获取和开放动态环境下的群智融合与增强,支撑覆盖全国的千万级规模群体感知、协同与演化。   混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术,构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。   自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术,无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术,服务机器人、特种机器人等核心技术,支撑无人系统应用和产业发展。   虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术,提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性,实现虚拟现实、增强现实等技术与人工智能的有机结合和高效互动。   智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术,研发具有自主学习能力的高效能类脑神经网络架构和硬件系统,实现具有多媒体感知信息理解和智能增长、常识推理能力的类脑智能系统。   自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术,推进人类与机器的有效沟通和自由交互,实现多风格多语言多领域的自然语言智能理解和自动生成。   1.知识计算引擎与知识服务技术。研究知识计算和可视交互引擎,研究创新设计、数字创意和以可视媒体为核心的商业智能等知识服务技术,开展大规模生物数据的知识发现。