可解释、可通用的下一代人工智能方法重大研究计划2022年度项目指南
引用本文
可解释、可通用的下一代人工智能方法重大研究计划2022年度项目指南. 模式识别与人工智能, 2022,35(5): 481-482
. PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE, 2022,35(5): 481-482.
. PATTERN RECOGNITION AND ARTIFICIAL INTELLIGENCE, 2022,35(5): 481-482.
Permissions
Copyright©2022, 《模式识别与人工智能》编辑部
《模式识别与人工智能》编辑部
可解释、可通用的下一代人工智能方法重大研究计划2022年度项目指南
“ 可解释、可通用的下一代人工智能方法” 重大研究计划面向人工智能发展国家重大战略需求, 以人工智能的基础科学问题为核心, 发展人工智能新方法体系, 促进我国人工智能基础研究和人才培养, 支撑我国在新一轮国际科技竞争中的主导地位。
基于深度学习的人工智能方法在许多场景取得了重要突破, 但仍然存在模型可解释性差、对抗样本鲁棒性差、数据与算力需求大、理论基础薄弱等问题。基于以上问题, 本重大研究计划旨在建立规则和学习的有效融合机制, 打破现有深度学习“ 黑箱算法” 的现状, 建立一套可适用于不同领域、不同场景(语音、图像、视频等)的通用方法体系。
一、科学目标
本重大研究计划面向以深度学习为代表的人工智能方法鲁棒性差、可解释性差、对数据的强依赖等基础科学问题, 挖掘机器学习的基本原理, 发展可解释、可通用的下一代人工智能方法, 并推动人工智能方法在科学领域的创新应用。
二、核心科学问题
本重大研究计划针对可解释、可通用的下一代人工智能方法的基础科学问题, 围绕以下三个核心科学问题开展研究:
(一)深度学习的基本原理
深入挖掘深度学习模型对超参数的依赖关系, 理解深度学习背后的工作原理, 建立深度学习方法的逼近理论、泛化误差分析理论和优化算法的收敛性理论。
(二)可解释、可通用的下一代人工智能方法
通过规则与学习结合的方式, 建立高精度、可解释、可通用且不依赖大量标注数据的人工智能新方法。开发下一代人工智能方法需要的数据库和模型训练平台, 完善下一代人工智能方法驱动的基础设施。
(三)面向科学领域的下一代人工智能方法的应用
发展新物理模型和算法, 建设开源科学数据库、知识库、物理模型库和算法库, 推动人工智能新方法在解决科学领域复杂问题上的示范性应用。
三、2022年度资助研究方向
(一)培育项目
围绕上述科学问题, 以总体科学目标为牵引, 2022年度对于探索性强、选题新颖的申请项目, 将以培育项目方式予以资助。研究方向如下(申报项目须覆盖以下单一方向中列出的部分或全部内容):
1、深度学习的表示理论和泛化理论
2、深度学习的训练动力学
3、微分方程与机器学习方法
4、数据驱动与知识驱动融合的人工智能
5、安全可靠的下一代人工智能
6、人工智能驱动的下一代科学计算理论及应用
(二)重点支持项目
围绕核心科学问题, 以总体科学目标为牵引, 对于前期研究成果积累较好、对总体目标在理论和关键技术上有较大贡献的申请项目, 将以重点支持项目方式予以资助。建议研究内容包括, 但不限于以下方向:
1、面向复杂数据的、可通用的人工智能算法框架
2、新一代非结构化数据管理方法
3、深度学习隐私保护计算新型体系框架与模型
4、面向功能分析的智能化几何造型方法
5、人工智能驱动的下一代微观科学计算平台建设与应用
6、人工智能框架下的宏观复杂反应流动多尺度建模与应用
四、项目遴选的基本原则
(一)紧密围绕核心科学问题, 鼓励基础性和交叉性的前沿探索, 优先支持原创性研究。
(二)优先支持面向发展下一代人工智能新方法或能推动人工智能新方法在科学领域应用的研究项目。
(三)重点支持项目应具有良好的研究基础和前期积累, 对总体科学目标有直接贡献与支撑。
五、2022年度资助计划
2022年度拟资助培育项目20~25项左右, 资助直接费用约为80万元/项, 资助期限为3年, 培育项目申请书中研究期限应填写“ 2023年1月1日-2025年12月31日” ; 拟资助重点支持项目6~8项左右, 资助直接费用约为300万元/项, 资助期限为4年, 重点支持项目申请书中研究期限应填写“ 2023年1月1日-2026年12月31日” 。
摘自国家自然科学基金委网站