“新一代人工智能”重大項目2020年度項目啟動申報
發布時間：2020-04-23 10:05:52
3月27日，科技部發布《科技創新2030—“新一代人工智能”重大項目2020年度項目申報指南的通知》，這是繼2018 年啟動以來，第2次發布相關指南。2018年科技部在新一代人工智能基礎理論、面向重大需求的關鍵共性技術、新型感知與智能芯片等 3 個技術方向啟動 16 個研究任務，擬安排國撥經費概算 8.7 億元，實際公示立項33個項目。
3月27日，科技部發布《科技創新2030—“新一代人工智能”重大項目2020年度項目申報指南的通知》，這是繼2018 年啟動以來，第2次發布相關指南。2018年科技部在新一代人工智能基礎理論、面向重大需求的關鍵共性技術、新型感知與智能芯片等 3 個技術方向啟動 16 個研究任務，擬安排國撥經費概算 8.7 億元，實際公示立項33個項目。
國科發資〔2020〕76號
各省、自治區、直轄市及計劃單列市科技廳（委、局），新疆生產建設兵團科技局，國務院各有關部門科技主管司局，各有關單位：
為落實國務院印發的《新一代人工智能發展規劃》的總體部署，現根據《新一代人工智能重大科技項目實施方案》啟動實施科技創新2030—“新一代人工智能”重大項目。按照《關于深化中央財政科技計劃（專項、基金等）管理改革的方案》（國發﹝2014﹞64號）的相關要求，將2020年度項目申報指南予以公布。請按照指南要求組織項目申報工作。有關事項通知如下。
01 項目組織申報工作流程
1. 申報單位根據指南支持方向的研究內容以項目形式組織申報，項目可下設課題。項目應整體申報，須覆蓋相應指南方向的全部考核指標。項目申報單位推薦1名科研人員作為項目負責人，每個課題設1名負責人，項目負責人可擔任其中1個課題的負責人。
2. 項目的組織實施應整合集成全國相關領域的優勢創新團隊，聚焦研發問題，強化基礎研究、共性關鍵技術研發和典型應用示范各項任務間的統籌銜接，集中力量，聯合攻關。
3. 項目申報評審采取填寫預申報書、正式申報書兩步進行，具體工作流程如下。
——項目申報單位根據指南相關申報要求，通過國家科技管理信息系統填寫并提交3000字左右的項目預申報書，詳細說明申報項目的目標和指標，簡要說明創新思路、技術路線和研究基礎。從指南發布日到預申報書受理截止日不少于50天。
——項目牽頭申報單位應與所有參與單位簽署聯合申報協議，并明確協議簽署時間；項目牽頭申報單位、課題申報單位、項目負責人及課題負責人須簽署誠信承諾書，項目牽頭申報單位及所有參與單位要落實《關于進一步加強科研誠信建設的若干意見》要求，加強對申報材料審核把關，杜絕夸大不實，甚至弄虛作假。
——各推薦單位加強對所推薦的項目申報材料審核把關，按時將推薦項目通過國家科技管理信息系統統一報送。
——專業機構受理項目預申報。為確保合理的競爭度，對于非定向申報的單個指南方向，若申報團隊數量不多于擬支持的項目數量，該指南方向不啟動后續項目評審立項程序，擇期重新研究發布指南。
——專業機構組織形式審查，并根據申報情況開展首輪評審工作。首輪評審不需要項目負責人進行答辯。根據專家的評審結果，遴選出3~4倍于擬立項數量的申報項目，進入答辯評審。對于未進入答辯評審的申報項目，及時將評審結果反饋項目申報單位和負責人。
——申報單位在接到專業機構關于進入答辯評審的通知后，通過國家科技管理信息系統填寫并提交項目正式申報書。正式申報書受理時間為30天。
——專業機構對進入答辯評審的項目申報書進行形式審查，并組織答辯評審。申報項目的負責人通過網絡視頻進行報告答辯。根據專家評議情況擇優立項。對于擬支持項目不超過4項和10項的指南任務，是指在滿足項目立項條件的情況下，該研究任務所支持項目數分別不超過4項和10項；對于支持1~2項的指南任務，原則上只支持1項，如答辯評審結果前兩位的申報項目評價相近，且技術路線明顯不同，可同時立項支持，并建立動態調整機制，結合過程管理開展中期評估，根據評估結果確定后續支持方式。
02 組織申報的推薦單位
1. 國務院有關部門科技主管司局；
2. 各省、自治區、直轄市、計劃單列市及新疆生產建設兵團科技主管部門；
3. 原工業部門轉制成立的行業協會；
4. 納入科技部試點范圍并且評估結果為A類的產業技術創新戰略聯盟，以及納入科技部、財政部開展的科技服務業創新發展行業試點聯盟。
各推薦單位應在本單位職能和業務范圍內推薦，并對所推薦項目的真實性等負責。國務院有關部門推薦與其有業務指導關系的單位，行業協會和產業技術創新戰略聯盟、科技服務業創新發展行業試點聯盟推薦其會員單位，省級科技主管部門推薦其行政區劃內的單位。推薦單位名單在國家科技管理信息系統公共服務平臺上公開發布。
03 申報資格要求
1. 項目牽頭申報單位和參與單位應為中國大陸境內注冊的科研院所、高等學校和企業等，具有獨立法人資格，注冊時間為2019年3月31日前，有較強的科技研發能力和條件，運行管理規范。國家機關不得牽頭或參與申報。
項目牽頭申報單位、項目參與單位以及項目團隊成員誠信狀況良好，無在懲戒執行期內的科研嚴重失信行為記錄和相關社會領域信用“黑名單”記錄。
申報單位同一個項目只能通過單個推薦單位申報，不得多頭申報和重復申報。
2. 項目（課題）負責人須具有高級職稱或博士學位，1960年1月1日以后出生，每年用于項目的工作時間不得少于6個月。
3. 項目（課題）負責人原則上應為該項目（課題）主體研究思路的提出者和實際主持研究的科技人員。中央和地方各級國家機關的公務人員（包括行使科技計劃管理職能的其他人員）不得申報項目（課題）。
4. 項目（課題）負責人限申報1個項目（課題）；國家科技重大專項、國家重點研發計劃重點專項、科技創新2030—重大項目的在研項目（含任務或課題）負責人不得牽頭申報項目（課題）。國家重點研發計劃重點專項、科技創新2030—重大項目的在研項目負責人（不含任務或課題負責人）也不得參與申報項目（課題）。
項目（課題）負責人、項目骨干的申報項目（課題）和國家科技重大專項、國家重點研發計劃、科技創新2030—重大項目在研項目（課題）總數不得超過2個；國家科技重大專項、國家重點研發計劃、科技創新2030—重大項目在研項目（含任務或課題）負責人不得因申報項目（課題）而退出目前承擔的項目（含任務或課題）。國家科技重大專項、國家重點研發計劃、科技創新2030—重大項目的在研項目（含任務或課題）負責人和項目骨干退出項目研發團隊后，在原項目執行期內原則上不得牽頭或參與申報本重大項目。
計劃任務書執行期（包括延期后的執行期）到2020年12月31日之前的在研項目（含任務或課題）不在限項范圍內。
5. 參與本重大項目實施方案或本年度項目指南編制的專家，不能申報項目（課題）。
6. 受聘于內地單位的外籍科學家及港、澳、臺地區科學家可作為項目（課題）負責人，全職受聘人員須由內地聘用單位提供全職聘用的有效材料，非全職受聘人員須由內地聘用單位和境外單位同時提供聘用的有效材料，并作為項目預申報材料一并提交。
7. 申報項目受理后，原則上不能更改申報單位和負責人。
8. 項目的具體申報要求，詳見項目申報指南。
各申報單位在正式提交項目申報書前可利用國家科技管理信息系統公共服務平臺查詢相關科研人員承擔國家科技重大專項、國家重點研發計劃重點專項、科技創新2030—重大項目在研項目（含任務或課題）情況，避免重復申報。
04 具體申報方式
1. 網上填報。本次申報試行無紙化申請，請各申報單位嚴格遵循國家、地方各項疫情防控要求，創新工作方法，減少人員聚集，通過國家科技管理信息系統公共服務平臺（http://service.most.gov.cn）進行網上填報。項目管理專業機構將以網上填報的申報書作為后續形式審查、項目評審的依據。申報材料中所需的附件材料，全部以電子掃描件上傳。確因疫情影響暫時無法提供的，請上傳依托單位出具的說明材料掃描件，項目管理專業機構將根據情況通知補交。
項目申報單位網上填報預申報書的受理時間為：2020年4月23日8:00至5月25日16:00。進入答辯評審環節的申報項目，由申報單位按要求填報正式申報書，并通過國家科技管理信息系統提交，具體時間和有關要求另行通知。
2. 組織推薦。請各推薦單位于2020年6月1日16:00前通過國家科技管理信息系統公共服務平臺逐項確認推薦項目，并將加蓋推薦單位公章的推薦函以電子掃描件上傳。
3. 技術咨詢電話及郵箱：
010-58882999（中繼線），program@istic.ac.cn。
4. 業務咨詢電話：
科學技術部高技術研究發展中心，010-68104417。
附件：科技創新2030—“新一代人工智能”重大項目2020年度項目申報指南（形式審查條件要求、指南編制專家名單）
科技部
2020年3月25日
科技創新2030—“新一代人工智能”重大項目2020年度項目申報指南
為落實《新一代人工智能發展規劃》，啟動實施科技創新2030—“新一代人工智能”重大項目。根據重大項目實施方案的部署，科技部組織編制了2020 年度項目申報指南，現予以正式發布。
本重大項目的總體目標是：以推動人工智能技術持續創新和 與經濟社會深度融合為主線，按照并跑、領跑兩步走戰略，圍繞大數據智能、跨媒體智能、群體智能、混合增強智能、自主智能系統等五大方向持續攻關，從基礎理論、支撐體系、關鍵技術、創新應用四個層面構筑知識群、技術群和產品群的生態環境，搶占人工智能技術制高點，妥善應對可能帶來的新問題和新挑戰，促進大眾創業萬眾創新，使人工智能成為智能經濟社會發展的強 大引擎。
2020年度項目申報指南在新一代人工智能基礎理論、共性關鍵技術、新型感知與智能芯片、人工智能提高經濟社會發展水平創新應用等4 個技術方向啟動22 個研究任務，擬安排國撥經費概算5.6 億元。項目鼓勵充分發揮地方和市場作用，強化產學研用緊密結合，調動社會資源投入新一代人工智能研發。指南技術方向“2.新一代人工智能共性關鍵技術”和“4.人工智能提高經濟社會發展水平創新應用”所屬任務的項目，配套經費與國撥經費比例 不低于2:1；指南技術方向“3.新型感知與智能芯片”所屬任務的項目，配套經費與國撥經費比例不低于1:1。
各研究任務要求以項目為單元整體組織申報，項目須覆蓋所申報指南方向二級標題（例如：1.1）下的所有研究內容并實現對應的研究目標。除特殊說明外，各研究任務擬支持項目數均為1~2 項，每個項目下設課題數不超過5 個，所含參研單位總數不超過10 家，實施周期為3~5 年。項目設1 名項目負責人，項目中的每個課題設1 名課題負責人。基礎理論部分研究任務1.1—1.5 的申報要求詳見具體申報說明。
指南中“擬支持項目數為 1~2 項”是指：在同一研究方向下， 當出現申報項目評審結果前兩位評分評價相近、技術路線明顯不同的情況時，可同時支持這2 個項目。2 個項目將采取分兩個階段支持的方式。建立動態調整機制，第一階段完成后將對2 個項目執行情況進行評估，根據評估結果確定后續支持方式。
01 新一代人工智能基礎理論
1.1 腦結構和功能啟發的新型神經網絡模型
研究內容：針對當前神經網絡計算模型依賴大量標注樣本、魯棒性和適應性差、可解釋性不足、能效比低等局限，研究受特定神 經環路啟發，發展具有記憶、稀疏編碼、自適應等特征的新一代神 經網絡模型；研究大規模復雜網絡的高效學習和計算方法，發展復 雜網絡學習泛化性理論；設計具有自適應能力的神經網絡結構，突破自學習、小樣本學習、可解釋性等智能新理論與新方法。
考核指標：構建具備學習、記憶等認知能力的大規模神經網絡計算模型；具備自適應可遷移能力，噪聲環境下的模型性能有數量級提升；設計自學習、小樣本學習方法，相同性能條件下所需標注數據數量級減少；通過知識歸納和遷移，對模型結果和性能提升具備可解釋性；開源新型神經網絡計算數據、模型和代碼等。
申報說明：本任務擬支持項目數不超過4 項，每個項目下設課題數不超過2 個，所含參研單位總數不超過2 家。
1.2 基于脈沖神經網絡的感知—學習—決策神經網絡模型
研究內容：構建以脈沖神經元和脈沖信息表達為核心的脈沖神經網絡計算模型，研究基于脈沖時空模式的監督學習、強化學習、無監督學習和元學習等多種類腦學習機制，建立具備生物合理性和生物可解釋性的多尺度脈沖神經網絡學習算法；充分借鑒脈沖神經工作機制，研究面向多模態、不確定信息的感知、學習、決策的貝葉斯理論和模型，實現神經元編碼、學習和記憶融合的視聽覺感知—學習—決策等復雜環路神經網絡功能，以無人機、機器人等為載體探索自主智能實現途徑。
考核指標：感知—學習—決策神經網絡計算模型要求具備生 物合理性與生物可解釋性；模擬學習和記憶融合的自主感知—學 習—決策協同計算，能夠支持基于復雜視、聽、觸、嗅覺等感知 的類腦自主學習與決策，具備多模態信息整合、知識泛化和概念 學習能力，同一模型支持5 種以上學習、記憶和決策任務；構建支持具有多尺度生物合理性的大規模類腦脈沖神經網絡框架，開源類腦學習與決策脈沖神經網絡數據、模型和代碼等。
申報說明：本任務擬支持項目數不超過4 項，每個項目下設課題數不超過2 個，所含參研單位總數不超過2家。
1.3 認知計算基礎理論與方法研究
研究內容：聚焦開放、動態、真實環境下推理與決策重大問 題，開展常識學習、直覺推理、自主演化、因果分析等理論和方法研究，重點突破刻畫環境自適應、不完全推理、自主學習、對抗學習、智能體協同優化等特點的認知計算理論和算法，在跨媒體智能、自主智能、群體智能或混合增強智能等智能形態方面實現應用驗證。
考核指標：形成能適應多種智能形態的認知計算框架，構建大規模、共享開放的跨媒體常識、客觀規律和時空事件等知識庫，提出并實現通用認知測試方法；在對抗決策、人機混合或自主學習中形成和常識結合的認知理論，建立相應算法在開放環境下魯棒性顯著提升的驗證環境；建立具有國際影響力的開放認知智能水平評測體系。
申報說明：本任務擬支持項目數不超過4 項，每個項目下設課題數不超過2 個，所含參研單位總數不超過2 家。
1.4 以自然語言為核心的語義理解研究
研究內容：針對從互聯網海量文本、自然標注大數據和多模 態關聯數據獲取開放域知識等問題，研究基于知識圖譜、事理圖譜等大規模多元知識的自然語言語義分析方法，研究可理解、可 解釋文本生成方法，研究通過與環境和社會跨模態交互的語言進 化計算模型，突破層次深、魯棒性強、對稀缺語料適應能力好的 中文自然語言理解技術，為認知智能提供通用語言模型、生成方 法和基本工具支撐。
考核指標：從互聯網海量文本中自動獲取知識和語義分析能力得到可驗證的數量級提高；自主提出5 個以上語言文本分析和生成任務，達到與人類可比的認知水平；形成跨模態表達的語言 理解基本模型，形成具有國際影響力的跨模態實體、事件理解、 對話理解基準測試集；開源基準學習和測試集合、模型和語言理 解基本工具等。
申報說明：本任務擬支持項目數不超過4 項，每個項目下設課題數不超過2 個，所含參研單位總數不超過2家。
1.5 高級機器學習理論研究
研究內容：研究具有自組織、自學習、自適應、自涌現等特點的機器學習新理論；研究不完全信息下推理決策與演化完善的學習理論；研究具有可解釋性的機器學習理論和方法；研究小樣本學習、深度強化學習、無監督學習、半監督學習、遷移學習、表征學習等理論和模型；研究量子機器學習、對偶學習、分布式學習、主動學習、元學習及其它高級機器學習基礎理論和方法等。
考核指標：圍繞上述研究內容和具體需求場景，形成從數據、模型到算法的理論成果，建立可驗證的系統，并開源數據、模型和代碼等。
申報說明：本任務為開放性研究項目，申請者可就該方向中涉及的部分研究內容進行申報，提出明確的任務目標和具體的考核指標。項目負責人需為1980 年1 月1 日后出生的青年研究人員。該研究任務擬支持項目數不超過10 項，項目不下設課題，每個項目所含參研單位總數不超過2 家。
02 新一代人工智能共性關鍵技術
2.1 人工智能安全理論及驗證平臺
研究內容：針對深度學習等模型，研究可信度量方法和安全 形式化驗證方法，支持復雜智能系統內在結構與行為功能的一致性、可達性、安全性判定；研究包含智能組件的軟件系統的模型 化開發和驗證技術以及基于動態數據收集的安全認證模型與方法，研制建模、開發與驗證一體化工具；在黑盒與白盒不同場景下，研究基于差分測試、變異測試、動態符號執行測試等軟件測試技術的智能系統測試方法和測試樣本的自動生成等關鍵技術；針對惡意樣本等攻擊手段，研究具有可擴展性的可認證魯棒學習模型，研究新型的對抗實例訓練策略及驗證問題關系，提高測量防御技術的有效性；研究軟硬件一體的安全攸關復雜智能系統的安全驗證技術、優化技術和硬件架構安全適配。研究基于驗證與測試技術的智能系統全周期安全評估、魯棒性驗證和性能保障技術與方法，形成相應的認證規范流程。
考核指標：建立多領域技術融合、支持大規模人工智能系統自主安全防御的理論體系；提出不少于3 種具有群體智能魯棒性構造、惡意攻擊自動識別的安全自動化攻防技術；突破安全關鍵復雜智能系統的可信驗證技術，支持不少于3 種常見深度學習模型及1 種常見開發框架的安全結構度量和形式化驗證，參數規模不低于百萬級；突破軟硬件一體驗證與優化技術，支持不少于3 種硬件環境。建立支持主流大數據集上億級神經網絡參數的智能安全防御與性能驗證測試，實現準實時運行響應；開發一套針對人工智能系統的攻擊防御平臺，支持多種針對人工智能系統的攻防對抗推演。
2.2 以中文為核心的多語種自動翻譯研究
研究內容：聚焦語言大互通的需要，研發以中文為核心的多語種、多模態口語自動翻譯技術，重點突破面向數據和專家資源稀缺的小語種語音及語言技術研發的無監督/弱監督學習、遷移學習、端到端語音翻譯等技術，突破具備場景感知能力的圖像光學字符識別、翻譯和圖像生成技術，實現高可用近遠場口語語音識別和語音合成技術，以及相關語種到漢語之間的雙向互譯技術，并完成相應的語音翻譯和圖片翻譯的云服務在智能終端上的應用，實現政務、教育、媒體、商務、旅游、就醫等典型場景的口語自動翻譯服務。
考核指標：在即時和近遠場翻譯場景下，實現哈薩克語、阿 拉伯語、俄語、泰語、馬來語、越南語、印尼語、維吾爾語等多個小語種到漢語之間的雙向語音翻譯和圖片翻譯，形成面向多種應用場景的自動翻譯系統和驗證應用；小語種近場口語翻譯的忠實度和完整度可達到人類同傳水平；近距離、少噪聲條件下，印 刷品識別準確率達到98%以上，翻譯忠實度超過90%；遠距離、多噪聲條件下，非印刷品識別準確率達到90%以上，翻譯忠實度超過80%。
2.3 安全可信的人機共駕系統
研究內容：針對動態、開放的真實交通環境下無人駕駛車輛適應性差、安全性弱等問題，研究人類駕駛員和智能駕駛系統同時在環共享駕駛權的人機共駕方法，實現人在回路的數據、信息、語義及知識等多層次的人機交互與協同；建立人機協同的多模態感知、意圖理解的計算模型，實現人機一致性的情境理解與預測、決策與控制；研究可解釋、可信的自主決策與可解譯的決策過程模型與算法，形成人機混合決策的在線評估理論與方法；構建人機共駕的云學習平臺和支撐環境，實現安全、可信、舒適的智能駕駛。
考核指標：提出并驗證針對系統對駕駛人行為感知準確率、對駕駛人狀態估計與意圖預測準確率、常規工況下駕駛行為的動態約束及反饋頻率、緊急工況下控制權分配與失效安全策略計算周期等關鍵指標；人機共駕系統中駕駛人對控制系統的預見性以 及滿意度的主觀評分在8 分以上（10 分制）；搭建分析人機耦合與人機共駕機理的軟件虛擬仿真平臺1 套、硬件在環半實物仿真平臺1 套、人機共駕云學習平臺1 套，核心技術在權威國際評測中達到先進水平，提交相關國際標準提案1~2 項。
2.4 無人集群系統自主協同關鍵技術研究及驗證
研究內容：針對高動態、不確定、資源受限等復雜環境，面向協同區域搜索、集群優化調度等多任務應用需求，研究無人集群系統的通用/開放式體系架構和建模方法，提升無人集群系統的場景適應能力和異構無人自主系統間的互操作能力；研究不確定和資源受限條件下高質量傳感數據處理、共享及多源信息融合技術，提升無人集群系統的分布式態勢感知與認知能力；研究可引導、可信任、可進化的集群無人系統規劃、決策與控制技術，提升無人集群系統的魯棒性和智能化水平；面向災害救援、環境監測、區域物流、應急處理等應用場景，進行基于無人集群自主協同的驗證。
考核指標：建立開放式的無人集群系統架構，支持集群節點數量不少于100 個，支持不少于3 種復雜動態任務場景，并具備節點可動態加入、撤消的能力和任務場景的可擴展能力；實現由至少3 種異構無人自主平臺組成的集群任務驗證；能夠適應強干擾、變通信拓撲等挑戰環境下的態勢感知和認知任務要求，實現至少3 種針對無人集群系統自主協同的安全測試；互操性滿足國家相關標準；實現不依賴于群體規模的任務規劃、自主決策與控制算法，實現通用計算平臺下實時規劃和決策，并建立群體智能的自主學習與進化模式，形成可快速進行大規模應用復制的應用驗證，提交相關國際標準提案1~2 項。
2.5 具有自主學習能力的品質檢驗關鍵技術
研究內容：以具有產品型號多樣、材質透明反光、尺寸大小 不一、質檢崗位勞動力密集等特點的典型制造領域為驗證場景，針對產品材質、加工工藝、表面形貌、折反光特性等方面的差異和外部環境光的不確定性，研制具有人眼仿生機理的成像系統；針對復雜背景下高效率、高精度、弱對比、多種類的缺陷檢測要求，研究小樣本、弱監督、強噪聲條件下具備強適應能力的外觀缺陷技能學習關鍵技術；研究海量工業外觀數據的快速重塑映射管理方法，實現若干典型工業外觀數據庫的構建；研究知識增長型的學習模型建立方法，實現甄別技能的在線學習與增強；研究技能遷移學習方法，實現多類別外觀的技能高效傳授，解決制造行業外觀檢測環節用工難的行業痛點。
考核指標：構建不少于10 類符合指南特點的工業外觀缺陷大規模數據庫，指標具有行業領先性；開發可在線學習與增強的甄別學習技能平臺軟件，形成任務遷移學習能力，實現不同質檢任 務遷移單次不超過0.5 小時；在典型場景下達到并超過人工檢測能力，召回率大于97%，準確率大于95%；可面向不同質檢場景進行自主學習，形成具有適應能力的通用型品質檢驗關鍵技術，在不少于2 個行業的龍頭企業形成代表性應用。
2.6 復雜社會信息網絡下的風險感知與智能決策研究
研究內容：面向多源、異構和跨模態復雜社會信息，研究語 義融合、網絡表征和動態演化的理論框架；提出面向多維度、多尺度社會信息網絡的風險感知、智能分析和群體決策的社會計算范式，研究和構建融合全球多語種、跨模態大數據驅動的社會風險機理和分析模型與方法；研究信息網絡的實體及關聯知識聯合提取方法，構建支撐風險評估與智能決策的時序知識圖譜，研究復雜社會網絡圖表征學習框架，提出領域知識與大數據驅動的超大群體智能決策方法，支持智能決策的自主評價與推演；構建面向重大需求的風險預警、智能分析、群體決策的軟硬件一體化大數據計算平臺。
考核指標：具備融合全球20個以上語種、10萬家公開信息源的大規模社會信息的獲取和融合能力；構建面向社會信息風險與決策的千萬級結點、億級邊的知識圖譜，研制不少于100 種社會風險感知與智能決策算法模型；具備在百億級條邊規模的社會復雜網絡上進行分析和決策的能力，實現千萬級節點規模網絡上的分鐘級搜索響應和分鐘級挖掘與推薦計算能力；在不少于2 個面向重大社會風險預警和智能決策的典型領域進行規模化應用驗證。
2.7 億級節點時序圖譜實時智能分析關鍵技術與系統
研究內容：聚焦海量金融交易數據實時風險防控重大問題，研究建立多領域（股票、期貨、債券、上市公司、金融人物等）金融知識圖譜技術；構建實時、動態、可追溯的超大規模時序關聯圖及實時智能分析研究，突破面向時序關聯圖的快速構建、查詢語言設計、動態分析以及實時智能決策等關鍵技術；研究時序關聯圖的挖掘、推理與歸納以及可解釋規則自動生成，重點突破金融實時風控場景下數據與知識混合驅動的風險預測研究并開展應用驗證，通過對金融領域十億節點級別規模網絡構建，實現相關領域知識圖譜融合以及關鍵節點辨識、推理和控制，達到風險預警及防范目的。
考核指標：構建面向金融領域的千萬級知識圖譜，涵蓋不少于5 個領域，實現多個領域知識圖譜的關聯與融合；時序圖譜支持金融風險防范領域常用的時序復雜邊，具備單節點10萬tps、集群200萬tps 關聯圖構建能力，每筆處理平均延時在10毫秒以內；億級節點量級下實現不低于4 層時序復雜關系的查詢，平均延遲小于1 秒；支持基于時序關聯圖的金融實時風控場景高級認知模型研究，具備可解釋性，并在不少于5 家金融機構進行風險防控的應用驗證。
2.8 復雜版面手寫圖文識別及理解關鍵技術研究
研究內容：聚焦千萬教師日常擔負大量試卷和作業閱卷工作 的減負迫切需求，開展多學科多題型紙筆考試和作業的智能閱卷技術研發，基于教育大數據、跨媒體分析及自然語言理解等，突破面向紙筆考試及作業的復雜版面分析、手寫圖文及公式識別、作文自動評分、文科答案語義理解評分、理科解題步驟分析評分及抄襲檢測等智能閱卷關鍵技術，實現與教師閱卷能力協作的增強型高可用智能閱卷系統研發。
考核指標：面向初高中真實考試作業數據的智能閱卷場景，復雜版面分析的準確率達到99%以上，中英文作文的字識別準確率達到98%以上，手寫圖文及公式識別準確率達到96%以上，中英文作文自動評分及文科簡答題評分的人機一致性達到人人一致性的99%以上，典型理科解題步驟分析評分的人機一致性達到人人一致性的95%以上，抄襲檢測的準確率達到98%以上，智能閱卷技術在語文、數學等學科以及10 所以上學校實現常態化應用。
2.9 擬人化人機交互服務關鍵技術與系統
研究內容：面向電話、在線文本客服和面對面咨詢、銷售及服務等復雜場景，研究口語化語音識別、擬人語音合成和口語化處理技術；研究基于場景知識圖譜的上下文語義解析和檢索技術、基于對話管理和知識驅動的多輪對話技術、基于用戶畫像的個性化反饋對話技術，以及基于對話狀態監測的自動反饋應答技術等；研究突破高噪聲服務環境下的視聽覺環境感知技術，基于語音、五官、表情、手勢、肢體語言等多模態用戶意圖識別技術，基于語言及視覺的多模態知識表達與推理技術，突破真實場景下跨模態的多媒體及語義理解；研究用戶情感感知與個性化智能服務技術，以用戶體驗為中心的人機協同智能用戶服務技術；研究低資源場景下的遷移學習技術，研究解決對新場景系統冷啟動等問題；構建具備反饋式學習能力的開放式智能客服平臺，實現面向全領域可定制的對話理解。
考核指標：智能客服平臺實現口語識別準確率超過95%、口語語音合成MOS 得分接近人類水平、對話正確響應率不低于95% 的實測效果，提出能夠有效體現機器對話智能的圖靈測試方案，并在至少3 個領域通過測試驗證；實現規模為千萬級別的大數據用戶行為視頻理解，情感分析和行為理解準確率超過90%；能夠進行多種復雜任務的領域遷移，具備支撐億級用戶規模應用的能力，給定任務完成率不低于90%；對研究者授權開放帶標注的真實場景多輪對話不少于100 萬段。
2.10 混合增強在線教育關鍵技術與系統研究
研究內容：針對在線教育存在情境多變難感知、用戶體驗難 適配、認知過載易迷航等難題，研究虛實結合的體驗式、沉浸化學習技術與環境；研究學習行為分析、意圖理解、認知狀態追蹤等學習認知模型，實現學習認知過程的多維度、跨學科跟蹤；綜合多模態人機交互、知識圖譜、強化學習等方法，研究面向個性化伴學的智能導學方法，打通學習規劃、內容推薦、輔導答疑等環節，構造因材施教、教學相長的虛擬智能助教和導師；研究基于人機混合智能的群體化學習組織、激勵、評測、輔導和優化方法，建立支撐群體化課程學習和在線實踐的智能平臺；研究混合增強在線教學質量綜合分析和優化方法，探索數據驅動的智慧教育新范式。
考核指標：實現大規模在線教育混合增強智能環境和平臺，在中小學的科學教育、高職技能培訓、大學專業教育等領域進行應用；提出能夠有效體現人機混合智能的虛擬助教和導師圖靈測 試方案，并在2 個典型學科和規模人群進行測試驗證；在學習效率、學習興趣等方面提出人機混合增強教學環境的評估體系和具體評估指標；給出基于10 門以上學科、20 家以上學校、面向上萬學生規模化驗證的評估結果。
2.11 室內服務機器人自主學習與進化關鍵技術
研究內容：通過服務機器人、物理環境、運動目標等持續交 互式學習建模，研究復雜家庭環境下服務機器人數字孿生環境關鍵技術與系統；通過事件驅動機制（如智能抓取、多模感知、柔性交互、敏捷家政等）和虛實融合，實現持續高效的進化訓練，實現大規模智能實驗模擬和智能增長；研究基于“感知—分析—決策—反饋”的多服務機器人群體智能，實現多個服務機器人自主協作；研究服務機器人決策行為評估、遂行任務效果的全過程評價方式，構建相關評價標準和過程評估體系。
考核指標：建立服務機器人本體和服務環境可靈活配置的數字孿生系統，至少支持2 種類型以上服務機器人本體，100 多個室內服務環境；建立服務機器人自主學習與進化理論與方法，通過數字孿生，服務機器人訓練效率數量級提升，完成20 種以上室內服務任務，模型從虛擬到真實場景具有良好的可遷移性；服務機器人在不少于20個社區、養老院、康復中心等機構進行應用驗證；申請相關技術標準2項。
03 新型感知與智能芯片
3.1 基于混合器件的神經形態計算架構及芯片研究
研究內容：聚焦生物腦工作機理的可計算模型實現，開展信息存儲與處理一體化理論研究，設計易于硬件實現的神經元、突觸及網絡模型；研究基于硬件的神經網絡動態配置、神經元地址快速并行查找和在線學習技術，設計新型神經形態計算架構；研究應用于神經形態芯片的新型器件及其集成技術。突破混合器件集成的大規模神經形態芯片技術，構建神經形態芯片與現有計算機系統結合的混合計算應用平臺。
考核指標：研制混合器件的神經形態芯片，支持神經網絡的在線學習與配置參數的非易失性，神經元規模大于20 萬，突觸規模大于2000 萬，突觸讀寫訪問時間小于50ns，芯片能效大于1T 脈沖操作/瓦；開發神經形態計算功能驗證平臺，支持400 萬以上神經元，性能大于30T 脈沖操作/秒；支持至少2 種典型智能任務。
04 人工智能提高經濟社會發展水平創新應用
4.1 開放環境復雜制造過程智能調度方法及應用
研究內容：針對工業互聯網開放環境下、復雜制造過程調度面臨的大規模異構制造資源高度動態不確定性等問題，研究基于全類型數據處理和領域知識深度遷移的復雜制造任務自適應感知與調度方法；研究面向制造云端與邊緣側動態協同的異構制造資源高效調度方法；研究大規模跨組織、強耦合、不確定性制造應用流程協同優化調度方法；突破異構制造系統自適應集成技術、大規模制造資源協同云排產技術；研制面向工業互聯網開放環境的智能制造資源云平臺，提升制造過程整體效率，提高關鍵高價值設備工作效能、利用率和使用壽命，實現工業企業降本增效，面向高端裝備、汽車等典型離散制造業，在資源協同、協同設計、協同生產等典型場景開展應用研究。
考核指標：形成新一代人工智能驅動的開放環境復雜制造過程監測與調度方法技術體系；建立面向復雜制造過程調度的邊云協同人工智能框架，形成至少5 種制造大數據與遷移學習融合驅動的新型調度算法及調度服務；研制基于工業互聯網的開放環境智能制造資源云平臺，形成規模化企業和制造資源集聚；面向高 端裝備、汽車等至少3 個典型制造業行業領域開展應用研究，在落地應用中實現制造資源利用率提升5%以上，產品制造周期縮短10%以上。
4.2 工業領域知識自動構建與推理決策技術及應用
研究內容：圍繞制造業全產業鏈中核心業務環節，面向多行 業、多學科、多源異構、跨媒體的工業數據，研究工業制造機理和專家經驗的知識表達范式理論；研究基于常識和專業知識圖譜的工業跨媒體、多學科知識抽取、融合、驗證、遷移、演化和表示學習技術；研究面向全產業鏈協同工作流的情境自適應知識索引、推理、推薦、可視交互決策技術；研制工業知識抽取與推理引擎，建立工業產業鏈知識協同平臺，面向智能制造供應鏈、研發設計、生產制造、經營管理、客戶服務等典型業務領域開展智能決策應用研究；研究工業領域知識開放共享平臺隱私侵犯與信息泄露防護技術。
考核指標：建立涵蓋超過億級支撐性數據的工業領域本體庫及工業領域知識模型；研制工業知識抽取與推理引擎，建立工業產業鏈知識協同平臺，具備知識自動抽取與構建、推理與推薦、智慧決策等服務能力；建立工業領域知識自動構建與推理決策的指標體系及測試方法；面向智能制造供應鏈、研發設計、生產制造、經營管理、客戶服務等典型業務場景，選擇工業知識服務能帶來顯著效益的3 個工業領域進行應用驗證。
4.3 智能醫生助理關鍵技術及應用研究
研究內容：針對臨床診療中信息負載高、醫生重復勞動強度大、基層醫院診療錯誤易發等問題，研發智能醫生助理系統。研究復雜異構高維動態數據的匯聚、融合技術，實現患者信息的多模態全景呈現；研究視聽覺、觸感等識別與理解技術，實現診療過程關鍵信息的智能交互；突破含因果性醫學知識圖譜的自動生成技術，實現從大規模臨床數據、臨床診療指南與共識、大規模高質量醫學文獻等向醫療知識轉化，支撐疾病診療過程的輔助決策；面向臨床重點科室，在智能分級導診、輔助診斷與治療、電 子病歷輔助錄入及質控、患者共決策與隨訪等環節開展應用。
考核指標：構建可靈活拓展的患者信息全景可視化工具，形成5 種以上多源異構知識和多模態臨床信息融合分析模型；構建面向多科室、基于臨床數據的含因果性知識圖譜，并具備持續動態更新和知識推理能力，對臨床知識覆蓋率大于90%，推理準確率大于95%；構建包含覆蓋診前、診中、診后全流程的智能醫生助手，可面向不少于5 個臨床重點科室提供類人水平的醫生助理服務，并在至少5 家三甲醫療機構和10 家基層醫療機構開展應用。
4.4 腫瘤多學科診療的影像分析輔助系統研究與應用
研究內容：面向腫瘤多學科輔助診療，研究跨模態醫學影像的綜合分析技術，提高腫瘤診療的精準性及全面性。研究影像數據的多維度、跨模態檢索與匹配技術，為醫學循證提供依據，支撐臨床最佳治療方案的決策；研究可解釋跨模態推理技術，通過對推理不確定性建模，優化跨模態融合和人機分工；圍繞腫瘤診療過程，構建醫學循證、精確診斷、預后預測、療效監控等模型；針對原發性與繼發性腫瘤的診治開展臨床驗證，提升臨床決策效率和精準率。
考核指標：面向腫瘤多學科診療，構建人機協同的醫學跨模態影像分析輔助系統，生成符合人類醫生使用習慣的輔助診斷及治療解釋；針對包括常見原發性胸部腫瘤、腹部腫瘤及轉移性腫 瘤的至少3 種腫瘤診斷、治療和預后等醫學場景，模型具備可解釋性且醫生采納率大于90%；分析輔助系統在至少5 家三甲醫院開展應用驗證，所針對病種每類納入病例不少于3000例，每個納入病例至少包括 2 個影像模態（如超聲、X-ray、CT、MRI 等），所有納入病例均以病理數據作為“金標準”。
4.5 醫療行為多維度感知關鍵技術及應用研究
研究內容：聚焦智慧醫院建設，研究醫療行為的多模態感知 并通過人機協同實現醫療流程的智能化。研究醫療行為的多維度感知關鍵技術，重點突破醫療行為時空特征表達、醫療行為細粒度識別、醫療行為操作合規性評估；突破復雜應用場景下的人機協同關鍵技術，實現醫務人員操作流程優化；在合理的患者知情同意告知前提下，研究全方位監測不同患者生活習慣、飲食特征、運動模式、作息規律、精細行為等對醫療結局的影響，為科學的行為干預提供依據。
考核指標：面向急診、ICU、護理等各類復雜醫療場景、代謝艙等具備動態連續采集臨床及生命體征功能的密閉實驗性艙體，構建開放性的大規模多模態醫療行為數據集，經過標注的數據規 模不少于10TB，均勻性覆蓋至少20 類醫療行為；醫療行為感知系統對各類醫療行為的識別準確率大于80%，在此基礎上的合規性識別準確率大于90%；開發至少2 類醫療流程輔助智能軟硬件樣機，在對應使用場景中完成人機協同驗證，并在至少2 家三甲醫院落地應用。
來源：科技部
