<cite id="fbflr"></cite>
<var id="fbflr"></var>
<cite id="fbflr"><strike id="fbflr"><menuitem id="fbflr"></menuitem></strike></cite>
<var id="fbflr"></var>
<cite id="fbflr"><video id="fbflr"><menuitem id="fbflr"></menuitem></video></cite>
<var id="fbflr"><video id="fbflr"></video></var>
<cite id="fbflr"><span id="fbflr"><var id="fbflr"></var></span></cite>
<ins id="fbflr"><strike id="fbflr"><menuitem id="fbflr"></menuitem></strike></ins>
<var id="fbflr"><video id="fbflr"></video></var><var id="fbflr"><video id="fbflr"><menuitem id="fbflr"></menuitem></video></var><ins id="fbflr"><span id="fbflr"><menuitem id="fbflr"></menuitem></span></ins>
登錄 注冊

使用微信,掃描二維碼登錄

項目資助

使用其他賬號登錄

忘記密碼

輸入圖形碼

取消
400-011-9388
13828845312

申請免費項目登記評估

取消

當前位置:項目申報 > 科技創新 2030—“新一代人工智能”重大項目

開放申報中科技創新 2030—“新一代人工智能”重大項目

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。

發布時間:2022-08-15 | 部委 技術創新 政策 訂閱

|為您推薦

  • 項目介紹
  • 歷年申報通知

  1. 新一代人工智能基礎理論

  1.1 新一代人工智能前沿交叉研究

  研究內容:圍繞人工智能場景賦能或學科交叉等人工智能發展問題,開展面向更為通用的人工智能基礎理論、算法模型、后摩爾時代智能計算芯片和體系架構等研究,突破可泛化、可協同、 可進化和安全可信等新一代人工智能發展瓶頸。

  申報說明:本任務為青年科學家項目,擬支持項目數不超過8 項,每個項目不下設課題,項目參與單位總數不超過 3 家。為鼓勵不同學科背景學科交叉合作,申請書可設雙負責人(雙 PI),雙PI 項目依托排名第一的申報人所在單位申報。項目負責人年齡要求,男性應為 1984 年 1 月 1 日以后出生,女性應為 1982 年 1月 1 日以后出生,原則上團隊其他參與人員年齡要求同上。申請者可選擇指南研究內容中部分相關內容開展研究;研究成果和考 核指標要有形且具體,申請書要詳細描述研究內容的現有技術指 標及對比分析;每個法人單位作為項目牽頭單位申報項目數不超 過兩項。


  1.2 面向智慧教育的學習者認知與情感計算研究

  研究內容:研究影響學習的關鍵認知與情感因素及相互作用 機理與動態變化過程,構建可解釋的學習者認知與情感模型;研 究基于文本、音視頻、行為及生理信號等多模態學習活動時序數 據的智能分析、因果推斷、具身及情境認知反演方法,探索數據 驅動和知識驅動相結合的表征模型架構和訓練優化方法;研究基于學習者認知與情感模型的規律挖掘方法與工具體系,為挖掘不 同典型場景下的學習者認知與情感規律提供支撐;研究虛擬現實/ 增強現實環境下個性化可交互的學習場景構建,探索物理-社會- 信息三元空間典型場景中的知識與技能生成規律,形成一套可指 導、能操作的學習者認知規律和技能發展體系;以中小學及職業 教育階段的學習者為對象就典型問題開展驗證性研究。

  考核指標:形成一套構建可解釋性學習者認知與情感計算模 型的方法體系,實現基于認知模型和情感計算模型的學習成效評 估與預測;構建解釋合理性與解釋效果的評估方法,形成一套針 對模型輸出的解釋性信息的科學評估工具;構建一套認知規律挖 掘方法體系,形成一套學習者認知規律和技能發展的認知建模工 具;針對物理-社會-信息三元空間的知識生成和技能培養典型場 景,包括但不限于傳統課堂學習、跨時空混合式學習、虛實融合 的交互式學習、人機協同的協作式學習、跨學科項目式學習等, 選取至少 3 種典型問題進行為期至少一年的迭代驗證;發布相關實證研究報告,并形成可開放共享的標準數據集。


  2. 人工智能與科學深度結合

  2.1 重大科學問題研究的AI 范式

  研究內容:面向生物、醫藥、材料、地學、化學、空間等科 學研究領域,通過融合人工智能模型算法和領域數據知識,實現 重大科學問題和發現的研究突破。所涉及領域和研究包括但不限 于:

  (1) 地球科學領域:地質災害小概率事件預測、中小尺度極端天氣及時預報、資源成礦機理發現和可持續利用、氣候變化 與碳中和等;

  (2) 空間科學和海洋科學領域:極端自然條件下的自主化無人科學監測、復雜環境機理反演和在線智能計算等;

  (3) 化學和材料科學領域:高效、快速完成有機化合分子及無機化合物的合成設計和篩選,快速、精準實現新材料的設計 和篩選等;

  (4) 生物醫藥和臨床醫學領域:生化藥物的設計與驗證、泛癌癥的關鍵致病基因識別、生物分子三維結構和生化性質預測等。

  申報說明:本任務擬支持項目數不超過 8 項,每個科學領域

  支持項目數不超過 2 項。每個項目下設課題數不超過 2 個,項目參與單位總數不超過 4 家。申請者可選擇某個領域開展研究,由申請團隊自行提出具體的研究問題、研究內容、研究方案和考核 指標。研究問題須為本領域重大科學問題或具有重大科學發現潛 力,一旦突破具有重大影響,且具備通過智算結合進行突破的可 行性。申請團隊具有相關領域和研究問題的交叉科學研究背景, 要求由科學領域科學家牽頭。


  2.2 人工智能科學計算共性平臺

  研究內容:基于國產人工智能基礎軟硬件,構建滿足分子動 力學、流體力學、生物計算等學科科研需求,服務多學科交叉融 合的人工智能科學計算共性平臺。開發高階和分數階微分和積分等各類算子,實現跨尺度的模型構建和數理方程的快速智能求解; 研究適用于科學計算的深度學習框架不同執行模式轉換技術和高效的運行實現技術,建立基于人工智能的科學計算平臺的基準測試方法和指標體系;研究化學、材料等多學科的相關微觀科學計算和分子動力學模擬仿真,研究如Navier-Stokes 方程、Maxwell 方程組等基礎學科的邊界攝動估計和近似計算,研究如基因網絡、 社交網絡等跨尺度復雜系統的理論分析框架和智能計算模式。研究不同自然科學領域科學計算的通用范式和共性特征,研制平臺支持模塊化、可擴展、全流程的模型算子開發和應用套件運行。

  考核指標:完成集多尺度建模、科學算法、機器學習,以及專業化軟件為一體的智能化跨尺度科學計算基礎設施,構建基于國產人工智能芯片和深度學習框架的人工智能科學計算平臺,支持 5 種國產CPU 和人工智能芯片,建立完善高效的科學計算平臺軟件支撐環境;實現包括密度泛函計算、多尺度分子動力學模擬、 計算流體力學、材料結構預測、化學反應設計和高效模擬、電磁仿真軟件等跨尺度標準套件,在相同算力配置和同等精度要求下計算Navier-Stokes 方程、Maxwell 方程、分子模擬、多相流方程等的數值解較傳統數值方法效率提升 100%以上,支持多個基礎科學的計算庫和相關AI 科學計算模型;支持多個場景的千萬量級動態社會網絡結構與傳播數據重構、大規模人類基因網絡重建與分析,支持在生物、社會等領域的典型計算和仿真;支持高精度數據自適應合成,支持跨領域科學計算共性基礎模型,減少科學任務求解的監督數據需求 20%以上;構建支撐不少于 10 萬用戶的科學任務求解的群智社區,匯聚科學數據資源總量不少于100 萬,服務于 10 個以上領域、100 項科學任務智能求解。


  3. 新一代人工智能共性關鍵技術

  3.1 面向人機協同任務的情境認知與效能優化

  研究內容:針對復雜人機協同任務所面臨的情境認知與效能優化問題,研究多模態信息融合的協同情境認知與推演方法。研究元數據驅動與因果分析相結合的情境認知推理方法,構建人機協同的情境演化評估方法,實現人機協同任務的目標態勢預測; 研究融合跨域感知與心智理論的意圖模型,實現人機協同任務的意圖預測;研究多模態交互通道與多通道交互界面模型,實現自然高效的智能交互,降低用戶認知負荷;構建人機協同的虛實融合仿真環境,研究自然可信的人機協同策略生成方法,實現動態、 開放環境中人機協同增強智能;在智能座艙、自動駕駛等典型人機協同任務進行應用驗證。

  考核指標:形成多模態融合、復雜場景態勢預測、意圖推理等人機協同增強智能共性關鍵技術體系,建立人機協同的一致性、 可信性和準確性的評估指標體系和包含百萬規模元數據的評估基準庫;人機協同交互通道不少于 5 個;協同策略使基于主觀評估、生理學及行為學綜合測量的交互過程認知負荷降低 10%以上;對比智能系統使用新人機協同策略前后,人機協同任務完成效率提升 20%以上,用戶對系統的信任度提升 20%以上;在 2 個以上人機協同任務中應用驗證。


  3.2 面向神經系統疾病預警的智能人機交互關鍵技術

  研究內容:面向神經系統疾病早期預警,研究多模態非干擾的智能人機交互技術,建立神經系統疾病預警智能人機交互技術工具箱,涵蓋筆式、抓握、姿態、眼動、肌電等主流交互通道, 研制輕量、低功耗的柔性傳感器件,實現視聽覺、觸覺、心理狀況、行為動作等信息采集,支持居家、移動、醫院等多種環境下的神經系統疾病早期預警;研究針對運動、認知、睡眠及其他生理信息監測的多模態數據分析方法,建立核心神經功能的標準化、 定量化描述體系和評價方法,建立跨文化地域、跨知識結構的神經功能與行為學評價技術規范;挖掘和提取我國神經系統疾病的行為學特征與規律,研究云端融合的異常行為捕捉方法、疾病早期預警模型和計算機輔助的行為干預治療技術;建立高信度、效度的多模態神經功能定量數據集,構建面向臨床和日常場景的神經系統疾病系統化、定量化、標準化的預警與診斷平臺。

  考核指標:確定不少于 5 項可用于早期預警和早期診斷的行為學特征,開發至少 3 類神經功能、生理和心理信息采集裝置或部件,研制的柔性壓力傳感器靜態誤差<1%、陣列集成度>100 個/cm2,觸覺應力閾值<20kPa;神經系統疾病預警智能人機交互技術工具箱涵蓋筆式、抓握、姿態、眼動、肌電等 5 種及以上主流交互通道,基于柔性材料的手部抓握感應點>500 個,支持走、站、坐 3 種及以上姿態,眼動追蹤偏移角度<2°,可跟蹤性大于>98%,肌電信號感知精度<1μV,支持交互動作>10 種,動作識別準確率>95%;建立常見神經系統疾病預警行為學判讀體系,構建不少于 2 種適合我國國情并能準確預測和篩選神經退行性疾病高危人群的發病風險預警模型,構建不少于 3000 人的神經功能定量數據集,涵蓋筆式、抓握、姿態、眼動、肌電等不少于 5 種通道;研發不少于 2 套用于臨床的人工智能神經系統疾病輔助診斷產品,構建不少于 1 套符合中國人群特點的預警與診斷平臺并開展臨床驗證與示范應用。


  3.3 人工智能基礎模型關鍵技術研究

  研究內容:新型模型架構、訓練和學習方法;多模態數據融 合下自監督和弱監督表示學習技術,從數據增強、結構增強和模 型增強等層面提升訓練效果;通用的跨語言、跨模態的基礎模型 技術,增強自監督模型的靈活性和表達能力;知識表征及認知架 構,實現具有寬認知能力的基礎模型;基于認知架構的基礎模型 可解釋性,大幅提高基礎模型可信性;與模型結構和學習方法相 結合軟硬件適配技術,大幅降低算力資源消耗;模型壓縮等加速 增效技術,支持大型模型更好地適配多種場景任務。

  考核指標:構建多模態基礎模型訓練開源算法 1 套,以及相關語義表示代碼庫 1 套,顯著提升模型通用性、魯棒性和跨域遷移能力;基礎模型加入知識后可信性提升 20%,并通過顯著性檢驗;構建模型壓縮加速工具 1 套,壓縮得到的小模型能夠在同等算力規模條件下性能最優;在基于國產芯片的智算集群上支撐千節點規模的高效模型和數據混合并行訓練;支撐千億級以上參數 規模的深度模型訓練,訓練出的多模態模型在業界公認基準評測 數據集上達到國際領先。

  申報說明:本任務擬支持項目數不超過 8 項,每個項目下設課題數不超過 2 個,項目參與單位總數不超過 4 家。項目執行周期一年,后續擇優滾動支持。申請需要突出特色,可選擇指南提 出的部分內容和相應指標進行申報,也鼓勵面向更高智能、更具 可解釋性、更加高效的超大規模人工智能基礎模型架構創新等原 創性、顛覆性技術開展研究。技術方案或算法需遵守寬松開源許 可證(Apache v2、木蘭寬松許可證第 2 版或更寬松的許可證)參加開源開放和技術集成。承擔單位需要在重大項目指定平臺上按 照公共測試標準和測試計劃參加評測,評測結果作為項目結題評 價和滾動支持的重要依據。


  4. 新一代人工智能基礎軟硬件支撐體系

  4.1 高能效模擬計算AI 芯片

  研究內容:建立基于模擬計算非精確特性的高容錯智能算法 學習理論、方法和工具;研究基于不同計算范式的模擬計算實現 方式,包含電流、電壓、時間和電荷等計算范式,研究模擬計算 的高密度低功耗實現技術,提升模擬計算能效;針對主流智能算 法核心算子構建可編程的模擬電路結構,實現通用模擬計算;基 于模擬計算電路,構建可重構多精度計算架構,支持多類型智能 算法推理;設計具有高能量效率、高模型精度、高面積效率以及高可靠性的模擬計算AI 芯片樣片。

  考核指標:建立針對模擬計算中非精確計算的智能算法學習方法與模型訓練技術,適用于主流神經網絡模型的訓練,包括ResNet、Mobile-Net、Transformer 等,形成具有自主知識產權的非精確計算網絡訓練框架;研制適配多算子的模擬計算芯片樣片, 支持 16 比特浮點、8 比特定點和 1 比特計算精度,支持張量卷積、矩陣乘法、 注意力運算等; 16 比特浮點計算密度大于60GFLOPS/mm2,16 比特浮點計算能效大于 5TFLOPS/W;8 比特定點計算密度大于 5TOPS/mm2 ,8 比特定點計算能效大于35TOPS/W;單比特計算密度大于 40TOPS/mm2,單比特計算能效大于 200TOPS/W;相比于數字域計算,網絡精度下降小于 2%。


  4.2 自組織自演化AI 芯片及應用

  研究內容:研究器件-架構-電路協同的自組織自演化AI 芯片, 突破新原理新結構器件計算機理與異質集成技術,研究基于新型納米器件的自組織芯片架構與自演化電路設計方法等關鍵技術, 支持軟件定義芯片、支持動態自組織和動態自演化;研究復雜場景動態建模方法與非平穩環境下多樣化、小樣本、長周期數據的持續在線學習方法;研制芯片樣片,開發芯片配套的編譯器、驅動軟件、開發環境等支持工具,完成典型復雜場景下的樣機研制與應用驗證。

  考核指標:研制低功耗、自組織和自演化智能芯片樣片,支 持數字邏輯和存內計算兩種范式,存儲與計算能力可配置,其非易失存儲器件陣列規模不小于 100Mb,寫入及讀取時間不高于2ns , 寫入壽命不低于 1×1012 次, 單陣列計算能效達到100TOPS/W;支持軟件定義、動態自組織與動態自演化,全陣列動態自組織與自演化配置時間不超過 10μs;支持異構多核擴展。研制面向典型智能場景的系統樣機,在復雜環境下支持多種典型智能任務,完成應用驗證。


  4.3 大小模型端云協同進化與系統

  研究內容:研究大小模型端云協同進化模型方法與協同機 制,實現云上大模型全局知識向端上小模型有效降維遷移和大 規模端上小模型學習所得新知識向大模型升維融合;突破異構 終端輕量化模型彈性構建、端側模型個性化增強學習、端云協 同模型訓練框架設計和分布式多擎計算等難點問題;構建完善 的大小模型端云協同進化技術體系,形成包含端云一致高性能 模型運行容器、低時延端云模型遷移通道和端云協同進化部署 的研發工具鏈。

  考核指標:支持萬億級以上參數大模型壓縮,模型推斷準確 度損失小于 1%,模型規模削減 90%以上;相比云側單模型學習方法,端側復雜推斷任務準確率提升 5%以上;模型訓練收斂速率達到線性,增量傳輸數據量小于模型規模的 1/1000,模型參數更新平均傳輸耗時不高于 500 ms;系統可支撐百萬GPU/xPU 核的彈性加速調度和千萬臺端設備接入;在三個典型場景應用進行 驗證。


  5. 新一代人工智能創新應用

  5.1 鋼鐵智能制造過程中數據認知與生產決策

  研究內容:研究高溫熔融金屬容器反應動態演變機理,建立 描述復雜反應過程的數字孿生模型,為數據認知與生產決策提供 理論模型與工藝指導;構建高溫熔融金屬容器反應工況模式認知 模型,研究基于多傳感器時空信息推理與數據挖掘的工況模式挖 掘方法,實現工況對象快速精準的模式認知;研發鋼鐵工業生產 過程基于工況模式認知的動態決策技術,建立機理模型、時空數 據及知識圖譜協調驅動的多目標決策模型與智能核心算法,實現 反應過程的動態決策;研究鋼鐵工業生產數據持續學習方法,研 究鋼鐵工業知識數字化技術,構建認知知識圖譜,實現工業知識 的持續積累與學習;研制鋼鐵工業智能制造應用示范技術,開發 智能協同模式挖掘與認知、冶煉過程多目標優化及時空動態決策 等算法和技術,并應用于轉爐、電爐、氫氣豎爐、RH 真空脫碳等典型鋼鐵生產場景。

  考核指標:建立鋼鐵智能制造中數據模式認知典型方法,典型工況模式對象構建不少于 100 種,模式挖掘準確率不低于 95%, 模式關聯關系判斷準確率不低于 90%;鋼鐵工業生產認知知識圖譜中,構建的鋼鐵生產過程相關本體不少于 1000 個;建立鋼鐵智能制造中生產動態決策應用技術,實現高溫熔融金屬容器復雜反應過程的時空動態決策,在現有主流模型的基礎上鋼產品穩定性提高 20%(典型鋼種碳命中誤差范圍為±0.009),精度提高 15%(典型鋼種碳命中率不低于 95%);針對上述工業模型,在轉爐(200 噸及以上)、電爐(120 噸及以上)、氫氣豎爐、RH 真空脫碳等典型鋼鐵工業生產制造領域開展不少于 3 個實際場景應用,申請不少于 3 項國際、國內或行業標準和 3 項國家發明專利,形成具有自主知識產權的先進軟件應用平臺。

  申報說明:由企業牽頭申請。


  5.2 全域多場景智能化碼頭關鍵技術與應用示范

  研究內容:研究面向全域多場景多設備智能自主協同感知以及數據驅動運籌優化體系化技術,構建多設備多階段的自動化集裝箱碼頭智能集成資源配置優化模型和智能算法;針對橋吊、龍門吊、 自動化水平運輸機械等港口關鍵設備,研發智能物聯感知、智能資源調度與智能運作優化等關鍵技術,滿足集裝箱碼頭運營事前預測、事中監控和事后分析的智能作業全流程管控需求,形成覆蓋碼頭運作與生產安防全過程數字孿生集成生產時空管控系統。

  考核指標:全域多場景協同智能體系統應用于超大型自動化集裝箱碼頭,碼頭運作效率實現每臺橋吊平均臺時量提升 10%以上, 自動化水平運輸機械的周轉率提升 10%以上,RMG 作業效率提升10%以上;研制支撐港口生產、服務和運維的全生命周期核心智能系統,可支持 80%以上的運行異常監測、動態維修決策、遠程故障診斷等業務處理;在年吞吐量 400 萬箱以上的大規模單體碼頭支持所有橋吊連續 24 小時規?;b卸,單橋吊晝夜平均吞吐量不低于 950 標準箱,年均裝卸量超過 25 萬以上標準箱。

  申報說明:由用戶企業牽頭申請。


  5.3 工業制造智能光學成像及檢測關鍵技術與應用

  研究內容:面向工業制造過程中的感知、重構、檢測、協同、 計算和交互等關鍵技術,突破大視場高精度高動態計算光學感知、 精密部件高精度三維結構重構、罕見異常智能檢測和多產線多工序多模態協同等難點問題;研究亞微米級大視場高精度高動態光學感知硬件架構與成像、無監督多類別少樣本產品異常檢測、多模態融合的多產線多工序缺陷源定位與機理分析、跨尺度可視化三維遠程交互等技術和方法;構建具備大規模多產線產品數字化建模、異常檢測及遠程可視化交互的工業系統,在半導體和精密光學等高端工業制造領域驗證應用。

  考核指標:突破感知、重構、計算、協同和交互等關鍵技術瓶頸,研制智能光學檢測設備,支持光學感知成像空間分辨率≤ 200nm,視場直徑≥40mm,成像速度≥30 億像素/秒;數字化三維重構完整性>99%,重構誤差≤10μm;在半導體和精密光學等高端工業制造領域,支持不少于 100 種產品異常和缺陷類型檢測, 每種類型所需訓練樣本不超過 1 個;檢測耗時≤10 秒/億像素; 支持時空多維度協同缺陷源定位及缺陷產生機理分析,提升生產良率≥20%。

  申報說明:由企業牽頭申請。


  5.4 農業大災風險綜合集成智能分析與決策

  研究內容:針對面向糧食安全的多作物、多災因農業大災風險動態精準分析與科學決策的需求,研究面向農業生產大系統的 系統性風險認知模型和不確定性環境下的智能決策理論和方法; 研究基于遙感數據和地面氣象觀測數據的公里尺度氣象災害檢測 與風險識別技術;基于多來源涉農歷史數據(農業生產數據、氣 象觀測數據、氣象預報數據、水文數據、地理數據、遙感數據、 農業氣象站數據等),研究大數據驅動的高空間分辨率的糧食產量 動態預測方法,構建我國主要糧食作物在不同自然條件和社會條 件下的全生命周期易損性和產量預測模型;融合氣象、農業、水 利等涉農部門的大數據,研究構建我國主要糧食作物全生產周期 的長時間序列天氣條件智能生成和計算實驗模型;基于歷史數據 和計算實驗數據,研究構建多作物、多災因農業大災風險動態定 量評估模型;研究不確定性環境下演化博弈的農業大災風險決策 的強化學習方法,以國家政策性農業保險的風險轉移、損失分攤 決策為應用場景,開展示范應用驗證。

  考核指標:突破小概率農業大災的可計算實驗模型化、風險因子識別和災損因果模型構建、綜合集成決策等關鍵技術,形成一套具有自主知識產權的全國性農業大災風險分析與決策平臺, 具備大災風險精細量化、金融對沖工具智能優化、綜合集成研討決策等智能服務功能。系統涵蓋中央財政補貼的主要糧食作物品種,以及干旱、洪澇、高低溫、風災等主要極端天氣災害。氣象災害識別準確率不低于 90%,受災面積檢測尺度不低于 10 公里、平均正確率不低于 90%,縣級產量預測模型準確率不低于 95%。

  全國糧食生產數字孿生模型的網格尺度精確到公里級,覆蓋全國 “溫度、降水、日照、風速、土壤濕度”等主要氣象要素的天氣 條件,支持逐日天氣再分析和長時期模擬年計算實驗。多作物、 多災因農業大災風險分析與決策平臺能夠在國家級業務單位應 用,評估和決策建議是否達到能夠被國家級決策采納的準確度作 為主要科學量化依據。


  5.5 博弈智能場景應用

  研究內容:圍繞國家和社會迫切需求,研究合作和非合作等 不同種類博弈智能問題的分類方式及求解方法;研究多智能體多 回合復雜合作和沖突博弈模型,實現自我學習和自我演化;研究 以強化學習為基礎的博弈智能學習推理模型和算法,以及面向進 化的多維評估管理方法;研究博弈智能模型和算法中領域知識表 示、運用和生成,建立可解釋性的人機交互界面,實現對復雜問 題的人機協同求解;研究博弈智能算法從仿真環境到實際應用環 境的遷移;結合應用場景的分類屬性,研究知識表征、模型與算 法、環境等問題求解要素的規范化描述和體系化標準等。

  考核指標:構建不少于 3 個應用場景,至少包含 1 個合作博弈場景和 1 個非合作博弈場景;提出的博弈模型和算法具有自學習和自演化能力,并在所構建的應用場景中進行協作性或對抗性 等測試和計算實驗;至少完成其中 2 個場景的示范應用驗證。

  申報說明:本任務擬支持項目數不超過 5 項。申請者提出具體的應用場景、可考核的性能指標及對標分析,并需要在統一測試標準指導下在重大項目指定平臺上進行接入和測試。


  5.6 可信人工智能立法制度建設研究

  研究內容:研究傳統法律法規規則在人工智能場景下的可用性和有效性,開展法治領域智能社會實驗,研究人工智能時代的法治新模式和立法路線圖;研究人工智能場景下的數據治理法律法規體系,提出符合人工智能發展的數據治理法律體系建設方案; 研究人工智能算法治理法律法規體系,對算法的透明度、公平性、 包容性、可控性、可問責性進行研究,提出算法治理的立法建議和算法審計評估制度建設方案;研究人工智能產品風險評估的法律法規及風險分類分級技術標準體系,提出人工智能產品風險評估的立法建議;研究人工智能產業相關法律法規體系,對自動駕駛、智能醫療、智慧司法等行業領域發展的法律環境進行研究評估,提出促進人工智能產業發展的立法建議。

  考核指標:對不少于 10 項與人工智能發展有關的傳統法律制度進行適用性分析;構建 1 套人工智能產品風險識別和評估體系,其中的風險種類不少于 3 項;對不少于 2 個人工智能重點行業的法律保障環境作出評估;提出 1 套人工智能時代的法學學科發展規劃并在 3 個以上高校應用;開展智能社會治理實驗不少于5 項;建立可支持 5 個以上國別檢索、10 個以上議題檢索的人工智能知識平臺軟件系統;形成立法建議、技術標準、專題研究報 告等不少于 20 份。



本項目統計信息

  • 最近一批資助企業數量

    -

  • 最近一批資助總金額

    -

  • 最近一批資助單筆最高

    -

亚洲欧美日韩精品色XXX-天堂网中文在线WWW-亚洲一区二区三区AV无码