科技創(chuàng)新2030—“新一代人工智能”重大項(xiàng)目2020年度第一批項(xiàng)目申報(bào)指南建議

liuaqbb 2020-01-03

展開全文

根據(jù)《國(guó)務(wù)院關(guān)于改進(jìn)加強(qiáng)中央財(cái)政科研項(xiàng)目和資金管理的若干意見》（國(guó)發(fā)〔2014〕11號(hào)）、《國(guó)務(wù)院關(guān)于深化中央財(cái)政科技計(jì)劃（專項(xiàng)、基金等）管理改革方案的通知》（國(guó)發(fā)〔2014〕64號(hào)）、《科技部關(guān)于印發(fā)〈新一代人工智能重大科技項(xiàng)目實(shí)施方案〉的通知》（國(guó)科發(fā)高〔2017〕344號(hào)）等文件要求，現(xiàn)將科技創(chuàng)新2030—“新一代人工智能”重大項(xiàng)目2020年度第一批項(xiàng)目申報(bào)指南（征求意見稿，見附件）向社會(huì)征求意見和建議。征求意見時(shí)間為2020年1月3日至2020年1月9日。

“新一代人工智能”重大項(xiàng)目的凝練布局和任務(wù)部署已經(jīng)戰(zhàn)略咨詢與綜合評(píng)審特邀委員會(huì)咨詢?cè)u(píng)議，并報(bào)國(guó)務(wù)院批準(zhǔn)實(shí)施。本次征求意見重點(diǎn)針對(duì)指南方向提出的目標(biāo)指標(biāo)和相關(guān)內(nèi)容的合理性、科學(xué)性、先進(jìn)性等方面聽取各方意見。科技部將認(rèn)真研究反饋意見，修改完善重大項(xiàng)目的項(xiàng)目申報(bào)指南。征集到的意見將不再反饋和回復(fù)。

相關(guān)意見請(qǐng)于1月9日17:00之前發(fā)至電子郵箱：gxs_xxc@most.cn。

科技部高新司

2020年1月3日

科技創(chuàng)新2030—“新一代人工智能”重大項(xiàng)目2020年度第一批項(xiàng)目申報(bào)指南建議

為落實(shí)《新一代人工智能發(fā)展規(guī)劃》，啟動(dòng)實(shí)施科技創(chuàng)新 2030—“新一代人工智能”重大項(xiàng)目（以下簡(jiǎn)稱“本重大項(xiàng)目”）。根據(jù)本重大項(xiàng)目實(shí)施方案的部署，現(xiàn)提出2020 年度第一批項(xiàng)目申報(bào)指南。

本重大項(xiàng)目的總體目標(biāo)是：以推動(dòng)人工智能技術(shù)持續(xù)創(chuàng)新和與經(jīng)濟(jì)社會(huì)深度融合為主線，按照并跑、領(lǐng)跑兩步走戰(zhàn)略，圍繞大數(shù)據(jù)智能、跨媒體智能、群體智能、混合增強(qiáng)智能、自主智能系統(tǒng)等五大方向持續(xù)攻關(guān)，從基礎(chǔ)理論、支撐體系、關(guān)鍵技術(shù)、創(chuàng)新應(yīng)用四個(gè)層面構(gòu)筑知識(shí)群、技術(shù)群和產(chǎn)品群的生態(tài)環(huán)境，搶占人工智能技術(shù)制高點(diǎn)，妥善應(yīng)對(duì)可能帶來(lái)的新問題和新挑戰(zhàn)，促進(jìn)大眾創(chuàng)業(yè)萬(wàn)眾創(chuàng)新，使人工智能成為智能經(jīng)濟(jì)社會(huì)發(fā)展的強(qiáng)大引擎。

1.新一代人工智能基礎(chǔ)理論

1.1腦結(jié)構(gòu)和功能啟發(fā)的新型神經(jīng)網(wǎng)絡(luò)模型

研究?jī)?nèi)容：針對(duì)當(dāng)前神經(jīng)網(wǎng)絡(luò)計(jì)算模型依賴大量標(biāo)注樣本、魯棒性和適應(yīng)性差、可解釋性不足、能效比低等固有局限，研究分析海量大腦皮層范圍內(nèi)的高分辨率響應(yīng)數(shù)據(jù)，解析反演神經(jīng)回路工作機(jī)理；受特定神經(jīng)環(huán)路啟發(fā)，發(fā)展具有記憶、稀疏編碼等特征的新一代神經(jīng)網(wǎng)絡(luò)模型；研究大規(guī)模復(fù)雜網(wǎng)絡(luò)的高效學(xué)習(xí)和計(jì)算方法，發(fā)展復(fù)雜網(wǎng)絡(luò)泛化性理論；設(shè)計(jì)具有自糾錯(cuò)能力的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，突破自學(xué)習(xí)、小樣本學(xué)習(xí)、可解釋性等智能新理論與新方法。

考核指標(biāo)：構(gòu)建具備學(xué)習(xí)、記憶等認(rèn)知能力的神經(jīng)網(wǎng)絡(luò)計(jì)算模型，模型規(guī)模不少于百萬(wàn)量級(jí)神經(jīng)元；具備自糾錯(cuò)、可遷移能力，噪聲環(huán)境下的模型性能有數(shù)量級(jí)提升；設(shè)計(jì)自學(xué)習(xí)、小樣本學(xué)習(xí)方法,相同性能條件下所需標(biāo)注數(shù)據(jù)數(shù)量級(jí)減少；通過知識(shí)歸納和遷移，對(duì)模型結(jié)果和性能提升具備可解釋性；開源新型神經(jīng)網(wǎng)絡(luò)計(jì)算數(shù)據(jù)、模型和代碼等。

1.2基于脈沖神經(jīng)網(wǎng)絡(luò)的感知-學(xué)習(xí)-決策神經(jīng)網(wǎng)絡(luò)模型

研究?jī)?nèi)容：構(gòu)建以神經(jīng)系統(tǒng)可塑性為核心的多腦區(qū)協(xié)同脈沖神經(jīng)網(wǎng)絡(luò)計(jì)算模型，建立具備生物合理性和生物可解釋性的多尺度脈沖神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，突破多腦區(qū)協(xié)同視聽覺感知-學(xué)習(xí)-決策等復(fù)雜環(huán)路神經(jīng)網(wǎng)絡(luò)模型，以無(wú)人機(jī)、機(jī)器人等為載體探索自主智能實(shí)現(xiàn)途徑。

考核指標(biāo)：學(xué)習(xí)與決策神經(jīng)網(wǎng)絡(luò)可塑性計(jì)算模型要求具備生物合理性與生物可解釋性；模擬多個(gè)腦區(qū)的自主感知- 學(xué)習(xí)-決策協(xié)同計(jì)算模型，能夠支持基于復(fù)雜視、聽覺感知的類腦自主學(xué)習(xí)與決策，支持反轉(zhuǎn)學(xué)習(xí)與決策等；開源類腦學(xué)習(xí)與決策脈沖神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)、模型和代碼等。

1.3認(rèn)知計(jì)算基礎(chǔ)理論與方法研究

研究?jī)?nèi)容：聚焦開放、動(dòng)態(tài)、真實(shí)環(huán)境下推理與決策重大問題，開展常識(shí)學(xué)習(xí)、直覺推理、自主演化、因果分析等理論和方法研究，重點(diǎn)突破刻畫環(huán)境自適應(yīng)、不完全推理、自主學(xué)習(xí)、對(duì)抗學(xué)習(xí)、智能體協(xié)同優(yōu)化等特點(diǎn)的認(rèn)知計(jì)算理論和算法，在自主智能、群體智能或混合增強(qiáng)智能等智能形態(tài)方面實(shí)現(xiàn)應(yīng)用驗(yàn)證。

考核指標(biāo)：形成能適應(yīng)多種智能形態(tài)的認(rèn)知計(jì)算框架，構(gòu)建大規(guī)模、共享開放的跨媒體常識(shí)知識(shí)庫(kù)，提出并實(shí)現(xiàn)通用認(rèn)知測(cè)試方法；在對(duì)抗決策、人機(jī)混合或自主學(xué)習(xí)中形成和常識(shí)結(jié)合的認(rèn)知理論，顯著提升現(xiàn)有算法在開放環(huán)境下的魯棒性；建立具有國(guó)際影響力的開源開放認(rèn)知智能水平國(guó)際評(píng)測(cè)體系。

1.4以自然語(yǔ)言為核心的語(yǔ)義理解研究

研究?jī)?nèi)容：針對(duì)從互聯(lián)網(wǎng)海量文本、自然標(biāo)注大數(shù)據(jù)和多模態(tài)關(guān)聯(lián)數(shù)據(jù)獲取開放域知識(shí)等問題，研究基于知識(shí)圖譜、事理圖譜等大規(guī)模多元知識(shí)的自然語(yǔ)言語(yǔ)義分析方法，研究兼具邏輯性和藝術(shù)表現(xiàn)力的可理解、可解釋文本生成方法，研究通過與環(huán)境和社會(huì)跨模態(tài)交互的語(yǔ)言進(jìn)化計(jì)算模型，突破層次深、魯棒性強(qiáng)、對(duì)稀缺語(yǔ)料適應(yīng)能力好的中文自然語(yǔ)言理解技術(shù)，為認(rèn)知智能提供通用語(yǔ)言模型和基本工具支撐。

考核指標(biāo)：從互聯(lián)網(wǎng)海量文本中自動(dòng)獲取知識(shí)和語(yǔ)義分析能力得到可驗(yàn)證的數(shù)量級(jí)提高；提出若干語(yǔ)言文本分析和生成任務(wù)，達(dá)到與人類可比的認(rèn)知水平；形成跨模態(tài)表達(dá)的語(yǔ)言理解基本工具，形成具有國(guó)際影響力的跨模態(tài)實(shí)體、事件理解、對(duì)話理解基準(zhǔn)測(cè)試集；開源基準(zhǔn)學(xué)習(xí)和測(cè)試集合、模型和語(yǔ)言理解基本工具等。

1.5高級(jí)機(jī)器學(xué)習(xí)理論研究

研究?jī)?nèi)容：研究具有自組織、自學(xué)習(xí)、自適應(yīng)、自涌現(xiàn)等特點(diǎn)的機(jī)器學(xué)習(xí)新理論；研究不完全信息下推理決策與演化完善的學(xué)習(xí)理論；研究具有可解釋性的機(jī)器學(xué)習(xí)理論和方法；研究小樣本學(xué)習(xí)、深度強(qiáng)化學(xué)習(xí)、無(wú)監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、遷移學(xué)習(xí)、表征學(xué)習(xí)等理論和模型；研究量子機(jī)器學(xué)習(xí)、對(duì)偶學(xué)習(xí)、分布式學(xué)習(xí)、元學(xué)習(xí)及其它高級(jí)機(jī)器學(xué)習(xí)基礎(chǔ)理論和方法等。

考核指標(biāo)：圍繞上述研究?jī)?nèi)容和具體需求場(chǎng)景，形成從數(shù)據(jù)、模型到算法的理論成果，建立可驗(yàn)證的系統(tǒng)、開源數(shù)據(jù)、模型和代碼等。

申報(bào)說明：本任務(wù)為開放性研究項(xiàng)目，不下設(shè)課題，申請(qǐng)者可就上述涉及的部分研究?jī)?nèi)容進(jìn)行申報(bào)，提出明確的任務(wù)目標(biāo)和具體的考核指標(biāo)。項(xiàng)目負(fù)責(zé)人需為1980年 1月1日后出生的青年研究人員。

1.6人工智能安全基礎(chǔ)理論及驗(yàn)證模型

研究?jī)?nèi)容：針對(duì)深度學(xué)習(xí)等模型，研究可信度量方法和安全形式化驗(yàn)證方法，支持復(fù)雜智能系統(tǒng)內(nèi)在結(jié)構(gòu)與行為功能的一致性、可達(dá)性、安全性判定；研究包含智能組件的軟件系統(tǒng)的模型化開發(fā)和驗(yàn)證技術(shù)以及基于動(dòng)態(tài)數(shù)據(jù)收集的安全認(rèn)證模型與方法，研制建模、開發(fā)與驗(yàn)證一體化工具；在黑盒與白盒不同場(chǎng)景下，研究基于差分測(cè)試、變異測(cè)試、動(dòng)態(tài)符號(hào)執(zhí)行測(cè)試等軟件測(cè)試技術(shù)的智能系統(tǒng)測(cè)試方法和測(cè)試樣本的自動(dòng)生成等關(guān)鍵技術(shù)；針對(duì)惡意樣本等攻擊手段，研究具有可擴(kuò)展性的可認(rèn)證魯棒學(xué)習(xí)模型，研究新型的對(duì)抗實(shí)例訓(xùn)練策略及驗(yàn)證問題關(guān)系，提高測(cè)量防御技術(shù)的有效性；研究軟硬件一體的安全攸關(guān)復(fù)雜智能系統(tǒng)的安全驗(yàn)證技術(shù)、優(yōu)化技術(shù)和硬件架構(gòu)安全適配。研究基于驗(yàn)證與測(cè)試技術(shù)的智能系統(tǒng)全周期安全評(píng)估、魯棒性驗(yàn)證和性能保障技術(shù)與方法。

考核指標(biāo)：建立多領(lǐng)域技術(shù)融合、支持大規(guī)模人工智能系統(tǒng)自主安全防御的理論體系；提出至少三種具有群體智能魯棒性構(gòu)造、惡意攻擊自動(dòng)識(shí)別的安全自動(dòng)化攻防技術(shù)；建立支持主流大數(shù)據(jù)集上億級(jí)神經(jīng)網(wǎng)絡(luò)參數(shù)的智能安全防御與性能驗(yàn)證平臺(tái)，實(shí)現(xiàn)準(zhǔn)實(shí)時(shí)運(yùn)行響應(yīng)；突破安全關(guān)鍵復(fù)雜智能系統(tǒng)的可信驗(yàn)證技術(shù)，支持不少于 3 種常見深度學(xué)習(xí)模型的安全結(jié)構(gòu)度量和形式化驗(yàn)證，參數(shù)規(guī)模不低于百萬(wàn)級(jí)；突破軟硬件一體驗(yàn)證與優(yōu)化技術(shù)，支持 FPGA、GPU、ARM 等不少于3種硬件環(huán)境。

2.新一代人工智能共性關(guān)鍵技術(shù)

2.1以中文為核心的多語(yǔ)種自動(dòng)翻譯研究

研究?jī)?nèi)容：聚焦語(yǔ)言大互通的需要，研發(fā)以中文為核心的多語(yǔ)種、多模態(tài)口語(yǔ)自動(dòng)翻譯技術(shù)，重點(diǎn)突破面向數(shù)據(jù)和專家資源稀缺的小語(yǔ)種語(yǔ)音及語(yǔ)言技術(shù)研發(fā)的無(wú)監(jiān)督/弱監(jiān) 督學(xué)習(xí)、遷移學(xué)習(xí)、端到端語(yǔ)音翻譯等技術(shù)，突破具備場(chǎng)景感知能力的圖像光學(xué)字符識(shí)別、翻譯、和圖像生成技術(shù)，實(shí) 現(xiàn)高可用近遠(yuǎn)場(chǎng)口語(yǔ)語(yǔ)音識(shí)別和語(yǔ)音合成技術(shù)，以及相關(guān)語(yǔ)種到漢語(yǔ)之間的雙向互譯技術(shù)，并完成相應(yīng)的語(yǔ)音翻譯和圖片翻譯的云服務(wù)在智能終端上的應(yīng)用，實(shí)現(xiàn)政務(wù)、教育、媒體、商務(wù)、旅游、就醫(yī)等典型場(chǎng)景的口語(yǔ)自動(dòng)翻譯服務(wù)。

考核指標(biāo)：在即時(shí)和近遠(yuǎn)場(chǎng)翻譯場(chǎng)景下，實(shí)現(xiàn)維吾爾語(yǔ)、哈薩克語(yǔ)、阿拉伯語(yǔ)、俄語(yǔ)、泰語(yǔ)、馬來(lái)語(yǔ)、越南語(yǔ)、印尼語(yǔ)等多個(gè)小語(yǔ)種到漢語(yǔ)之間的雙向語(yǔ)音翻譯和圖片翻譯，形成面向多種應(yīng)用場(chǎng)景的自動(dòng)翻譯系統(tǒng)和驗(yàn)證應(yīng)用；小語(yǔ)種近場(chǎng)口語(yǔ)翻譯可達(dá)到人類同傳水平；近距離、少噪聲條件下，印刷品識(shí)別準(zhǔn)確率達(dá)到 98以上，翻譯準(zhǔn)確率超過90；遠(yuǎn)距離、多噪聲條件下，非印刷品識(shí)別準(zhǔn)確率達(dá)到90以上，翻譯準(zhǔn)確率超過80。

2.2魯棒安全的人機(jī)共駕系統(tǒng)

研究?jī)?nèi)容：針對(duì)動(dòng)態(tài)、開放的真實(shí)交通環(huán)境下無(wú)人駕駛車輛適應(yīng)性差、安全性弱等問題，研究人類駕駛員和智能駕駛系統(tǒng)同時(shí)在環(huán)共享駕駛權(quán)的人機(jī)共駕方法，實(shí)現(xiàn)人在回路的數(shù)據(jù)、信息、語(yǔ)義及知識(shí)等多層次的人機(jī)交互與協(xié)同；建立人機(jī)協(xié)同的多模態(tài)感知、交互意圖理解的計(jì)算模型，實(shí)現(xiàn)人機(jī)一致性的情境理解與預(yù)測(cè)、決策與控制；研究可解釋的自主決策與可解譯的決策過程模型與算法，形成人機(jī)沖突機(jī)理分析及人機(jī)混合決策的在線評(píng)估理論與方法；構(gòu)建人機(jī)共駕的云學(xué)習(xí)平臺(tái)和支撐環(huán)境，實(shí)現(xiàn)安全、舒適、敏捷靈活的智能駕駛。

考核指標(biāo)：提出并驗(yàn)證針對(duì)系統(tǒng)對(duì)駕駛?cè)诵袨楦兄獪?zhǔn)確率、對(duì)駕駛?cè)藸顟B(tài)估計(jì)與意圖預(yù)測(cè)準(zhǔn)確率、常規(guī)工況下駕駛行為的動(dòng)態(tài)約束及反饋頻率、緊急工況下控制權(quán)分配與失效安全策略計(jì)算周期等關(guān)鍵指標(biāo)；人機(jī)共駕系統(tǒng)中駕駛?cè)藢?duì)控制系統(tǒng)的預(yù)見性以及滿意度的主觀評(píng)分在8分以上（10分制）；搭建分析人車耦合與人機(jī)共駕機(jī)理的軟件虛擬仿真平臺(tái)1套、硬件在環(huán)半實(shí)物仿真平臺(tái)1套、人機(jī)共駕云學(xué)習(xí)平臺(tái) 1套，核心技術(shù)在權(quán)威國(guó)際評(píng)測(cè)中達(dá)到先進(jìn)水平。

2.3無(wú)人集群系統(tǒng)自主協(xié)同關(guān)鍵技術(shù)研究及驗(yàn)證

研究?jī)?nèi)容：針對(duì)高動(dòng)態(tài)、不確定、資源受限等復(fù)雜環(huán)境，面向協(xié)同區(qū)域搜索、集群優(yōu)化調(diào)度等多任務(wù)應(yīng)用需求，研究無(wú)人集群系統(tǒng)的通用/開放式體系架構(gòu)和建模方法，提升無(wú) 人集群系統(tǒng)的場(chǎng)景適應(yīng)能力和異構(gòu)無(wú)人自主系統(tǒng)間的互操作能力；研究不確定和資源受限條件下高質(zhì)量傳感數(shù)據(jù)處理、共享及多源信息融合技術(shù)，提升無(wú)人集群系統(tǒng)的分布式態(tài)勢(shì)感知與認(rèn)知能力；研究可引導(dǎo)、可信任、可進(jìn)化的集群無(wú)人系統(tǒng)規(guī)劃、決策與控制技術(shù)，提升無(wú)人集群系統(tǒng)的魯棒性和智能化水平；面向?yàn)?zāi)害救援、環(huán)境監(jiān)測(cè)、區(qū)域物流、應(yīng) 急處理等應(yīng)用場(chǎng)景，進(jìn)行基于無(wú)人集群自主協(xié)同的驗(yàn)證。

考核指標(biāo)：建立開放式的無(wú)人集群系統(tǒng)架構(gòu)，支持集群節(jié)點(diǎn)數(shù)量不少于100個(gè)，支持不少于3種復(fù)雜動(dòng)態(tài)任務(wù)場(chǎng)景，并具備節(jié)點(diǎn)數(shù)量和任務(wù)場(chǎng)景的可擴(kuò)展能力；實(shí)現(xiàn)由至少2種異構(gòu)無(wú)人自主平臺(tái)組成的集群任務(wù)驗(yàn)證；能夠適應(yīng)強(qiáng)干擾、變通信拓?fù)涞忍魬?zhàn)環(huán)境下的態(tài)勢(shì)感知和認(rèn)知任務(wù)要求；實(shí)現(xiàn)不依賴于群體規(guī)模的任務(wù)規(guī)劃、自主決策與控制算法，實(shí)現(xiàn)通用計(jì)算平臺(tái)下實(shí)時(shí)規(guī)劃和決策，并建立群體智能的自主學(xué)習(xí)與進(jìn)化模式，形成可快速進(jìn)行大規(guī)模應(yīng)用復(fù)制的應(yīng)用驗(yàn)證。

2.4具有自主學(xué)習(xí)能力的超級(jí)品質(zhì)檢驗(yàn)關(guān)鍵技術(shù)

研究?jī)?nèi)容：以具有產(chǎn)品型號(hào)多樣、材質(zhì)透明反光、尺寸大小不一、質(zhì)檢崗位勞動(dòng)力密集等特點(diǎn)的典型制造領(lǐng)域?yàn)轵?yàn)證場(chǎng)景，研制具有人眼仿生機(jī)理的成像系統(tǒng)，針對(duì)復(fù)雜背景下高效率、高精度、弱對(duì)比、多種類的缺陷檢測(cè)要求，研究小樣本、弱監(jiān)督條件下具備強(qiáng)適應(yīng)能力的外觀缺陷技能學(xué)習(xí)關(guān)鍵技術(shù)；研究海量工業(yè)外觀數(shù)據(jù)的快速重塑映射管理方法，實(shí)現(xiàn)若干典型工業(yè)外觀數(shù)據(jù)庫(kù)的構(gòu)建；研究知識(shí)增長(zhǎng)型的學(xué)習(xí)模型建立方法，實(shí)現(xiàn)甄別技能的在線學(xué)習(xí)與增強(qiáng)；研究技能遷移學(xué)習(xí)方法，實(shí)現(xiàn)多類別外觀的技能高效傳授，解決制造行業(yè)外觀檢測(cè)環(huán)節(jié)用工難的行業(yè)痛點(diǎn)。

考核指標(biāo)：構(gòu)建不少于3類的符合指南特點(diǎn)的工業(yè)外觀缺陷大規(guī)模數(shù)據(jù)庫(kù)，指標(biāo)具有行業(yè)領(lǐng)先性；開發(fā)可在線學(xué)習(xí)與增強(qiáng)的甄別學(xué)習(xí)技能平臺(tái)軟件，形成任務(wù)遷移學(xué)習(xí)能力，實(shí)現(xiàn)不同質(zhì)檢任務(wù)遷移單次不超過 0.5 小時(shí)；在典型場(chǎng)景下達(dá)到并超過人工檢測(cè)能力，召回率大于 97，準(zhǔn)確率大于 95；可面向不同質(zhì)檢場(chǎng)景進(jìn)行自主學(xué)習(xí)，形成具有適應(yīng)能力的通用型品質(zhì)檢驗(yàn)關(guān)鍵技術(shù)，在不少于 2 個(gè)行業(yè)的龍頭企業(yè)形成代表性應(yīng)用。

2.5復(fù)雜社會(huì)信息網(wǎng)絡(luò)下的風(fēng)險(xiǎn)感知與智能決策研究

研究?jī)?nèi)容：面向多源、異構(gòu)和跨模態(tài)復(fù)雜社會(huì)信息，研究語(yǔ)義融合、網(wǎng)絡(luò)表征和動(dòng)態(tài)演化的理論框架；提出面向多維度、多尺度社會(huì)信息網(wǎng)絡(luò)的風(fēng)險(xiǎn)感知、智能分析和群體決策的社會(huì)計(jì)算范式，研究和構(gòu)建融合全球多語(yǔ)種、跨模態(tài)大數(shù)據(jù)驅(qū)動(dòng)的社會(huì)風(fēng)險(xiǎn)機(jī)理和分析模型與方法；研究信息網(wǎng)絡(luò)的實(shí)體及關(guān)聯(lián)知識(shí)聯(lián)合提取方法，構(gòu)建支撐風(fēng)險(xiǎn)評(píng)估與智能決策的時(shí)序知識(shí)圖譜，研究復(fù)雜社會(huì)網(wǎng)絡(luò)圖表征學(xué)習(xí)框架，提出領(lǐng)域知識(shí)與數(shù)據(jù)驅(qū)動(dòng)的智能群體決策方法，支持智能決策的自主評(píng)價(jià)與推演；構(gòu)建面向重大需求的風(fēng)險(xiǎn)預(yù)警、智能分析、群體決策的軟硬件一體化大數(shù)據(jù)計(jì)算平臺(tái)。

考核指標(biāo)：具備融合全球二十個(gè)以上語(yǔ)種、十萬(wàn)家公開信息源的大規(guī)模社會(huì)信息的獲取和融合能力；構(gòu)建面向社會(huì)信息風(fēng)險(xiǎn)與決策的千萬(wàn)級(jí)結(jié)點(diǎn)、億級(jí)邊的知識(shí)圖譜，研制不少于100種社會(huì)風(fēng)險(xiǎn)感知與智能決策算法模型；具備在百億級(jí)條邊規(guī)模的社會(huì)復(fù)雜網(wǎng)絡(luò)上進(jìn)行分析和決策的能力，實(shí)現(xiàn)千萬(wàn)級(jí)節(jié)點(diǎn)規(guī)模網(wǎng)絡(luò)上的分鐘級(jí)搜索響應(yīng)和分鐘級(jí)挖掘與推薦計(jì)算能力；在不少于2個(gè)面向重大社會(huì)風(fēng)險(xiǎn)預(yù)警和智能決策的典型領(lǐng)域進(jìn)行規(guī)模化應(yīng)用驗(yàn)證。

2.6億級(jí)節(jié)點(diǎn)時(shí)序圖譜實(shí)時(shí)智能分析關(guān)鍵技術(shù)與系統(tǒng)

研究?jī)?nèi)容：聚焦海量金融交易數(shù)據(jù)實(shí)時(shí)風(fēng)險(xiǎn)防控重大問題，研究建立多領(lǐng)域（股票、期貨、債券、上市公司、金融人物等）金融知識(shí)圖譜技術(shù)；構(gòu)建實(shí)時(shí)、動(dòng)態(tài)、可追溯的超大規(guī)模時(shí)序關(guān)聯(lián)圖及實(shí)時(shí)智能分析研究，突破面向時(shí)序關(guān)聯(lián)圖的快速構(gòu)建、查詢語(yǔ)言設(shè)計(jì)、動(dòng)態(tài)分析以及實(shí)時(shí)智能決策等關(guān)鍵技術(shù)；研究時(shí)序關(guān)聯(lián)圖的挖掘、推理與歸納以及可解釋規(guī)則自動(dòng)生成，重點(diǎn)突破金融實(shí)時(shí)風(fēng)控場(chǎng)景下的數(shù)據(jù)與知識(shí)混合驅(qū)動(dòng)的風(fēng)險(xiǎn)預(yù)測(cè)研究并開展應(yīng)用驗(yàn)證。通過對(duì)互聯(lián)網(wǎng)金融用戶十億節(jié)點(diǎn)級(jí)別規(guī)模網(wǎng)絡(luò)構(gòu)建，并融合相關(guān)領(lǐng)域知識(shí)圖譜，以及復(fù)雜異構(gòu)網(wǎng)絡(luò)上金融輿情/黑天鵝事件傳播預(yù)測(cè) 及關(guān)鍵節(jié)點(diǎn)辨識(shí)、推理和控制，達(dá)到風(fēng)險(xiǎn)預(yù)警及防范目的。

考核指標(biāo)：構(gòu)建面向金融領(lǐng)域的千萬(wàn)級(jí)知識(shí)圖譜，涵蓋不少于5個(gè)領(lǐng)域，實(shí)現(xiàn)多個(gè)領(lǐng)域知識(shí)圖譜的關(guān)聯(lián)與融合；時(shí)序圖譜支持金融風(fēng)險(xiǎn)防范領(lǐng)域常用的時(shí)序復(fù)雜邊，具備單節(jié)點(diǎn)10萬(wàn)tps、集群200萬(wàn)tps 關(guān)聯(lián)圖構(gòu)建能力，每筆處理平均延時(shí)在 10 毫秒以內(nèi)；億級(jí)節(jié)點(diǎn)量級(jí)下實(shí)現(xiàn)多層關(guān)系的實(shí)時(shí)查詢；支持基于時(shí)序關(guān)聯(lián)圖的金融實(shí)時(shí)風(fēng)控場(chǎng)景高級(jí)認(rèn)知模型研究，具備可解釋性，并在不少于 5 家金融機(jī)構(gòu)進(jìn)行風(fēng)險(xiǎn)防控的應(yīng)用驗(yàn)證。

2.7復(fù)雜版面手寫圖文識(shí)別及理解關(guān)鍵技術(shù)研究

研究?jī)?nèi)容：聚焦千萬(wàn)教師日常擔(dān)負(fù)大量試卷和作業(yè)閱卷工作的減負(fù)迫切需求，開展多學(xué)科多題型紙筆考試和作業(yè)的智能閱卷技術(shù)研發(fā)，基于教育大數(shù)據(jù)、跨媒體分析及自然語(yǔ)言理解等，突破面向紙筆考試及作業(yè)的復(fù)雜版面分析、手寫圖文及公式識(shí)別、作文自動(dòng)評(píng)分、文科答案語(yǔ)義理解評(píng)分、理科解題步驟分析評(píng)分及抄襲檢測(cè)等智能閱卷關(guān)鍵技術(shù)，實(shí)現(xiàn)和教師閱卷能力協(xié)作的增強(qiáng)型高可用智能閱卷系統(tǒng)研發(fā)。

考核指標(biāo)：復(fù)雜版面分析的正確率達(dá)到99以上，手寫圖文及公式識(shí)別正確率達(dá)到96 以上，中英文作文自動(dòng)評(píng)分及文科簡(jiǎn)答題評(píng)分性能達(dá)到人工專家99水平，理科解題步驟分析評(píng)分能力達(dá)到人工專家95水平，抄襲檢測(cè)的正確率達(dá)到98以上，智能閱卷技術(shù)在語(yǔ)文、數(shù)學(xué)等學(xué)科以及100所以上學(xué)校實(shí)現(xiàn)常態(tài)化應(yīng)用。

2.8擬人化人機(jī)交互服務(wù)關(guān)鍵技術(shù)與系統(tǒng)

研究?jī)?nèi)容：面向電話、在線文本客服及面對(duì)面咨詢、銷售及服務(wù)等復(fù)雜場(chǎng)景，研究口語(yǔ)化語(yǔ)音識(shí)別、擬人語(yǔ)音合成和口語(yǔ)化處理技術(shù)；研究基于場(chǎng)景知識(shí)圖譜的上下文語(yǔ)義解析和檢索技術(shù)、基于對(duì)話管理和知識(shí)驅(qū)動(dòng)的多輪對(duì)話技術(shù)、基于用戶畫像的個(gè)性化反饋對(duì)話技術(shù)，以及基于對(duì)話狀態(tài)監(jiān)測(cè)的自動(dòng)反饋應(yīng)答技術(shù)等；研究突破高噪聲服務(wù)環(huán)境下的視聽覺環(huán)境感知技術(shù)，基于語(yǔ)音、五官、表情、手勢(shì)、肢體語(yǔ)言等多模態(tài)用戶意圖識(shí)別技術(shù)，基于語(yǔ)言及視覺的多模態(tài)知識(shí)表達(dá)與推理技術(shù)，突破真實(shí)場(chǎng)景下跨模態(tài)的多媒體及語(yǔ)義理解；研究用戶情感感知與個(gè)性化智能服務(wù)技術(shù)，以用戶體驗(yàn)為中心的人機(jī)協(xié)同智能用戶服務(wù)技術(shù)；研究低資源場(chǎng)景下的遷移學(xué)習(xí)技術(shù)，研究解決對(duì)新場(chǎng)景系統(tǒng)冷啟動(dòng)等問題；構(gòu)建具備反饋式學(xué)習(xí)能力的開放式智能客服平臺(tái)，實(shí)現(xiàn)面向全領(lǐng)域可定制的對(duì)話理解。

考核指標(biāo)：智能客服平臺(tái)實(shí)現(xiàn)口語(yǔ)語(yǔ)音識(shí)別率超過 95、口語(yǔ)語(yǔ)音合成MOS 得分接近人類水平、對(duì)話正確響應(yīng)率不低于 95的領(lǐng)域效果，提出能夠有效體現(xiàn)機(jī)器對(duì)話智能的圖靈測(cè)試方案，并在至少3個(gè)領(lǐng)域通過測(cè)試驗(yàn)證；規(guī)模為千萬(wàn)級(jí)別的大數(shù)據(jù)用戶行為視頻理解，情感分析和行為理解正確率超過90；能夠進(jìn)行多種復(fù)雜任務(wù)的領(lǐng)域遷移，具備支撐億級(jí)用戶規(guī)模應(yīng)用的能力，給定任務(wù)完成率不低于 90；對(duì)研究者授權(quán)開放帶標(biāo)注的真實(shí)場(chǎng)景多輪對(duì)話不少于100萬(wàn)段。

2.9混合增強(qiáng)在線教育關(guān)鍵技術(shù)與系統(tǒng)研究

研究?jī)?nèi)容：針對(duì)在線教育存在情境多變難感知、用戶體驗(yàn)難適配、認(rèn)知過載易迷航等難題，研究虛實(shí)結(jié)合的體驗(yàn)式、沉浸化學(xué)習(xí)環(huán)境。研究學(xué)習(xí)行為分析、意圖理解、認(rèn)知狀態(tài)追蹤等學(xué)習(xí)認(rèn)知模型，實(shí)現(xiàn)學(xué)習(xí)認(rèn)知過程的多維度、跨學(xué)科跟蹤；綜合多模態(tài)人機(jī)交互、知識(shí)圖譜、強(qiáng)化學(xué)習(xí)等方法，研究面向個(gè)性化伴學(xué)的智能導(dǎo)學(xué)方法，打通學(xué)習(xí)規(guī)劃-內(nèi)容推薦-輔導(dǎo)答疑等環(huán)節(jié)，構(gòu)造因材施教的虛擬智能助教和導(dǎo)師；研究基于人機(jī)混合智能的群體化學(xué)習(xí)組織、激勵(lì)、評(píng)測(cè)、輔導(dǎo)和優(yōu)化方法，建立支撐群體化課程學(xué)習(xí)和在線實(shí)踐的智能平臺(tái);研究混合增強(qiáng)在線教學(xué)質(zhì)量綜合分析和優(yōu)化方法。

考核指標(biāo)：實(shí)現(xiàn)大規(guī)模在線教育混合增強(qiáng)智能環(huán)境和平臺(tái)，在中小學(xué)科學(xué)教育、高職技能培訓(xùn)、大學(xué)專業(yè)教育等領(lǐng) 域進(jìn)行應(yīng)用；在學(xué)習(xí)效率、學(xué)習(xí)興趣等方面提出人機(jī)混合增強(qiáng)教學(xué)環(huán)境的評(píng)估體系和具體評(píng)估指標(biāo)，給出基于10門以上學(xué)科、20個(gè)以上學(xué)校、面向上萬(wàn)學(xué)生規(guī)模化驗(yàn)證的評(píng)估結(jié)果。

2.10室內(nèi)服務(wù)機(jī)器人自主學(xué)習(xí)與進(jìn)化關(guān)鍵技術(shù)

研究?jī)?nèi)容：通過服務(wù)機(jī)器人、物理環(huán)境、運(yùn)動(dòng)目標(biāo)等持續(xù)交互式學(xué)習(xí)建模，研究復(fù)雜家庭環(huán)境下服務(wù)機(jī)器人數(shù)字孿生系統(tǒng)；通過事件驅(qū)動(dòng)機(jī)制（如智能抓取、多模感知、柔性交互、敏捷家政等）和虛實(shí)融合，實(shí)現(xiàn)持續(xù)高效的進(jìn)化訓(xùn)練，實(shí)現(xiàn)大規(guī)模智能實(shí)驗(yàn)?zāi)M和智能增長(zhǎng)；研究基于“感知—分析—決策—反饋”的多服務(wù)機(jī)器人群體智能，實(shí)現(xiàn)多個(gè)服務(wù)機(jī)器人自主協(xié)作；研究服務(wù)機(jī)器人決策行為評(píng)估、遂行任務(wù)效果的全過程評(píng)價(jià)方式，建設(shè)相關(guān)評(píng)價(jià)標(biāo)準(zhǔn)和過程評(píng)估體系。

考核指標(biāo)：建立服務(wù)機(jī)器人本體和服務(wù)環(huán)境可靈活配置的數(shù)字孿生系統(tǒng)，至少支持 2 種類型以上服務(wù)機(jī)器人本體100多個(gè)室內(nèi)服務(wù)環(huán)境；建立服務(wù)機(jī)器人自主學(xué)習(xí)與進(jìn)化理論與方法，通過數(shù)字孿生，服務(wù)機(jī)器人訓(xùn)練效率數(shù)量級(jí)提升，完成 20 種以上室內(nèi)服務(wù)任務(wù)，模型從虛擬到真實(shí)場(chǎng)景具有良好的可遷移性；服務(wù)機(jī)器人在不少于 100 個(gè)社區(qū)、養(yǎng)老院、康復(fù)中心等機(jī)構(gòu)進(jìn)行應(yīng)用驗(yàn)證；申請(qǐng)相關(guān)技術(shù)標(biāo)準(zhǔn)2項(xiàng)。

3.新型感知與智能芯片

3.1基于混合器件的神經(jīng)形態(tài)計(jì)算架構(gòu)及芯片研究

研究?jī)?nèi)容：聚焦生物腦工作機(jī)理的可計(jì)算模型實(shí)現(xiàn)，開展信息存儲(chǔ)與處理一體化理論研究，設(shè)計(jì)易于硬件實(shí)現(xiàn)的神經(jīng)元、突觸及網(wǎng)絡(luò)模型；研究基于硬件的神經(jīng)網(wǎng)絡(luò)動(dòng)態(tài)配置、神經(jīng)元地址快速并行查找和在線學(xué)習(xí)技術(shù)，設(shè)計(jì)新型神經(jīng)形態(tài)計(jì)算架構(gòu)；研究應(yīng)用于神經(jīng)形態(tài)芯片的新型器件及其集成技術(shù)。突破混合器件集成的大規(guī)模神經(jīng)形態(tài)芯片技術(shù)，構(gòu)建神經(jīng)形態(tài)芯片與現(xiàn)有計(jì)算機(jī)系統(tǒng)結(jié)合的混合計(jì)算應(yīng)用平臺(tái)。

考核指標(biāo)：研制混合器件的神經(jīng)形態(tài)芯片，支持神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)與配置參數(shù)的非易失性，神經(jīng)元規(guī)模大于 20 萬(wàn)，突觸規(guī)模大于2000萬(wàn)，突觸讀寫訪問時(shí)間小于 50ns，芯片能效大于1T脈沖操作/瓦；開發(fā)神經(jīng)形態(tài)計(jì)算功能驗(yàn)證平臺(tái)，支持400萬(wàn)以上神經(jīng)元，性能大于30T 脈沖操作/秒；支持至少2種典型智能任務(wù)。

4.人工智能提高經(jīng)濟(jì)社會(huì)發(fā)展水平創(chuàng)新應(yīng)用

4.1開放環(huán)境復(fù)雜制造過程智能調(diào)度方法及應(yīng)用

研究?jī)?nèi)容：針對(duì)工業(yè)互聯(lián)網(wǎng)開放環(huán)境下、復(fù)雜制造過程調(diào)度面臨的大規(guī)模異構(gòu)制造資源高度動(dòng)態(tài)不確定性等問題，研究基于全類型數(shù)據(jù)處理和領(lǐng)域知識(shí)深度遷移的復(fù)雜制造任務(wù)自適應(yīng)感知與調(diào)度方法；研究面向制造云端與邊緣側(cè)動(dòng)態(tài)協(xié)同的異構(gòu)制造資源高效調(diào)度方法；研究大規(guī)?？缃M織、強(qiáng)耦合、不確定性制造應(yīng)用流程協(xié)同優(yōu)化調(diào)度方法；突破異構(gòu)制造系統(tǒng)自適應(yīng)集成技術(shù)、大規(guī)模制造資源協(xié)同云排產(chǎn)技術(shù)；研制面向工業(yè)互聯(lián)網(wǎng)開放環(huán)境的智能制造資源云平臺(tái)，提升制造過程整體效率，提高關(guān)鍵高價(jià)值設(shè)備利用率，給工業(yè)企業(yè)降本增效，面向高端裝備、汽車等典型離散制造業(yè)，在資源協(xié)同、協(xié)同設(shè)計(jì)、協(xié)同生產(chǎn)等典型場(chǎng)景開展應(yīng)用研究。

考核指標(biāo)：形成新一代人工智能驅(qū)動(dòng)的開放環(huán)境復(fù)雜制造過程監(jiān)測(cè)與調(diào)度方法技術(shù)體系；建立面向復(fù)雜制造過程調(diào)度的邊云協(xié)同人工智能框架，形成至少5種制造大數(shù)據(jù)與遷移學(xué)習(xí)融合驅(qū)動(dòng)的新型調(diào)度算法及調(diào)度服務(wù)；研制基于工業(yè)互聯(lián)網(wǎng)的開放環(huán)境智能制造資源云平臺(tái)，形成規(guī)?；髽I(yè)和制造資源集聚；面向高端裝備、汽車等至少 3 個(gè)典型制造業(yè)行業(yè)領(lǐng)域開展應(yīng)用研究，在落地應(yīng)用中實(shí)現(xiàn)制造資源利用率提升 5以上，產(chǎn)品制造周期縮短至少10。

4.2工業(yè)領(lǐng)域知識(shí)自動(dòng)構(gòu)建與推理決策技術(shù)及應(yīng)用

研究?jī)?nèi)容：圍繞制造業(yè)全產(chǎn)業(yè)鏈中供研產(chǎn)銷服等核心業(yè)務(wù)環(huán)節(jié)，面向多源異構(gòu)、跨媒體、多學(xué)科的工業(yè)數(shù)據(jù)（結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化），研究傳統(tǒng)工業(yè)物理機(jī)理、模型機(jī)理和專家經(jīng)驗(yàn)的知識(shí)表達(dá)范式理論；研究基于常識(shí)和專業(yè)知識(shí)圖譜的工業(yè)跨媒體、多學(xué)科知識(shí)抽取、融合、驗(yàn)證、遷移、演化和表示學(xué)習(xí)技術(shù)；研究面向全產(chǎn)業(yè)鏈協(xié)同工作流的情境自適應(yīng)知識(shí)索引、推理、推薦、可視交互決策技術(shù)；研制工業(yè)知識(shí)抽取與推理引擎，建立工業(yè)領(lǐng)域知識(shí)開放共享平臺(tái)，面向智能制造供應(yīng)鏈、研發(fā)設(shè)計(jì)、生產(chǎn)制造、經(jīng)營(yíng)管理、客戶服務(wù)等典型業(yè)務(wù)領(lǐng)域開展智能決策應(yīng)用研究。

考核指標(biāo)：構(gòu)建工業(yè)領(lǐng)域知識(shí)模型，抽取超過億級(jí)的工業(yè)領(lǐng)域本體庫(kù)并完成表示學(xué)習(xí)；研制工業(yè)知識(shí)抽取與推理引擎，建立工業(yè)領(lǐng)域知識(shí)開放共享平臺(tái)，具備知識(shí)自動(dòng)抽取與構(gòu)建、推理與推薦、智慧決策等服務(wù)能力；面向智能制造供應(yīng)鏈、研發(fā)設(shè)計(jì)、生產(chǎn)制造、經(jīng)營(yíng)管理、客戶服務(wù)等典型業(yè)務(wù)場(chǎng)景，選擇工業(yè)知識(shí)服務(wù)能帶來(lái)顯著效益的 3 個(gè)工業(yè)領(lǐng)域進(jìn)行應(yīng)用驗(yàn)證，提出并實(shí)現(xiàn)相應(yīng)考核指標(biāo)。

4.3智能醫(yī)生助理關(guān)鍵技術(shù)及應(yīng)用研究

研究?jī)?nèi)容：針對(duì)臨床診療中信息負(fù)載高、醫(yī)生重復(fù)勞動(dòng)強(qiáng)度大、錯(cuò)誤易發(fā)等問題，研發(fā)智能醫(yī)生助理系統(tǒng)。研究復(fù)雜異構(gòu)高維動(dòng)態(tài)數(shù)據(jù)的呈現(xiàn)技術(shù)，實(shí)現(xiàn)患者信息的全景呈現(xiàn)；面向診療，研究多尺度、多模態(tài)信息的融合分析技術(shù)；突破醫(yī)學(xué)知識(shí)圖譜自動(dòng)生成技術(shù)，實(shí)現(xiàn)從大規(guī)模臨床數(shù)據(jù)向醫(yī)療知識(shí)的轉(zhuǎn)化。面向臨床重點(diǎn)科室，在智能分級(jí)導(dǎo)診、輔助診斷、輔助治療、電子病歷輔助錄入及質(zhì)控、患者共決策與隨訪等環(huán)節(jié)開展應(yīng)用。

考核指標(biāo)：構(gòu)建可靈活拓展的患者信息全景可視化工具；形成5-10種多尺度、多模態(tài)臨床信息融合分析模型；構(gòu)建面向多科室、基于臨床數(shù)據(jù)的自學(xué)習(xí)型知識(shí)圖譜，知識(shí)圖譜具備動(dòng)態(tài)更新能力，對(duì)臨床知識(shí)覆蓋率大于90 ，準(zhǔn)確率大于95 ；構(gòu)建的智能醫(yī)生助理系統(tǒng)，可面向5-10個(gè)臨床重點(diǎn)科室提供類人水平的醫(yī)生助理服務(wù)，并在至少5家三甲級(jí) 醫(yī)療機(jī)構(gòu)和至少10家基層醫(yī)療機(jī)構(gòu)開展應(yīng)用。

4.4腫瘤多學(xué)科診斷的影像分析輔助系統(tǒng)研究與應(yīng)用

研究?jī)?nèi)容：面向腫瘤多學(xué)科輔助診療，研究跨模態(tài)醫(yī)學(xué)影像的綜合分析技術(shù)，提高腫瘤治療的精準(zhǔn)性及全面性。研究影像數(shù)據(jù)的多維度、跨模態(tài)檢索與匹配技術(shù)，為醫(yī)學(xué)循證提供依據(jù)，支撐臨床最佳治療方案的決策；研究可解釋跨模態(tài)推理技術(shù)，通過對(duì)推理不確定性建模，優(yōu)化跨模態(tài)融合和人機(jī)分工；圍繞癌癥診療過程，構(gòu)建醫(yī)學(xué)循證、精確診斷、預(yù)后預(yù)測(cè)、療效監(jiān)控等模型；針對(duì)原發(fā)性與繼發(fā)性腫瘤的診治開展臨床驗(yàn)證，提升臨床決策效率和精準(zhǔn)率。

考核指標(biāo)：面向腫瘤多學(xué)科診療，構(gòu)建人機(jī)協(xié)同的醫(yī)學(xué)跨模態(tài)影像分析輔助系統(tǒng)，生成符合人類醫(yī)生使用習(xí)慣的輔助診斷及治療解釋；針對(duì)至少2種常見原發(fā)性腫瘤（如乳腺癌、肺癌、結(jié)直腸癌等）以及1種轉(zhuǎn)移性腫瘤（如轉(zhuǎn)移性骨腫瘤）的診斷、治療和預(yù)后等醫(yī)學(xué)場(chǎng)景，模型具備可解釋性且醫(yī)生采納率大于90 ；分析輔助系統(tǒng)在至少5家三甲醫(yī)院開展應(yīng)用驗(yàn)證，納入病例不少于3000例。

4.5醫(yī)療行為多維度感知關(guān)鍵技術(shù)及應(yīng)用研究

研究?jī)?nèi)容：聚焦智慧醫(yī)院建設(shè)，研究醫(yī)療行為的多模態(tài)感知并通過人機(jī)協(xié)同實(shí)現(xiàn)醫(yī)療流程的智能化。研究醫(yī)療行為的多維度感知關(guān)鍵技術(shù)，重點(diǎn)突破醫(yī)療行為時(shí)空特征表達(dá)、醫(yī)療行為細(xì)粒度識(shí)別、醫(yī)療行為操作合規(guī)性評(píng)估；研究高精度力覺機(jī)器手臂輔助應(yīng)用，突破復(fù)雜應(yīng)用場(chǎng)景下的人機(jī)協(xié)同關(guān)鍵技術(shù)，實(shí)現(xiàn)醫(yī)務(wù)人員操作流程優(yōu)化；研究全方位監(jiān)測(cè)不同患者生活習(xí)慣、飲食特征、運(yùn)動(dòng)模式、作息規(guī)律、精細(xì)行為等對(duì)醫(yī)療結(jié)局的影響，為科學(xué)的行為干預(yù)提供依據(jù)。

考核指標(biāo)：面向急診、ICU、護(hù)理、代謝艙等各類復(fù)雜場(chǎng)景，構(gòu)建開放性的大規(guī)模多模態(tài)醫(yī)療行為數(shù)據(jù)集，經(jīng)過標(biāo)注的數(shù)據(jù)規(guī)模不少于 10TB；覆蓋至少 20 類醫(yī)療行為，醫(yī)療行為感知系統(tǒng)對(duì)各類醫(yī)療行為的識(shí)別準(zhǔn)確率大于 80；開發(fā)至少2類醫(yī)療流程輔助智能機(jī)械臂軟硬件樣機(jī)，在代謝艙等使用場(chǎng)景中完成人機(jī)協(xié)同驗(yàn)證，并在至少 2 家三甲醫(yī)院落地應(yīng)用。

來(lái)源：銳動(dòng)源編輯部

本站是提供個(gè)人知識(shí)管理的網(wǎng)絡(luò)存儲(chǔ)空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點(diǎn)。請(qǐng)注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購(gòu)買等信息，謹(jǐn)防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請(qǐng)點(diǎn)擊一鍵舉報(bào)。

轉(zhuǎn)藏 分享

QQ空間 QQ好友新浪微博微信

獻(xiàn)花（0） +1

來(lái)自： liuaqbb > 《人工智能》

舉報(bào)/認(rèn)領(lǐng)