国家基金资助：下一代人工智能方法的研究进展

国家基金资助：下一代人工智能方法的研究进展

2024年3月，国家自然科学基金委员会发布“可解释、可通用的下一代人工智能方法”重大研究计划项目指南，标志着我国在人工智能基础研究领域再次迈出重要一步。这一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，旨在推动我国人工智能技术的创新突破。

该研究计划的核心目标是解决当前人工智能方法存在的三大基础科学问题：

1. 深度学习的基本原理：深入研究深度学习模型对超参数的依赖关系，建立逼近理论、泛化误差分析理论和优化算法的收敛性理论。

2. 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。

3. 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。

围绕上述核心科学问题，2024年度计划将重点资助以下研究方向：

• 神经网络新架构：针对图像、视频、图、流场等数据，发展更高效的神经网络新架构和预训练或自监督学习方法。

• 深度学习理论基础：研究卷积神经网络、图神经网络、循环神经网络等模型的泛化误差分析理论、鲁棒性和稳定性理论。

• 大模型基础问题：研究多任务、多数据、大模型的表示理论和泛化理论，探索Transformer模型的表达和泛化能力。

• 图神经网络新方法：利用随机游走、多项式近似等数学理论解决深度图神经网络的过度光滑、过度挤压等问题。

• 人工智能安全性：发展隐私保护协同训练和预测方法，研究对抗样本、数据投毒、后门等安全问题。

• 科学计算领域应用：针对电子多体问题、跨尺度问题等，发展物理模型与人工智能的融合方法。

2023年度国家自然科学基金人工智能领域（申请代码F06）的项目申请与资助情况显示，该领域研究热度持续上升。据统计，2023年该领域共受理项目申请数量较上年增长15%，资助项目数量和金额都有所增长。这表明我国在人工智能基础研究方面的投入正在不断加大。

这一研究计划的实施，将为我国在新一轮国际科技竞争中占据主导地位提供有力支撑。通过解决人工智能方法的基础科学问题，发展可解释、可通用的下一代人工智能方法，我国有望在人工智能领域实现从“追赶者”到“领跑者”的转变。