国家基金重磅布局：下一代人工智能基础研究

国家基金重磅布局：下一代人工智能基础研究

近日，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2024年度项目指南，旨在解决人工智能方法的鲁棒性、可解释性和数据依赖性等基础科学问题。该项目聚焦深度学习的基本原理、可解释和可通用的人工智能方法，以及在科学领域的创新应用。

本重大研究计划面向以深度学习为代表的人工智能方法存在的基础科学问题，致力于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。

围绕这一目标，项目将重点解决三个核心科学问题：

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。

2024年度，该项目将围绕上述科学问题，资助一系列前沿研究方向，包括：

• 神经网络的新架构和新的预训练或自监督学习方法
• 深度学习的表示理论和泛化理论
• 深度学习训练算法的理论基础
• 大模型的基础问题
• 微分方程与机器学习
• 图神经网络的新方法
• 人工智能的安全性问题
• 科学计算领域的人工智能方法
• 以数据为中心的机器学习
• 基于量子计算的机器学习算法

当前，人工智能正处在从感知智能向认知智能跨越的关键阶段。然而，现有AI系统普遍存在“黑箱”问题，缺乏可解释性，且对数据高度依赖，难以泛化到新场景。这些问题严重制约了人工智能的进一步发展和广泛应用。

国家自然科学基金委员会此次发布的项目指南，正是瞄准这些基础科学问题，通过系统性、前瞻性的基础研究布局，为下一代人工智能的发展指明方向。该项目的实施，将为我国在新一轮国际科技竞争中占据主动地位提供有力支撑。

值得一提的是，该项目不仅关注理论创新，还强调产学研用结合，鼓励开展示范性应用研究。这表明我国人工智能发展正在从“追赶者”向“领跑者”转变，更加注重原始创新和引领性突破。

“可解释、可通用的下一代人工智能方法”重大研究计划的发布，体现了国家对人工智能基础研究的高度重视。通过解决人工智能方法的鲁棒性、可解释性和数据依赖性等基础科学问题，我国有望在下一代人工智能领域实现重大突破，为建设科技强国提供有力支撑。