【正文】 的 一般方法，無論是以數(shù)學(xué)模型、文本或其他形式。這是減少需要首先生成的訓(xùn)練數(shù)據(jù)量或需要學(xué)習(xí)的量的重要 技術(shù)。例如，增強(qiáng)的人類意識可以使醫(yī)療助手，基于多個設(shè)備組合的數(shù)據(jù)讀數(shù) 指出醫(yī)療過程中的錯誤。此外，人類和人工智能系統(tǒng)必須共享共同目 標(biāo)，并相互了解他們和他們當(dāng)前狀態(tài)的相關(guān)方面。如果智能系統(tǒng)具有一定程度的情感智能，則智能 系統(tǒng)可以更有效地與人類一起協(xié)作，使得他們可以識別用戶的情緒并做出適當(dāng) 地響應(yīng)。直觀的互動包括 淺層互動，例如當(dāng)用戶舍棄由系統(tǒng)推薦的選項時；基于模型方法，考慮用戶過 去的行為；或甚至基于準(zhǔn)確的人類認(rèn)知模型的用戶意圖的深層模型。 以下小節(jié)中列出了其中一些重要的挑戰(zhàn)。（4）確保自動化設(shè)備靈活。（2）保持操作人員對信息的及時了解。（3）AI 執(zhí)行代替人類的功能：AI 系統(tǒng)執(zhí)行人類對其能力非常有限的任 務(wù)，例如用于復(fù)雜的數(shù)學(xué)運(yùn)算，用于爭議性操作環(huán)境中的動態(tài)系統(tǒng)控制引導(dǎo)， 用于有害或有毒環(huán)境中的自動化系統(tǒng)的控制方面，以及用于系統(tǒng)應(yīng)非?？焖俚?響應(yīng)的情況下（例如，在核反應(yīng)堆控制室中）。未來應(yīng)用程序?qū)⒃谌祟惡?AI 系統(tǒng)之間的功能作用劃分，人與 AI 系統(tǒng)之間 的相互作用性質(zhì)，人類和其他 AI 系統(tǒng)協(xié)同工作的數(shù)量以及人類和 AI 系統(tǒng)交流 及共享情境意識的方式上存在大大地不同。雖然針對人類 AI 協(xié)作的有效方法已經(jīng)存 在，但大多數(shù)是“單點(diǎn)解決方案”，只能奏效于特定環(huán)境中，并使用特定平臺 來實現(xiàn)特定目標(biāo)。設(shè)計 AI 算法需要使其能夠為 HPC 系統(tǒng)在線運(yùn)行和大規(guī)模運(yùn)行。更高 級的 AI 技術(shù)可以進(jìn)一步提高系統(tǒng)性能。77 這種互惠將引導(dǎo)硬件性能的進(jìn)一步提高，因為解決計算的物理限制需要新 的硬件設(shè)計方法。還需要繼續(xù)研究以使 得機(jī)器學(xué)習(xí)算法能夠高效地從高速數(shù)據(jù)中獲取信息，包括從多個數(shù)據(jù)通道同時 學(xué)習(xí)的分布式機(jī)器學(xué)習(xí)算法。針對 AI 算法而 優(yōu)化的開發(fā)硬件將實現(xiàn)比 GPU 更高的性能水平。移動性和操作 性是有待進(jìn)一步研究的領(lǐng)域，這樣一來機(jī)器人可以穿越崎嶇的不確定性地形并靈活應(yīng)對各種物體。然而，科學(xué)家需要使 這些機(jī)器人系統(tǒng)更強(qiáng)大、更可靠和更易使用。這些應(yīng)用程序在不同安全機(jī)構(gòu)（使用各種衡量指標(biāo)，例如俘獲率，紅色警示隊，巡邏 計劃隨機(jī)性等）的工作表現(xiàn)中被證明顯著改進(jìn)了安全性能。為此，“安全游戲”框架 基于計 算機(jī)游戲理論的基礎(chǔ)研究，同時也納 入了人類行為建模，不確定性下的 AI 規(guī)劃以及機(jī)器學(xué)習(xí)的元素 在美國及世 界各地為安全機(jī)構(gòu)而建立和部署的決美國海岸警衛(wèi)隊 全球應(yīng)用洛杉磯警署 洛杉磯國際機(jī)場警察 許多類型的應(yīng)用程序可能受益于實現(xiàn)安全性的游戲理論方式。壓制城市犯罪。相比之下， 人類需要花費(fèi)數(shù)百年的時間來完成訓(xùn)練 AlphaGo 所需的游戲次數(shù)。然而，當(dāng)前 AI 算法的工作方式與人們學(xué)習(xí)并執(zhí)行任務(wù)的方式之間 存在著巨大差距。分布式規(guī)劃和控制技術(shù)難 以通過算法實現(xiàn)，并且通常效率較低和不完整，但能潛在地為單點(diǎn)故障提供更 強(qiáng)的穩(wěn)健性。這種多 AI 系統(tǒng)的開發(fā)和使 用在該類系統(tǒng)的規(guī)劃、協(xié)調(diào)、控制和可擴(kuò)展性方面產(chǎn)生了重大的研究挑戰(zhàn)。通用 AI 自 AI 出現(xiàn)以來一直是研究者的遠(yuǎn)大目標(biāo)，但目前的系統(tǒng)離實現(xiàn) 這一目標(biāo)仍然很遠(yuǎn)。但這些系統(tǒng)只是舉例 說明了狹義 AI，因為它們只能應(yīng)用于為他們專門設(shè)計的任務(wù)。研究通用人工智能AI 方法可以分為“狹義 AI”和“通用 AI”。理解哪些問題在理論上是不可解決的，這樣可以引導(dǎo)研究人員開發(fā)出這些 問題的近似解決方案，甚至開辟出關(guān)于 AI 系統(tǒng)新型硬件的新研究路線。需要理論工作來更好地理解為什么 AI 技 術(shù)（特別是機(jī)器學(xué)習(xí)）通常在實踐中起到良好作用。對物體的檢測、分類、識別 和確認(rèn)仍具有挑戰(zhàn)性，特別是在雜亂和動態(tài)條件下。來自感知的綜合數(shù)據(jù)形成環(huán)境感知， 為人工智能系統(tǒng)提供綜合知識和世界狀態(tài)模型，有助于有效、安全地規(guī)劃和執(zhí) 行任務(wù)。 他們也必須確定如何識別和處理純統(tǒng)計學(xué)方法之外的小概率事件；在工作中利 用知識源（即解釋世界的任何類型的信息，如重力定律或社會規(guī)范的知識）和 數(shù)據(jù)源，在學(xué)習(xí)過程中結(jié)合模型和本體；并且當(dāng)大數(shù)據(jù)源不可用時，可利用有 限數(shù)據(jù)獲得有效的學(xué)習(xí)效果。研究人員需探索 新方法，以便同時挖掘數(shù)據(jù)和相關(guān)元數(shù)據(jù)。開發(fā)挖掘大數(shù)據(jù)中所有有用信息的更先進(jìn) 的機(jī)器學(xué)習(xí)算法中需取得進(jìn)一步進(jìn)展。結(jié)合人工智能系 統(tǒng)的預(yù)測與病理學(xué)家的分析可將出錯率 降低至 ％，表示可減少 85％的錯誤（見圖像）。新方法利用人工智能基礎(chǔ)研究建立 工具，使病理分析更有效、更準(zhǔn)確、更 具可預(yù)測性。例 1：國立衛(wèi)生研究院（NIH）資助研究計算機(jī)病理學(xué)人工智能影像診斷在癌癥的病理診斷中具有關(guān)鍵作用。國家科學(xué)研究委員會最新報 告強(qiáng)調(diào)了聯(lián)邦投資在長期研究中的關(guān)鍵作用，指出“初步探索和商業(yè)化應(yīng)用之 間長期不可預(yù)測的孕育期需穩(wěn)定的人力和財力”。戰(zhàn)略順序并不表示重要性的優(yōu)先次序?？傊?，本《戰(zhàn)略》的這些組成部分為聯(lián)邦投資定義了一 個高層框架，可為該領(lǐng)域帶來有效進(jìn)展和積極的社會效益。底部一行（紅色行）是 影響所有人工智能系統(tǒng)開發(fā)的跨領(lǐng)域根本基礎(chǔ)；這些基礎(chǔ)在戰(zhàn)略三7 中進(jìn)行了 說明。66 人工智能領(lǐng)域的核心科學(xué)家和工程師將擁有大量機(jī)會，他們熟練 掌握技術(shù)，具有新想法，能夠拓展該領(lǐng)域的知識邊界。戰(zhàn)略五要求聯(lián)邦政府對用于人工智能培訓(xùn)和測試的共享公共數(shù) 據(jù)集進(jìn)行投資，以推進(jìn)人工智能的研究并對替代解決方案進(jìn)行更有效的比較。確保人工智能系統(tǒng)的安全性是一項挑戰(zhàn)，因為這些系統(tǒng)異常復(fù)雜 并不斷演變。人工智能的進(jìn)步為社會帶來了許多積極的益處，并提高了美國的國家競爭 力。因此，為了 在這一領(lǐng)域保持世界領(lǐng)先地位，美國必須重視對人工智能基礎(chǔ)和長期研究的投 資。為了實施該規(guī)劃，應(yīng)制定 詳細(xì)的路線圖，明確與規(guī)劃一致的功能缺口。這些模型可實現(xiàn)人工智能系統(tǒng)的快速學(xué)習(xí)，可以向人工智能系統(tǒng)提供“含 義”或“理解”，使人工智能系統(tǒng)獲得更多通用功能。人工智能領(lǐng)域現(xiàn)處于第三次浪潮的開始階段，注重解釋性和通用人工智能 技術(shù)。用于圖像識別的人工智能系統(tǒng)需大量人力來標(biāo)記數(shù)以千 計的示例答案。60 人工智能對金 融系統(tǒng)的影響甚至更大——全球金融交易近乎一半，即數(shù)萬億美元的交易，屬 于自動化（“算法”）交易。美國政府在人工智能研究中發(fā)揮了關(guān)鍵作用，盡管商業(yè)部門也積極參與人 工智能相關(guān)研發(fā)。AI 的這些成就已得到了強(qiáng)大的基本研究基礎(chǔ)的支持。如今，AI 系統(tǒng)在專業(yè)任務(wù)上的表現(xiàn)經(jīng)常勝于人類。AI 研究的第二次浪潮起始于 21 世紀(jì)直到現(xiàn)在，其表現(xiàn)特點(diǎn)是機(jī)器學(xué)習(xí)的 崛起。（四）人工智能的現(xiàn)狀自其開始后，AI 研究已經(jīng)歷了三次技術(shù)浪潮。51然而，這種積極使用 AI 的愿景，需要大量研發(fā)進(jìn)展。50如何增強(qiáng)國家和國土安全？（1）安全和執(zhí)法：執(zhí)法和安全官員可以通過使用模式檢測來檢測個人行為 者的異常行為或預(yù)測危險人群的行為，從而幫助建立一個更安全的社會。46 AI 可以實現(xiàn)實時口語多語言 翻譯。42（4）個人服務(wù)：AI 軟件可以利用多來源的知識，為多種用途提供更準(zhǔn)確的信息。40 AI 技術(shù)為個人提供藥物定制；由此可提高 醫(yī)療效果、患者舒適度和減少浪費(fèi)。 AI 輔導(dǎo)員可補(bǔ)充面授教師，還可以因材施教。38改善教育機(jī)會和生活質(zhì)量通過用于制定專有學(xué)習(xí)計劃的虛擬導(dǎo)師來實現(xiàn)終身學(xué)習(xí)，以此根據(jù)每個人 的興趣、能力和教育需求進(jìn)行自我挑戰(zhàn)和參與其中。34 其能預(yù)測和識別消費(fèi)者需求 35，使他們以更 低的成本獲得更好的產(chǎn)品和服務(wù)。31 AI 應(yīng)用還可以改善網(wǎng)絡(luò)級移動性并減少整個系統(tǒng)的能源使用和運(yùn)輸相關(guān)的排放。27 他們可以進(jìn)一步提高效率并降低波動性和交易成本，同時預(yù)防 系統(tǒng)性失效，例如定價泡沫和低估信用風(fēng)險。23（2）物流：私營部門制造商和托運(yùn)人可以使用 AI，通過適配調(diào)度和路線 來改進(jìn)供應(yīng)鏈管理。20AI 可以通過更可靠的 需求預(yù)測、提升運(yùn)營和供應(yīng)鏈靈活性，以及對改變制造業(yè)營運(yùn)的影響進(jìn)行更好 的預(yù)測來加速生產(chǎn)能力。17 通過基于視覺的駕駛員 輔助和自動/機(jī)器人系統(tǒng)，18 能更有效地運(yùn)輸產(chǎn)品。（三）利用人工智能推進(jìn)國家優(yōu)先事項的愿景推動此 AI 研發(fā)戰(zhàn)略計劃是未來世界充滿希望的愿景，AI 將給所有社會成 員帶來顯著益處。相反，其為行 政部門設(shè)定了目標(biāo)，在這些目標(biāo)中，各機(jī)構(gòu)可以根據(jù)其任務(wù)、能力、權(quán)威和預(yù) 算來決定優(yōu)先順序，以便整個研究組合能與 AI 研發(fā)戰(zhàn)略計劃保持一致。此外，協(xié)調(diào)方法將有助 于美國利用 AI 技術(shù)的全部潛力來改善社會。然而，雖然聯(lián)邦政府可以利用 AI 的行業(yè)投資，但許 多應(yīng)用領(lǐng)域和長期研究挑戰(zhàn)不會存在明確的近期利潤驅(qū)動因素，因此不可能完 全由行業(yè)進(jìn)行解決。15 涉及某美國國家人工智能研究與發(fā)展戰(zhàn)略計劃中國信通院（CAICT）編譯組整理些 AI 子領(lǐng)域的其他戰(zhàn)略研發(fā)計劃和戰(zhàn)略框架處于發(fā)展階段，其中包括視頻和圖 像分析、健康信息技術(shù)、機(jī)器人和智能系統(tǒng)。第三，假設(shè)行業(yè)對 AI 的投資將繼續(xù)增加，因為最近 的商業(yè)成就已增加了研發(fā)投資的預(yù)期回報。本 AI 研發(fā)戰(zhàn)略計劃的輸入來自廣泛的來源，包括聯(lián)邦機(jī)構(gòu)、AI 相關(guān)會議 的公開討論、投資于 IT 相關(guān)研發(fā)的所有聯(lián)邦機(jī)構(gòu)的 OMB 數(shù)據(jù)呼叫、投資 IT 相 關(guān)研發(fā)，OSTP 信息請求 RFI），該信息請求向公眾征詢了有關(guān)美國如何為未來 的 AI7 做出最佳準(zhǔn)備的意見，以及 AI 公開出版物的信息。6 OSTP 還宣 布了一系列四個研討會， 舉辦于 2016年5 月至7 月的一段時間，旨在促進(jìn) AI 的公眾對話，并確定其所帶來的挑戰(zhàn)和機(jī)遇。這種投資環(huán)境提出了關(guān)于聯(lián)邦投資在 AI 技術(shù)發(fā)展中適當(dāng)作用的重要問 題。雖然最近注意到例如深度學(xué)習(xí)等 統(tǒng)計方法的重要性，4 但在其他各種領(lǐng)域 AI 也已經(jīng)取得了影響深遠(yuǎn)的進(jìn)展，例 如：感知、自然語言處理、形式邏輯、知識展示、機(jī)器人技術(shù)、控制理論、認(rèn) 知系統(tǒng)架構(gòu)、搜索和優(yōu)化技術(shù)以及其他更多方面。今天，這些研究進(jìn)展已經(jīng)產(chǎn)生影響我們?nèi)粘Ｉ畹男屡d經(jīng)濟(jì)部門，從 制圖技術(shù)到語音輔助智能手機(jī)，到郵件傳遞的手寫識別，到金融交易，到智能 物流，到垃圾郵件過濾，語言翻譯，甚至更多。建議二：研究創(chuàng)建和維持一個健全的人工智能研發(fā)隊伍的國家愿景，與本 計劃的戰(zhàn)略第七項保持一致。戰(zhàn)略七：更好地了解國家人工智能人力需求。研究人員需要開發(fā)高質(zhì) 量的數(shù)據(jù)集和環(huán)境，并允許負(fù)責(zé)訪問高質(zhì)量數(shù)據(jù)集，以及測試和培訓(xùn)資源。在人工智能系統(tǒng)廣泛使用之前，需要保證系統(tǒng)將以受控、充分定義和充分理解的方式安全地操作。戰(zhàn)略三：了解并解決人工智能的倫理、法律和社會影響。優(yōu)先投資下一代人工智能，將促 進(jìn)新發(fā)現(xiàn)和洞察力，同時使美國在人工智能領(lǐng)域保持世界領(lǐng)先地位。之后成立了一個 NITRD 人工智能工作組，以確定人工 智能研發(fā)為聯(lián)邦的戰(zhàn)略重大計劃，特別關(guān)注產(chǎn)業(yè)不可能解決的領(lǐng)域。由于這些潛在的益處，美國政府已經(jīng)對人工智 能研究投資多年。我們期待與聯(lián)邦機(jī)構(gòu)和其他關(guān)鍵合作伙伴繼續(xù)這項重要的工作，并利用該計劃指導(dǎo)未 來在 AI 研發(fā)的決策。它還確立 AI 中聯(lián)邦資 助研發(fā)的優(yōu)先事項，展望短期內(nèi) AI 對社會和世界長期變革影響的能力?，F(xiàn)在，我們正在進(jìn)入一個 AI 對我們的日常生 活產(chǎn)生廣泛和深遠(yuǎn)影響的時代，從精確醫(yī)學(xué)到交通到教育和更多方面。根據(jù)知識共享 CC0 通用許可證的規(guī)定，此項工作可在全球范圍內(nèi)使用和重復(fù)使用。50版權(quán)信息這是美國政府的一項工作，并屬于公共領(lǐng)域。它還實施經(jīng) 1998 年《下一代互聯(lián)網(wǎng)研究法案》（. 105305）修訂的 1991 年《高性能計算法》（PL 102194）相關(guān)條款，以及 2007 年《美國創(chuàng)造機(jī)會，切實推進(jìn)卓越技術(shù)、教育與科學(xué)（COMPETES）法》（. 11069）。OSTP 的主任還擔(dān) 任科學(xué)和技術(shù)總裁助理，負(fù)責(zé)管理 NSTC。每個委員會都負(fù)責(zé)監(jiān) 督專注于 科學(xué)和技 術(shù)不同方 面的小組 委員會和 工作組。美國國家人工智能研究和發(fā)展戰(zhàn)略計劃美國國家人工智能研究與發(fā)展戰(zhàn)略計劃中國信通院（CAICT）編譯組整理關(guān)于國家科學(xué)技術(shù)委員會國家科學(xué)技術(shù)委員會（NSTC）是行政機(jī)構(gòu)在構(gòu)成聯(lián)邦研發(fā)（R＆D）企業(yè)的各種實體 之間協(xié)調(diào)科學(xué)和技術(shù)政策的主要手段。NSTC 的工作在五個委 員會下組建：環(huán)境委員會、自然資源和可持續(xù)發(fā)展委員會；國家與國土安全委員會；科 學(xué)、技術(shù)、工程和數(shù)學(xué)（STEM）教育委員會；科學(xué)和技術(shù)委員會。OSTP 的使命有三方面：第一，就所有重要事項向總裁及其高級工作人員提供準(zhǔn)確、 相關(guān)和及時的科學(xué)和技術(shù)咨詢；第二，確保行政機(jī)構(gòu)的政策得到健全科學(xué)的通知；第三， 確保行政機(jī)構(gòu)的科學(xué)技術(shù)工作得到適當(dāng)協(xié)調(diào)，為社會帶來最大的益處。NITRD 小組委員會協(xié)調(diào)多機(jī)構(gòu)研究和發(fā)展計劃，以幫助確保 美國在網(wǎng)絡(luò)和信息技術(shù)方面的持續(xù)領(lǐng)導(dǎo)，滿足聯(lián)邦政府對先進(jìn)網(wǎng)絡(luò)和信息技術(shù)的需求，加 快先進(jìn)網(wǎng)絡(luò)和信息技術(shù)的開發(fā)和部署。特別感謝和感激 幫助撰寫、編輯和審查文檔的其他貢獻(xiàn)者：Chaitan Baru (NSF)、Eric Daimler (Presidential Innovation Fellow)、Ronald Ferguson (DoD)、Nancy Forbes (NITRD)、Eric Harder (DHS)、 Erin Kenneally (DHS)、Dai Kim (DoD)、Tatiana Korelsky (NSF)、David Kuehn (DOT)、 Terence Langendoen (NSF)、Peter Lyster (NITRD)、KC Morris (NIST)、Hector MunozAvila (NSF)、Thomas Rindflesch (NIH)、Craig Schlenoff (NIST)、Donald Sofge (NRL)、和 Sylvia Spengler (NSF)。請求將任何翻譯的副本發(fā)送給 OSTP。智能計算機(jī)系統(tǒng)一直是科幻小說的主題。由此產(chǎn)生的 AI 研發(fā)戰(zhàn)略計劃定義了一個高級框架，可用于確定 AI 中的科學(xué)和技術(shù)需 求，跟蹤研發(fā)投資的進(jìn)展并