【正文】 特別關注產(chǎn)業(yè)不可能解決的領域。 優(yōu)先投資下一代人工智能，將促 進新發(fā)現(xiàn)和洞察力，同時使美國在人工智能領域保持世界領先地位。 戰(zhàn)略三：了解并解決人工智能的倫理、法律和社會影響 。 在人工智能系統(tǒng)廣泛使用之前， 7 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 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。研究人員需要開發(fā)高質 量的數(shù)據(jù)集和環(huán)境，并允許負責訪問高質量數(shù)據(jù)集，以及測試和培訓資源。 戰(zhàn)略七：更好地了解國 家 人工智能人力需求 。 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。今天，這些研究進展已經(jīng)產(chǎn)生影響 我 們日常生活的新興經(jīng)濟部門，從 制圖技術到語音輔助智能手機，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。雖然最近注意到例如深度學習等 統(tǒng)計方法的重要性， 4 但在其他各種領域 AI 也已經(jīng)取得了影響深遠的進展，例 如：感知、自然語言處理、形式邏輯、知識 展 示、機器人技術、控制理論、認 知系統(tǒng)架構、搜索和優(yōu)化技術以及其他更多方面。這種投資環(huán)境提出了關于聯(lián)邦投資 在 AI 技術發(fā)展中適當作用的重要問 題。 6 OSTP 還宣 布了一系列四個研討會， 舉辦于 20xx 年 5 月 至 7 月的一段時間，旨在促進 AI 的公眾對話，并確定其所帶來的挑戰(zhàn)和機遇 。 本 AI 研發(fā)戰(zhàn)略計劃的輸入來自廣泛的來源，包括聯(lián)邦機構、 AI 相關會議 的公開討論、投資于 IT 相關研發(fā)的所有聯(lián)邦機構的 OMB 數(shù)據(jù)呼叫、投資 IT 相 關研發(fā)， OSTP 信息請求 RFI），該信息請求向公眾征詢了有關美國如何為未來 的 AI7 做出最佳準備的意見，以及 AI 公開出版物的信息。第三，假設行業(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)投資的預期回報。 15 涉及某 10 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、機器人和智能系統(tǒng) 。然而，雖然聯(lián)邦政府可以利用 AI 的行業(yè)投資，但許 多應用領域和長期研究挑戰(zhàn)不會存在明確的 近 期利潤驅動因素，因此不可能完 全由行業(yè)進行解決。此外，協(xié)調方法將有助 于美國利用 AI 技術的全部潛力來改善社會。相反，其為行 政部門設定了目標，在這些目標中，各機構 可 以根據(jù)其任務、能力、權威和預 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。 11 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 （三）利用人工智能推進國家優(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。 17 通過基于視覺的駕駛員 輔助和自動 /機器人系統(tǒng)， 18 能更有效地運輸產(chǎn)品。 20AI 可以通過更可靠的 需求預測、提升運營和供應鏈靈活性，以及 對 改變制造業(yè)營運的影響進行更好 的預測來加速生產(chǎn)能力。 23 （ 2） 物流： 私營部門制造商和托運人可以 使 用 AI，通過適配調度和路線 來改進供應鏈管理。 27 他們可以進一步提高效率并降低波動性和交易成本，同時預防 系統(tǒng)性失效，例如定價泡沫和低估信用風險。 31 AI 應用還可以改善網(wǎng)絡級移動 12 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 性并減少整個系統(tǒng)的能源使用和運輸相關的排放。 34 其能預測和識別消費者需求 35，使他們以更 低的成本獲得更好的產(chǎn)品和服務。 38 改善教育機會和生活質量 通過用于制定專有學習計劃的虛擬導師來實現(xiàn) 終身學習，以此根據(jù)每個人 的興趣、能力和教育需求進行自我挑戰(zhàn)和參 與 其中。 AI 輔 導員可補充面授教師，還可以因材施教。 40 AI 技 術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。 42 （ 4） 個人服務 ： AI 軟件可以利用多來源的知識，為多種用途提供更準確 的信息。 46 AI 可以實現(xiàn)實時口語多語言 翻譯。 50 如何增強國家和國土安全？ （ 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 者的異常行為或預測危險人群的行為，從而幫助建立一個更安全的社會。 51 然而，這種積極使用 AI 的愿景，需要大量研發(fā)進展。 （四）人工智能的現(xiàn)狀 自其開始后， AI 研 究已經(jīng)歷了三次技術浪潮。 AI 研究的第 二次浪潮起始于 21 世紀直到現(xiàn)在，其表現(xiàn)特點是機器學習的 崛起。 如今， AI 系統(tǒng)在專業(yè)任務上的表現(xiàn)經(jīng)常勝于人類。 AI 的這些成就已得到了強大的基本研究基礎的支持。 美國政府在人工智能研究中發(fā)揮了關鍵作用， 盡管商業(yè)部門也積極參與人 工智能相關研發(fā)。 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。用于圖像識別的人工 智 能系統(tǒng)需大量人力來標記數(shù)以千 計的示例答案。 人工智能領域現(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。這些模型可實現(xiàn)人工智能系統(tǒng)的快速學 習 ，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。為了實施該規(guī)劃，應制定 詳細的路線圖，明確與規(guī)劃一致的功能缺口。因此，為了 在這一領域保持世界領先地位，美國必須重 視 對人工智能基礎和長期研究的投 資。 人工智能的進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。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)異常復雜 并不斷演變。戰(zhàn)略五要求聯(lián)邦政府對用于 人 工智能培訓和測試的共享公共數(shù) 據(jù)集進行投資，以推進人工智能的研究并對 替 代解決方案進行更有效的比較。 66 人工智能領域的核心科學家和工程師將擁有大量機會，他們熟練 掌握技術，具有新想法，能夠拓展該領域的 知 識邊界。底部一行（紅色行）是 影響所有人工智能系統(tǒng)開發(fā)的跨領域根本基 礎 ；這些基礎在戰(zhàn)略三 7 中進行了 說明?？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，可為該領域帶來有效進展和積極的社會效益。戰(zhàn)略順序并不表示重要性的優(yōu)先次序。國家科學研究委員會最新報 告強調了聯(lián)邦投資在長期研究中的關鍵作用 ， 指出 “ 初步探索和商業(yè)化應用之 間長期不可預測的孕育期需穩(wěn)定的人力和財力 ” 。 例 1：國 立衛(wèi) 生研究 院 （ NIH） 資 助 研 究計算 機病 理學人 工智能 影像診斷在癌癥的病理診斷中具有關鍵作用。 新方法利用人工智能基礎研究建立 工具，使病理分析更有效、更準確、更 具可預測性。 結合人工智能系 統(tǒng)的預測與病理學家的分析可將出錯率 降低 至 ％， 表 示 可 減 少 85％的 錯 誤 （見圖像）。開發(fā)挖 掘 大數(shù)據(jù)中所有有用信息的更先進 的機器學習算法中需取得進一步進展。研究人員需探索 新方法，以便同時挖掘數(shù)據(jù)和相關元數(shù)據(jù)。 他們也必須確定如何識別和處理純統(tǒng)計學方 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，在學習過程中結合模型和本體；并 且 當大數(shù)據(jù)源不可用時，可利用有 限數(shù)據(jù)獲得有效的學習效果。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。對物體的檢測、分類、識別 和確認仍具有挑戰(zhàn)性，特別是在雜亂和動態(tài) 條 件下。需要理論工作來更好地理解為什么 AI 技 術（特別是機器學習）通常在實踐中起到良 好 作用。 理解哪些問題在理論上是不可解決的，這樣可 以引導研究人員開發(fā)出這些 問題的近似解決方案，甚至開辟出關 于 AI 系統(tǒng)新型硬件的新研究路線。 研究通用人工智能 AI 方法可以分為 “ 狹義 AI” 和 “ 通用 AI” 。但這些系統(tǒng)只是舉例 說明了狹 義 AI，因為它們只能應用于為 他 們專門設計的任務。通用 AI 自 AI 出現(xiàn)以來一直是研究者的遠大目標，但目前的系統(tǒng)離實現(xiàn) 這一目標仍然很遠。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、控制和可擴展 性 方面產(chǎn)生了重大的研究挑戰(zhàn)。分布式規(guī)劃和控制技術難 以通過算法實現(xiàn)，并且通常效率較低和不完 整 ，但能潛在地為單點故障提供更 強的穩(wěn)健性。然而，當 前 AI 算法的工作方式與人們學習并執(zhí)行任務的方式之間 存在著巨大差距。相比之下， 人類需要花費數(shù)百年的時間來完成訓 練 AlphaGo 所需的游戲次數(shù)。壓制城市 犯 罪 。 為此， “ 安全游戲 ” 框架 基于計 算機游 戲理 論的基 礎研 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 器學習的 元 素 在美國 及 世 界各地 為安 全機構 而建 立和部 署的 決 美國海岸警衛(wèi)隊 全球應用 洛杉磯警署 洛杉磯國際機場警察 許多類型 的 應用程序 可 能受益于 實 現(xiàn)安全性 的游戲理論方式。 這些應用 程 序在不同 安 全機構（ 使 用各種衡 量 指標，例 如 俘獲率， 紅 色警示隊 ， 巡邏 計劃隨機性等）的工作表現(xiàn)中被證明顯著改進了安全性能。然而，科學家需要使 這些機器人系統(tǒng)更強大、更可靠和更易使用。移動性和操作 性是有待進一步研究的領域，這樣一來機器 人 可以穿越崎嶇的不確定性地形并 25 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 靈活應對各種物體。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。還需要繼續(xù)研究以使 得機器學習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 學習的分布式機器學習算法。 77 這種互惠將引導硬件性能的進一步提高，因為解決計算的物理限制需要新 的硬件設計方法。更高 級的 AI 技術可以進一步提高系統(tǒng)性能。 26 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 設計 AI 算法需要使其能夠為 HPC 系統(tǒng)在線運行和大規(guī)模運行。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。 未來應用程序將在人類和 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，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。 （ 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，例如用于復雜的數(shù)學運算，用于爭議性 操 作環(huán)境中的動態(tài)系統(tǒng)控制引導， 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)應非?？焖俚? 響應的情況下（例如，在核反應堆控制室中）。 （ 2）保持操作人員對信息的及時了解。 （ 4）確保自動化設備靈活。 以下小節(jié)中列出了其中一些重要的挑戰(zhàn)。直觀的互動包括 淺層互動，例如當用戶舍棄由系統(tǒng)推薦的選 項 時；基于模型方法，考慮用戶過 去的行為；或甚至基于準確的人類認知模型 的 用戶意圖的深層模型。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 地響應。此外，人類 和 人工智能系統(tǒng)必須共享共同目 標，并相互了解他們和他們當前狀態(tài)的相關 方 面。例如，增強的人類意識可以使醫(yī)療助 手 ，基于多個設備組合的數(shù)據(jù)讀數(shù) 指出醫(yī)療過程中的錯誤。這是減少需要首先生成的 訓 練數(shù)據(jù)量或需要學習的量的重要 技術。必須尋求 允 許機器學習算法并入領域知識的 一般方法，無論是以數(shù)學模型、文本或其他形式。在安全危急操作中提供實 時結果是重要的，并且可以通過增加計算能 力 和互連系統(tǒng)來實現(xiàn)。在其他領域（例如， 美國航空航天局布置在火星上的勇氣號和機 遇 號探測器），人與人工智能系統(tǒng) 之間的遠程通信的延遲時間非常長（例如， 地 球和火星之間的往返時間為 520 分鐘），因此需要部署能在很大程度上自主 操 作，且只向其傳送高級別戰(zhàn)略目 標的平臺。 語言處理的最新進展已經(jīng)歸功于使用數(shù)據(jù)驅 動 的機器學習方法，其產(chǎn)生了成功 的系統(tǒng)，例如，在安靜的環(huán)境中成功的實時 識 別流利的英語語音。這種系統(tǒng)需要推斷人 類對話者的目標和意圖，使用針對當前情況 適 當?shù)恼Z境、風格和修辭，并在對 話產(chǎn)生誤解的情況下對其進行修復。在 PAL 計劃中， 85 DARP A 著手創(chuàng)建可以從經(jīng)驗、推論中學習 的認知助 手 ，并通過 語 音界面告 訴 他們該做 什 么。 DARPA 還非常了 解 PA L 技術的商 業(yè) 潛力，特 別 是需要基 于 語音的智 能 手機交互 的 移 動