【文章內(nèi)容簡(jiǎn)介】 度提供自動(dòng)輔助設(shè)備。45 文本能從多個(gè)搜索 結(jié)果進(jìn)行自動(dòng)匯總，并在多種媒體中得以增強(qiáng)。46 AI 可以實(shí)現(xiàn)實(shí)時(shí)口語(yǔ)多語(yǔ)言 翻譯。47增強(qiáng)國(guó)家和國(guó)土安全機(jī)器學(xué)習(xí)代理可以處理大量智能數(shù)據(jù)，并使用快速變化的戰(zhàn)術(shù)來(lái)識(shí)別敵人 的相關(guān)生存規(guī)律模式。48 這些代理還能向易受攻擊的關(guān)鍵基礎(chǔ)設(shè)施和主要經(jīng)濟(jì)部 門提供保護(hù)。49 數(shù)字防御系統(tǒng)可以大大降低戰(zhàn)場(chǎng)風(fēng)險(xiǎn)和傷亡。50如何增強(qiáng)國(guó)家和國(guó)土安全？（1）安全和執(zhí)法：執(zhí)法和安全官員可以通過(guò)使用模式檢測(cè)來(lái)檢測(cè)個(gè)人行為 者的異常行為或預(yù)測(cè)危險(xiǎn)人群的行為，從而幫助建立一個(gè)更安全的社會(huì)。48 智能 感知系統(tǒng)可以保護(hù)關(guān)鍵基礎(chǔ)設(shè)施，如機(jī)場(chǎng)和發(fā)電廠。49（2）安全和預(yù)測(cè)：正常條件的分布式傳感器系統(tǒng)和模式理解技術(shù)可以檢測(cè) 主要基礎(chǔ)設(shè)施中斷的概率何時(shí)會(huì)顯著上升，無(wú)論是由自然原因還是人為原因引 起。51 這種預(yù)測(cè)能力能有助于指示出問(wèn)題將在哪里發(fā)生，以防止或甚至在發(fā)生之 前阻止中斷。51然而，這種積極使用 AI 的愿景，需要大量研發(fā)進(jìn)展。許多關(guān)鍵和困難的技 術(shù)挑戰(zhàn)仍存在于所有 AI 子領(lǐng)域中，包括基礎(chǔ)科學(xué)和應(yīng)用領(lǐng)域。AI 技術(shù)還存在 風(fēng)險(xiǎn)，例如隨著人類因自動(dòng)化系統(tǒng)而增長(zhǎng)或被替代，勞動(dòng)力市場(chǎng)可能會(huì)中斷， 以及 AI 系統(tǒng)安全性和可靠性的不確定性。本 AI 研發(fā)戰(zhàn)略計(jì)劃的后續(xù)章節(jié)討論 了 AI 研發(fā)投資的高級(jí)優(yōu)先和戰(zhàn)略領(lǐng)域，這些將支持這一愿景的同時(shí)將降低潛在 破壞和風(fēng)險(xiǎn)。（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。第一次浪潮集中于手工知 識(shí)，20 世紀(jì) 80 年代著重于明確定義域的基于規(guī)則的專家系統(tǒng)，其中知識(shí)是從 人類專家中采集，以“ifthen”的規(guī)則進(jìn)行運(yùn)算，然后在硬件中執(zhí)行。此類系統(tǒng)推理可成功應(yīng)用于狹義問(wèn)題，但其并沒(méi)有學(xué)習(xí)或處理不確定性的能力。然 而，他們?nèi)匀荒墚a(chǎn)生重要解決方案，并且今天的技術(shù)發(fā)展仍然非?；钴S。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。當(dāng)應(yīng)用于諸如圖像和書寫識(shí)別、語(yǔ)音理解和人類語(yǔ)言翻譯的任務(wù)時(shí)，極 為大量的數(shù)字?jǐn)?shù)據(jù)可用性、相對(duì)便宜的大規(guī)模并行計(jì)算能力和經(jīng)改良的學(xué)習(xí)技 術(shù)讓 AI 變得更為進(jìn)步。這些進(jìn)步的成果無(wú)處不在：智能手機(jī)執(zhí)行語(yǔ)音識(shí)別、 ATM 在書面支票執(zhí)行手寫識(shí)別、電子郵件應(yīng)用程序執(zhí)行垃圾郵件過(guò)濾、以及免 費(fèi)在線服務(wù)執(zhí)行機(jī)器翻譯。其中一些成就的關(guān)鍵是深度學(xué)習(xí)的發(fā)展。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 首次超越人類表現(xiàn)的 主要里程碑包括：國(guó)際象棋（1997 年）、52 trivia（2011 年）、53 Atari 游戲（2013 年）、54 圖像識(shí)別（2015 年）、55 語(yǔ)音識(shí)別（2015 年）、56 和 Go（譯者 注：即 AlphaGo 圍棋。2016 年）。57 這類里程碑的步伐似乎越來(lái)越快，按現(xiàn) 狀，最佳表現(xiàn)系統(tǒng)是基于機(jī)器學(xué)習(xí)，而非手編碼規(guī)則集合。AI 的這些成就已得到了強(qiáng)大的基本研究基礎(chǔ)的支持。這項(xiàng)研究正在擴(kuò)大， 可能會(huì)刺激未來(lái)的發(fā)展。作為一項(xiàng)指標(biāo)，2013 年到 2015 年，以科學(xué)為索引提 到“深度學(xué)習(xí)”的期刊文章的網(wǎng)站數(shù)量增加了六倍（圖 1）。這一趨勢(shì)也表明 研究日益全球化，美國(guó)的出版物，或至少被引用過(guò)一次的出版物的數(shù)量不再領(lǐng) 先世界（圖 2）。美國(guó)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)。58 使用“深度學(xué)習(xí)”或“深度神經(jīng)網(wǎng)絡(luò)”這一術(shù)語(yǔ)的專利數(shù)量 急劇增加（圖 3）。從 2013 年到 2014 年，投入人工智能創(chuàng)業(yè)公司的風(fēng)險(xiǎn)資本 增加了四倍。59 人工智能的應(yīng)用現(xiàn)正為大型企業(yè)創(chuàng)造可觀收益。60 人工智能對(duì)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(wàn)億美元的交易，屬 于自動(dòng)化（“算法”）交易。61深度學(xué)習(xí)期刊數(shù)出版年份圖 1：各國(guó)提到“深度學(xué)習(xí)”或“深度神經(jīng)網(wǎng)絡(luò)”的期刊文章 62至少被引用一次的期刊數(shù)深度學(xué)習(xí)（引用出版物）中國(guó) 美國(guó) 英國(guó)澳大利亞 加拿大 日本德國(guó) 新加坡 韓國(guó) 法國(guó)中國(guó) 美國(guó) 英國(guó)澳大利亞 加拿大 日本德國(guó) 新加坡 韓國(guó) 法國(guó)出版年份圖 2：各國(guó)至少被引用過(guò)一次的提到“深度學(xué)習(xí)”或“深度神經(jīng)網(wǎng)絡(luò)”的期刊文章 63深度學(xué)習(xí)專利患者人數(shù)專利公布年份圖 3：使用術(shù)語(yǔ)“深度學(xué)習(xí)”或“深度神經(jīng)網(wǎng)絡(luò)”的專利數(shù)量分析 64盡管取得了進(jìn)步，人工智能系統(tǒng)仍然有其局限性。幾乎所有進(jìn)步都是在能 夠有效完成專業(yè)任務(wù)的“狹義人工智能”方面取得；而在各種認(rèn)知領(lǐng)域能夠發(fā) 揮有效作用的“廣義人工智能”方面取得的進(jìn)步很小。即使是在狹義人工智能 方面，進(jìn)步也不均衡。用于圖像識(shí)別的人工智能系統(tǒng)需大量人力來(lái)標(biāo)記數(shù)以千 計(jì)的示例答案。65 相反，大多數(shù)人只需通過(guò)幾個(gè)示例便可“一次性”掌握學(xué)習(xí)方 法。雖然大多數(shù)機(jī)器視覺(jué)系統(tǒng)容易被具有重疊事物的復(fù)雜場(chǎng)景混雜，但是兒童 可輕松進(jìn)行“場(chǎng)景解析”。人容易理解的場(chǎng)景對(duì)于機(jī)器來(lái)說(shuō)仍然很困難。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)。這些方法的目標(biāo)是通過(guò)說(shuō)明和界面修正加強(qiáng)學(xué)習(xí)模型，明確輸出的基礎(chǔ) 和可靠性，以高透明度運(yùn)作，超越狹義人工智能，獲得可在更廣泛任務(wù)領(lǐng)域中 通用的功能。如果成功的話，工程師可創(chuàng)建系統(tǒng)，構(gòu)建現(xiàn)實(shí)世界現(xiàn)象類的解釋 性模型，與人進(jìn)行自然交流，在遇到新任務(wù)和情況時(shí)學(xué)習(xí)和思考，并通過(guò)總結(jié) 過(guò)去的經(jīng)驗(yàn)解決新問(wèn)題。人工智能系統(tǒng)的解釋性模型可通過(guò)先進(jìn)方法自動(dòng)構(gòu) 建。這些模型可實(shí)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。美國(guó)國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃中國(guó)信通院（CAICT）編譯組整理二、研發(fā)戰(zhàn)略《戰(zhàn)略》中所述研究重點(diǎn)側(cè)重于行業(yè)不能解決的領(lǐng)域，因此這些領(lǐng)域最有 可能從聯(lián)邦投資中受益。這些重點(diǎn)研究涉及人工智能領(lǐng)域所有需求，包括感 知、自動(dòng)推理/規(guī)劃、認(rèn)知系統(tǒng)、機(jī)器學(xué)習(xí)、自然語(yǔ)言處理、機(jī)器人等人工智能 子領(lǐng)域和相關(guān)領(lǐng)域中的常見需求。由于人工智能的廣度，這些研究重點(diǎn)跨越整 個(gè)領(lǐng)域，而不僅針對(duì)各子領(lǐng)域具體的單個(gè)研究難題。為了實(shí)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。戰(zhàn)略一中所述最重要的聯(lián)邦研究重點(diǎn)之一是對(duì)人工智能的持續(xù)長(zhǎng)期研究， 獲得發(fā)現(xiàn)和深刻見解。美國(guó)聯(lián)邦政府許多對(duì)高風(fēng)險(xiǎn)、高回報(bào)基礎(chǔ)研究的投資已 帶來(lái)了今天賴于生存的革命性的技術(shù)進(jìn)步，包括互聯(lián)網(wǎng)、GPS、智能手機(jī)語(yǔ)音識(shí) 別、心臟監(jiān)視器、太陽(yáng)能電池板、先進(jìn)電池、癌癥治療等。人工智能的前景幾 乎可涉及社會(huì)的每一方面，帶來(lái)顯著積極的社會(huì)效益和經(jīng)濟(jì)效益。因此，為了 在這一領(lǐng)域保持世界領(lǐng)先地位，美國(guó)必須重視對(duì)人工智能基礎(chǔ)和長(zhǎng)期研究的投 資。許多人工智能技術(shù)將與人一起工作，16 因此如何最好地建立主動(dòng)幫助人工作 的人工智能系統(tǒng)成為重要挑戰(zhàn) 16。人和人工智能系統(tǒng)之間的壁壘慢慢被打破， 人工智能系統(tǒng)不斷增強(qiáng)人的能力。如戰(zhàn)略二所述，需開展基礎(chǔ)研究，以研究有 效的人機(jī)交互和協(xié)作方法。人工智能的進(jìn)步為社會(huì)帶來(lái)了許多積極的益處，并提高了美國(guó)的國(guó)家競(jìng)爭(zhēng) 力。8 然而，與大多數(shù)變革性技術(shù)一樣，人工智能也為某些領(lǐng)域帶來(lái)了風(fēng)險(xiǎn)，包 括就業(yè)、經(jīng)濟(jì)、安全、倫理和法律問(wèn)題。因此，隨著人工智能科技的發(fā)展，聯(lián) 邦政府也必須投資研究更好地理解人工智能對(duì)所有這些領(lǐng)域的影響，并通過(guò)研 發(fā)如戰(zhàn)略三所述的符合倫理、法律和社會(huì)目標(biāo)的人工智能系統(tǒng)以解決這些影 響。當(dāng)前人工智能技術(shù)的一個(gè)關(guān)鍵缺口是缺乏確保人工智能系統(tǒng)安全性和可預(yù) 測(cè)性的方法。確保人工智能系統(tǒng)的安全性是一項(xiàng)挑戰(zhàn)，因?yàn)檫@些系統(tǒng)異常復(fù)雜 并不斷演變。面對(duì)這一安全挑戰(zhàn)進(jìn)行了幾項(xiàng)重點(diǎn)研究。首先，戰(zhàn)略四強(qiáng)調(diào)需建 立可解釋和透明的系統(tǒng)，這些系統(tǒng)受到用戶信任，按用戶可接受的方式運(yùn)行， 并確保可按用戶想要的方式運(yùn)行。人工智能系統(tǒng)的潛在功能和復(fù)雜性以及與人類用戶和環(huán)境的廣泛相互作用，使增加對(duì)人工智能技術(shù)安全性和控制性研究的投資至關(guān)重要。戰(zhàn)略五要求聯(lián)邦政府對(duì)用于人工智能培訓(xùn)和測(cè)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(duì)替代解決方案進(jìn)行更有效的比較。 戰(zhàn)略六討論了評(píng)估研發(fā)的標(biāo)準(zhǔn)和基準(zhǔn)，以確定進(jìn)展，縮小差距，為具體問(wèn)題和 挑戰(zhàn)提供創(chuàng)新解決方案。標(biāo)準(zhǔn)和基準(zhǔn)對(duì)于測(cè)量和評(píng)估人工智能系統(tǒng)以及確保人 工智能技術(shù)符合設(shè)計(jì)功能和互用性的關(guān)鍵目標(biāo)至關(guān)重要。最后，人工智能技術(shù)在社會(huì)各領(lǐng)域的日益普及為人工智能研發(fā)專家?guī)?lái)了 新的壓力。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(huì)，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(shí)邊界。國(guó)家應(yīng)采取措施，確保 熟練掌握人工智能技術(shù)的人才充足。戰(zhàn)略七闡述了這一挑戰(zhàn)。應(yīng)用程序農(nóng)業(yè)通信教育財(cái)務(wù)方面政府服務(wù)法律物流制造業(yè)市場(chǎng)營(yíng)銷方面醫(yī)藥人事服務(wù)科學(xué)和工程安保運(yùn)輸以下圖 4 提供了本《戰(zhàn)略》總體結(jié)構(gòu)的圖形說(shuō)明。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(shuō)明。中間第二行（淺藍(lán)色和中藍(lán)色行）包括推動(dòng)人工智能進(jìn)步所需許多領(lǐng)域 的研究。這些基礎(chǔ)研究領(lǐng)域（包括應(yīng)用型基礎(chǔ)研究）在戰(zhàn)略一2 中進(jìn)行了概 述。67 圖形的頂部一行（深藍(lán)色行）是預(yù)期受益于 AI 進(jìn)步的應(yīng)用示例，如本文 件前文愿景部分所述。總之，本《戰(zhàn)略》的這些組成部分為聯(lián)邦投資定義了一 個(gè)高層框架，可為該領(lǐng)域帶來(lái)有效進(jìn)展和積極的社會(huì)效益?；A(chǔ)研發(fā)數(shù)據(jù)分析感知理論假設(shè)限制通用人工智能可擴(kuò)展人工智能類人人工智能機(jī)器人硬件人本意識(shí)人工智能人類機(jī)能增進(jìn)自然語(yǔ)言處理界面和可視化[1]長(zhǎng)期投資 [2]人機(jī)協(xié)作跨領(lǐng)域研發(fā)基礎(chǔ)[3]倫理、法律和社會(huì) 影響[4]安全與安保[5]標(biāo)準(zhǔn)和基準(zhǔn)[6]數(shù)據(jù)集和環(huán)境[7]人工智能精干團(tuán)隊(duì)圖 跨領(lǐng)域研發(fā)基礎(chǔ)（底部紅色行）對(duì)于所有人工智能的研究都很重要。人工智能研發(fā)的美國(guó)國(guó)家人工智能研究與發(fā)展戰(zhàn)略計(jì)劃中國(guó)信通院（CAICT）編譯組整理許多基礎(chǔ)領(lǐng)域（淺藍(lán)色和中藍(lán)色行）可建立在這些跨領(lǐng)域基礎(chǔ)上，以影響各種社會(huì)應(yīng)用（頂部深藍(lán)色行）。（括號(hào)中的小數(shù)字表示在本規(guī)劃中的戰(zhàn)略編號(hào)，戰(zhàn)略有待進(jìn)一步拓 展。戰(zhàn)略順序并不表示重要性的優(yōu)先次序。）（一）戰(zhàn)略一：對(duì)人工智能研究進(jìn)行長(zhǎng)期投資需對(duì)具有潛在長(zhǎng)期回報(bào)領(lǐng)域的人工智能研究進(jìn)行投資。長(zhǎng)期研究包含可預(yù) 測(cè)結(jié)果的漸進(jìn)式研究，對(duì)高風(fēng)險(xiǎn)研究的長(zhǎng)期持續(xù)投資可帶來(lái)高回報(bào)。這些回報(bào)可在 5 年、10 年或更長(zhǎng)時(shí)間內(nèi)兌現(xiàn)。國(guó)家科學(xué)研究委員會(huì)最新報(bào) 告強(qiáng)調(diào)了聯(lián)邦投資在長(zhǎng)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(zhǎng)期不可預(yù)測(cè)的孕育期需穩(wěn)定的人力和財(cái)力”。68 報(bào)告進(jìn)一步指出“從初步概 念到成功上市通常需要幾十年”。68 持續(xù)的基礎(chǔ)研究工作帶來(lái)高回報(bào)的有力證據(jù) 包括萬(wàn)維網(wǎng)和深度學(xué)習(xí)。這兩種案例的基礎(chǔ)研究均始于 20 世紀(jì) 60 年代；歷經(jīng)30 多年的持續(xù)研究，那些想法才轉(zhuǎn)換成今天在各種人工智能中所見到的變革性 技術(shù)。例 1：國(guó)立衛(wèi)生研究院（NIH）資助研究計(jì)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。自 19 世紀(jì)后期以來(lái)，病理學(xué)家用于確定 癌癥診斷的主要工具是顯微鏡。病理學(xué)家通過(guò)手動(dòng)檢查癌癥組織的染色切片來(lái)診斷癌癥， 確定癌癥子類型。使用常規(guī)方法的病理診斷需要大量人力，不易重復(fù)，導(dǎo)致質(zhì)量問(wèn)題。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(cè)性。在 2016 年轉(zhuǎn)移性癌癥檢測(cè) Camelyon 挑戰(zhàn)大賽中，69 表現(xiàn)最佳的是 基于人工智能的計(jì)算系統(tǒng)，出錯(cuò)率僅為％。70 辨識(shí)同組評(píng)估圖像的一位病理頂尖 AI 系統(tǒng) 病理學(xué)家 頂尖 AI 病理學(xué)家人工智能在通過(guò)前哨淋巴結(jié)活檢確定轉(zhuǎn)移 性乳腺癌方 面能夠有效 降低病理學(xué) 家的出錯(cuò) 率。學(xué)家出錯(cuò)率僅為 ％。結(jié)合人工智能系 統(tǒng)的預(yù)測(cè)與病理學(xué)家的分析可將出錯(cuò)率 降低至 ％，表示可減少 85％的錯(cuò)誤（見圖像）。71下文強(qiáng)調(diào)了上述某些領(lǐng)域。其他類型人工智能的重要研究在戰(zhàn)略二至六中進(jìn)行了討論。提升基于數(shù)據(jù)發(fā)現(xiàn)知識(shí)的能力正如《聯(lián)邦大數(shù)據(jù)研究和發(fā)展戰(zhàn)略規(guī)劃》中所述，9 實(shí)現(xiàn)智能數(shù)據(jù)理解和知 識(shí)發(fā)現(xiàn)需許多新的基礎(chǔ)工具和技術(shù)。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。許多開放性研究問(wèn)題圍繞數(shù)據(jù)的創(chuàng)建和使用，包括對(duì)人工智能系統(tǒng)培訓(xùn)的 準(zhǔn)確性和適當(dāng)性。當(dāng)處理大量數(shù)據(jù)時(shí)，數(shù)據(jù)的準(zhǔn)確性尤其具有挑戰(zhàn)性，使人難 以對(duì)其進(jìn)行評(píng)估并從中提取信息。雖然許多研究通過(guò)數(shù)據(jù)質(zhì)量保證方法確保數(shù) 據(jù)清理和知識(shí)發(fā)現(xiàn)的準(zhǔn)確性，但需進(jìn)一步研究以提高數(shù)據(jù)清理技術(shù)的效率，建 立發(fā)現(xiàn)數(shù)據(jù)不一致和異常的方法并使其可與人的反饋相結(jié)合。研究人員需探索 新方法，以便同時(shí)挖掘數(shù)據(jù)和相關(guān)元數(shù)據(jù)。許多人工智能的應(yīng)用具有跨學(xué)科性質(zhì)并利用異構(gòu)數(shù)據(jù)。需對(duì)多模態(tài)機(jī)器學(xué) 習(xí)進(jìn)行進(jìn)一步研究，以實(shí)現(xiàn)從不同類型數(shù)據(jù)（如離散數(shù)據(jù)、連續(xù)數(shù)據(jù)、文本數(shù) 據(jù)、空間數(shù)據(jù)、時(shí)間數(shù)據(jù)、時(shí)空數(shù)據(jù)、圖形數(shù)據(jù)）中獲得知識(shí)發(fā)現(xiàn)。人工智能 研究人員必須確定培訓(xùn)所需的數(shù)據(jù)量，并正確處理大型數(shù)據(jù)和長(zhǎng)尾數(shù)據(jù)需求。 他們也必須確定如何識(shí)別和處理純統(tǒng)計(jì)學(xué)方法之外的小概率事件；在工作中利 用知識(shí)源（即解釋世界的任何類型的信息，如重力定律或社會(huì)規(guī)范的知識(shí)）和 數(shù)據(jù)源，在學(xué)習(xí)過(guò)程中結(jié)合模型和本體；并且當(dāng)大數(shù)據(jù)源不可用時(shí)，可利用有 限數(shù)據(jù)獲得有效的學(xué)習(xí)效果。增強(qiáng)人工智能系統(tǒng)的感知能力感知是智能系統(tǒng)面對(duì)世界的窗口。感知來(lái)自（可能為分布式）傳感器數(shù) 據(jù)，具有多種形態(tài)和形式，如系統(tǒng)本身的狀態(tài)或環(huán)境的相關(guān)信息。傳感器數(shù)據(jù) 常與先驗(yàn)知識(shí)和模型一起進(jìn)行處理和整合，以提取與人工智能系統(tǒng)任務(wù)相關(guān)的 信息，如幾何特征、屬性、位置和速度。來(lái)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(shí)和世界狀態(tài)模型，有助于有效、安