【導(dǎo)讀】我們很高興通過這封信傳遞NSTC的國(guó)家人工智能研究和發(fā)展戰(zhàn)略計(jì)劃。工智能工作組開發(fā)，人工智能工作組是應(yīng)NSTC機(jī)器學(xué)習(xí)和人工智能小組委員會(huì)的要求，由NSTC的NITRD小組委員會(huì)任命的跨部門工作組。智能計(jì)算機(jī)系統(tǒng)一直是科幻小說(shuō)的主題?，F(xiàn)在，我們正在進(jìn)入一個(gè)AI對(duì)我們的日常生?；町a(chǎn)生廣泛和深遠(yuǎn)影響的時(shí)代，從精確醫(yī)學(xué)到交通到教育和更多方面。戰(zhàn)和機(jī)遇，幫助政府更有效的利用AI，并為AI的潛在利益和風(fēng)險(xiǎn)做好準(zhǔn)備。求，跟蹤研發(fā)投資的進(jìn)展并最大限度地發(fā)揮其影響以滿足這些需求。它還確立AI中聯(lián)邦資。助研發(fā)的優(yōu)先事項(xiàng)，展望短期內(nèi)AI對(duì)社會(huì)和世界長(zhǎng)期變革影響的能力。我們經(jīng)濟(jì)的同時(shí)改善我們的社會(huì)。然而，AI研發(fā)戰(zhàn)略計(jì)劃并沒有為個(gè)別聯(lián)邦機(jī)構(gòu)定義具體。相反，機(jī)構(gòu)將繼續(xù)根據(jù)其使命、能力、權(quán)威和預(yù)算來(lái)追尋優(yōu)先重點(diǎn)，同時(shí)進(jìn)。行協(xié)調(diào)，使整體研究組合與AI研發(fā)戰(zhàn)略計(jì)劃一致。程部計(jì)算機(jī)與信息系副主任，

　　

【正文】 推動(dòng)人工智能的硬件升級(jí) 雖然 AI 研究最常見的是與軟件發(fā)展相關(guān)，但 AI 系統(tǒng)的性能在很大程度上 取決于硬件。眼下深度機(jī)器學(xué)習(xí)的復(fù)興與基于 GPU 的硬件技術(shù)進(jìn)步及其改進(jìn)的 存儲(chǔ)器、 75 輸入 /輸出、時(shí)鐘速 度、并行性和 能量效率直接相關(guān)。針 對(duì) AI 算法而 優(yōu)化的開發(fā)硬件將實(shí)現(xiàn)比 GPU 更高的性能水平。其中一個(gè)實(shí)例是 “ 神經(jīng)形態(tài) ” 處理器，其受到大腦組織的自由啟發(fā)， 76 并且在一些情況下，針對(duì)神經(jīng)網(wǎng)絡(luò)的運(yùn) 行而對(duì)其進(jìn)行優(yōu)化。 硬件升級(jí)還可以提高數(shù)據(jù)高度密集 型 AI 方法的性能。需要進(jìn)一步研究在整 個(gè)分布式系統(tǒng)中以受控方式打開和關(guān)閉數(shù)據(jù) 通 道的方法。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(gè)數(shù)據(jù)通道同時(shí) 學(xué)習(xí)的分布式機(jī)器學(xué)習(xí)算法。更先進(jìn)的基于機(jī)器學(xué)習(xí)的反饋方法將允許 AI 系統(tǒng) 對(duì)來(lái)自大規(guī)模仿真、實(shí)驗(yàn)儀器和分布式傳感器系統(tǒng)（如智能建筑和物聯(lián)網(wǎng) （ IoT））的數(shù)據(jù)進(jìn)行智能采樣或優(yōu)先級(jí)排序。這樣的方法可能需要?jiǎng)討B(tài) I/O 決 策，其中基于重要性實(shí)時(shí)地作出選擇來(lái)存儲(chǔ) 數(shù) 據(jù)，而不是簡(jiǎn)單地以固定頻率存 儲(chǔ)數(shù)據(jù)。 為改進(jìn)的硬件創(chuàng)建人工智能 雖然改進(jìn)的硬件可以產(chǎn)生更強(qiáng)大 的 AI 系統(tǒng)， AI 系統(tǒng)也可以提高硬件的性 能。 77 這種互惠將引導(dǎo)硬件性能的進(jìn)一步提高，因?yàn)榻鉀Q計(jì)算的物理限制需要新 的硬件設(shè)計(jì)方法。 78 基于 AI 的方法可能對(duì)于改 進(jìn)高性能計(jì)算（ HPC）系統(tǒng)的操作 尤其重要。這樣的系統(tǒng)消耗大量能量。 AI 用于預(yù)測(cè) HPC 性能和資源使用，并進(jìn)行在線優(yōu)化決策以提高效率 。更高 級(jí)的 AI 技術(shù)可以進(jìn)一步提高系統(tǒng)性能。 AI 還可用于創(chuàng)建可自動(dòng)重新配置的 HPC 系統(tǒng)，其可以在無(wú)人為干預(yù)的情況下處理發(fā)生的系統(tǒng)故障 79 改進(jìn)的 AI 算法可以通過減少處理器和存儲(chǔ)器之間的數(shù)據(jù)移動(dòng)來(lái)提高多核系 統(tǒng)的性能 。 這是通向百億次級(jí)計(jì)算系統(tǒng)的 主 要障礙，而這種系統(tǒng)比現(xiàn)在的超級(jí) 計(jì)算機(jī)運(yùn)行速度要快 10 倍。 80 實(shí)際上， HPC 系統(tǒng)中的執(zhí)行配置從來(lái)不相同，并 且同時(shí)執(zhí)行不同的應(yīng)用，其中每個(gè)不同軟件 代 碼的狀態(tài)隨著時(shí)間獨(dú)立地演進(jìn)。 26 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 設(shè)計(jì) AI 算法需要使其能夠?yàn)? HPC 系統(tǒng)在線運(yùn)行和大規(guī)模運(yùn)行。 （注：進(jìn)入百萬(wàn)兆級(jí)運(yùn)算是指計(jì)算系統(tǒng)可實(shí)現(xiàn)至少每秒 10 億次運(yùn)算。） 27 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）戰(zhàn)略二：開發(fā)有效的人類與人工智能協(xié)作方法 雖然完全自主 的 AI 系統(tǒng)在一些應(yīng)用領(lǐng)域（例如，水下或深空探測(cè)）中將是 比較重要的，但是許多其它應(yīng)用領(lǐng)域（例如 ， 災(zāi)難恢復(fù)和醫(yī)學(xué)診斷）是通過人 類 和 AI 系統(tǒng)的組合協(xié)作得到最有效地解決而實(shí)現(xiàn)應(yīng)用目標(biāo)的。這種協(xié)作互動(dòng)利 用了人類 和 AI 系 統(tǒng)的互補(bǔ)性質(zhì)。雖然針對(duì) 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(tái) 來(lái)實(shí)現(xiàn)特定目標(biāo)。針對(duì)每個(gè)可能的應(yīng)用程序 實(shí) 例來(lái)生成點(diǎn)解決方案是不能量化 的；因此，需要更多的工作來(lái)越過這些點(diǎn)解決方案，并傾向于人類 AI 協(xié)作中 更具一般性的方法。需要在設(shè)計(jì) “ 通用系統(tǒng) ” 和建立大量的 “ 專用系統(tǒng) ” 之間 進(jìn)行權(quán)衡。前者能夠在所有類型的問題中起 到 作用，構(gòu)建所需人力較少且能更 加便利地在不同應(yīng)用之間進(jìn)行切換；而后者 可 以針對(duì)每個(gè)問題更有效率地發(fā)揮 作用。 未來(lái)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(shí)的方式上存在大大地不同。人類 和 AI 系統(tǒng)之間的功能作用劃分 通常屬于以下類別之一： （ 1） AI 執(zhí)行輔助人類的功能： AI 系統(tǒng)執(zhí)行支持人類決策者的外圍任務(wù)。 例如， AI 可以幫助人類檢索工作記憶，短期或長(zhǎng)期記憶，以及預(yù)測(cè)任務(wù)。 （ 2） AI 執(zhí)行分擔(dān)人類高認(rèn)知負(fù)荷 的功能：當(dāng)人類需要幫助時(shí)， AI 系統(tǒng)執(zhí) 行復(fù)雜的監(jiān)視功能（例如飛機(jī)中的地面接近 警 告系統(tǒng)），決策和自動(dòng)醫(yī)療診 斷。 （ 3） AI 執(zhí) 行代 替人 類的 功能： AI 系統(tǒng)執(zhí)行人類對(duì)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(zhēng)議性 操 作環(huán)境中的動(dòng)態(tài)系統(tǒng)控制引導(dǎo)， 用于有害或有毒環(huán)境中的自動(dòng)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）。 實(shí)現(xiàn)人類 與 AI 系統(tǒng)之間的有效交互需要額外的研發(fā)，以確保系統(tǒng)設(shè)計(jì)不會(huì) 導(dǎo)致過度的復(fù)雜性，置信不足或置信過度。 可 以通過培訓(xùn)和體驗(yàn)來(lái)增加人類對(duì) 人工智能系統(tǒng)的熟悉程度，以確保人類能很 好 的了解人工智能系統(tǒng)的功能以及 28 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 人工智能系統(tǒng)能夠和不能夠做什么。為了解 決 這些問題，在設(shè)計(jì)和開發(fā)這些系 統(tǒng)時(shí)應(yīng)使用某些以人為中心的自動(dòng)化原則： 81 （ 1）對(duì)人工智能系統(tǒng)的界面、控制和顯示，采用直觀、人性化的設(shè)計(jì)。 （ 2）保持操作人員對(duì)信息的及時(shí)了解。顯示關(guān)鍵信息，人工智能系統(tǒng)的狀 態(tài)以及對(duì)這些狀態(tài)的更改。 （ 3） 對(duì)操作人員進(jìn)行培訓(xùn)。參與一般 性 知識(shí)、技能和能力（ KSA）的定期 復(fù)訓(xùn)，以及進(jìn)行人工智能系統(tǒng)采用的算法和 邏 輯和系統(tǒng)的預(yù)期故障模式的培 訓(xùn)。 （ 4）確保自動(dòng)化設(shè)備靈活。對(duì)于希望是否決定使用人工智能系統(tǒng)的操作人 員而言，部署人工智能系統(tǒng)應(yīng)被視為計(jì)劃選 項(xiàng) 。同樣重要的是，在過度工作負(fù) 荷或疲勞期間，用于支持人類操作人員的自 適 應(yīng)人工智能系統(tǒng)的設(shè)計(jì)和運(yùn)用也 是非常重要的。 82,83 當(dāng)創(chuàng)建能與人類進(jìn)行有效合作的系統(tǒng)時(shí)，研究 人員會(huì)遇到許多基本挑戰(zhàn)。 以下小節(jié)中列出了其中一些重要的挑戰(zhàn)。 尋找人類感知人工智能的新算法 多年以來(lái)，人工智能算法已經(jīng)能夠解決日益復(fù) 雜的問題。然而，這些算法 的功能和人類對(duì)這些系統(tǒng)的可用性之間存在 一 定的差距。人類感知智能系統(tǒng)需 要能夠直觀地與用戶進(jìn)行互動(dòng)，并且能夠?qū)?現(xiàn) 無(wú)縫人機(jī)協(xié)作。直觀的互動(dòng)包括 淺層互動(dòng)，例如當(dāng)用戶舍棄由系統(tǒng)推薦的選 項(xiàng) 時(shí)；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。必須開發(fā) 人為干預(yù)模型，允許智能系統(tǒng)僅在必要和適 當(dāng) 時(shí)介入人類操作。智能系統(tǒng)還應(yīng) 該具有增強(qiáng)人類認(rèn)知的能力，使用戶在需要 時(shí) 知道需要檢索哪些信息，即使他 們沒有明確地向系統(tǒng)提示該信息。未來(lái)的智 能 系統(tǒng)必須能夠解釋人類社會(huì)的行 為規(guī)范，并相應(yīng)地采取行動(dòng)。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(shí)別用戶的情緒并做出適當(dāng) 地響應(yīng)。另一個(gè)研究目標(biāo)是超越單人和單臺(tái) 機(jī) 器的互動(dòng)，朝向 “ 系統(tǒng)的系統(tǒng) （ systemsofsystems） ” 方向發(fā)展，即由多個(gè)機(jī)器與多個(gè)人互動(dòng)的協(xié)同工 作。 人類人工智能系統(tǒng)的互動(dòng)具有廣泛的目標(biāo)。人 工智能系統(tǒng)需要能夠代表多 29 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 個(gè)目標(biāo)，他們?yōu)檫_(dá)到這些目標(biāo)可以采取的行 動(dòng) ，對(duì)這些行動(dòng)的約束和其他因 素，以及容易適應(yīng)目標(biāo)的修改。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。需要進(jìn)一步研究來(lái)概括人類 人工智能系統(tǒng)的這些方面，以開發(fā)需要較少人體工程學(xué)的系統(tǒng)。 開發(fā)增強(qiáng)人類能力的人工智能技術(shù) 盡管人工智能研究先前的大多數(shù)焦點(diǎn)是關(guān)于匹 配或勝過人類執(zhí)行狹窄任務(wù) 的算法，但是需要額外的工作來(lái)開發(fā)在許多 領(lǐng) 域增強(qiáng)人類能力的系統(tǒng)。人類增 強(qiáng)研究包括固定設(shè)備（例如計(jì)算機(jī)）上使用 的 算法；可穿戴設(shè)備（如智能眼 鏡）；植入裝置（如大腦連接）；以及特定的用戶環(huán)境（例如特制的手術(shù) 室）。例如，增強(qiáng)的人類意識(shí)可以使醫(yī)療助 手 ，基于多個(gè)設(shè)備組合的數(shù)據(jù)讀數(shù) 指出醫(yī)療過程中的錯(cuò)誤。其他系統(tǒng)可以通過 幫 助用戶回憶，適用于用戶當(dāng)前狀 況的過去經(jīng)驗(yàn)來(lái)增強(qiáng)人類的認(rèn)知。 人類和人工智能系統(tǒng)之間的另一種類型的協(xié)作 ，涉及對(duì)智能數(shù)據(jù)理解的主 動(dòng)學(xué)習(xí)。在主動(dòng)學(xué)習(xí)中，從領(lǐng)域?qū)＜姨帉で?輸 入，并且當(dāng)學(xué)習(xí)算法不確定時(shí)僅 對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)。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)。主動(dòng)學(xué)習(xí)也是獲得領(lǐng)域?qū)＜逸斎牒吞?高 學(xué)習(xí)算法信任度的關(guān)鍵方法。主 動(dòng)學(xué)習(xí)迄今為止只在監(jiān)督式學(xué)習(xí)中使用 — — 需要進(jìn)一步的研究將主動(dòng)學(xué)習(xí)納入 無(wú)監(jiān)督學(xué)習(xí)（例如集中、異常檢測(cè)）和強(qiáng)化學(xué)習(xí)中去。 84 隨機(jī)網(wǎng)絡(luò)允許領(lǐng)域知識(shí) 以先驗(yàn)概率分布的形式包含在內(nèi)。必須尋求 允 許機(jī)器學(xué)習(xí)算法并入領(lǐng)域知識(shí)的 一般方法，無(wú)論是以數(shù)學(xué)模型、文本或其他形式。 （注： 84. 監(jiān) 督學(xué)習(xí)需要人類提供正確的結(jié)果，而強(qiáng)化學(xué)習(xí)和無(wú)監(jiān)督學(xué)習(xí)則不需要。） 開發(fā)可視化和人機(jī)界面技術(shù) 更好的可視化和用戶界面是需要更多開發(fā)，以 幫助人們了解大量現(xiàn)代數(shù)據(jù) 集和來(lái)自不同信息來(lái)源的額外領(lǐng)域?？梢暬?和 用戶界面必須以人類可理解的方 式，清楚地呈現(xiàn)來(lái)自他們的日益復(fù)雜的數(shù)據(jù) 和 信息。在安全危急操作中提供實(shí) 時(shí)結(jié)果是重要的，并且可以通過增加計(jì)算能 力 和互連系統(tǒng)來(lái)實(shí)現(xiàn)。在這些類型 的情況下，用戶需要可以為實(shí)時(shí)響應(yīng)而快速 傳 達(dá)正確信息的可視化和用戶界 面。 人類人工智能系統(tǒng)的協(xié)作可以應(yīng)用于各種環(huán)境 中，并且對(duì)通信存在約束。 30 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 在一些領(lǐng)域，人類人工智能通信延遲低，通 信 快速可靠。在其他領(lǐng)域（例如， 美國(guó)航空航天局布置在火星上的勇氣號(hào)和機(jī) 遇 號(hào)探測(cè)器），人與人工智能系統(tǒng) 之間的遠(yuǎn)程通信的延遲時(shí)間非常長(zhǎng)（例如， 地 球和火星之間的往返時(shí)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(jí)別戰(zhàn)略目 標(biāo)的平臺(tái)。這些通信要 求和約束是研發(fā)用戶界面的重要考慮因素。 開發(fā)更高效的語(yǔ)言處理系統(tǒng) 使人們能通過口語(yǔ)和書面語(yǔ)言與人工智能系統(tǒng) 進(jìn)行互動(dòng)一直是人工智能研 究人員的目標(biāo)。雖然已經(jīng)取得了重大進(jìn)展， 但 是在人與人工智能系統(tǒng)能像人與 人之間進(jìn)行有效溝通之前，必須在語(yǔ)言處理 中 解決相當(dāng)大的開放性研究挑戰(zhàn)。 語(yǔ)言處理的最新進(jìn)展已經(jīng)歸功于使用數(shù)據(jù)驅(qū) 動(dòng) 的機(jī)器學(xué)習(xí)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(shí)時(shí) 識(shí) 別流利的英語(yǔ)語(yǔ)音。然而，這些 成就只是實(shí)現(xiàn)更長(zhǎng)期目標(biāo)的第一步。當(dāng)前系 統(tǒng) 不能處理現(xiàn)實(shí)世界的挑戰(zhàn)，例如 在嘈雜環(huán)境中的語(yǔ)音、帶濃重口音的語(yǔ)音、 兒 童語(yǔ)音、受損的語(yǔ)音和手語(yǔ)語(yǔ) 音。還需要開發(fā)能夠與人進(jìn)行實(shí)時(shí)對(duì)話的語(yǔ) 言 處理系統(tǒng)。這種系統(tǒng)需要推斷人 類對(duì)話者的目標(biāo)和意圖，使用針對(duì)當(dāng)前情況 適 當(dāng)?shù)恼Z(yǔ)境、風(fēng)格和修辭，并在對(duì) 話產(chǎn)生誤解的情況下對(duì)其進(jìn)行修復(fù)。需要進(jìn) 一 步研究更易于普及不同語(yǔ)言的系 統(tǒng)。此外，需要更多的以語(yǔ)言處理系統(tǒng)更容 易 訪問的形式的研究，來(lái)獲得有用 的結(jié)構(gòu)化領(lǐng)域知識(shí)。 例 3： DARPA 的可學(xué)習(xí)個(gè)性化助理（ PAL）項(xiàng)目創(chuàng)建了蘋果商業(yè)化技術(shù)，如 Siri 計(jì)算技術(shù) 對(duì) 現(xiàn)代生活 的 每一個(gè)方 面 都至關(guān)重 要 ，但我們 每 天使用的 信 息系統(tǒng)缺 乏 人類 認(rèn)知的一般的、靈活的能力。在 PAL 計(jì)劃中， 85 DARP A 著手創(chuàng)建可以從經(jīng)驗(yàn)、推論中學(xué)習(xí) 的認(rèn)知助 手 ，并通過 語(yǔ) 音界面告 訴 他們?cè)撟?什 么。 DARPA 設(shè)想 了 PA L 技術(shù)，使 得 信息系 統(tǒng)對(duì)于用戶更加高效和有效。 DARPA 和 PAL 的執(zhí)行者與軍事運(yùn)營(yíng)商合作，將 PAL 技術(shù)應(yīng) 用于命令和控制問題， PAL 程序?qū)W習(xí)技術(shù)被整合到未來(lái)版本的戰(zhàn)斗通信和 10（見 圖 ）的美 國(guó)軍隊(duì)指揮所中，并在世界各地使用。 31 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 用戶演 示 程序 PAL 完 成并 概括 了參數(shù) 和結(jié)構(gòu)， 以 產(chǎn)生可 重 復(fù) 使用的標(biāo)準(zhǔn)操作規(guī)程 標(biāo)準(zhǔn)操作程序 庫(kù)（ SOPs） PAL 程序?qū)W習(xí)助手通過觀察一個(gè)實(shí)例來(lái)學(xué)習(xí)可重復(fù)使用的過程。 DARPA 還非常了 解 PA L 技術(shù)的商 業(yè) 潛力，特 別 是需要基 于 語(yǔ)音的智 能 手機(jī)交互 的 移 動(dòng)應(yīng)用。 DARPA 強(qiáng)烈 鼓 勵(lì) PAL 商 業(yè) 化，并且為了響應(yīng) DARPA 的鼓勵(lì) ， 在 20xx 年 創(chuàng) 建了 Siri 公司，以便在通 過 基于語(yǔ)音 界 面管理信 息 和自動(dòng)化 任 務(wù)來(lái)幫助 用 戶的系統(tǒng) 中 使 PA L 技 術(shù)商業(yè)化。 20xx 年 4 月 ， Siri 公司 被 蘋果收購(gòu)，該公司進(jìn)一步開發(fā)了這些技術(shù)，使其成為 用于 iPhone 和 iPad 的 Apple 移動(dòng)操 作 系統(tǒng)的一個(gè)組成部分，也是其定義的特征。 在許多其他領(lǐng)域的語(yǔ)言處理研究方面的進(jìn)展， 也需要使人類和人工智能系 統(tǒng)之間的互動(dòng)更加自然和